机械设备故障诊断技术的现状及趋势

江善楼

摘 要：当今社会经济飞速发展，机械设备得到广泛的应用，设备故障诊断技术不断的创新和发展。主要从机械设备故障诊断技术的现状、方法和发展趋势展开研究。

关键词：机械设备;诊断技术;趋势

1 机械设备故障诊断技术的发展现状

当今机械设备故障诊断技术比较流行的是智能诊断技术，但是，这种技术并不成熟，还有很多地方需要探讨，比如仿真的可行性和真实情况的操作性始终存在着误差，再有就是智能技术的安全性和准确性有待于进一步提高。经过研究发现，目前智能诊断技术主要存在以下几方面的问题。

（1）机械设备故障信号的融合大多是有很多模块组成的，模块与模块之间可以通过机械直接连接，也可以通过电气间接连接，不同模块对应的信号不尽相同，这就导致了信号采集系统出现不平衡的现象，很容易导致信号提取和分析融合出现偏差，造成了最终数据的不准确性。

（2）故障诊断决策实效性较低。故障信号必须经过两个阶段才能最终得到结果，这两个阶段分别是数据处理和决策推理，但是由于故障信号的提取、处理和后计算往往需要很多时间，这就造成了体征与诊断决策匹配与否的问题，从而影响了计算结果的时效性。

（3）故障发生原因与特征对应关系的不确定。同一种机械设备由于厂家不同可能内部构造存在着部分差异，这就增加了最终决策的准确性，必须经过不断的调整才能得到最终的结果，浪费了时间，增加了成本。

2 机械设备故障诊断技术常用的诊断方法

（1）传统的机械设备故障诊断方法无非是望、闻、问、切。这些方法比较适用于经验法，也就是需要长时间经验的积累才能对故障有比较高的了解，并且这种方法一般针对技术含量不是很高的机械设备。当今机械设备都是趋于高智能化，所以这种诊断方法逐渐被淘汰。

（2）传感器检测法。这种检测方法在现在的检测方法中比较多见。举个例子，温度传感器，可以利用此传感器间接检测机械设备功能部件温度的变化情况，并把温度变化情况转变成电压信号或者电流信号传给ECU，从而进一步确定机械设备故障位置。

（3）噪声频谱分析。该方法也是常见的机械设备故障诊断方法之一。我们知道任何一种材料都有自己固有的振动频率，正常情况下振动频率都有一个可以检测的数值，如果机械设备中某一个或者某些零部件发生了损伤，其振动频率肯定会发生变化。我们就是利用这个变化数值，然后利用对应的噪声频谱分析，通过声呐设备检测机械设备中的谐波数值、频率变化等，从而可以判断出故障的发生部位。只不过机械设备往往体积较大，零部件众多，发生故障后频率的变化不易察觉，所以此种诊断方法的精确度不是很高。

（4）油液光谱分析。机械设备想运行往往缺不了润滑油、润滑脂，液压设备往往缺不了液压油，润滑系里往往有金属微粒、杂质碎屑等，油液光谱分析就是通过分析这些液体成分，从而得出不同的结论，进一步确定故障的大体位置和发生故障的位置。目前常用的故障诊断技术都是以采集和监测设备运行状态为基础进行的，而现代故障诊断技术则要求以故障诊断原因为决策核心，也就是充分利用采集到的设备运行数据，通过迅速的决策，最终准确地判断出故障的类型。

3 机械设备故障诊断技术的发展趋势

（1）智能化趋势。当今社会智能化发展的很快，模糊控制、神经网络、遗传算法等名词屡见不鲜。通过这些方法将故障特征分析结果与机械设备故障诊断技术紧密的结合在一起，既提高了故障诊断的效率，又提高了故障诊断的准确性。实践证明，智能控制理论在故障诊断决策方面的应用越来越广泛。

（2）高精度化趋势。数据的精度直接影响最终故障诊断的可靠性，传统的诊断方法已经很难达到日趋高度发展的需要。小波理论、分形几何、全息谱分析方法的出现很好地解决这一难题。小波理论可以使信号的分辨率得到全面的提高;分形几何理论可以使信号在瞬态、突变和平稳性上得到更加有优势的处理;全息谱分析方法可以将幅、频、相三者紧密结合在一起进行分析和处理，所以，这一方法的应用不仅弥补了传统付氏谱存在的不足与缺陷，同时也促进频率振动信号分析处理效率的有效提升。

（3）网络化趋势。网络技术已经成为当下发展的主流，几乎现在任何事情都离不开网络。网络的发展也带动了机械设备故障诊断技术的飞速发展。网络技术、通信技术、计算机技术等等，这些新技术在机械设备故障诊断技术中的应用，不仅促进了故障诊断效率的大幅度提升，同时也实现了信息、资源的共享，为机械设备故障诊断技术的发展奠定了良好的基础。

4 結语

总之，机械设备故障发生的频率随着其设备复杂程度的日益提升而增加，如何在复杂的故障中迅速的查找原因并迅速排出故障，已经成为解决机械设备故障刻不容缓的问题。充分掌握现代化的诊断技术是查找故障的主要捷径方法。只有不断与时俱进，开拓创新，才能在解决故障问题上独立鳌头。

参考文献：

[1] 鞠萍华.旋转机械早期故障特征提取的时频分析方法研究[D].重庆：重庆大学，2010.

[2] 张锐.基于人工神经网络理论的机械故障诊断技术研究[D].哈尔滨：东北林业大学，2010.

[3] 许红卫.基于小波变换和神经网络的旋转机械故障诊断[D].南京：南京航空航天大学，2012.