【正文】 斷系統(tǒng)”，“風(fēng)機(jī)工作狀態(tài)監(jiān)測(cè)診斷系統(tǒng)”，均取得了可喜的成果 設(shè)備故障診斷技術(shù)的現(xiàn)狀 故障診斷的基本過(guò)程及內(nèi)容機(jī)械故障檢測(cè)診斷的基本過(guò)程(見(jiàn)圖1)包含兩方面內(nèi)容:(1)對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行檢測(cè)。(2)發(fā)現(xiàn)異常情況后對(duì)設(shè)備的故障進(jìn)行分析、診斷。其發(fā)展也經(jīng)歷了從簡(jiǎn)易診斷到精密診斷,從一般診斷到智能診斷,從單機(jī)診斷到網(wǎng)絡(luò)診斷的過(guò)程,發(fā)展速度愈來(lái)愈快。圖1 機(jī)械故障診斷基本過(guò)程 主要技術(shù)方法現(xiàn)狀根據(jù)系統(tǒng)采用的特征描述和決策方法,故障檢測(cè)診斷的方法概括起來(lái)分為:基于系統(tǒng)數(shù)學(xué)模型的故障診斷方法和基于非模型的故障診斷方法兩大類。 基于系統(tǒng)數(shù)學(xué)模型的故障診斷方法基于模型的故障檢測(cè)診斷技術(shù)是通過(guò)構(gòu)造觀測(cè)器估計(jì)出系統(tǒng)輸出,然后將它與輸出的測(cè)量值比較,從中取得故障信息。該方法能與控制系統(tǒng)緊密結(jié)合,是監(jiān)控、容錯(cuò)控制、系統(tǒng)修復(fù)和重構(gòu)的前提。是以現(xiàn)代控制理論和現(xiàn)代優(yōu)化方法為指導(dǎo),以系統(tǒng)的數(shù)學(xué)模型為基礎(chǔ),利用觀測(cè)器(組)、等價(jià)空間方程、濾波器、參數(shù)模型估計(jì)和辨識(shí)等方法產(chǎn)生殘差,然后基于某種準(zhǔn)則或閾值對(duì)該殘差進(jìn)行評(píng)價(jià)和決策。機(jī)械故障診斷與維修課程論文 基于非模型的故障診斷方法(1)基于可測(cè)信號(hào)處理的故障診斷方法 系統(tǒng)的輸出在幅值、相位、頻率及相關(guān)性上與故障源存在著某種關(guān)系,利用這種關(guān)系可確定系統(tǒng)的故障。常用的方法有譜分析、相關(guān)分析、功率譜分析和概率密度法。(2)基于故障診斷專家系統(tǒng)的診斷方法 專家系統(tǒng)是近年來(lái)故障診斷領(lǐng)域最顯著的成就之一,內(nèi)容包括診斷知識(shí)的表達(dá)、診斷推理方法、不確定性推理以及診斷知識(shí)的獲取等。隨著計(jì)算機(jī)科學(xué)和人工智能的發(fā)展,基于專家系統(tǒng)的故障診斷方法克服了基于模型的故障診斷方法對(duì)模型的過(guò)分依賴性,成為故障檢測(cè)的有效方法。(3)故障模式識(shí)別的故障診斷方法 這是一種靜態(tài)故障診斷方法,它以模式識(shí)別技術(shù)為基礎(chǔ),其關(guān)鍵是故障模式特征量的選取和提取。該方法分為離線分析和在線分析2 個(gè)階段。通過(guò)離線分析來(lái)確定表達(dá)系統(tǒng)故障狀態(tài)的特征向量集和以該特征向量集所描述的故障模式向量,由此形成故障的基準(zhǔn)模式集,并確定區(qū)分識(shí)別這些故障模式向量的判別函數(shù),然后通過(guò)在線診斷實(shí)時(shí)提取故障的特征向量,由判別函數(shù)對(duì)故障進(jìn)行分離定位。(4)基于故障樹(shù)的故障診斷方法 故障樹(shù)是表示系統(tǒng)或設(shè)備特定事件或不希望事件與它的各子系統(tǒng)或各部件故障事件之間的邏輯結(jié)構(gòu)圖,通過(guò)結(jié)構(gòu)圖對(duì)系統(tǒng)故障形成的原因做出總體至部分按樹(shù)狀逐漸地詳細(xì)劃分。這是一種圖形演繹法,把系統(tǒng)故障與導(dǎo)致該故障的各種因素形象地繪成故障圖表,較直觀地反映故障、元部件、系統(tǒng)及因素、原因之間的相互關(guān)系,也能定量計(jì)算故障程度、概率和原因等。(5)基于模糊數(shù)學(xué)的故障診斷方法 根據(jù)模糊集合論征兆空間與故障狀態(tài)空間的某種映射關(guān)系,由征兆來(lái)診斷故障。由于模糊集合論尚未成熟,通常只能憑經(jīng)驗(yàn)和大量試驗(yàn)來(lái)確定。另外因系統(tǒng)本身不確定的和模糊的信息,以及要對(duì)每一個(gè)征兆和特征參數(shù)確定其上下限和合適的隸屬度函數(shù),而使其應(yīng)用有局限性。但隨著模糊集合論的完善,相信該方法有較光明的前景。(6)基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷方法 是20世紀(jì)80 年代末90 年代初才真正具有實(shí)用性的一種故障診斷方法。由于神經(jīng)網(wǎng)絡(luò)具有原則上容錯(cuò)、結(jié)構(gòu)拓?fù)漪敯?、?lián)想、推測(cè)、記憶、自適應(yīng)、自學(xué)習(xí)、并行和處理復(fù)雜模式的功能,使其在工程實(shí)際存在著大量的多故障、多過(guò)程、突發(fā)性故障、龐大復(fù)雜機(jī)器和系統(tǒng)的監(jiān)測(cè)及診斷中發(fā)揮較大作用。設(shè)備檢測(cè)診斷技術(shù)的發(fā)展趨勢(shì)傳感器的精密化、多維化。診斷理論、診斷模型的多元化。檢測(cè)診斷技術(shù)趨于自動(dòng)化、數(shù)字化、智能化和綜合化。應(yīng)用軟件規(guī)范化。硬件專業(yè)化、標(biāo)準(zhǔn)化。診斷儀表與裝置趨向工程網(wǎng)絡(luò)系統(tǒng)發(fā)展。具體表現(xiàn)在以下幾方面:(1)研究和改進(jìn)傳感器與監(jiān)測(cè)儀器選取合適的參量以提高診斷的準(zhǔn)確度 與當(dāng)代最新傳感技術(shù)融合,研究開(kāi)發(fā)新型傳感器和監(jiān)測(cè)儀器,提高監(jiān)測(cè)技術(shù)水平。選擇最有效的參量是提高診斷準(zhǔn)確性的前提,高效多功能儀器對(duì)診斷設(shè)備的幾何量、物理量快速準(zhǔn)確的檢測(cè)與識(shí)別是研究故障診斷的基礎(chǔ)工作。(2)與最新信號(hào)處理方法相融合,開(kāi)展基于小波分析的故障診斷技術(shù)研究 小波分析是一種全新的信號(hào)尺度分析方法,其分析基函數(shù)是一系列尺度可變的簡(jiǎn)諧函數(shù),具有良好的時(shí)頻定性特性以及對(duì)信號(hào)的自適應(yīng)能力。機(jī)械設(shè)備故障診斷中由于設(shè)備零件結(jié)構(gòu)不同,產(chǎn)生的信號(hào)中含有大量的非平穩(wěn)成分,利用小波分析可把不同頻率信號(hào)分解到不同頻道的分解序列,從而為故障特征的提取而提供理論依據(jù),由于它具有時(shí)域和頻域局部化分析功能和可變分辨率的特點(diǎn),使之在分析瞬變信號(hào)時(shí)比傅立葉分析更具優(yōu)越性。(3)與非線性原理和方法及多元傳感技術(shù)的融合 現(xiàn)代化大生產(chǎn)要求對(duì)設(shè)備進(jìn)行全方位、多角 機(jī)械故障診斷與維修課程論文度的監(jiān)測(cè)與維護(hù),以便對(duì)設(shè)備的運(yùn)行狀態(tài)有整體的、全方面的了解。在進(jìn)行設(shè)備故障檢測(cè)診斷時(shí),可采用多個(gè)傳感器同時(shí)對(duì)設(shè)備的各個(gè)位置進(jìn)行監(jiān)測(cè),然后按照一定的方法對(duì)這些信息進(jìn)行處理。機(jī)械設(shè)備在發(fā)生故障時(shí),又往往表現(xiàn)為非線性特征,隨著混沌與分型幾何方法的日趨完善,這類問(wèn)題也必將得到進(jìn)一步解決。(4)與現(xiàn)代智能方法的融合 現(xiàn)代智能技術(shù)包括專家系統(tǒng)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算等?，F(xiàn)代智能方法在設(shè)備故障診斷技術(shù)中已得到了廣泛的應(yīng)用,隨著智能科技不斷發(fā)展,設(shè)備狀態(tài)的智能監(jiān)測(cè)和故障診斷將是故障診斷技術(shù)的最終目標(biāo)。(5)遠(yuǎn)程化、網(wǎng)絡(luò)化 設(shè)備故障診斷系統(tǒng)是針對(duì)一臺(tái)或同類型的某幾臺(tái)設(shè)備開(kāi)發(fā)的專用系統(tǒng),使用效率低,故障診斷知識(shí)、技術(shù)與信息不易共享,導(dǎo)致其開(kāi)發(fā)和維護(hù)費(fèi)用過(guò)高。工程實(shí)際中診斷規(guī)則的收集不夠全面,收集也困難,造成故障診斷系統(tǒng)中的診斷規(guī)則普遍很少,系統(tǒng)診斷能力低。當(dāng)系統(tǒng)出現(xiàn)嚴(yán)重或新的故障時(shí),無(wú)法快速、經(jīng)濟(jì)地利用各方技術(shù)力量解決問(wèn)題。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展,實(shí)現(xiàn)多專家與多系統(tǒng)的共同診斷,一種有效的解決途徑就是建立基于網(wǎng)絡(luò)的遠(yuǎn)程故障診斷與監(jiān)測(cè)系統(tǒng)。網(wǎng)絡(luò)化的遠(yuǎn)程設(shè)備故障診斷系統(tǒng)中儲(chǔ)存了多種設(shè)備的故障診斷知識(shí)和經(jīng)驗(yàn),可響應(yīng)不同監(jiān)測(cè)現(xiàn)場(chǎng)用戶的使用要求,不同的監(jiān)測(cè)現(xiàn)場(chǎng)可以與同一個(gè)診斷中心建立聯(lián)系 結(jié)束語(yǔ)隨著微電子、計(jì)算機(jī)、智能技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展,機(jī)械設(shè)備故障檢測(cè)診斷技術(shù)的準(zhǔn)確性會(huì)越來(lái)越高、操作使用越來(lái)越方便、在機(jī)械設(shè)備維修中會(huì)起著越來(lái)越重要的作用,它可以直接提高企業(yè)設(shè)備管理和維護(hù)水平,提高企業(yè)效益和國(guó)際競(jìng)爭(zhēng)力。參考文獻(xiàn)[1 ] 張斌,[j ].建筑機(jī)械化,2005(8):1468.[3 ] 陸春月,[j ].機(jī)械管理開(kāi)發(fā),2004 ,81(6):859 [5] 馬建倉(cāng),林其敖,[j].機(jī)械科學(xué)與技術(shù),1994,50(2):8590.[6] raper a m,hammondj expert systems approach to understanding signals and svstems[j].mechanical systems and sigmd processing,1988,2(2):153164.[7] 張曉彤等．故障診斷的應(yīng)用[c]．全國(guó)設(shè)備診斷技術(shù)學(xué)術(shù)會(huì)議一97(cmdtc97論文集)．北京：兵器工業(yè)出版社，1997．10：546—554．[8] 黃志堅(jiān),袁周,故障診斷與監(jiān)測(cè)實(shí)用技術(shù)[m].北京。機(jī)械工業(yè)出版社,2005.[9] zhang s，mathewj，ma l，etal．best basisbased intelligent machine fault diagnosis[j]．mechanical systems and sign processing．2005，19(2)：357370．[10] 張曉彤．診斷系統(tǒng)理論研究[j]．冶金設(shè)備，2001．[11] hart y of a fault diagnosis expert system for synthetic mining system hyaraulic support[j].jounralof coal science amp。 engineering,2000,6(1):7275.[12] qu l y x the holospectruma new method for rotor surveillance and diagnosis 1989(3)[13] arai m mapping abilities of threelayered neural networks 1989 [14] 張兆國(guó),[m].北京:中國(guó)農(nóng)業(yè)出版社,2003.[15] zdzislaw p．rough sets and intelligent data analysis[j]．information sciences，2002。147(14)：l一12． [16] 陳濤，屈梁生等．機(jī)械診斷的應(yīng)用[j]．機(jī)械工程學(xué)報(bào)，1997，33(3)[17] 陳進(jìn)．機(jī)械設(shè)備故障診斷技術(shù)的現(xiàn)狀與發(fā)展趨勢(shì)[j]．振動(dòng)工程學(xué)報(bào)，1998．機(jī)械故障診斷與維修課程論文[18] s j a halliwell vibration measurements on rotating machinery using laser doppler velocimeter 1994(3)[19] 楊叔子．設(shè)備診斷系統(tǒng)研究[j]．中國(guó)設(shè)備管理，1998．[20] p w hills vibrationbased condition monitoringthe learning issue 1996(8)[21] 劉曙光．遠(yuǎn)程測(cè)控技術(shù)[j]．國(guó)外電子測(cè)量技術(shù)，2001，(6)．[22] kung s j n an algebraic projection analysis for optional hidden units size and learning rates in backpropagation learning 1991 [23] venkat v．prognostic and diagnostic monitoring of plex systems for product lifecycle management: challenges and opportunities[j]．puters and chemical engineering．2005，29(6)：1 z53—1 263． [24] 陳明，李正華等．機(jī)械診斷技術(shù)[j]．機(jī)械工程學(xué)報(bào)，2002，31(3)