机械设备故障诊断与监测的常用方法及其发展趋势

范学明(中海油田服务股份有限公司油田生产事业部 天津市 300452)

机械设备故障诊断、监测与维修等工作都影响着机械设备功能与作用的正常发挥，而且维修与监测制度也在持续发展，从以往的定期维修到当前的按照需要加以维修，实现了一种发展与飞跃，多元化的故障诊断与监测方法都达到了良好的效果，但是这些诊断监测技术仍然有待发展与进步，应该在依托于现有的诊断与监测技术基础上开发出新的检测技术与监测工艺，充分借助现代化信息技术，实现监测的科学化、智能化、自动化进步与发展。

一、机械设备故障诊断与监测的方法

1.振动监测诊断技术

这一技术方法主要参照受监测设备的振动参数、振动特点等来积极预测与探究出设备运行状态以及故障类型。

这一方法已经成为当前人们的首选方法，因为振动具有广泛性、参数多维性，而且这一方面无需过多的成本，也没有太大的损耗，能够实现在线诊断与监测等多方面优势。

机械设备在工作时能够出现振动，机械运行的状态就呈现在振动过程中，通过对其振动参数的测量，例如：速度、加速度、位移等等。可以参照机械设备工作运行的频率来优选测量参数与传感器，这样不仅能够确保检测拥有充足的数据做参考，同时也能够更加真实、客观地呈现出机械工作运行的信息，从而更加精准地把握振动测量点，一般来说，最好选择一个关键点，这一点可以对机械的振动情况做出客观的反映。最佳点有：靠近核心诊断的点、最易于出现劣化问题的点等等，这样才能确保振动测量更加高效。

对机械运行状况信息进行放大、过滤处理，再将其输送到A/D转换器，将模拟信息变成数据信息，再将其输送到数据处理分析诊断设备中进行多角度、多维度的分析，例如：时域、频域、时序模型等方面，经过对这些分析数据的科学处理后，创建一个振动位移与振动时间之间的关系曲线，同时，以频谱的形式输送出来，将这些曲线与图谱充当故障诊断的参照点，从而判断出机械设备的工作情况、运转状态等，从而采用科学的解决对策。

振动监测技术具有易操作、形象、准确等优点，因此得到了广泛的发展和应用。

2.红外测温诊断技术

红外测温诊断技术顾名思义就是从温度的角度出发，通过对机械设备各个方位的温度情况以及温度变化情况等加以测量、判断和分析最终得出机械设备的工作状况以及存在的故障问题。

例如：机械部分零件有无磨损、发动机排烟管是否有堵塞现象，液压系统油液性能高低等等。以及个别部分电器烧毁等等，以上这些故障问题都会造成机械设备对应部位温度的变化，同时，材料的机械性能也同温度有着紧密联系，温度检测占据整个机械设备监测的一半以上。

然而，普通的传感器测温无法得到精准的温度数值，只有引入红外测温仪才能发挥有效的测温诊断功效，同普通的传感器测温仪器相比，红外测温仪具有明显的测温优点，体现在能够实现远距离、遥控式测温，同时能够对所获得信息进行处理、诊断、运算等，也能够对机械设备应该在什么样的环境中工作、具体的工作温度应该是多少等做出准确的估计。

例如：众所周知农业机械设备需要常年在露天作业，同其他室内机械设备相比，农业机械设备更容易受到自然界因素的影响，例如：风雨、雷电、雨雪等等，这些外界因素也容易对监测系统带来不良影响，红外测温诊断技术能够对测量数据加以修正、补偿，能够有效控制温度误差，确保测量的精准，而且这一技术能够实现同计算机之间的信息链接，方便更加安全监控。

二、机械设备故障诊断与监测的未来发展趋势

现代科技的发展推动了机械设备故障诊断与监测技术的进步，特别是信息技术、传感器技术等的发展都为机械设备故障诊断创造了更多的信息分析方法，未来的故障诊断与监测势必朝着智能化、自动化等方向发展。

1.研发精度更高的传感器、监测仪

当前的机械设备监测传感器与监测仪无论从监测精度、安全度与稳定性等方面都都有待于更新和改进，需要研发出具有高精度、高真实度的传感器，不断提升监测技术的发展水平，要确保监测仪器使用有效参量，以此来确保故障诊断与监测的精准、有效，未来的传感器与监测仪需要具有高效工作，发挥多功能作用等优势，能够在最短时间内开展监测，并识别出故障问题。

2.以小波分析为基础来科学诊断故障

小波分析属于时-频信号分析法，是建立在数学显微镜基础上的方法，小波分析的基函数是很多尺度可变的简谐函数，体现出科学的时-频定性特征，也能够针对各种信号进行自我调节，不断提升适应能力。

机械设备故障问题等的诊断分析过程中，因为设备零件具有不同的功能构造，所出现的信号多数有很多不稳定成分，通过小波分析法能够确保各种频率的信号信息被均衡分配到对应的频道序列中，以此为发现故障问题来供应科学理论，因为小波分析体现出良好的时域分析能力、频域分析能力等等，这样就能够确保其在瞬间变化信号分析中更加精准、更为真实有效。

3.朝着神经网络智能化诊断方向发展

人工智能技术是一种新型现代科技，他集中了新型技术、生物技术等等。未来的机械设备故障诊断技术势必朝着人工智能神经网络诊断方向发展，这一网络神经系统是对人体大脑构造、功能与特征的模拟，具有调节性、自适性、容错性等特性功能。

最主要的是人工智能神经网络系统的非线性映射能力等能够发挥多重功效，而且具有运算简单、便捷等特点，能够对机械设备局部零件的损伤、破坏等进行科学、智能化的记录和分析，发挥人脑诊断的初步功效，这样就能够有效提升诊断效率，确保故障诊断的精准、高效。

总结：

机械设备故障诊断与监测已经有了多种方法做支撑，然而，当前的诊断与监测方法仍然有一定的弱点和缺陷，必须对当前的监测方法进行改进与提高，确保其朝着优化的方向发展，未来的机械设备故障诊断与监测势必朝着智能化、自动化、数字化方向发展，从而提高机械设备运行效率，保证机械设备各项功能的积极、高效发挥。

[1]李臻,荆双喜,冷军发.油液分析在齿轮减速箱故障诊断中的应用.煤矿机电,2011(3).

[2]王长全,王柏华.机械故障诊断中的温度诊断技术研究.矿山机械,2011(12)

[3]徐精彩,孙红丽,赵敏.故障诊断技术及其在煤炭行业上应用研究.煤矿机械,2012(11).

[4]陆建湖,黄文,毛汉领.机械设备振动监测与故障诊断的发展与展望.仪器仪表与分析监测,2009,1:1～4.