机械故障诊断研究综述

乐伟伟

摘   要：机械故障诊断在机械维修领域有重要的应用，目前，通过振动信号进行故障分析的技术开始受到关注，这种检测技术表现出效率高、非损伤、诊断便捷准确等相关优势。在实际的故障检测领域被广泛地应用，文章对机械故障诊断技术的原理和应用情况进行了简要分析。

关键词：机械故障;故障诊断;研究现状

目前，在科技和现代工业迅速发展的带动下，机械、能源领域的机械化水平也在不断地提高，大型、高速机械设备开始不断出现。比如，高速列车、大型连轧机组相关设备的智能化和自动化控制配置水平在明显提高。在此发展过程中，随着设备更加复杂，机械故障诊断的相关要求也在不断提高，一旦发生事故会给各方面带来不利的影响。相关统计结果表明，国内外因机械设备故障引发的事故比例较高，机械事故发生率不断提高。如2002年三峡工地处出现的塔带机断裂事故，美国的载人航天飞机也出现多次事故。而美国的F15战机空中解体事件产生了很大的不利影响，波音737也多次出现相关事故，相关的影响也在不断扩大。因而，很有必要对其进行研究，为机械系统安全运行提供支持，满足一定安全性要求。

机械设备的故障诊断在机械运动和故障维修领域有重要的应用，起初，此方面的研究侧重于机械设备的触摸，基于特征信息确定出机械设备的振动、声音等相关信息，为设备的维修提供支持。可以通过经验来判断机械故障，比如，长年累月听到这类信号后，可基于此信号判断出轴承及转子的相关故障，其后，机械故障诊断技术也开始进入高速发展阶段。

1    国外研究现状

美国学者最初进行了机械故障诊断相关的研究，20世纪60年代，美国的阿波罗计划飞船出现设备故障，这对其后故障诊断技术的发展提供了支持。1967年，美国成立了机械故障预防中心，其主要的作用是进行故障机理的检测，在此基础上分析设备状态，为检修提供支持。美国Bechtel电力公司在测定领域的研究比较深入，其研发出机械设备诊断的专家系统在实际应用领域表现出很高的应用价值，美国Bently公司则进行了全面的传感器研究。20世纪60年代，英国也进行了相关研究，并设置了英国机械保健研究所，这也促进了英国故障诊断技术的发展，同时，有效地促进了维修水平的提高。20世纪80年代，英国创建了沃福森工业维修公司，与此同时，还对机械故障信号检测技术进行了规范化检修。日本对钢铁、化工、铁路相关领域对故障诊断技术进行了大量的研究，一些理论模型也被建立起来。20世纪70年代，日本学者研发出一种全员生产维修技术，同时到欧美国家学习诊断技术，之后在其基础上进行发展改进，日本的故障诊断技术研究水平不断提高。欧洲的故障诊断技术的发展方向存在一定的差异性，比如，瑞典SPM公司专门进行轴承监测技术研究，而丹麦則进行噪声监测技术的分析，并在船舶诊断技术方面也进行了深入研究。

2    国内研究现状

国内许多大学开展了机械故障诊断方面的研究工作。清华大学褚福磊课题组对旋转机械中常见的动静件碰摩、部件松动、转轴裂纹等故障的转子系统非线性动力学行为进行理论与实验研究，在旋转机械常见故障的诊断与定位等方面取得了显著的成果。西安交通大学何正嘉课题组长期致力于小波变换用于故障诊断方面的研究，在大型复杂机电系统早期故障智能预示方面取得重要研究成果。西安交通大学屈梁生课题组长期从事机械监测诊断领域的研究，首创全息谱技术，全面集成机器振动的幅、频、相信息，显著提高了机器运行中故障的识别率，在此基础上开发的轴系全息动平衡技术，改善了现有转子的现场动平衡方法。上海交通大学陈进课题组在信号处理与机械故障诊断方面进行了大量研究。湖南大学于德介课题组在经验模态分解（Empirical Mode Decomposition，EMD）与Hilbert谱、多尺度线调频基稀疏信号分解等方法用于机械故障诊断方面做了很多工作。哈尔滨工业大学陈予恕课题组突破了传统线性理论故障建模和机理分析方法，采用非线性分析技术查明故障机理及原因，并成功应用于大型旋转机械的故障诊断，解决了7省市23台汽轮发电机组的疑难振动故障，取得了4亿多元直接经济效益。华中科技大学杨叔子和史铁林在基于知识的设备诊断基础理论与方法研究方面，系统深入地研究了设备诊断问题的各个方面，为诊断推理模型的研究建立了一个基本框架。南京航空航天大学李舜酩长期从事振动检测与诊断的现代理论与方法方面的研究，在将盲源分离技术用于故障诊断方面做了大量工作。此外，浙江大学杨世锡、北京工业大学青永刚、华北电力大学唐贵基、军械工程学院郑海起和唐力伟、哈尔滨工业大学黄文虎、东北大学韩清凯、北京信息科技大学徐小力、天津大学王太勇和冷永刚、重庆大学秦树人和汤宝平等学者长期从事机械系统状态监测与故障诊断技术的研究。

3    结语

目前，神经网络、专家系统、模糊理论、遗传算法等人工智能技术应用于机械故障诊断中，都取得了显著的成效。但是，这些方法各具特色，只在一定的条件和场合下有效，而且每种方法都存在有待解决的问题。混合智能故障诊断技术通过综合运用多种人工智能技术的差异性和互补性，分而治之、优势互补，并结合先进的信号处理技术与特征提取方法，对机械设备进行故障诊断，能够有效地提高机械故障诊断的精确性和鲁棒性，降低误诊率和漏诊率。

[参考文献]

[1]袁静.基于提升多小波的机电设备复合故障分离和提取[J].机械工程学报，2010（1）：79-85.

[2]何正嘉.机械故障诊断理论及应用[M].南京：高等教育出版社，2010.

[3]屈梁生.机械故障的全息诊断原理[M].北京：科学出版社，2007.

[4]陈予恕.机械故障诊断的非线性动力学原理[J].机械工程学报，2017（1）：25-34.