基于自动化技术的机械故障诊断系统分析

戴 明

(江苏大剧院， 江苏 南京 210000)

0 引言

自动化技术是一门综合性技术，包含计算机信息技术、自动控制技术、电子信息技术、液压气压技术等[1]。自动化技术主要应用在机械故障诊断与保养的机械结构设计、电气控制、信息系统管理方面。由于技术、设备等各种原因，在早期的机械设备故障诊断方面，主要靠相关人员的经验来判断，如通过听觉、触觉、视觉等去分析设备是否有异常。随着信息化、自动化技术等的巨大进步，机械故障诊断与保养有了质的改变，实现了利用信息化、自动化等技术进行在线检测。

1 自动化故障诊断系统

通过自动化技术获取到设备的诊断数据，如何利用这些数据对设备的故障作出分析判断是实现自动化诊断故障的关键，处理和分析诊断数据主要是通过诊断系统实现。诊断系统分析处理数据的能力，决定了自动化解决故障的精确性和效率。目前，诊断系统主要有基于知识领域的专家诊断系统、基于神经网络的专家诊断系统[3]。

1.1 基于知识领域的专家诊断系统

该专家系统又可分为一般知识领域和复杂知识领域。一般知识主要指对经验及常识得出结论，复杂知识是指需要通过演算推理等手段得出结论。基于一般知识领域的专家系统是通过对比系统存储的故障，找出异常，从中可以看出该专家诊断系统具有局限性，故障存储库数据越丰富，故障越能被找出。相反，数据库内容不足，故障也就很难通过比对被发现。基于复杂知识领域的专家系统是通过集合具有输入输出特性的实际环境变量与理论环境变量的不同期望，分析出可能存在的故障及原因。基于复杂知识领域的专家诊断系统，检索故障能力更强，但其诊断速度相对较慢。为了优化诊断系统，使诊断结论具有可靠性，通常将两者诊断方法结合在一起。

1.2 基于人工神经网络的专家诊断系统

随着技术的发展，出现了基于人工神经网络的诊断系统，与传统的专家系统相比，该专家系统具有自我学习能力，它可以通过专家诊断系统的案例不断优化自我学习。基于BP神经网络的诊断流程，主要是通过对数据初始化、输入训练样本、计算中间层以及输出层的输出、计算输出误差、计算二次系数、对比中间层全值、以及权值对比判断等技术达到对机械装置的智能化诊断与保养。基于RBF神经网络诊断流程，主要是通过多个传感器判别机械装置的状态，反馈对应的算法函数，经过预定阀值的过滤分析提取诊断的结果信号，以提高准确性和稳定性。该专家系统具有自我判断能力，如果设备出现故障进而引起险情，该专家系统可以迅速反应，向管理中心发送警报信息，并采取相关措施，控制风险[4]。

2 自动化故障诊断系统的应用

机械故障诊断通过运用检测技术定位，判断，分析诊断故障后给出解决方案。如图1所示，完备的自动化故障诊断系统应该是一套完整的闭环反馈系统，通过构建上位机控制系统和下位机数据反馈系统，可以完整地对故障部位进行实时的数据分析，对设备故障作出预警和诊断[2]。下位机系统将采集到的传感器数据实时反馈到上位机控制系统，上位机控制系统通过比、校验、分析数据作出故障判断，得出故障结论。如果是设备参数问题，上位机系统可以进行自适应调整控制下位机，如果设备仪器本身故障，上位机可以发送信息提示安排维修人员维护或更换仪器元器。

图1 诊断技术的原理与程序

2.1 单模组自动故障诊断

自动化故障诊断系统包含单个模组诊断检测和集成式综合检测两个方面。企业工厂设备有大型设备和中小型设备，根据经济效率和运行维护成本，可以针对性地选择对应的自动化系统。经费有限且设备某些部位具有举足轻重的作用或者人工检测较难实现，例如户外暴雪的极端恶劣环境下电力设备故障诊断，基于单个模组的自动化诊断系统更有性价比。实现单个模组的自动化故障诊断，主要通过相关检测仪器发送数据，诊断系统对数据进行分析，然后通过对比、专家会诊等手段，评估故障状况并反馈。在线检测系统就是通过安装由诸多传感器构成的硬件检测系统，利用信息处理技术，对传感器获取的数据进行过滤和汇集，进而传输到控制中心。

2.2 集成式自动故障诊断

集成式自动化综合检测是在单模组检测技术上发展起来的，解决了单模组检测只能在有限范围内的检测，实现了设备的整体有机分析。同时，集成式自动化综合检测可以实现数据的多部门快速流动，让不同部门可以第一时间了解到相关问题，避免形成信息孤岛。集成式综合检测将分布在不同节点的数据汇集到信息管理系统中，信息管理系统又是企业内部网络(MIS)中的一个分支模块，可以进行整合资源，协调各组织部门。

3 自动化技术在机械故障诊断中的发展

3.1 借助先进的云端技术打造智慧机械诊断系统

随着5G时代的到来，万物互联成为可能，以前通过传感器收集数据，然后整合传感器的数据回传到信息处理系统，这个过程需要单独的系统对传感器数据进行收集整理。5G时代的到来，可以实现直接将传感器采集的数据回传到系统，减少了中间平台。同时运用大数据技术，实现对大型设备系统的数据整体分析，提升机械设备性能，强化诊断设备故障能力。运用5G技术的数据传输能力，可以大规模实现对设备零部件各参数的实时监控。同时，企业可以整合工厂设备，将各个设备数据上传云端，利用云计算管理便捷、经济实惠、通用性强的特性，专属定制自己的云管理平台，实现高性价比的智慧机械诊断系统。

3.2 诊断系统融入到智能制造过程中

随着机器人技术、人工智能技术、机器学习等新兴技术的发展，智能制造随之应运而生。智能制造并没有准确的定义，但是根据各国的工业规划大致可以得出智能制造其核心主要是数字化、智能化、网络化，目的是缩短产品生产周期，提高效率，降低能耗。诊断系统融入到智能制造过程中，一旦生产车间某个模块出现问题，智能制造系统可以根据诊断系统的分析结果进行生产调配和生产任务调整，智能化降低设备故障期间带来的经济损失[5]。

3.3 将视觉处理、虚拟现实运用到机械故障诊断中

机器视觉图像处理和AR增强现实在机械故障诊断中主要通过将现场获取的设备图像与正常设备图像进行比对作出诊断结论。机器视觉可发现人眼不易察觉的设备损伤，在一些高精密仪器设备上，机器视觉可以快速发现零件表面肌理是否产生损坏[6]。

4 结语

目前我国针对机械设备故障检测和保养还未制定指导性的标准建议，对机械设备进行自动化故障检测，要求企业具有一定的科研和资金实力。因此，应该推动行业头部企业研发系统的自动化解决方案，让其他企业可通过付费的方式拥有自动化设备故障检测系统，实现行业的整体进步。