机械设备故障诊断与监测的常用方法

计晓静

摘  要：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。

关键词：机械设备;故障诊断;监测方法;发展趋势

中图分类号：F275;文献标识码：A

引言

诊断机械设备故障类型，需要从研究故障形成的机理人手，探求故障原因和症状之间的关系。然而，要求利用监测到的状态信息和处理图像能识别故障，确定故障的类型和发生部位，并不是一件轻而易举的事。它是机械设备故障诊断各环节中最困难的一项工作，因为机械系统工作过程复杂，多种故障是来自多种因素的影响，且同一种故障类型可以表现几种症状，同样，一种症状也对应着几种故障类型。因此，这中间并不是一个一一对应的函数关系，而是一种多参数、多变量的模糊关系。为了在这些多因素的复杂关系中提高故障的识别能力，增加诊断的准确率。

1机械设备故障诊断技术的常用方法

针对机械设备问题开展的诊断大多数基于故障原理探索及信号探测手段，全面借助信号加工、模式选择和诊断决定性算法，以达到处理判断故障特征信号的目的，目前在实际中实践的手段有以下几种：

1.1直观检测

工作者借助视觉和听觉，以及工作积累体验与获取资料对机械设备的问题进行判断。在科技迅速发展的大背景下，机械设备趋于复杂化，对检测方法提出了更高要求，此种手段已渐于淘汰。

1.2温度监测

顾名思义，其主要监测指数为温度，即机械设备中与之联系的作用单元的温度浮动趋势，借助多种温度传感装置，达到监控各类装置的内外部温度的目的，帮助判定故障发生位置。

1.3噪声频谱分析

一般来说，机械设备运行出现问题时，整个设备或部分作用单位将发出异样的震动或噪音。由此，利用此方法和震动监测相结合，能够得知机械设备运作的实际情况。前者重点利用声波检测等设备，探索机械设备内部部分作用单元噪音信号的规律，以明确作用单元的问题所在;后者主要通过设备外部的震动信号反映内部作用单元的运作情况，借助传感设备达到监测、转换震动信号的目的，经由频谱分析判断问题类型和运作情况。两种方法均没有得到完善的探索成果，其可行性仍被众多的因素制约。

1.4油液光谱分析

该方法借助光谱分析技术，探索比较机械内部细微物质，如外来砂粒、金属微粒等，以监测液压及润滑系统运行情况。

2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。

2.1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。

2.2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。

2.3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。

2.4注重信息融合技术的探索

当代信号获取技术的未来发展方向应是有效获取故障特征信号，怎样借助信息融合手段达到这一目的是我们需要进一步探索的问题。要想实现这一设想，必须首先提高描述被检测对象的一致性，因此就要完全借助多种或许多传感器设备，利用信息融合手段正确剖析传感器所得。如今，大多有两种谱分析技术应用于信号加工手段的探索历程，分别是傅立叶变换和小波变换。于前者而言，其研究范围为全频域，不适用于时空的部分剖析。至于后者，其主要擅长时频剖析手段，运用此技术可以提高获取信号部分特性的有效水平，以达到针对变动信号，尤其是瞬态反常信号的获取剖析。二者相比较而言，后者更为简便易行，在具体应用中，不用构建数学模型，此外还具有高灵敏、强抗躁的性能。将该方法和神经网络、分形理论等沟通融合后，有利于故障信号的顺利解决。

2.5利用智能决策算法长处

智能控制理念持续繁荣，在此背景下，模糊控制、遗传算法等关于诊断决策的亮点进一步鲜明，经过对特点深层次的探讨，及在机械设备问题诊断方法探索上的充分联系运用，未来会得到更好的发展。对有关的文献综述和实际应用，作者对诊断决策上运用智能控制理论的亮点总结如下：（1）對于以模糊理论为基础的故障诊断技术来说，其长处为可以减少构建准确数学模型的工作量，仅需要构建恰当的隶属度函数及模糊关系矩阵，便可以得到正确度较高的问题有无及来源;（2）对于以神经网络为基础的故障诊断技术来说，其长处为能够完全借助神经网络固定的联想记忆、自组织等，正确处理和分类复杂讯息;（3）对于遗传算法来说，其优势明显，既简便且应用范围广泛，能够同时加工，并极其擅于解答非线性问题及广泛搜索。所以，将其应用于故障诊断手段探索，能够更为简便的收集故障先前经验，更快的进行决策论证;（4）对于粗糙集理论来说，其长处为进行决策论证时关于数据讯息的低完整性和低精确度，能够借助自分析加工的方法，找寻不同数据内部存在的相对联系，将可以利用的特性搜集起来，最终形成简单明了的特性表征。利用此方法，可以在一定程度上完善系统问题特性讯息获取和诊断决策上存在的某些数据丢失导致的诊断结论准确性较低及不能开展论证的问题。

结束语

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。

参考文献：

[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）.

（作者身份证号码：130132198804054103）