机械设备的故障诊断与监测研究综述

龚嵘

摘 要：针对机械设备中的关键部件——滚动轴承、齿轮箱、电动机的故障诊断与监测的发展现状进行文献综述，总结该领域的研究现状及主要方法。概述了机械设备中一些关键部件，比如轴承、齿轮箱、电动机的故障特点及故障形式，进而深入分析相应的诊断难点，并结合国内外相关文献系统地介绍并比较了现有的针对机械设备关键部件的故障诊断与健康监测方法，最后对该领域的发展方向进行了展望。

关键词：机械设备;故障诊断;滚动轴承;齿轮箱

近年来，随着机械设备的运行环境逐渐复杂化，机械设备发生故障的概率显著提高，一些看是不起眼的设备局部故障问题，有可能会导致机械设备由阶段性小故障、潜伏性的缺陷故障逐渐向设备系统性的崩溃损坏、报废发展。在当前智能制造的背景下，对机械设备相关关键部件进行故障诊断和监测成为一个值得思考的现实问题。因此，以下就机械设备故障诊断与监测方法展开分析与探讨。

1 机械设备故障诊断系统

机械设备往往利用分布式传感器作为故障诊断系统的重要部分，实时监测机械设备在工作状态或相对静止状态下的信号，将之与监测对象的历史状态相比对，通过数字信号处理等手段进一步分析和处理所获信号，准确地确定故障的发生位置及故障类型，从而得以及时排除机械设备的故障。在早期，机械设备状态监测的方法主要包括振动监测法、采样分析法、测温法及超声波法等。对于绝大多数机械设备，以振动作为主要参考标准的诊断方法最为常见。机械设备故障诊断系统主要分为两大部分：①借助传感器获取振动等参考信号进行分析处理。传感器技术依托电磁感应等原理来测得机械设备的工作状态参数，并将所得数据传输到微型计算机中，接着微机将其与数据库原始标准健康数据进行比对，初步诊断机械设备的状态。但这种仅靠传感器监测诊断方式是有缺陷的，传感器只能监测电流、电压、等有限的状态参数，诊断效果较差。②智能诊断技术，这类技术基于第一部分所获数据进行更深层次的分析处理，以计算机为载体模拟出一种与人类思维运算近似的智能诊断系统。它可以实现基于所测信号机理，设定诊断规则，进行特征提取、数字信号分析等功能，与传统的简单对比诊断相比，更加科学实用。这类技术目前已经相对成熟，渐渐成为当下主流的应用技术。

2 机械设备主要故障特点

机械设备是工业生产中不可或缺的一部分，其性能的优劣与最终的生产能效直接挂钩。机械设备由各种零部件组合而成。在长期的运转过程中，它们会由于衰老退化而不可避免地出现故障问题，对机械设备的性能造成影响，导致生产效率降低。由于不同部件的作用、存在比例及故障特点有所差异，下面对机械设备中的关键部件逐一展开分析。滚动轴承是旋转机械的重要组成部分，它优点众多，比如润滑冷却迅速效率高等，因此在机械行业广泛得到应用。但它同时也是旋转机械中最容易出现故障的部件之一，据有关统计显示，在旋转机械故障中有近30%的故障是由于滚动轴承故障引起的，因此，深入研究滚动轴承的故障诊断方法具有重要意义。工程发现，疲劳损伤、腐蚀损伤、断裂等原因都会导致滚动轴承损伤，不同原因导致的轴承损伤所反映出的故障特征同样存在差异，因此，如何在纷繁复杂的轴承故障中提取出反映轴承故障的一致性特征成为一个值得深入研究的切入点。在机械设备中，用于提高主轴转速的齿轮箱广泛存在。在机械运行过程中，齿轮箱内的齿轮常常会出现磨损断裂的问题，如果不及时、有效地对这些故障进行处理，齿轮箱最终会失效。与滚动轴承的故障特点类似，齿轮箱和滚动轴承对应相同故障类型例如断裂所表征的故障特征具有相似性，对于需要较大数据量的深度学习等故障诊断方法，充分利用不同部件的相同故障类型数据进行诊断方法的训练是一个实用而有效的思路。机械设备主要是由机械结构和电动机两部分组合而成，一旦电动机发生故障，机械设备将无法正常工作。

3存在的问题

历经近一个世纪的发展，可靠性研究在理论和实践方面均取得了丰硕的成果。传统可靠性理论处理随机不确定性信息，概率论和数理统计是传统可靠性理论的主要数学工具。传统的可靠性评估方法利用大量的具有概率重复性的样本，确定设备的失效分布，获得宏观意义上一批同类设备共性的平均可靠性。然而，各个设备通常在不同的条件与环境下运行，其零部件的损伤、故障、失效的程度不同，运行可靠性也必然不同。针对某台具体的机械设备进行运行可靠性评估是个性问题，基于大样本条件并依赖概率统计数据得到的平均可靠性难以满足个体设备的运行可靠性评估需求。2000 年，国际著名可靠性专家、英国学者OCONNOR深入思考了可靠性的过去、现在和将来，指出现有的可靠性研究依旧局限于传统的概率统计方法，阐述了基于概率统计的可靠性方法在解决工程实际问题时容易产生误导和无效的原因。2009 年意大利学者ZIO深刻洞察到可靠性这一老问题所面临的新挑战，指出复杂系统可靠性分析是可靠性工程的新挑战，提出利用状态监测来确保系统可靠的运行，以减少故障，提高生产率。我国学者黄洪钟对常规可靠性理论进行了批判性综述，指出二值逻辑假设的不合理性以及概率假设解决工程实际问题的不现实性。综合以上研究及工程实际，传统可靠性评估方法在应用于机械设备运行可靠性评估时所面临的主要问题可归纳如下。

3.1传统可靠性评估方法的数学基础——概率论与数理统计，决定可靠性评估过程中必须利用足够多的样本数据，大样本失效数据、可重复的大样本寿命试验或加速寿命试验必不可少。然而在工程实际中，针对某台具体机械设备的运行可靠性評估，往往属于小样本问题，且对于如飞机失事等灾难性事故又不具有概率重复性，难以收集大样本统计数据。

3.2 传统可靠性评估方法多依赖设备的失效分布，准确求解设备失效分布参数、解析设备的失效概率是传统可靠性评估的主要任务之一。设备失效分布是一种有限假设，即使在大样本情况下，准确的失效分布也难以估计。针对某台机械设备进行运行可靠性评估的小样本特性，进一步加剧了失效分布参数估计的难度。

3.3 传统可靠性评估方法基于二值假设或有限状态假设，即假定设备只有正常和失效两种状态或有限个状态。然而在工程实际中，机械设备的状态多是渐进连续退化的，具有很强的不确定性，表现为状态变化的模糊性和随机性。传统可靠性评估的二值假设和有限状态假设难以准确描述机械设备实际失效过程。

3.4 机械设备内部结构复杂，各个零部件之间存在着复杂的运动关系和耦合作用，不同零部件的失效分布规律不同，基于概率的可靠性数学模型往往事后统计其失效分布规律，难以获得设备零部件失效前可靠性的变化规律，实现预知维修困难。

3.5 对于正在服役的机械设备，关注的焦点是其运行过程中的可靠性。机械设备运行条件和环境多变，传统的可靠性评估缺乏分析设备运行过程中各种变工况、非平稳复杂状态，难以实时在线评估设备的运行可靠性。

4 现有改进方法

针对传统可靠性理论应用于机械设备运行可靠性评估的局限性，国内外学者从以下几个方面进行了改进，取得了可观的研究成果。针对传统可靠性评估方法必须依赖于大量的具有概率重复性的样本的问题，诸多学者采用较少依赖概率分布的方法对传统的可靠性分析方法进行改进。2010年，BALAKRISHNAN 等基于Kaplan-Meier 非参数估计方法提出了一种新的参数模型估计方法来估计设备在截尾时刻的可靠度函数。

同年， HUANG 等根据工程实际中初期失效数据与后期失效数据间分布参数的差异性问题，研究了数据变异检测及混合模型参数估计方法。MA等利用更准确的仿真方法来研究样本不足导致大样本逼近无法实现的情况下基于小样本的加速退化试验特性。2011 年， RAJESH 等建立了基于聚类、模糊集映射和模糊逻辑的运行可靠性计算模型，并将其应用于海洋运输系统中。国内，2006年程皖民针对长寿命产品在试验过程中的失效数据缺失问题，采用Bayes 方法，分析了产品在可靠性增长过程中各阶段的可靠性水平。2010 年，XING等基于学习曲线特性提出一种动态贝叶斯估计方法改善小样本情况下系统可靠性评估精度不高的问题。2011 年，唐樟春等基于证据理论建立了一种概率信息不全时的可靠性评估模型。

上述方法在一定程度上缓解了小样本设备可靠性分析的难度，但并未完全脱离概率与数理统计的范畴，不能从根本解决小样本和单台机械设备的可靠性评估问题。

针对传统可靠性的二值假设或有限状态假设不能有效描述机械设备渐进连续性能退化过程的问题，有学者提出监测设备的性能退化数据，通过假设产品失效退化路径或失效分布来评估设备的可靠性，拓展了传统可靠性理论和应用范围。2005 年，美国PARK 等利用几何布朗運动和伽马过程建立了新的加速性能退化模型。2009 年美国GEBRAEEL 等利用失效数据拟合Bernstein 分布并利用其分布数据来估计初始退化模型先验分布。国内，2005年，王文清等应用模糊理论建立综合传动铸铁密封环的模糊可靠性模型，计算模糊可靠度，描述密封环耐磨性可靠度的变化。2006 年，邓爱民等提出基于退化轨迹与基于性能退化量分布的两种可靠性评估方法，对高可靠性长寿命产品进行可靠性评估;2010年，考虑到设备的随机退化特性，YU 等改进了两阶段设备退化分析方法，提出一种新的三阶段设备退化分析方法。2011 年，LIU 等基于高斯混合模型和Logistic 退化模型评估了机械设备的性能退化状态。WANG 等在可靠性分析过程中考虑典型退化与冲击，建立一个包含严重故障，退化以及失效冲击作用导致的故障三种故障模式的可靠性方程评估产品可靠性。2012 年，PENG 等提出了两种性能退化度量方法，利用退化随时间变化的关系及部件之间的相关性，对关键部件的可靠性进行评估。张根保等运用模糊集理论，定义了一种判定模糊真值的函数并确定隶属度，建立了数控机床模糊可靠性分配指标体系和权重。

5机械设备的故障诊断方法

5.1 远程监测诊断技术

在工程应用中，机械设备各种参数的动态信号往往通过传感器来获得，为了使监测所得的动态信号与机械设备一一对应，工程师会对机械设备按顺序编号。接着传感器采集的信号通过无线网络技术传输给机械设备监控中心的计算机服务器，根据动态信号的时域和频域分析结果，实现机械设备运行状态的远程实时监测功能。在对获得的数据进行时域分析时，可以通过判断时域信号中是否有周期性脉冲峰值等方法。但这类方法容易受到机械设备运行时周围噪声信号的干扰，不易判断出机械设备的健康状态。而将时域信号通过频谱分析转换成频域信号，可以有效减少噪声对诊断的不良影响，把这些振动信号的频谱图与健康状态对应的频谱图进行比对，以此判断机械设备可能发生的故障类型。中心计算机服务器把发生故障的机械设备动态参数传输到现场，操作人员以此为依据确定发生故障部位并及时进行检修。

5.2 专家诊断技术

专家系统作为一种智能化的计算机程序系统，在机械设备的故障诊断和运行状态监测中应用广泛。它充分利用专家的先验知识，通过模拟人类思维的方法，对设备的动态参数变化作出专家级水平的诊断。专家诊断技术特别强调知识库的储备，它可以同时存储不同领域专家的工作经验和相关知识，比如机械工程专业的专家知识、电气工程专业的专家知识等，然后充分发挥计算机强大的记忆存储能力和信息处理能力并建立对应的知识库，从而得到综合多领域知识的专业诊断意见。专家诊断技术作为一种自动化监测技术，可以对大型工程机械群进行统一的状态监测，从而实现集中调度现场工作的功能，大大提高了机械设备运维检修的工作效率，并提高了监测效率和准确性。

5.3 人工智能诊断技术

人工智能故障诊断技术，属于计算机前沿科学领域，在国内外已经得到了广泛的重视[3-4]。人工神经网络理论是一种典型的数学模型。它通过模拟人类大脑的神经分布及感应，以实现智能化的机器决策。在利用神经网络对机械设备故障进行诊断时，首先采用原始故障数据集对人工神经网络进行训练，并利用训练好的神经网络对实际故障数据进行诊断分析，最终确定故障类型及位置。此外，人工神经网络还可以预测可能发生的故障，对每个零部件的主要参数进行分析计算，使用户更好地了解到设备的使用情况，及时排除机械设备可能存在的潜伏性故障，避免出现严重事故。但人工神经网络存在容易陷入局部最优解的问题，而时下大热的深度学习则逐渐取代神经网络成为智能算法的主流。深度学习基于神经网络发展而来，常见的深度学习算法包括卷积神经网络、长短时记忆网络、深度置信网络等，这些网络也开始被引入到机械设备的故障诊断中，并具有良好的效果。中国研究员在2015 年首次基于变速箱振动信号进行信号对故障敏感程度的分析，提出了基于卷积神经网络的变速箱故障识别方法。通过仿真数据的检验，说明该方法具有较高的可靠性，可用于对机械设备进行故障诊断。但深度学习网络所学习的故障特征以及网络的实际泛化能力仍有待进一步的工程检验。此外，模糊集故障诊断系统也是人工智能的技术类型之一。模糊集理论的“模糊”主要是指事物本身的概念较为模糊，并不指方法具备随机性。通过这一理论可以及时对故障类型及位置进行诊断。模糊控制理论是将经典集合理论模糊化，并将语言变量和近似推理引入模糊控制逻辑中。但当前模糊集理论在处理复杂故障问题中的应用并不突出，仍有待进一步的探索和提高。

6 结论与展望

在智能制造的背景下，中国机械设备的故障诊断与监测技术虽已接近国际水平，但在普及和应用程度上与国际水平任存差距。本文首先介绍了机械设备故障诊断系统的组成部分，并对机械设备的故障机制及原理展开分析，总结不同机械零部件故障的一致性与差异性，最后引出机械设备故障诊断方法的发展现状，并对智能方法在机械故障诊断中的进一步应用进行了展望。随着现代科学技术的发展，机械设备故障诊断技术将不再是单参数的阈值比较，取而代之的应该是基于信息集成、融合、分析、处理等技术的更先进、全面的监测方法。

参考文献：

[1]周利，余愚.机械故障诊断中人工智能的应用[J].可编程控制器与工厂自动化，2007（7）：36，38-40.

[2]毛三华，余峰岗，史振帅，等.工程机械运行状态自动化监测研究[J].现代制造技术与装备，2020（5）：76-78.

[3]张珏.基于人工智能的工程机械故障诊断技术[J].智能城市，2019，5（12）：192-193.

[4]邓华伟.人工智能在机械设备故障检测中的应用[J].内燃机与配件，2020（11）：237-238.

[5]武迪，刘勇.人工智能技术在电气自动化控制中的应用浅析[J].电子元器件与信息技术，2017，1（3）：4-6.