自动化设备智能诊断技术的研究应用

摘 要：智能诊断技术对自动化设备的潜在故障和设备早期的性能劣化提供及时、有效地监测和预警，为自动化设备的高效维护提供强有力的保障。现在，用来对自动化设备进行监测诊断的技术很多，但也存在一定的不足。鉴于发展智能诊断技术的重大意义，本文通过理论结合实践经验的方式进行了公司自动化设备智能故障检测与诊断技术的研究应用。智能诊断技术使自动化设备的故障和潜在缺陷得到快速准确的维护和处理，从而显著提高了生产效率，降低了设备维修保障的费用，对生产实践活动意义重大。

关键词：自动化设备；智能诊断；故障诊断

中图分类号：TP277 文献标识码：A 文章编号：2096-4706（2018）04-0170-03

Abstract：The intelligent diagnosis technology provides timely and effective monitoring and early warning to the potential failure of the automation equipment，and makes it possible for the efficient maintenance of the automation equipment. Nowadays，there are many technologies for monitoring and diagnosing the automation equipment，but there are still many problems. Since it is much significant for developing intelligent diagnosis technology，this paper summarizes the research and application of intelligent fault detection and diagnosis technology by combining theory with practical experience. The intelligent diagnosis technology makes the faults and potential defects of the automation equipment quickly and accurately maintained and processed，thus improving the production efficiency and reducing the cost of the maintenance，which is great significant to the manufacturing enterprises.

Keywords：automation equipment；intelligent diagnosis；faults diagnosis

0 引 言

隨着自动化设备的结构和功能日益复杂，用户要求设备稳定、安全、高效地运行，甚至提出实现无人工厂，关灯生产的愿景。故自动化设备的故障与潜在缺陷诊断和预测技术已经成为现代工业生产、发展的迫切需要。通过调研国内外先进的智能诊断技术和理论，采用各种故障诊断技术、微弱早期故障的特征获取技术以及趋势预测理论模型等，研发设计了设备自主点检、智能专检等技术来对设备运行状态进行实时监测和分析，预判设备故障。智能诊断技术基于实时的监测数据，通过科学分析的理论模型得出预判，可最大限度地发挥设备的经济效益，有效减少维护工作量，降低维护成本，并能提高设备的可靠性，延长设备的使用寿命，从而降低生产成本，提高企业的综合竞争力。

1 自动化设备智能诊断技术的现状及问题

1.1 智能诊断技术的研究现状

随着自动化设备的机构日益复杂化，设备故障带来的危害和损失也不断增大。因而，自动化设备故障诊断技术的地位日益重要。美国从60年代就开始研究故障诊断技术，现在有关故障诊断的相关理论和应用研究技术已遍及美国、日本等诸多研究部门。目前，美国已有西屋（WHEC）、Bently、IRD等多家公司从事电站人工智能故障诊断系统的研究工作，欧洲也有不少知名公司研究智能故障诊断技术并进行相关产品的开发，如瑞士ABB公司的振动观察系统（Vibro-View），法国电气研究与发展部的监测与诊断辅助站，即PSAD系统[1]。

国内故障诊断技术是从80年代开始快速发展的。目前，在理论研究方面也出版了不少专业的论著，相关机构也研发了许多具有国际先进水平的设备状态监测技术和故障诊断系统等。但国内故障诊断技术与国际先进水平相比仍存在较大的差距，主要体现在相关诊断理论未成体系、相关机理研究尚未透彻、多参数综合分析诊断技术尚未成熟和智能故障诊断系统本身可靠性不高等几个方面。另外，智能诊断技术在大型成套设备上的研究应用比较多，但在制造企业的自动化设备方面的研究应用相对较少，相关技术文献、资料和论著也不多。

智能故障诊断技术从学科整体可归纳为以下几种：基于机理研究的诊断理论、基于信号处理的诊断方法、模糊诊断理论、振动信号诊断方法、故障树分析法、灰色系统理论、故障诊断专家系统方法、故障模式识别方法、故障诊断神经网络理论、基于数学模型的故障诊断理论和方法[2]。本文研究应用的是制造性企业自动化设备的智能诊断技术，是基于实例的故障诊断系统，是智能诊断技术和人工实践经验深度融合的研究应用。

1.2 自动化设备维护存在的问题

现代自动化设备维护方式包括事后维护、预防维护及预测性维护，即突发故障停机维护、定期保养更换维护和预测性计划维护。事后维护的弊病不言而喻，其有严重的滞后性和随机性，不可控因素太多；预防维护是根据实践经验和设备保养手册制定的定期维护保养，不排除存在过度维护以及一定的浪费和不可预测的问题；预测性维护则是在科学的诊断技术判定下，按计划有条理地进行维护，具有维护工作量较少、诊断维护准确性高等特点，可有效延长设备的使用寿命，提高设备的利用率，可显著减少维修费用，降低生产成本，从而提高企业的综合竞争力[3]。但是，做好预测性维护的核心关键就是智能诊断技术。由于自动化设备的电气类故障的隐蔽性，往往很难准确快速地判定，大部分机械类故障也非常隐蔽，甚至需要拆开设备才能发现，而发现异常时已难以修复，只能更换零部件。缺乏先进的监测技术和诊断方法，无法将工具与丰富的实践经验相结合的话，预测性维护就没有任何理论和科学依据可言。

自动化设备的智能诊断技术已逐步得到各个制造性企业的认可，但实際充分有效利用该项技术的企业还是很少。究其原因：一方面是企业认为构建智能诊断系统的成本高，而且技术复杂；另一方面是对智能诊断技术的信任度不够，对于一些安全性要求极高的系统，即使已经配备了智能诊断系统，但是考虑到故障诊断的准确性以及整个诊断系统的可靠性问题，实际维护中往往还是依据行业规范和实践经验进行定期的预防性维护。

2 自动化设备智能诊断技术的研究应用

2.1 自动化设备智能诊断的技术和方法

自动化设备智能诊断技术是做好预测性维护工作的核心技术，它是集成了设备状态监测、设备故障诊断、设备故障预测、设备维护决策和设备维护活动于一体的系统。设备的状态监测和故障诊断提供基础数据，设备故障预测是技术研究重点，设备维护决策则需要做出维护活动要求。下面简要介绍研究应用的几种智能诊断技术和方法。

（1）振动测量技术：为了定期的调查机械状态，需运用机械、光学或电气的方法对振动振幅、波形、振动数（频率）实施测量，并进行对比分析，以预测或判定设备故障的可能。

（2）润滑油光谱分析：是一种通过光谱分析润滑油中物质的成分，对润滑油进行管理、监视轴承、齿轮、油密封圈等的异常状况的手法。

（3）声发射技术：当材料或结构长期受外力或内力作用时，材料内部的缺陷会逐渐发生龟裂，变形能量被解放，并作为超声波的弹性波被释放出来，这就叫声发射（简称AE）。通过声发射探测技术可以预测和判断材料龟裂程度。

（4）腐蚀测量技术：通过放射线法、超声波法等检出管道中的开裂腐蚀程度，以非破坏方式检出物体内部的缺陷。

常用的视觉影像技术、红外热成像技术、高精度位移检测技术、噪音实时检测技术等的综合集成应用，可有效及时地监测自动化设备的状态，从而可以密切监控设备微缺陷的形成过程，并通过系统分析预判故障可能发生的时间和位置，从而有效指导预测性维护工作的开展。

2.2 自动化设备智能诊断的设计应用

自动化设备故障智能诊断技术需要系统的诊断分析工具和软件的支持，实时地感知、采集被诊断的装置或部件的相关状态和数据，与事先设定的状态和数据进行分析比较，或研究其变化趋势，经过相关诊断理论和方法综合分析确定或预测故障。就故障诊断而言，首先要突破的技术就是准确地获取诊断信息[4]。由于自动化设备的各个组成部分之间的功能关系复杂，故障现象很多，故障原因和故障征兆之间的关系更是错综复杂。因此，故障诊断系统首先要解决的瓶颈问题便是准确地获取诊断信息。但是为防止数据量冗余而导致的故障诊断误判，状态和数据采集也不是越多越好，而是要求精而准。

自动化设备智能诊断的设计应用：第一，创新性的采用开机自主检测和首件检测对比分析技术，即开机空运转时就对各部件的工作条件进行检测，各I/O口的初始状态是否准确，当首件零部件上料或加工后再进行检测，并就其信号状态进行对比分析，以判定设备各项功能和检测技术正常与否；第二，在线实时检测分析，即按照逻辑工作顺序对PLC各I/O工作状态进行检测，采集相关数据，并与事先设定的状态和数据进行分析比较；第三，离线诊断综合分析，当设备因故障不能正常运行时，可采用直接向输入输出缓冲区存储数据，观察相应的元器件是否正确运行，来诊断故障；第四，智能诊断机器人专项检测技术，即将各专项诊断技术如视觉技术、热成像技术、声纳探测技术、位移检测技术、噪音检测、振动检测等技术集成在移动式智能机器人上，并按程序设置定期、定点对各台自动化设备进行诊断，并实时进行互联通讯，将维护人员标准的诊断方法和技术固化下来，实时地与设备、系统互联互通，避免人为判断的技能差异和失误。总之，自动化设备智能诊断技术的设计应用可有效提高智能诊断技术水平和系统的可靠性、及时性和科学性。

该诊断系统还设计应用了无线通信传输技术，可节约大量的布线成本，个别机构还成功应用了无线传感器技术以及视频监控和内窥技术，有效解决了以前无法观察到设备内隐蔽部位的问题。智能诊断系统的大数据采用了先进的现场总线和工业以太网等通信技术，采用SCADA数据采集技术、物联网、云计算等新技术，使智能诊断系统可以实时地获得设备厂家专业的技术工程师和相关领域专家提供的远程协助诊断服务。

2.3 自动化设备智能诊断技术研究

智能监测和诊断技术需要持续地解决自身的应用难点和技术瓶颈。现在自动化设备故障诊断技术研究的热点主要是嵌入式故障诊断技术，是以动力学分析为基础的智能诊断技术，它是基于神经网络理论的智能故障诊断技术，是一种解决强干扰、多征兆、多故障、突发条件下的故障为目的的综合性故障诊断技术。诊断的主要手段不断向智能化诊断及远程诊断的方向拓展。设备状态的预测则是重点利用对自动化设备进行连续监测所得的特征参数的时间序列，对自动化设备的后续状态进行预判。目前研究的热点是灰色模型预测、时间序列模型预测、神经网络预测等。另外，智能诊断和分析技术也需要深度结合技术人员的实际维护经验，并逐步融合入人工智能技术[5]。

智能故障诊断技术需要有多知识表达形式及多推理模式，从研究的发展趋势来看，智能诊断技术的发展表现为以下几个方面：

（1）不断有新的理论运用到智能诊断技术中，如进化算法、信息融合诊断、图论模型推理法等，不同的理论模型的应用将逐步完善智能诊断系统；

（2）不同诊断技术的交叉诊断融合，可以将诊断系统集成化，充分发挥各项技术和方法的优点，进一步提升智能诊断系统的综合诊断能力；

（3）远程、分布式智能故障诊断技术将显著提高诊断质量和效率，有效节约诊断费用，提升诊断的智能水平[6]。尤其是大型、复杂的自动化设备或生产线，各台设备的诊断系统、离线诊断系统、移动智能诊断机器人等与综合诊断系统的信息互联互通和综合诊断评估分析是极为重要和有价值的。

3 应用实施的效果分析

自動化设备智能诊断技术的研究应用地最大效益就是生产总成本的降低。通过自动化设备智能诊断技术的应用实施，公司的自动化设备维护成本降低约25%，设备潜在故障消除了70%以上，设备的故障停产时间缩短35%以上，设备综合效能OEE提升了5%以上，其投资回报率约10倍左右，经济效益十分显著，并取得了一定的社会示范效益。自动化设备智能诊断技术的研究和应用是制造企业迈向工业4.0、实现智能制造的一个重要前提条件。其研究需要向纵深两个方向不断拓展深入，并在实践应用中不断总结经验，不断改善，形成PDCA循环，实现螺旋式上升，以期达到真正智能化、无故障、免维护的最高境界。

4 结 论

本文研究了各种智能诊断技术、方法和理论，并创新性地设计应用到公司的生产实践过程中。智能诊断技术使自动化设备的故障和潜在缺陷得到快速准确地维护和处理，从而提高了生产效率，降低了设备维修费用，对生产实践活动意义重大。当然，新知识、新技术的应用也将带来更多更为复杂的技术故障，这是对智能诊断技术的另一个挑战。诊断技术将逐步朝着全智能化、综合化的方向发展，即向集监控、测试诊断、管理和根据实践经验进行后期预测于一体的全智能综合系统诊断方向发展。将前沿学科同相关学科的新思维、新方法相结合，逐步提高诊断的智能水平，从而实现高效、及时、经济、准确、便捷的智能诊断系统，并在生产实践中不断实现实际应用、优化和创新。

参考文献：

[1] 张培先，董泽，刘吉臻.智能故障诊断技术的发展及应用 [J].山西电力，2001（3）：57-59+62.

[2] 吴今培.智能故障诊断技术的发展和展望 [J].振动：测试与诊断，1999（2）.

[3] 李良庚.机电设备维修方式的选取策略研究 [J].机电工程技术，2006（10）：70-72+109.

[4] 蒋朝阳，欧阳一鸣.基于PLC信息的故障诊断系统 [J].机械制造与自动化，2008（2）：134-137.

[5] 蔡娥，许跃敏，钟崴，等.面向对象的大型企业设备管理软件的研究 [J].计算机工程与应用，2000（1）：167-170.

[6] 李红卫，杨东升，孙一兰，等.智能故障诊断技术研究综述与展望 [J].计算机工程与设计，2013，34（2）：632-637.

作者简介：林志阳（1978.03-），男，汉族，福建厦门人，副总工程师，工程硕士。研究方向：机电设备安装与维护。