基于动态机理模型的故障诊断方法分析

（中车戚墅堰机车有限公司，江苏常州 213011）

0.引言

动态机理模型是分析动态变化过程，并从中获得相关信息达到既定目标的数字化模型，基于动态机理模型的故障诊断方法能够在机械设备、系统的实际运行过程中对机械设备、系统的运行状态进行监督和分析，继而导出故障风险，支持相关技术人员进行故障隐患的有效排除，形成优良的机械设备、系统运行空间。

1.基于动态机理模型的故障诊断优势

当前，我国正处于现代化建设的关键时期，在相关先进信息技术的支持下，工业化发展水平大大提升，生产效率也呈现了明显的上升趋势，在工业化生产中，相关机械设备和生产系统的运行状态将直接影响生产效率和生产安全。传统的故障诊断方法以难以满足多样性故障诊断需求，以下对基于动态机理模型的故障诊断优势进行介绍：

（1）风险规避优势。基于动态机理模型的故障诊断方法能够支持相关安全管理人员和生产管理人员结合实际生产情况合理配置监管时段，确定监管重点，实时导出监管数据，并在系统中将监管数据与机械设备的正常运行数据进行比对，快速导出风险系数，支持相关管理人员快速定位隐患位置，并进行精准排除，切实降低机械设备和系统的瘫痪风险，有助于提升安全生产系数。（2）高效率优势。传统的故障诊断方法多为人工诊断，这种诊断方式对诊断人员的技术能力要求较高，同时，诊断人员需要具备优良的职业精神和良好的职业操守，尽管如此，也仍难避免出现相关疏漏诊断现象，使得机械设备和系统的运行状态难以得到有效维护，而基于动态机理模型的故障诊断方法可有效取代人工诊断，快速定位机械设备的隐患位置，并进行故障预警，支持设备管理人员对设备和系统进行针对性管理。

2.基于动态机理模型的故障诊断路径

2.1 混合逻辑故障诊断

基于动态机理模型的故障诊断方法能够有效满足不同机械设备和不同生产系统的故障诊断需求，切实提高故障诊断效率，支持相关生产管理人员和机械设备维护人员对故障进行预处理和有效维护。混合逻辑故障诊断方法主要是指在动态机理模型的支持下根据不同的机械运行环境和生产流程设置的多样性诊断程序，混合逻辑故障诊断具有较高的适配性，以下对其进行介绍：

混合逻辑故障诊断方法可切实满足混杂性系统和流程的优化控制需求，在故障诊断中具有较高的容错率。在混杂MLD系统的优化控制中，主要实现了性能指标的简化以及基于MLD的二阶系统最优控制，通过实现MLD系统的稳态值求解及仿真设计，可完成混杂MLD系统的预测控制，即根据故障诊断系统的运行状态，在系统内部快速适配最优故障诊断方案，并实现故障环境的分析和故障点的定位。同时，混合逻辑故障诊断还可支持相关技术人员在平台上进一步分析该故障可能引发的风险，提高技术人员对隐患排除的重视程度。

2.2 人工神经网络故障诊断

人工神经网络是20世纪80年代以来人工智能领域兴起的研究热点，可从信息处理角度对人脑神经元网络进行抽象处理，建立某种简单模型，按不同的连接方式组成不同的网络。人工神经网络故障诊断是利用神经网络运算模型由大量的节点之间相互连接实现的数据整合和数据分析，可判断相关机械设备和生产系统是否存在故障隐患。基于动态机理模型的人工神经网络故障诊断方法具有较高的智能化水平和自动化水平，在应用人工神经网络故障诊断方法时，应基于人工神经元模型和BP网络模型，实现仿真数据的获取和预处理，并利用BP神经网络进行相关机械设备的状态识别，在数据库中快速定位该机械设备的正常运行状态，将二者进行比对，有效掌握故障所产生的数据变化，支持相关技术人员进行故障的针对性排除。另外，人工神经网络故障诊断技术还可基于动态机理模型，实现故障的自动化排除，大大减轻故障处理效率。值得一提的是，随着我国现代化建设水平的不断提升，相关领域的技术更新速度逐步加快，使得故障诊断全面临着全新的变化和挑战，与其他故障诊断技术相比，人工神经网络故障诊断方法具有较高的自主学习能力，能够在故障诊断过程中，根据系统环境的变化进行诊断方法的学习和演进，满足实时性诊断需求[1]。

2.3 物联网故障诊断

物联网技术具有较高的数据整合能力，能够在传感器的支持下实现数据环境感知，以下对基于动态机理模型的物联网故障诊断方法进行介绍：

为充分发挥物联网技术的数据整合能力和数据分析能力，应完成远程故障智能诊断系统设计，该系统主要包括感知层、网络层和应用层，其中感知层包括数据筛选模块、采集模块和设备模块，可连接网络层，网络层包括数据后缩模块、数据加密模块以及Internet传输模块，在Internet传输模块的支持下，网络层将与应用层进行数据连接和数据共享。应用层主要包括人机交互模块、结果处理模块、专家诊断模块、数据库储存模块、数据处理模块。在应用层、网络层和感知层的支持下，基于物联网的故障诊断系统将具备大范围的故障诊断能力。在远程故障智能诊断系统整体设计中，还应进行智能终端硬件设计，主要包括核心处理器、ARM芯片选取，WIFI模块设计、数据采集模块设计和终端主要电路设计。其中，终端主要电路设计内容包括电源模块的设计、串口电路的设计、储存器模块设计以及LCD液晶触摸屏的设计，在双坐标射带快速可调算法的辅助下，数据可通过VPN安全传输渠道在系统内得以整合，支持技术人员实时掌握故障数据[2]。

2.4 子空间辨识辅助故障诊断

基于动态机理模型的故障诊断方法对提高系统安全性，降低系统瘫痪风险具有重要意义和深远影响，目前，空间辨识辅助故障诊断在我国相关领域中已经实现有效应用，并已取得实质性的应用成效。该故障诊断方法下的故障诊断主要是通过参数辨识实现的，在相关算法的支持下子空间辨识辅助故障检测系统可开展故障检测，并进行仿真分析和实验验证，深入分析故障环境和故障诱发机理，在动态环境下也能具有较高的故障检测效率和故障定位精准性。子空间辨识辅助故障检测方法的检测流程为：根据故障检测环境，针对性训练数据，精准设置故障识别对象，接着，在系统内部高效率计算参数矩阵，生成残差和统计量，得到阈值，在此基础上，诊断系统将进一步进行数据测试，并根据在线的输入、输出数据，生成相关测试内容，完成生成测试数据下的残差和统计量分析，最终通过故障检测逻辑，判断系统是否发生故障。子空间辨识辅助故障诊断方法能够在系统内精准设定故障诊断目标，因此，该诊断方法具有较高的诊断效率和诊断精准性，能够支持相关技术人员在系统内部输入实际测量值，通过精密计算导出相关输入、输出以及噪声状态下的输出测量值，构建系统状态空间模型，相关人员能够通过比对状态空间模型，完成故障分析[3]。

3.结语

当前我国正处于现代化建设的关键时期，随着工业化发展进程的不断推进，可以预见，基于动态机理模型的故障诊断方法具有优良应用平台和宽广发展空间，可通过混合逻辑故障诊断、人工神经网络故障诊断、物联网故障诊断和子空间辨识辅助故障诊断提高故障诊断效率和故障诊断的精准性。