浅议机械设备故障智能诊断技术的现状及发展

刘　畅红塔辽宁烟草有限责任公司沈阳卷烟厂

浅议机械设备故障智能诊断技术的现状及发展

刘畅
红塔辽宁烟草有限责任公司沈阳卷烟厂

随着新技术、新理论的不断发展和制造技术的不断升级，机械设备越来越复杂化和智能化。机械设备故障智能诊断技术逐渐取代了传统的故障诊断技术。本文主要介绍和分析了我国机械设备故障智能诊断技术的发展现状，阐述了机械设备故障智能诊断的方法。

机械设备 故障智能诊断技术 现状

1　引言

随着科学技术的进步与发展，机械设备在现代工业生产中的作用也越来越重要，机械设备自动化水平越来越高，设备在运行过程中如果发生故障，轻则造成一定程度的经济损失，重则导致重大的人员伤亡。故障诊断是指在一定工作环境中查明导致系统某种功能失调的原因或性质，判断劣化状态发生呢的具体部位或部件，以及预测状态劣化的发展趋势等。设备故障智能诊断系统是以知识处理为研究内容，给予知识以提高系统智能化程度和诊断准确率。智能诊断系统是由计算机人工智能和诊断理论相结合而形成的。

2　我国机械设备故障智能诊断的发展现状及应用

2.1我国机械设备故障智能诊断的发展现状

我国在机械设备故障诊断技术方面的研究和应用起步比较晚。在上世纪80年代以前，一些科研院所结合教学和有关设备诊断技术的研究课题，逐步开始进行机械设备故障诊断技术的理论研究和实践应用研究。从1979年开始，一些工厂企业在熟悉前苏联维修体质的基础上，开始研究西方等国的维修体制。20世纪80年，国内开始着手组建故障诊断的研究机构，其发展经历了从简单诊断到精密诊断、从单机诊断到网络诊断的过程，发展速度愈来愈快。20世纪80年代以来，计算机技术尤其是智能技术在检测诊断中的应用，使得机械设备故障诊断技术逐渐向智能化方向发展。故障智能诊断系统是由人、模拟人脑功能的硬件及其必要的外部设备、物理器件以及支持硬件的软件组成的能够对诊断对象进行状态识别和预测的系统。机械设备故障智能诊断系统与诊断对象之间的关系如图1所示：

图1　故障智能诊断系统与诊断对象之间的关系

与传统的故障诊断技术相比，故障智能诊断实现了人机联合诊断，综合了多个专家的最佳经验，功能水平可以达到甚至超过专家的水平，能够对多故障、多过程和突发性故障进行快速分析诊断。

2.2我国机械设备故障智能诊断的应用现状

在实际应用方面，20世纪90年代以来，浙江大学和同济大学等高校的学者开始从事工程机械故障诊断方面的研究，并与长江挖掘机厂、广西玉林柴油机厂等企业合作开发完成了工况监测系统，实时监测液压、发动机、电气运行状态参数，并在液晶显示屏上显示，当监测到故障信息时，通过声、光、图像进行报警。三一重工研究院自主研发完成了基于GPRS的远程监控平台，利用全球卫星定位技术、地理信息技术、无线通讯技术、数据库技术等信息技术对工程机械的运动信息、地理位置、工作状态和施工进度等实施数据采集、远程监测、数据分析、故障诊断和技术支持。2005年，柳工机械股份有限公司完成了国家863项目“装载机远程服务系统与智能化挖掘机”，建立了柳工专用网络、挖掘机GPS硬件平台及专用软件，可以实现远程数据传输、故障诊断、遥控定位、锁机等功能。近年来，许多工程机械企业都相继研究开发了工程机械电子监控系统。

3　机械设备故障智能诊断的方法

近十几年来，随着故障诊断技术逐步向智能化方向发展，故障树分析、模糊诊断、专家系统、人工神经网络等新的诊断技术不断出现。目前基于人工智能的机械设备故障诊断方法主要有以下几种：

3.1基于模糊理论的诊断法

基于模糊理论的诊断法是将各种故障及其症状视为两类不同的模糊集合，集合之间的关系用一个模糊关系矩阵来描述，它是借助模糊数学中的模糊隶属关系提出的一种新的诊断方法。当确定性故障和模糊性故障相互交织、密切相连时，就需要寻找与之相适应的诊断方法，通过探讨机械系统故障的模糊性，才能有利于正确描述故障的真实状态，揭示期本质特征。模糊诊断方法的优点在于计算简便、应用方便，结论明确直观，但用来进行趋势预测存在一定难度。

3.2基于灰色系统理论的诊断法

灰色系统理论是邓聚龙教授于1982年创立的，并在社会经济系统中得到广泛的应用，取得了较好的成果。灰色系统理论故障诊断过程是利用有限的已知信息，通过信息处理对含有不可知信息的设备进行诊断、预测、决策的过程。灰色理论中的灰色预测、灰色关联度分析、灰色聚类和灰色决策都成为机械设备故障诊断的有力工具。灰色诊断法的难点在于要建立典型故障参考模式，然后计算待识别故障模式与典型参考模式的关联度。一旦参考模式的特征矩阵不准确，诊断就会失败。

3.3基于人工神经网络的诊断法

神经网络故障诊断法在20世纪80年代末90年代初才真正具有实用性。人工神经网络在故障诊断领域的应用主要有3个方面：①从知识处理角度建立基于神经网络的诊断专家系统；②从模式识别角度应用神经网络作为分类器进行故障诊断；③从预测角度应用神经网络作为动态预测模型进行故障预测。其缺点是需要大量的样本，训练时间较长和识别精度不高。

3.4基于支持向量机的诊断法

支持向量机（SVM）是从线性可分情况下的最优分类面发展而来的，为解决二类分类问题而提出来的，不能直接运用于多类分类。SVM是依靠特征参量描述的相似度来进行故障分类的方法，特征参量对故障描述的越准确，其泛化能力也就越强，分类性能就越好。其缺点是不能诊断出没学习过的故障。

3.5集成技术故障诊断法

集成技术故障诊断法是一种集成多种故障诊断方法策略，对复杂故障进行诊断和监控的有效方法。集成技术为解决复杂设备故障诊断提供了一条新的途径。它的瓶颈就是怎样到各种诊断方法的融合点，实现更精确的故障诊断。

综上所述，我国在机械设备故障智能诊断理论研究方面取得了很大进步，未来，机械设备故障诊断技术将向全息化、智能化方向发展。但如何将机械设备故障智能诊断技术应用到实际工程中去，还需要更深入的研究。

［1］龚雪.工程机械智能故障诊断技术的研究现状及发展趋势［J］.机床与液压，2011.14.

［2］杨光.机械设备故障的智能诊断及预测维修系统的研究［J］.科学之友，2011.20.

［3］杨超，李亦滔.机械设备故障智能诊断技术的现状与发展［N］.华东交通大学学报，2011.5.

［4］冯志鹏.计算智能在机械设备故障诊断中的应用研究［D］.大连理工大学，2003.