关于机电系统状态监测与故障诊断的现代技术探讨

2021-06-28张亮陈芝仪

电子测试 2021年6期

张亮，陈芝仪

（中国质量认证中心广州分中心，广东广州，510000）

1 机电系统故障诊断技术的发展

故障诊断系统的研究已经较为成熟，该技术最早应用在航空航天领域，对于降低飞行事故起到了重要的作用。随着工业自动化进程的不断加快，缺少人力监管的设备必须保证工作的正常，所以，故障诊断技术在机电系统中得到了应用。在发展过程中，故障诊断技术经历了离线检测与诊断、在线检测与离线诊断以及实时在线监测与诊断的过程。

1.1 离线检测与诊断

所谓离线检测与诊断的意思是，故障诊断系统在机电控制系统处于不工作的状态下进行故障检测。当设备在工作的过程中，工作人员会在设备上安装相应的传感器与信号记录设备，实时记录设备的工作信号。同时，当设备工作一定时间之后将传感器获得的工作数据导入故障诊断系统中，对信号进行分析。但是这种故障诊断方式存在着较大的延迟性，只能够对系统工作之前的数据进行分析和检测。利用已有的知识和经验，判断系统的工作状态。这种检测方法对于突发性故障没有太大的预防效果。

1.2 在线检测与离线诊断

在这类系统当中，统统的称之为是主从机监测与诊断系统设备上安装多个测试点，在各个测试点都要安装传感器，并且还要由工作现场安装的微处理器对设备的每个传感器的数据进行采集和处理，同时相关的工作人员在主机系统上进行故障的判断与状态的分析，与离线定期监测系统相比对，这样能够在进行检测和预、报警并在测试点上免去了更换的步骤，但是，判断以及分析依然是需要专业的工作人员来对离线数据进行操作。

1.3 实时在线监测与诊断

实时在线检测技术的发展，得益于故障诊断技术时效性和准确性的提升。所谓实时在线监测，就是当设备在发生故障的同时，就能够对故障发生位置、故障类型进行准确的判断。这种处理技术需要故障诊断系统具备快速的数据处理和分析判断能力。并且随着智能化技术的不断发展，机电控制系统的精确建模和知识处理能力可以得到进一步提升，这样就能够使得故障诊断系统的诊断结果更加准确，误警率和漏警率不断降低。

2 机电系统故障诊断技术的实现

故障诊断诊断的方法有很多种，根据现在的研究可以将故障诊断技术分为基于知识的故障诊断、基于模型的故障诊断以及基于信号处理的故障诊断。这些故障诊断技术虽然方法不同，但是其诊断步骤是相似的。都是利用估计数据与实际数据的残差大小进行诊断，当残差超过设定阈值之后认为故障发生，根据设置的阈值范围和变化规律能够确定故障的类型。

2.1 信号采集与数据预处理

信号采集与数据预处理是故障诊断的第一个环节，要想实现故障诊断，必须有对照的数据信号。但是在机电系统工作的过程中，因为存在较大的电磁干扰问题，会在采集的信号中存在较多的脉冲干扰和随机噪声，而这些干扰噪声会严重影响诊断的准确性。因此要想实现故障诊断，必须先对这些数据进行处理。如今处理信号噪声的方法主要有小波分析法、中值滤波法、卡尔曼滤波法等方法。如图1所示，为基于小波分析的数据预处理结构图。

图1 基于小波分析的数据预处理

2.2 故障检测

在进行故障检测之前，需干以下假设：系统中的故障导致系统参数有变化，如故障使输出变量、状态变量、残差变质、模型参数、物理参数等其中之一或多个有变化。这是所有故障诊断方法皆必需遵照的假设前提。故障检测是指肯定系统是否发生故障的过程，便对一非畸形状态的检测进程。通功一直监测系统可丈量变量的变化，在标称情形下，以为这些变量在某一不确定性下满意一未知模式，而该系统免一部件故障发生时，这些变量偏离其标称状态。通常依据系统输没或状态变量的估计残差的特征去断定故障。目前研究的目的是检测的及时性、正确性和可靠性及最小误报和漏报率。如图2所示，为基于神经网络的故障诊断模型图。

图2 基于神经网络的故障诊断模型图

2.3 故障诊断

故障诊断指根据残差方向和结构来分离出故障的部位，判断故障的品种，估计出故障的发生时间、大小和原因，进行评价与决策的过程。故障分类是将故障按其严峻程度进行分类，以即采取相应措施。故障的评价和决策是指根据故障的类别、严峻程度，决议是否采取修复、补救、隔离或改变控制率等措施，以预防故障的影响和流传，预防灾害事故的发生。

3 故障诊断技术的发展趋势

随着现代科技的进步，故障诊断也向着智能化的方向进一步发展。而大数据技术的加入，让故障诊断拥有着更加精确的分析能力。无论是基于知识、信号还是模型的故障诊断技术，都需要利用以往的数据建模、训练，而数据量越大，其训练精确度越高。将大数据与人工智能技术与故障诊断相结合，能够进一步提升故障诊断的准确性，降低其漏警率和误警率。同时人工智能技术对于数据处理效率的提升，也可以避免大量数据带来的训练负担，能够极大的提升故障诊断的时效性。