机电设备故障智能诊断技术研究

顾广凯

摘要：机电设施的管理工作中，机电设施的维修是非常重要的一部分，对于生产具有重要的作用。从安全角度来看，机电设备的故障诊断和维修能够尽可能地延长机电设施的运行时间，有效地防止出现重大故障，保证生产的安全。在过去，机电设备的故障维修多是依赖于技术人员的经验，不仅效率低，而且对技术人员的要求高。为了缓解这种状况，故障诊断技术在机电设备维修中得到了广泛的应用。故障诊断技术对于一些简单的故障有着良好的诊断效果，但是对于一些复杂的故障诊断也存在着一些问题。随着智能化时代的到来，智能故障检测诊断技术也随之发展。

关键词：机电设备故障;智能诊断

引言

以往使用的故障诊断方法都是理论主要为模糊理论，且针对设备的数据进行故障分析，当使用故障诊断技术进行诊断时，主要采用多传感融合技术、特征矢量等技术进行诊断，在诊断时还会存在许多外部因素的影响。这样也就要求设备维修技术人员不仅要基本懂得机械、液压等机械系统的设备维修基础知识，而且还要熟练掌握机电控制器等系统维修知识，并在日常设备维修中不断探索积累维修经验，不断提高自身技能，才能面对各种技术复杂难题的挑战。

1、智能诊断技术概述

机电智能诊断技术非常全面，需要通过集成计算机技术、信息技术、传感技术、智能技术等先进技术来实现。机电设备发生故障后，可以利用智能诊断技术检测问题，分析故障原因，为技术人员排除机电设备故障提供有效支持，从而快速、准确地排除机电设备故障。当前，机电设备故障的智能诊断技术已经得到了非常广泛的应用，而且其依然具有非常广阔的应用前景。机电设备故障智能检测技术在运行过程中，能够对机电设备自身的运行状态进行检测，从而使相关技术人员能够及时的掌握机电设备运行过程中出现的问题，而且还能够智能的分析设备的故障情况。在应用智能诊断技术进行机电设备故障的诊断时，为了充分发挥出智能诊断技术的作用，应对以下几方面进行重点关注：首先，要深入地掌握机电设备在生产中的作用，这样才能够更好地通过智能诊断技术来对故障进行分析;其次，需要对故障的特征进行充分的了解，从而确保故障诊断的效率和准确性;第三，要注意将机电设备的故障特征和智能设备故障库中的数据进行相对关系的对比，防止由于故障搜索问题造成的诊断错误。

2、智能故障诊断技术的应用

2.1、灰色系統诊断

在机电设备系统具有大量历史故障统计数据的情况下，采用传统经典概率统计法进行故障诊断处理较为有效，但对于数据量少的贫信息机电设备系统的分析则较为棘手。而大多数处于运行中的机电设备都具有贫信息的灰色系统的特征，因此需要用已知的信息去分析这个含有未知信息的系统特征、状态和发展趋势，从而达到对整个机电设备系统状态获取的目的。 而灰色系统诊断的目的就是对“信息贫乏”或存在大量“不确定信息”的机电设备系统，作不同因子间的量化、序化，进行有参考系的、有测度的比较，进行故障分析。 机电设备故障灰色系统诊断的实质是对故障模式的识别，采用灰关联分析方法，通过设备故障与某参考模式之间的接近程度，进行状态识别与故障诊断。 其优势在于建模简单、所需数据少，对解决少数据、弱条件下机电设备故障诊断具有普适性。 但需要注意的是，在机电设备故障分析中运用灰色系统诊断技术时，正确合理选取被诊断对象的特征参数及建立参考状态模式是关键之举。

2.2、信息处理

机电设备运行复杂，参数众多，其运行数据往往不能直接反映机电设备的运行状态，因此需要利用相关信息处理技术对信息进行有效处理。信息处理主要包括将收集到的机电设备信息数据制成表格、有效信息整合及对无效信息的删除，经过处理后信息将转化为能够被人更容易理解的信息，从而反映出设备运行状况。传统机电设备故障检测诊断技术中，主观诊断技术是最常见的一种，也就是通过维修人员根据实际运行情况及自身工作经验对设备运行状态进行分析诊断，这种诊断方法存在着安全可靠性低的缺点。因此运用此方法进行机电设备信息处理也存在着不全面及准确性不高等问题。

2.3、故障诊断技术

根据不同企业生产经营过程中机电管理设备的实际情况，最有效的方法是在操作间检查机械设备的工作状况，直接检查设备管理系统在实际工作中是否有效。在具体工作中，高压机电设备通常被应用到大型工厂或发电厂中，其生产环境相对复杂，需要一段较长的检测时间。因此，针对高压机电设备的隐患检查无法做到及时检测，从而导致机电设备的故障频率发生较高。在传统的机电设备维修工作中，一般采用的是哪里存在问题就将那一部分拆卸下来送到专门的维修公司进行维修，这个维修过程让组件的完整性受到影响，同时还会影响企业的正常生产。目前通过故障诊断技术能够有效改善传统维修模式中的弊端，在不干扰设备正常工作的情况下进行设备的维护，例如在检测地铁的牵引电动机时，它作为电动客车的动力生产者，是整个地铁正常运行的关键部件，由于长时间工作及冲击振动很容易给机械设备带来许多故障。利用SPM冲击脉冲技术能够完成零件之间的接触和碰撞，从而接收到脉冲信号对其运行状态进行检测，并通过这种方式对零部件的性能完成动态实时监测。

2.4、人工神经系统

其实人工神经系统是借助数学模型来模拟大脑神经功能的一种方法，主要是模拟大脑和神经元进行数据处理。神经网络智能诊断模块基于网络数据信息库，在运行过程中其会通过模拟神经元系统，对机电设备的运行状态进行分析，主要是对机械元件运行的稳定性进行分析，应用该系统能够实现机电设备运行状态的数据监控，并对异常数据进行反馈，记录波动数据，并利用中央处理系统对数据进行统一的处理，从而及时发现机电设备的故障。利用这一技术进行机电设备的故障诊断具有以下几方面的优点：首先，其能够实现分布分析，并行操作，而且具备学习能力;其次，在非线性映射方面具有良好的性能;第三。能够实现多要素预报，能够较准确的对机电设备故障进行预测。缺点在于算法比较繁琐，而且很难用公式来呈现预测模型。

2.5、红外测温故障诊断

红外测温故障诊断也是对机电设备进行诊断的技术之一，红外测温故障诊断可以帮助工作人员及时发现机电设备中存在的故障，进而完成维修工作。红外测温故障诊断与以上诊断方法不同的是，它主要是对机电设备不同部位的温度进行判断，检测方法不仅特别且具有远程操控的优点，还可以不靠近机电设备完成检测。

结束语

综上所述，机电设备是工程建设过程中必不可少的重要组成部分，随着机电设备在工程中的应用与普及，其数量与日俱增，类型千变万化。在工程设备生产管理和日常维修养护工作中，及时诊断设备故障十分重要，早发现、早处理才能有效避免机电设备发生事故危及人身安全。做好设备管理与维修工作对促进企业发展有重要意义。

参考文献：

[1]张朋，王家态，丁建建.故障诊断在机电设备管理与维修中的应用[J].设备管理与维修，2018（15）：123-124.

[2]高贵彬.故障诊断在机电设备管理与维修中的应用[J].内燃机与配件，2018（15）：148-149.

[3]俞旻.故障诊断在机电设备管理与维修中的应用[J].中国设备工程，2017（09）：86-88.