大型機(jī)械設(shè)備振動(dòng)系統(tǒng)故障診斷分析

佘智林

（珠海橫琴新區(qū)新鑫能源開發(fā)有限公司，廣東 珠海 519000）

大型機(jī)械設(shè)備的工作環(huán)境復(fù)雜而且惡劣，很多設(shè)備在長(zhǎng)期工作之后會(huì)有嚴(yán)重的老化，頻繁發(fā)生故障。為了保證生產(chǎn)工作的正常進(jìn)行，就需要有效的故障檢測(cè)方法，目前，機(jī)械的信號(hào)處理和理論研究成為了十分重要的內(nèi)容。由于機(jī)械在出現(xiàn)故障的情況下會(huì)產(chǎn)生不同信號(hào)，故而通過信號(hào)來(lái)對(duì)故障進(jìn)行識(shí)別并且選擇合適的處理方式就成為了非常好的途徑。

大型機(jī)械設(shè)備振動(dòng)系統(tǒng)是故障頻繁出現(xiàn)的位置，為了能夠?qū)ο到y(tǒng)的故障做好判斷和解決工作，近些年來(lái)使用了專家系統(tǒng)結(jié)合故障信號(hào)特征提取算法是近些年的主流。通過將人工只能系統(tǒng)引入到算法當(dāng)中，能夠?qū)收嫌懈泳珳?zhǔn)的判斷和識(shí)別，這樣就可以更為有效地利用專家系統(tǒng)中的經(jīng)驗(yàn)和知識(shí)，以便更加高效地解決故障。因此通過研究大型機(jī)械設(shè)備振動(dòng)系統(tǒng)的故障診斷專家系統(tǒng)模型，提高判斷能力，對(duì)大型機(jī)械系統(tǒng)的穩(wěn)定十分重要。

專家系統(tǒng)的設(shè)計(jì)和診斷主要是采用故障信號(hào)的特征來(lái)進(jìn)行故障的判斷，通過時(shí)域分析、品與分析、統(tǒng)計(jì)分析，就能夠?qū)收系奶厥庑孕盘?hào)進(jìn)行提取，這樣就能夠?qū)收闲盘?hào)進(jìn)行更加合理的處理。在充分利用故障的信號(hào)特征后，就能夠?yàn)楣收系淖R(shí)別提供良好的基礎(chǔ)。在診斷過程中，如何處理好故障信號(hào)是故障信號(hào)特征士必得關(guān)鍵，比如可以針對(duì)信號(hào)的突變來(lái)對(duì)振動(dòng)系統(tǒng)的故障進(jìn)行處理，通過提升大型機(jī)械振動(dòng)系統(tǒng)信號(hào)小波變化的處理，就能夠處理好沖擊特征。使用平滑算子抑制噪聲，算法就可以提取出機(jī)械振動(dòng)系統(tǒng)的性能。

本文研究了一種基于大型機(jī)械振動(dòng)系統(tǒng)故障特征的專家構(gòu)建故障模型，通過使用軟件進(jìn)行仿真分析，結(jié)合故障專家系統(tǒng)、智能系統(tǒng)、模糊數(shù)據(jù)庫(kù)、模糊識(shí)別，來(lái)提升軟件的識(shí)別能給力。

1 大型機(jī)械設(shè)備振動(dòng)系統(tǒng)故障診斷信號(hào)模型

為了能夠有效診斷大型機(jī)械設(shè)備的振動(dòng)系統(tǒng)故障，就需要對(duì)振動(dòng)系統(tǒng)的振動(dòng)數(shù)據(jù)進(jìn)行模型上的構(gòu)建，使用信號(hào)處理的方法，構(gòu)建符合故障診斷需求的裝甲系統(tǒng)。目前，大型設(shè)備的故障診斷可以通過電流信號(hào)、振動(dòng)信號(hào)、電壓信號(hào)、壓差信號(hào)等進(jìn)行判斷。由此，可以基于這些信號(hào)建立一個(gè)專門的數(shù)據(jù)集，之后在數(shù)據(jù)集合中提取n個(gè)電流信號(hào)、振動(dòng)信號(hào)、電壓信號(hào)、壓差信號(hào)的樣本，分析特征向量，然后提取出正常工作時(shí)的特征向量和在大型設(shè)備發(fā)生故障時(shí)的特征向量，之后再對(duì)兩種數(shù)據(jù)進(jìn)行比較，最后得到特征向量的目標(biāo)函數(shù)。

其中m代表權(quán)重指數(shù)，(dik)2是樣本x和V的測(cè)度距離，歐式距離進(jìn)行表示為：(dik)2=||xk-Vi||2

由于數(shù)據(jù)具有明顯的多樣性特征，為了能夠進(jìn)行特征的表征，就需要通過通過希爾伯特變化，并且使用經(jīng)驗(yàn)?zāi)B(tài)分解，把一個(gè)復(fù)雜的大型機(jī)械設(shè)備振動(dòng)系統(tǒng)故障分集成若干個(gè)互動(dòng)平均采樣分量之和，從而用局部極大值和極小值絕對(duì)信號(hào)在時(shí)間尺度下的特征，以及使用信號(hào)的包絡(luò)連接，最終夠得到包絡(luò)下的平均值。通過頻率和振幅的調(diào)制，就能夠得到模態(tài)分離包絡(luò)量，信號(hào)的IMF分量保留了原始信號(hào)的中幅度調(diào)制，此時(shí)的定義中，只包含頻率或者幅值調(diào)制的故障信號(hào)作為固有莫泰函數(shù)，然后通過信號(hào)包括調(diào)制，就能夠得到一個(gè)IMF分量。這樣，就可以進(jìn)行大型機(jī)械設(shè)備振動(dòng)系統(tǒng)故障信號(hào)和頻域的分析，并且也能夠?qū)收显\斷進(jìn)行基本的描述，并且可以退通過改進(jìn)莫泰算法，將信號(hào)分解成多個(gè)IMF分量。

2 大型機(jī)械設(shè)備振動(dòng)系統(tǒng)故障信號(hào)特征的分析

在對(duì)故障信號(hào)進(jìn)行分析的工作當(dāng)中，使用了正向推理的方式，這種推理的思想史從已知的信息出發(fā)，選擇合適的知識(shí)來(lái)逐漸解決問題。通過結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)和專家系統(tǒng)，能夠構(gòu)成大型機(jī)械設(shè)備振動(dòng)系統(tǒng)故障診斷信號(hào)的特征聚類模型，然后根據(jù)可學(xué)習(xí)性拉進(jìn)行網(wǎng)絡(luò)中的加權(quán)疊加。這些加權(quán)將作為不確定因子，可以在網(wǎng)絡(luò)上進(jìn)行不確定的推理，然后就能夠?qū)C(jī)械的振動(dòng)故障信號(hào)進(jìn)行聚類和推理。使用正向推理時(shí)，是會(huì)根據(jù)信號(hào)的希爾伯特特征，然后在專家系統(tǒng)中進(jìn)行故障的分類和診斷工作。

將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合，能夠進(jìn)行大型振動(dòng)系統(tǒng)故障診斷信號(hào)特征的聚類模型設(shè)計(jì)。根據(jù)其可續(xù)習(xí)性和加權(quán)量，講不通的加權(quán)設(shè)計(jì)為不確定因子，然后再網(wǎng)絡(luò)上進(jìn)行模糊推理。大型機(jī)械振動(dòng)系統(tǒng)的正向推理過程中，首先要對(duì)輸入信息進(jìn)行檢查，分析知識(shí)庫(kù)中時(shí)候有合適的信息來(lái)進(jìn)行選擇，如果沒有可用的新信息，就需要對(duì)是否是全新信息進(jìn)行推理，如果時(shí)就存到新的數(shù)據(jù)庫(kù)。對(duì)于有可用知識(shí)的情況，可以從數(shù)據(jù)庫(kù)中尋找是否有解，然后將解輸出出來(lái)，這樣就能夠完成一次對(duì)故障的判斷。

訓(xùn)練的工作中，投入訓(xùn)練樣本，通過針對(duì)特定樣本的實(shí)際故障特征輸出和期望故障特征輸出進(jìn)行對(duì)比。對(duì)于給定的大型機(jī)械設(shè)備振動(dòng)系統(tǒng)，結(jié)合信號(hào)特征集，通過向量的描述進(jìn)行特征的優(yōu)化，然后就能夠確定機(jī)械振動(dòng)過程中的故障數(shù)量，并且表示出該特征是否被選中。

在故障特征的優(yōu)化工作中，主要對(duì)故障特征檢測(cè)到的正確率進(jìn)行優(yōu)化，從而保證機(jī)械設(shè)備故障檢測(cè)能夠具有更高的準(zhǔn)確性。優(yōu)化工作當(dāng)中，可以采取KNN參數(shù)和特征優(yōu)化同時(shí)進(jìn)行的方式，因此優(yōu)化中設(shè)備振動(dòng)系統(tǒng)的數(shù)學(xué)模型為maxG（S，M），其中G表示齒輪及故障的準(zhǔn)確率，S代表特征子集，M是KNN的參數(shù)。

3 故障診斷的專家系統(tǒng)

為了能夠?qū)Υ笮蜋C(jī)械設(shè)備的振動(dòng)故障進(jìn)行準(zhǔn)確的診斷，就可以采用人工只能模擬的方式進(jìn)行推理，使用希爾伯特譜作為特征數(shù)據(jù)，從而構(gòu)建起故障診斷的專家系統(tǒng)。系統(tǒng)包括數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、推理庫(kù)，設(shè)計(jì)故障診斷時(shí)需要做好神經(jīng)網(wǎng)絡(luò)模糊控制的學(xué)習(xí)算法選擇，這樣能夠提高診斷能力。對(duì)于不同的用戶，必須設(shè)計(jì)不同的登錄權(quán)限。系統(tǒng)的用戶包括專家、工程師、一般人員，由于人員對(duì)于故障診斷結(jié)果的需求不同，并且對(duì)機(jī)械工作的操作權(quán)限也有不同，所以要根據(jù)不同的人輸出不同的輸出向量。專家系統(tǒng)的隱層有p個(gè)神經(jīng)元，通過對(duì)信號(hào)的模態(tài)函數(shù)進(jìn)行分別提取，得到不同的奇異值，并且計(jì)算出對(duì)應(yīng)的誤差。然后對(duì)機(jī)械設(shè)備的狀態(tài)進(jìn)行收集，對(duì)手擊倒的數(shù)據(jù)進(jìn)行預(yù)處理，可以得到n個(gè)故障的樣本總誤差。

使用專家系統(tǒng)和大型機(jī)械設(shè)備振動(dòng)系統(tǒng)進(jìn)行診斷，通過診斷知識(shí)庫(kù)、故障診斷推理機(jī)、數(shù)據(jù)庫(kù)等程序，就能夠?qū)Τ绦蜻M(jìn)行相對(duì)完整的診斷工作。同時(shí)，設(shè)計(jì)好人機(jī)結(jié)構(gòu)，就能夠?qū)Υ笮蜋C(jī)械設(shè)備的最終診斷作出準(zhǔn)確的決策。在對(duì)系統(tǒng)進(jìn)行測(cè)試時(shí)，可以使用abaqus軟件來(lái)對(duì)系統(tǒng)進(jìn)行故障的模擬，通過構(gòu)建規(guī)則庫(kù)和事實(shí)庫(kù)，完成對(duì)程序的設(shè)計(jì)和故障的匹配，從而完成推理工作，并且?guī)椭鷮＜蚁到y(tǒng)實(shí)現(xiàn)對(duì)故障的診斷。

測(cè)試中，通過將abaqus軟件引用到故障診斷系統(tǒng)模型中進(jìn)行分析，通過構(gòu)建數(shù)據(jù)庫(kù)、知識(shí)庫(kù)和推理機(jī)來(lái)進(jìn)行模擬。專家系統(tǒng)的硬件設(shè)計(jì)上，使用232串口和USB接口等方式將程序下載到嵌入式系統(tǒng)中，就能夠?qū)崿F(xiàn)專家診斷系統(tǒng)的性能測(cè)試工作，根據(jù)規(guī)則庫(kù)和事實(shí)庫(kù)，程序就能夠完成匹配工作，然后就能夠進(jìn)行推理和故障的診斷。在模擬工作中，模擬了五種大型機(jī)械振動(dòng)系統(tǒng)的工況，由系統(tǒng)對(duì)于振動(dòng)系統(tǒng)的性能進(jìn)行測(cè)試。這種五種工況通過大型設(shè)備振動(dòng)系統(tǒng)來(lái)設(shè)計(jì)，每種工況有50種信號(hào)采集的方法，總共有3000種不同的樣本。采集之后，根據(jù)振動(dòng)系統(tǒng)的故障信號(hào)獲得相應(yīng)的譜故障，然后根據(jù)這種數(shù)據(jù)源，選擇其中1000中作為訓(xùn)練樣本。

在使用全新的故障測(cè)試方法之后，可以及時(shí)發(fā)現(xiàn)大型設(shè)備系統(tǒng)故障，并且能從專家系統(tǒng)中選擇正確的解決策略，有極高的準(zhǔn)確性。經(jīng)過統(tǒng)計(jì)，使用全新算法準(zhǔn)確率達(dá)到了97.6%，要比傳統(tǒng)的算法高出很多，明顯具備更強(qiáng)的性能。通過故障測(cè)試，在使用智能算法后，系統(tǒng)能夠準(zhǔn)確地判斷出大型機(jī)械振動(dòng)系統(tǒng)中的故障，并且給出相應(yīng)的解決方案，可以廣泛使用在大型機(jī)械設(shè)備診斷和檢測(cè)工作當(dāng)中。

4 結(jié)語(yǔ)

通過構(gòu)建大型機(jī)械設(shè)備鎮(zhèn)痛系統(tǒng)的模型，分析機(jī)械設(shè)備的特征，然后構(gòu)建專家系統(tǒng)，可以在解決故障上獲得良好的效果。在使用智能技術(shù)時(shí)，需要建立構(gòu)造，配合模糊數(shù)據(jù)庫(kù)、模糊只會(huì)哭和模糊推理庫(kù)就，配合轉(zhuǎn)及診斷系統(tǒng)，就能夠?qū)收嫌斜容^準(zhǔn)確的判斷。系統(tǒng)需要進(jìn)行學(xué)習(xí)，提高判斷能力，促進(jìn)算法的改進(jìn)。通過使用abaqus軟件進(jìn)行反正模擬，能夠讓系統(tǒng)有較快的學(xué)習(xí)速度，提高故障判斷能力，實(shí)現(xiàn)對(duì)故障的智能化把控。