机械设备故障智能诊断技术的现状与发展

摘 要：本文主要对机械设备故障智能诊断技术的主要理论和方法进行了归纳和总结。并针对当下其他一些主要的机械设备故障的诊断技术的应用进行了详细的介绍，最后笔者认为将现代先进科技与多种机械故障诊断方法相结合的集成化只能诊断技术是未来机械设备故障诊断的发展趋势和大的发展方向。

关键词：机械设备；故障诊断；智能诊断技术

随着时代的发展，工业企业对机器设备的要求也越来越多，机械设备的发展方向多样，诸如大功率、智能化、大型化、复杂化、自动化是现在机械设备发展的几个大的方向。在现在的工业生产中，机械设备的重要性不容忽视，尤其是在自动化和复杂化高度发展的今天，一条流水线上的机械设备如果坏了一个零部件，最终导致的可能是一条产业链的机械设备的瘫痪，可谓牵一发而动全身。这些故障导致的可能不仅仅是经济上的损失，严重的还会造成人员伤亡。因此，机械设备需要定时的、准确的、可靠的故障诊断方法来及时避免不必要的损失。

1、基于模糊理论的诊断法

模糊理论法的理论来源是借助了模糊数学的处理方法，将事件的原因和结果之间用两个模糊集合来表示，两者之间的关系用一个模糊矩阵来说明。由于机械故障的原因有时是可以确定的，但有时又是模糊不清的，也就是说一种机械的故障可能由不同的原因造成，而一种原因或者故障又可能导致不同的结果，多故障并发时情况可能更加复杂混乱。当机械的故障原因确定性的和不确定性的相互交织时，基于模糊性的诊断方法来探讨机械故障的本质原因，来探究解决方案。

但是这种诊断方法具有很大的局限性，因为模糊诊断法基于的模糊矩阵理论还尚未成熟，在使用时并不能通过很直接结论去寻找故障原因的本质，而应通过大量的实践和实验来不断地论证结果的正确性，这就带来了很大的工作量增加了工作难度也增加了人力和时间的成本，所以该方法使用起来具有很大的局限性。

2、基于人工神经网络的诊断方法

该方法于20世纪80现代末90年代初才正式投入使用，由于人工神经网络的诊断方法涵盖很多高端的数理逻辑处理方法，比如结构拓扑鲁棒、并行和处理复杂模式的功能等。这些功能和方法可以用于大型机械的庞大多发和并发故障的诊断，还可以用于多故障、多过程和一些突发性的机械故障的诊断。

这种诊断方法现阶段主要应用于以下三个方面：1、将神经网络作为分类器，并从模式识别的角度出发进行机械故障的诊断；2、把神經网络作为动态预测模型，并从预测的角度出发去进行机械故障的诊断；3、以神经网络为基础从知识的角度去建立具有神经网络的专家诊断系统。但是该诊断法具有些许弊端，以至于它不能在诊断时独立使用，而要与其他的方法并用。它的弊端体现在，由于建立神经网络需要大量的训练，如果训练的样本较少，那么构建的系统就会缺乏科学性，这样就要加长它的训练时间的长度就会提高成本。因此国内外很多专家学者都在探究新新方法来改进这一诊断方法来增加它的科学性。

3、基于灰色系统理论的诊断方法

该理论于1982年由邓聚龙教授提出，由于其简单明了且独具新颖的表达方式易于被世人理解和接受，因此收到了很大的好评和广泛的应用。所谓的故障诊断就是说通过对已知有限的信息进行分析处理，来推测或预测出不可知的信息集合的过程。灰色关联分析法指的是可在不完全、随机的因素序列中进行一定的分析，找到他们之间的关联性，抓住主要矛盾，分清次要矛盾，以便很有条理的解决问题，找到机械的故障本质所在。但是这种诊断方法的缺点在于虽然其理论基础易懂，但是这种诊断方操作起来却比较困难，因为在诊断之前要建立典型故障参考模式。然后在计算和测量待估计故障模式与典型参考模式的关联度，来确定故障的原因，但是如果典型的参考模式选取的不科学就会导致后续工作的失败。

4、集成技术故障诊断法

所谓集成技术诊断法指的是将多种诊断法集中在一起，多故障并发的机械设备进行故障原因的诊断方法。集成技术故障诊断法克服了单一诊断法的局限性，集成了多种诊断技术方法的优点于一身，做到了让多种方法的优势互补，为多种复杂情况的机械故障问题的解决提供有效的途径。但是集成技术故障诊断法的在集大成的同时也将各种方法的缺点聚集在了一起，要想减少这种集成缺点的程度就要把握好这种方法的接洽点，但是这种接洽点很难把握，因此很难实现更精确的故障诊断结果。

5、总结

各种“黑科技”的高速发展在很大程度上促进了机械故障诊断技术的发展。集成技术诊断方法也已将取得了可喜的成果，但是目前理论阶段很成熟，但实践起来却并没有那么娴熟，还存在很多亟待解决的问题。因此，理论如何与实践相结合还是目前的瓶颈问题，还需要进一步的探究和发展。但在未来的发展方向上，我们可以肯定的是，智能诊断技术会变得越来越集成化、先进化，这就需要这多的技术人员能做到这些技能的整合和调配，以便其发挥最大的作用。随着网络技术的发展而催生出的人工智能、智能信号处理等新科技正在将理论变成可能，当前我国应培养更多的技术人才来突破机械故障诊断智能化进程中的瓶颈问题，早日把理论结合实践创造出强有力的生产力。

参考文献：

1.夏希文. 机械设备故障诊断技术的现状与发展[J]. 煤矿机械， 2007， 28（3）： 44-46

2.范世娟， 杨世超. 液压系统故障智能诊断技术的发展及现状[J]. 噪声与震动控制， 2008， 3（3）： 67-70

3.李红芳， 张强华， 谢克明. 旋转机械的并发故障诊断技术研究进展[J]. 液压与气动， 2004， 2（5）： 33-35

作者简介：

朱春（1987-12），男，浙江省衢州市，汉，职称：助理工程师，学历：大专，研究方向：机械工程及自动化.