機(jī)械設(shè)備故障診斷與監(jiān)測(cè)的常用方法及其發(fā)展趨勢(shì)

崔炎陸

摘? 要： 隨著我國(guó)工業(yè)化進(jìn)程的不斷加快，機(jī)械設(shè)備的應(yīng)用對(duì)經(jīng)濟(jì)發(fā)展的作用越來(lái)越明顯。提高機(jī)械設(shè)備故障診斷和監(jiān)測(cè)技術(shù)水平是工業(yè)生產(chǎn)的有 力保障。因此必須要對(duì)機(jī)械設(shè)備進(jìn)行故障診斷和監(jiān)測(cè)，從而做好維修和維護(hù)工作，避免給機(jī)械生產(chǎn)造成影響，也能夠保證操作人員的安全，本文對(duì)機(jī)械 設(shè)備故障診斷與監(jiān)測(cè)的常用方法進(jìn)行了分析，并且對(duì)未來(lái)的發(fā)展趨勢(shì)進(jìn)行了討論。

關(guān)鍵詞： 機(jī)械設(shè)備;故障診斷與監(jiān)測(cè);方法;發(fā)展

引言

近年來(lái)，隨著機(jī)械設(shè)備的運(yùn)行環(huán)境逐漸復(fù)雜化，機(jī)械設(shè)備發(fā)生故障的 概率顯著提高，一旦未能及時(shí)發(fā)現(xiàn)機(jī)械設(shè)備的局部故障問(wèn)題，最終可能導(dǎo)致 機(jī)械設(shè)備潛伏性故障逐漸發(fā)展以致整體性損壞的嚴(yán)重后果。在智能制造的背 景下，對(duì)機(jī)械設(shè)備相關(guān)關(guān)鍵部件進(jìn)行故障診斷和監(jiān)測(cè)成為一個(gè)值得思考的現(xiàn) 實(shí)問(wèn)題。因此，以下就機(jī)械設(shè)備故障診斷與監(jiān)測(cè)方法展開分析與探討。

1 機(jī)械設(shè)備故障診斷及監(jiān)測(cè)的常用方法

1.1? 紅外測(cè)溫法

在此方法的使用中，主要是使用紅外測(cè)溫的儀器根據(jù)機(jī)械設(shè)備的不同 位置存在不同溫度以及溫度變化的情況等實(shí)現(xiàn)對(duì)其運(yùn)行狀態(tài)分析與判斷。 紅外測(cè)溫的儀器測(cè)溫原理主要為黑體輻射的定律，即物體溫度越高的話， 所發(fā)紅外輻射的能力就越強(qiáng)。若某些故障的部位往往會(huì)體現(xiàn)出溫度升高特 征，進(jìn)而提示此位置出現(xiàn)排煙管阻塞、磨損或者接點(diǎn)的燒壞等故障。此方 法中，紅外測(cè)溫的儀器發(fā)揮重要的作用，它能夠非接觸性和遠(yuǎn)距離地實(shí)現(xiàn) 對(duì)機(jī)械設(shè)備的測(cè)溫目的，還可以結(jié)合信息處理、運(yùn)算和判斷等功能，來(lái)對(duì) 機(jī)械設(shè)備工作環(huán)境的周圍溫度和變化狀況如實(shí)反映。此方法在實(shí)踐運(yùn)用 中，能夠有效避免戶外監(jiān)測(cè)受天氣因素的影響，提升測(cè)量精確度，且便于 對(duì)數(shù)據(jù)進(jìn)行存取。

1.2? 振動(dòng)監(jiān)測(cè)診斷技術(shù)

機(jī)械在運(yùn)轉(zhuǎn)過(guò)程中常常伴隨著振動(dòng)特征的出現(xiàn)，根據(jù)機(jī)械設(shè)備的這個(gè) 特點(diǎn)，振動(dòng)監(jiān)測(cè)技術(shù)被廣泛應(yīng)用在機(jī)械故障診斷領(lǐng)域中。這種技術(shù)通過(guò)對(duì) 機(jī)械運(yùn)行時(shí)的速度、加速度和位移等參數(shù)的監(jiān)測(cè)，參照機(jī)械運(yùn)行時(shí)的頻率 客觀地監(jiān)測(cè)出機(jī)械工作中的狀態(tài)信息。在利用振動(dòng)監(jiān)測(cè)技術(shù)時(shí)，常常要選 擇機(jī)械設(shè)備中關(guān)鍵部位進(jìn)行測(cè)量，這樣能夠確保所得的數(shù)據(jù)更加準(zhǔn)確。經(jīng) 過(guò)檢測(cè)所得的信息經(jīng)過(guò)放大和過(guò)濾處理后，會(huì)形成數(shù)據(jù)信息在分析診斷設(shè) 備中進(jìn)行處理判斷，通過(guò)頻譜的方式展示出來(lái)，進(jìn)而形成對(duì)設(shè)備故障的早 期判斷。

1.3? 人工智能診斷技術(shù)

人工智能故障診斷技術(shù)，屬于計(jì)算機(jī)前沿科學(xué)領(lǐng)域，在國(guó)內(nèi)外已經(jīng)得 到了廣泛的重視。人工神經(jīng)網(wǎng)絡(luò)理論是一種典型的數(shù)學(xué)模型。它通過(guò)模擬人 類大腦的神經(jīng)分布及感應(yīng)，以實(shí)現(xiàn)智能化的機(jī)器決策。在利用神經(jīng)網(wǎng)絡(luò)對(duì)機(jī) 械設(shè)備故障進(jìn)行診斷時(shí)，首先采用原始故障數(shù)據(jù)集對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn) 練，并利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)際故障數(shù)據(jù)進(jìn)行診斷分析，最終確定故障 類型及位置。此外，人工神經(jīng)網(wǎng)絡(luò)還可以預(yù)測(cè)可能發(fā)生的故障，對(duì)每個(gè)零部 件的主要參數(shù)進(jìn)行分析計(jì)算，使用戶更好地了解到設(shè)備的使用情況，及時(shí)排 除機(jī)械設(shè)備可能存在的潛伏性故障，避免出現(xiàn)嚴(yán)重事故。但人工神經(jīng)網(wǎng)絡(luò)存 在容易陷入局部最優(yōu)解的問(wèn)題，而時(shí)下大熱的深度學(xué)習(xí)則逐漸取代神經(jīng)網(wǎng)絡(luò) 成為智能算法的主流。深度學(xué)習(xí)基于神經(jīng)網(wǎng)絡(luò)發(fā)展而來(lái)，常見的深度學(xué)習(xí)算 法包括卷積神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等，這些網(wǎng)絡(luò)也開始 被引入到機(jī)械設(shè)備的故障診斷中，并具有良好的效果。

1.4? 遠(yuǎn)程監(jiān)測(cè)診斷技術(shù)

在工程應(yīng)用中，機(jī)械設(shè)備各種參數(shù)的動(dòng)態(tài)信號(hào)往往通過(guò)傳感器來(lái)獲 得，為了使監(jiān)測(cè)所得的動(dòng)態(tài)信號(hào)與機(jī)械設(shè)備一一對(duì)應(yīng)，工程師會(huì)對(duì)機(jī)械設(shè) 備按順序編號(hào)。接著傳感器采集的信號(hào)通過(guò)無(wú)線網(wǎng)絡(luò)技術(shù)傳輸給機(jī)械設(shè)備 監(jiān)控中心的計(jì)算機(jī)服務(wù)器，根據(jù)動(dòng)態(tài)信號(hào)的時(shí)域和頻域分析結(jié)果，實(shí)現(xiàn)機(jī) 械設(shè)備運(yùn)行狀態(tài)的遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)功能。在對(duì)獲得的數(shù)據(jù)進(jìn)行時(shí)域分析時(shí)， 可以通過(guò)判斷時(shí)域信號(hào)中是否有周期性脈沖峰值等方法。但這類方法容易 受到機(jī)械設(shè)備運(yùn)行時(shí)周圍噪聲信號(hào)的干擾，不易判斷出機(jī)械設(shè)備的健康狀 態(tài)。而將時(shí)域信號(hào)通過(guò)頻譜分析轉(zhuǎn)換成頻域信號(hào)，可以有效減少噪聲對(duì)診斷的不良影響，把這些振動(dòng)信號(hào)的頻譜圖與健康狀態(tài)對(duì)應(yīng)的頻譜圖進(jìn)行比 對(duì)，以此判斷機(jī)械設(shè)備可能發(fā)生的故障類型。中心計(jì)算機(jī)服務(wù)器把發(fā)生故 障的機(jī)械設(shè)備動(dòng)態(tài)參數(shù)傳輸?shù)浆F(xiàn)場(chǎng)，操作人員以此為依據(jù)確定發(fā)生故障部 位并及時(shí)進(jìn)行檢修。

2 機(jī)械設(shè)備故障診斷與監(jiān)測(cè)的發(fā)展趨勢(shì)

2.1? 機(jī)械智能監(jiān)測(cè)

智能監(jiān)測(cè)被廣泛應(yīng)用在船舶制造、石油化工、電力設(shè)備和軌道交通等 領(lǐng)域，是較為先進(jìn)的機(jī)械設(shè)備故障診斷和監(jiān)測(cè)技術(shù)之一。智能檢測(cè)技術(shù)主 要針對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行故障診斷和監(jiān)測(cè)，智能監(jiān)測(cè)利用了高精度的數(shù)據(jù)采集 系統(tǒng)對(duì)機(jī)械設(shè)備的運(yùn)行數(shù)據(jù)進(jìn)行實(shí)時(shí)記錄，能夠?qū)C(jī)械的運(yùn)行狀態(tài)進(jìn)行實(shí) 時(shí)監(jiān)測(cè)。旋轉(zhuǎn)機(jī)械在工作中，泵和齒輪傳動(dòng)系統(tǒng)是主要的機(jī)械構(gòu)成部分， 在長(zhǎng)期的運(yùn)轉(zhuǎn)構(gòu)成中會(huì)出現(xiàn)部件的磨損和老化，有時(shí)也會(huì)出現(xiàn)螺栓的松動(dòng) 或軸對(duì)中偏移等情況，這常見的問(wèn)題發(fā)展到最后將會(huì)造成設(shè)備故障。當(dāng)設(shè) 備一旦被診斷出具有故障發(fā)生的可能性，智能監(jiān)測(cè)系統(tǒng)就會(huì)產(chǎn)生自動(dòng)報(bào) 警，在提示的同時(shí)通過(guò)數(shù)據(jù)分析判斷出故障產(chǎn)生的具體原因，避免故障的 發(fā)生導(dǎo)致生產(chǎn)環(huán)節(jié)的中斷，甚至能夠避免人員和設(shè)備的安全事故，起到降 低運(yùn)行和維護(hù)成本的作用。

2.2? 信息融合發(fā)展

在現(xiàn)代化科學(xué)技術(shù)迅猛發(fā)展下，人們對(duì)信號(hào)的獲取方式也是各種各 樣，而在對(duì)機(jī)械設(shè)備的故障信號(hào)獲取中，如何實(shí)現(xiàn)其特征信號(hào)的準(zhǔn)確和及時(shí) 獲取是研究重點(diǎn)。在對(duì)機(jī)械設(shè)備故障信號(hào)獲取中，不僅需要借助信號(hào)采集和 傳遞裝置進(jìn)行相應(yīng)信號(hào)的獲取和傳輸，且還需要通過(guò)信息融合的分析技術(shù)對(duì) 此類信號(hào)進(jìn)行有效處理，才能夠更好實(shí)現(xiàn)對(duì)機(jī)械設(shè)備的準(zhǔn)確診斷。在對(duì)信號(hào) 頻譜的分析中，對(duì)信號(hào)處理需要實(shí)現(xiàn)信息融合發(fā)展， 對(duì)傅里葉的變換、小波 變換等方式合理使用。通過(guò)傅里葉的變換，能夠在整個(gè)的頻域內(nèi)對(duì)信號(hào)成分 實(shí)現(xiàn)有效分析，但其不能同時(shí)對(duì)頻域以及時(shí)域進(jìn)行分析;但小波變換就能夠 同時(shí)對(duì)頻域以及時(shí)域進(jìn)行分析，特別擅長(zhǎng)對(duì)故障信號(hào)的時(shí)間與頻率方面細(xì)節(jié) 的分析， 實(shí)現(xiàn)對(duì)信號(hào)局部的特點(diǎn)突出表現(xiàn)，同時(shí)小波變換對(duì)非定常性瞬態(tài)變 化的信號(hào)特性能夠簡(jiǎn)單、有效分析，在實(shí)際的操作中并不需要借助數(shù)學(xué)的模 型就能夠?qū)π盘?hào)穩(wěn)定和迅速分析。在基于小波變換上，和神經(jīng)網(wǎng)格以及分形 理論結(jié)合，還可以進(jìn)一步實(shí)現(xiàn)可靠故障信號(hào)的獲取。

2.3? 網(wǎng)絡(luò)集成資源

近年來(lái)，局域網(wǎng)發(fā)展迅速，而且在工業(yè)控制方面起到了很大的作用， 尤其是在信息的收集和分析方面展現(xiàn)出了很大的優(yōu)勢(shì)。因此在未來(lái)的機(jī)械 設(shè)備故障診斷與監(jiān)測(cè)上，利用局域網(wǎng)技術(shù)，將信號(hào)監(jiān)測(cè)設(shè)備與計(jì)算機(jī)連接 起來(lái)，利用計(jì)算機(jī)強(qiáng)大的計(jì)算能力能夠使故障診斷分析更加準(zhǔn)確、迅速， 也能夠確保機(jī)械設(shè)備更加穩(wěn)定的運(yùn)行。

3 結(jié)束語(yǔ)

綜上所述，機(jī)械設(shè)備故障診斷與監(jiān)測(cè)在現(xiàn)代工業(yè)中有著舉足輕重的重 要作用，在傳統(tǒng)的機(jī)械設(shè)備故障診斷與監(jiān)測(cè)中，方法有很多，但是無(wú)論是 哪一種方法都有一定的局限性，因此在未來(lái)的發(fā)展過(guò)程中必須進(jìn)行更加深 入的研究，不斷的優(yōu)化和完善方法，在現(xiàn)代信息技術(shù)的推動(dòng)下，機(jī)械設(shè)備 故障與診斷技術(shù)的數(shù)字化、自動(dòng)化、智能化程度必然會(huì)不斷提高，機(jī)械設(shè) 備的運(yùn)行效率也會(huì)越來(lái)越高，對(duì)于企業(yè)設(shè)備管理水平的提高有很大幫助， 也更加有利于現(xiàn)代化工業(yè)的發(fā)展。

參考文獻(xiàn)：

[1]王光宇.機(jī)械故障診斷與監(jiān)測(cè)方法的研究[J].現(xiàn)代經(jīng)濟(jì)信息，2018，（24）：379.

[2]車立志，劉倩婧.機(jī)械設(shè)備故障診斷技術(shù)研究[J].煤礦機(jī)械，2020，37（3）：3-5.

[3]杜陽(yáng).機(jī)電設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究[J].環(huán)球市場(chǎng)，2019，（10）：172.

2923501705264