机电设备状态监测与故障诊断技术研究

杜 阳

河南省特种设备安全检测研究院

机电设备状态监测与故障诊断技术研究

杜 阳

河南省特种设备安全检测研究院

近年来，随着我国工业制造的快速发展，机电设备应用越来越广泛，在推动我国国民经济发展中发挥着至关重要的作用。我们在对机械设备使用的同时，还要注重对其的保养维护，进一步延长机械设备的使用寿命，而故障诊断是设备维护中必不可少的一个环节。在设备出现故障后，随着其进一步发展导致设备工作状态发生变化，机械设备表现出了非平稳和强噪声特性的动态信号，对故障诊断的准确性和正确性造成一定的影响。本位主要围绕我国故障诊断技术发展历程，重点分析了机电设备中智能诊断方法，希望能够给今后的机电设备故障诊断提供参考。

机电设备；振动信号；故障诊断

械设备智能诊断与动态测控技术就是为适应工程需要而形成和发展起来的。动态测控就是采用各种测量和监视方法，记录和显示设备运行状态，对异常状态做出报警，为设备的故障分析提供数据和信息，并反馈执行元件对设备进行调整和控制，使得设备尽可能处于允许的运行状态之下，保障设备的输出性能和效率。智能诊断则是根据动态测控所获得的信息，结合设备的结构特性和运行信息及历次维修记录，对已经发生或者可能发生的故障进行诊断、分析和预报，以确定故障的类别、部位、程度和原因，提出维修对策，使设备恢复到正常状态。

一、故障诊断技术在我国的发展历程

故障检测及诊断技术是是一项国内外倍受关注、且发展迅速的现代新兴技术检测手段，是以当前较为先进的计算机技术、传感器技术，以及信号分析、处理技术等为基础的一种综合性技术应用方法。其故障诊断技术实质上就是通过对设备运行状态进行相应的定量检测，对出现的故障进行具体诊断，来对设备的实际运行参数进行有效掌握和了解，进而实现对机电设备自身的安全性，以及稳定性和工作持续性作出正确的预测，同时对其在运行过程中出现的问题、故障以及破坏程度等进行相对科学、合理的评价和识别。并据此结果来采取相应的解决对策和处理措施，也就是我们常说的通过利用状态检测以及故障诊断等作业方法对设备的运行状态进行及时、准确检测，并依据检测结果来明确设备运行状态和预测设备运行的未来状况。故障检测诊断技术最初出现是出于军事的需要，主要运用仪表检测设备运行状态参数，随即多功能、自动化的检测仪器不断涌现，各种新技术也不断得以应用，随着航天技术、微电子技术、传感器技术等的发展，机械设备故障诊断技术也日趋完善。

二、近似推理算法

目前已经提出了多种近似推理算法，这些算法都采取一定的方式在运行时间和推理精度上寻求一个折中，力求在较短的时间内得到一个满足精度要求的结果，这些算法随着计算时间的增长，其计算精度越高。目前近似推理算法主要分为两大类：

1、机模拟方法。模拟方法又称为 Monte Carlo 法。该方法首先对贝叶斯网络表示的联合概率分布进行随机抽样，以产生足够的样本，然后根据这些样本，通过频率计算来获得变量的概率值，而不是直接利用联合概率分布进行计算。

2、基于搜索的方法。基于搜索的方法假定概率问题是一类组合问题，所以可以将所需要计算的各个变量的不同组合看作一个状态空间，在这个状态空间中有些状态对最后的计算结果会产生较大影响，而另外一些状态则影响甚微。

三、基于贝叶斯网络的机械故障诊断模型与诊断推理

根据对机械故障诊断的认识，机械故障可以通过若干属性来描述，这些属性变量集的各种取值组合就构成了该故障的状态空间。这些属性变量之间存在着一定的系（独立或者依赖），根据以往的研究我们可以把这些属性划分为故障征兆和故障原因，所以通过对它们的研究可以得到故障的知识表示模型。在不确定的环境下，故障原因和故障征兆往往含有几个状态。比如，一个故障征兆可能有三种状态：极高，偏高，正常。我们可以用一个多值变量来表示这种多值命题。而贝叶斯网络作为一种模拟人类推理过程中因果关系的有向图，其节点就是一个多值变量，此外贝叶斯网络还具有一个表示条件独立性的自然方式――由有限个节点构成有向无环图网络结构，因而我们可以利用贝叶斯网络的基本元素描述机械故障诊断知识。

1、网络节点与网络结构。用网络结构中的节点可以表示故障诊断领域中的故障征兆和故障原因，在节点间的有向连接弧表示征兆与原因之间可能的因果关系。故障征兆和故障原因的状态多为二元状态，即其取值只为 1 或者0，分别表示相应的故障和征兆是否出现。故障原因和故障征兆各自构成两个样本集，且两个样本集中的元素是相互独立的，即故障之间或故障征兆之间是无必然的因果关系。但是这并不意味着它们相互排斥，即一台机组可以同时发生几种不同的故障，同样多个故障征兆的出现也是正常的。

2、条件概率表。贝叶斯每一节点都附有与该变量相联系的条件概率分布函数，如果变量是离散的，则它表现为给定其父节点状态时该节点取不同值的条件概率表 CPT。CPT 表明了故障原因与故障征兆之间的概率依赖关系，是对故障诊断知识进行定量描述。由此可见，贝叶斯网络可以对故障诊断领域数据变量间潜在关系进行定性定量的描述，它图形结构指定了一组条件关系独立关系声明和用于刻画概率依赖强度的条件概率的数值。由于贝叶斯网络表示了因果过程的总体结构，故它可被看做是拥有许多不同组合的一个抽象知识库。它的语义可以从两个方面来理解，其一是将网络看作一种联合概率分布的表示，即贝叶斯网络完整紧凑地表示了网络中各变量的联合分布概率。其二是将网络看作条件独立关系声明集合的一种表示。这两种观点实质上是等价的，而且在贝叶斯网络的表达、学习、推理算法中得到了统一。

四、结束语

近年来，不断进步的科学技术和生产力，使我国机械设备呈现出大型化、高速化、连续化、集中化、自动化、精密化的发展趋势，机械设备越来越复杂的组成、结构及其工作环境导致设备的某一部分或者工业流程的某一环节发生故障，就会对正常的生产和产品质量造成严重影响，给设备应用企业带来巨大的经济损失，严重情况下还会出现灾难性的人员伤亡、环境污染和恶劣的社会影响。由此可见，加强对智能诊断与动态测控技术的应用，能够使设备的可靠性与维修性及设备的管理水平得到进一步提高，使产品的质量得到有效保障，防止出现重大事故，使事故危害性降到最低，从而获得潜在的巨大经济效益和社会效益。

［1］何正嘉；訾艳阳；孟庆丰等；机械设备非平稳信号的故障诊断原理及应用［M］；北京：高等教育出版社；2011