基于人工智能的工程机械故障诊断技术

张 珏

（上海市政建设有限公司，上海 200438）

工程机械是机械施工所必需的机械装备，应用于国防、交通、能源、矿山、农林水利、工民建、市政和环保等许多行业领域。由于工程机械装备的作业环境条件非常差，导致了工程机械装备的停机故障率一直居高不下。传统工程机械装备的故障诊断方法和理论，已经不适应目前的精密复杂、高度自动化、信息化的工程机械装备和系统。人工智能故障诊断技术，应用于工程机械装备的故障诊断，是工程机械故障诊断的一个新方法，目前已开始大规模的技术应用，有着广阔的推广空间[1]。

1 工程机械装备故障诊断技术现状

工程机械装备的故障诊断技术就是通过监测该类装备工作时的运行状态，来判断工程机械装备的哪些部位可能产生故障及产生故障的原因，并预测工程机械装备未来运行趋势的一门技术。目前，计算机信息技术已逐步应用于工程机械领域，基于人工智能的故障诊断理论和方法已经成为工程机械装备故障诊断领域的一种重要的方法。

2 人工智能的故障诊断方法

在工程机械故障诊断中，可以通过使用人工的方法和技术来模仿、延伸及扩展人的智能，从而实现机器的智能。目前，工程机械装备的人工智能诊断方法主要有状态识别法、神经网络诊断、模拟退火与演化算法、专家系统和混合智能故障诊断技术等[2]。

2.1 状态识别法

状态识别法是通过监测工程机械装备的运行参数特征变化，来判别其工况状态变化属性，在此基础上分析其原因，提出可行的解决方法。工程机械装备的状态识别法，常规条件下可分为对比分析法、距离函数分类法、近邻决策算法、贝叶斯分类法、Fisher判别法、势能函数分类法、模糊诊断方法、故障树分析法、基于粗糙集理论的诊断法和主成分分析及独立分析法等方法。

2.2 人工智能网络方法

人工智能网络方法是通过模仿人类大脑的神经元结构，简单地模拟大脑某些基本特性进行工程机械装备故障诊断的一种方法。在工程机械故障诊断领域，人工智能网络方法主要运用在三个方面：工程机械装备的诊断故障、工程机械装备的预测故障和建立工程机械装备的专家诊断系统。目前，工程机械装备的故障诊断领域中，应用较为广泛的人工智能网络模型有人工智能网络的拓扑结构、学习规则和BP算法等。

2.3 模拟退火和演化算法

工程机械装备故障诊断的模拟退火算法，是通过模拟物理学中固体物质的高温退火过程进行故障诊断，该种方法首先是明确需要的数学模型，其次是确定解的形成原理，并对解的可行与否进行判断。工程机械装备故障诊断的演化算法，是借助于生物学中的自然选择和进化机制以取得最优值函数进行故障的诊断方法，演化算法在机器学习、过程控制和工程的优化等方面取得了非常大的进步。

2.4 专家系统法

专家系统是一种基于知识的、通过大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能故障诊断方法，专家系统法是现在人工智能故障诊断领域中使用最广的一种方法。目前，工程机械装备故障诊断的专家系统法分为基于规则法、基于案例法、基于框架法、基于模糊逻辑法、基于D-S证据理论法、基于人工神经网络法和基于遗传算法等方法。

3 轴承故障诊断的专家系统法应用

工程机械装备的轴承机构故障诊断专家系统，可以通过合适的故障诊断推理规则和决策方法，从而构建轴承故障诊断的专家知识库。通常情况下，可以拾取振动信号 （在正常情况下，为振动振幅和加速度两个主参数）、温度信号和噪声信号 （为声级压和噪声频谱两个参数），通过分析其特性来获得故障特性，从而判断工程机械装备的优劣状况。

3.1 故障识别特征参数

通过提取振动信号的时域、频域特征值作为故障识别的特征参数 （例如：半频振动或定频振动常常是由于内阻所引起的自励振动）；利用测温元件来获取工程机械装备相应部位的温度变化数据；噪声 （同振动特征） 可以通过提取叠加在基础噪声内的其他噪声 （故障噪声） 作为故障识别的特征参数。

3.2 专家系统的结构

专家系统由知识获取、知识解释、知识库、元知识、推理机、数据采集、数据分析、特征量提取、特征量获取、数据库、异常和诊断结论等部分组成。在工程机械装备的故障的诊断过程中，推理机可以根据在线监测工程机械装备的轴承工况所得到的故障信息，在知识库中搜索合适的知识，进行工程机械装备故障信息与故障假设的配对[3]，专家系统的结构如图1所示。

图1 专家系统的结构

3.3 故障诊断

（1） 数据采集：拾振器读数、拾音器读数、热传感器温度等。

（2） 系统监测时域波形冲击间隔、异常频率和振动烈度等参数，得到功率谱中啮合频率对应的幅值、二阶谐波能量和共振解调分析中对应幅值的变化；通过系统监测的温差变化，进行分析比较。

（3） 原因：工程机械出现异常的振动加速度、振幅或温度超出规定值。

（4） 警告：立即发出警报或自保护动作。

（5） 分析：通过专家系统长期积累的分析数据，对工程机械的故障趋势做出判断，给出维修的意见。

（6） 维修措施：根据维修意见，拆开轴承检查。如发现严重轴承磨损，应立即对轴承更换。

4 混合智能故障诊断系统应用

混合智能故障诊断系统的应用时间不长，但发展迅速，国内外的科研成果已很多，为工程机械装备故障的智能诊断提供了广阔的应用空间。例如：上海交通大学集成粗糙集理论、奇异值分解和模糊C均值聚类，提出了一种旋转机械故障的诊断方法，并利用Bently试验台进行了验证。西安交通大学利用混合智能诊断技术，应用于汽轮机等设备的状态监测和故障诊断，并取得了一定的研究成果。加拿大皇后大学采用小波包分解和多个自适应神经模糊推理系统，提出了一种在线的机电设备故障集成诊断系统。

混合智能故障诊断系统使用多种智能故障诊断方法，对大型的工程机械装备进行故障的状态监测诊断，具有精度高、适用性强、误漏振率较低等特点，并且可以明确故障点的确切位置，同时获得较为满意的诊断结果，该种方法为工程机械的故障诊断技术开辟了一条新的捷径。

5 结语

工程机械装备的人工智能故障诊断技术尽管还存在着一定程度上的不完美，但已取得了显著的经济效益和社会效益。随着该项技术应用的不断成熟，人工智能的故障诊断技术今后将成为工程机械装备故障诊断领域的主流方法。