故障診斷技術(shù)綜述

1、精品故障診斷技術(shù)綜述一 引言故障診斷技術(shù)是一門(mén)緊密結(jié)合生產(chǎn)實(shí)際的工程科學(xué)，是現(xiàn)代化生產(chǎn)發(fā)展的產(chǎn)物。隨著現(xiàn) 代科學(xué)技術(shù)在設(shè)備上的應(yīng)用， 設(shè)備的結(jié)構(gòu)越來(lái)越復(fù)雜， 功能也越來(lái)越完善， 自動(dòng)化程度越來(lái) 越高， 由于許多無(wú)法避免的因素影響，會(huì)導(dǎo)致設(shè)備出現(xiàn)各種故障，從而降低或失去預(yù)定的功 能，甚至?xí)斐蓢?yán)重的乃至災(zāi)難性的事故。不言而喻，機(jī)械故障診斷技術(shù)在工業(yè)生產(chǎn)中起著 越來(lái)越重要的作用，生產(chǎn)實(shí)踐證明，研究故障診斷技術(shù)具有重要的現(xiàn)實(shí)意義。二 故障診斷技術(shù)的定義故障診斷技術(shù)就是在設(shè)備運(yùn)行中或基本不拆卸設(shè)備的情況下，掌握設(shè)備的運(yùn)行狀況，根 據(jù)對(duì)被診斷對(duì)象測(cè)試所取得的有用信息進(jìn)行分析處理，判斷被診斷對(duì)象的狀態(tài)是否

2、處于異常 狀態(tài)或故障狀態(tài)，判斷劣化狀態(tài)發(fā)生的部位或零部件， 并判定產(chǎn)生故障的原因， 以及預(yù)測(cè)狀 態(tài)劣化的發(fā)展趨勢(shì)等。 其目的是提高設(shè)備效率和運(yùn)行可靠性， 防患于未然， 避免故障的發(fā)生。三 故障診斷技術(shù)的構(gòu)成環(huán)節(jié)從故障診斷的流程看，通常診斷系統(tǒng)由信號(hào)采集、信號(hào)處理、狀態(tài)識(shí)別和診斷決策四大 部分構(gòu)成。其中，信號(hào)采集是基礎(chǔ)，信號(hào)分析和處理是關(guān)鍵，狀態(tài)識(shí)別(包括判斷和預(yù)報(bào))是核心，決策與管理是最終目標(biāo)。前3個(gè)環(huán)節(jié)是基本環(huán)節(jié)。1.信號(hào)采集信息采集的基本任務(wù)是獲取有用的信息。 這是故障診斷的基礎(chǔ)和前提， 監(jiān)測(cè)獲取到的有 用信息越多，監(jiān)測(cè)數(shù)據(jù)越真實(shí)，越容易判斷出故障原因。在運(yùn)行過(guò)程中，必然會(huì)有力、熱、 振動(dòng)

3、及能量等各種量的變化， 由此會(huì)產(chǎn)生各種不同的信息， 根據(jù)不同的診斷需要， 選擇能表 征設(shè)備工作狀態(tài)的不同信息，如振動(dòng)、壓力及溫度等，是十分必要的。這些信號(hào)一般是用不 同的傳感器來(lái)拾取的。只有采集到反映設(shè)備實(shí)際狀態(tài)的信號(hào)，診斷的后續(xù)工作才有意義，因 而信號(hào)采集是故障診斷技術(shù)中不可缺少的重要環(huán)節(jié)。(1) 常用的設(shè)備狀態(tài)監(jiān)測(cè)技術(shù)分類(lèi)1)振動(dòng)信號(hào)監(jiān)測(cè)技術(shù)對(duì)設(shè)備的振動(dòng)信號(hào)測(cè)試和分析， 能獲得機(jī)體、 轉(zhuǎn)子或其他零部件的振動(dòng)幅值、 頻率和相位3個(gè)基本要素，經(jīng)過(guò)對(duì)信號(hào)的分析、處理與識(shí)別，可了解到設(shè)備的振動(dòng)特點(diǎn)、結(jié)構(gòu)強(qiáng)弱、振動(dòng)來(lái)源、故障部位和故障原因， 為診斷決策提供依據(jù)。 故利用振動(dòng)信號(hào)診斷故障的技術(shù)較 為普

4、遍。2)聲信號(hào)監(jiān)測(cè)診斷技術(shù)聲信號(hào)監(jiān)測(cè)診斷技術(shù)包括： 噪聲診斷、 超聲波診斷和聲發(fā)射診斷技術(shù)。 其中噪聲的分析 與診斷通精品常有兩個(gè)目的：一是尋找機(jī)器發(fā)出噪聲的主要聲源，以便采取相應(yīng)措施降低噪聲； 二是利用噪聲信號(hào)判別故障。從噪聲信號(hào)中提取特征信號(hào)，可以檢測(cè)出故障的原因和發(fā)生故 障的部位。利用聲波信號(hào)進(jìn)行監(jiān)測(cè)與診斷故障的方法有： 聲音監(jiān)聽(tīng)法、 頻譜分析法及聲強(qiáng)法。3)溫度信號(hào)監(jiān)測(cè)診斷技術(shù)溫度參數(shù)在許多工業(yè)部門(mén)生產(chǎn)中很重要， 因?yàn)椴磺‘?dāng)?shù)臏囟茸兓馕吨鵁峁收系陌l(fā) 生。從被測(cè)設(shè)備的某一部分的溫度異常變化可以判斷設(shè)備是否存在故障。 溫度信號(hào)的測(cè)量技 術(shù)主要有物體溫度的直接測(cè)量和熱紅外線(xiàn)分析技術(shù)。4

5、)潤(rùn)滑油的分析診斷技術(shù)大部分機(jī)械設(shè)備運(yùn)動(dòng)部件的摩擦表面須加入潤(rùn)滑油來(lái)潤(rùn)滑， 當(dāng)潤(rùn)滑油流經(jīng)摩擦表面后會(huì) 產(chǎn)生一系列物理化學(xué)性能變化，于是攜帶了設(shè)備運(yùn)轉(zhuǎn)狀態(tài)的內(nèi)在信息。潤(rùn)滑油分析診斷技術(shù) 即監(jiān)測(cè)潤(rùn)滑系統(tǒng)中的某些物化特性， 從中獲取設(shè)備內(nèi)部的故障信息。 主要有： 油品的理化性 能分析技術(shù)、油樣所含磨損金屬顆粒的鐵譜分析技術(shù)以及潤(rùn)滑油的光譜分析技術(shù)。5)其他無(wú)損檢測(cè)診斷技術(shù)無(wú)損檢測(cè)是在不損壞工件或原材料工作狀態(tài)的前提下， 對(duì)被檢驗(yàn)部件的表面和內(nèi)部質(zhì)量 進(jìn)行檢查的一種測(cè)試手段。 可以檢測(cè)出設(shè)備、 零部件的表面及其材料內(nèi)部、 零部件之間的結(jié) 合部是否有缺陷，包括氣孔、夾渣、裂紋及腐蝕等缺陷。常規(guī)無(wú)損檢測(cè)方

6、法有：超聲檢測(cè)(UltrasonicTesting，UT)；射線(xiàn)檢測(cè)(RadiographicTesting，RT);磁粉檢測(cè)(Mag netic particle Testi ng,MT);滲透檢驗(yàn)(Pe netra ntTesti ng, PT);渦流檢測(cè)(EddycurrentTesting，ET)。非常規(guī)無(wú)損檢測(cè)技術(shù)有：聲發(fā)射(AcousticEmissio n,AE);泄漏檢測(cè)(Leak Test in g, LT); 光 全 息 照 相(OpticalHolography); 紅 外 熱 成 像(InfraredThermography); 微 波 檢 測(cè)(MicrowaveTes

7、ting)。2. 信號(hào)處理這是將采集到的信號(hào)進(jìn)行分類(lèi)處理、 加工, 獲得能表征機(jī)器特征的過(guò)程, 也稱(chēng)特征提取 過(guò)程。 信號(hào)處理是故障診斷技術(shù)的核心之一, 也是理論研究的熱點(diǎn)之一。 它實(shí)際上就是特征 量的選擇提取技術(shù),幾乎包括現(xiàn)代所有的信息處理技術(shù)所能提供的手段,如數(shù)字信號(hào)處理、 時(shí)間序列分析、 信息理論、 圖像識(shí)別及應(yīng)用數(shù)學(xué)等。頻譜分析技術(shù)是傳統(tǒng)的信號(hào)分析和處理 方法,如FFT分析、倒譜分析、短時(shí)傅里葉分析和WignerVille分布等,在傳統(tǒng)的工程中占有非常重要的地位。 但傅里葉變換和倒譜分析只適合平穩(wěn)信號(hào)的分析,而對(duì)于工程領(lǐng)域中廣泛存在的非穩(wěn)態(tài)信號(hào),雖然引入了傅里葉分析和WignerVil

8、le分布,但二者的分析能力并不理想。 近年來(lái)出現(xiàn)的小波分析、 幾何分形及混沌等新的信息處理技術(shù), 在診斷領(lǐng)域得到 了很好的應(yīng)用。小波分析作為“數(shù)學(xué)顯微鏡” ,具有很優(yōu)秀的“探微”能力,無(wú)論多么復(fù)雜 的信號(hào),只要選取適當(dāng)?shù)男〔? 進(jìn)行適當(dāng)次數(shù)的變換,就可以發(fā)現(xiàn)其中所包含的特征量。幾 何分形和混沌則模擬自然界的方式來(lái)處理信息。3. 狀態(tài)識(shí)別對(duì)設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)的目的就是要識(shí)別設(shè)備是否運(yùn)轉(zhuǎn)正常。 當(dāng)監(jiān)測(cè)出設(shè)備出現(xiàn)故障, 則 要判定屬于哪類(lèi)故障,故障的原因、 性質(zhì)、程度如何,因此設(shè)備診斷過(guò)程就是對(duì)設(shè)備運(yùn)行狀 態(tài)的識(shí)別過(guò)程。 狀態(tài)識(shí)別是將經(jīng)過(guò)信號(hào)處理獲得的設(shè)備特征參數(shù)與規(guī)定的允許參數(shù)或判別參 數(shù)進(jìn)行比較、

9、對(duì)比，以判斷機(jī)器的運(yùn)行狀態(tài)，是否存在故障及確定故障的性質(zhì)、類(lèi)別、部位 和原因，預(yù)測(cè)故障的發(fā)展趨勢(shì)。為此應(yīng)正確制訂精品相應(yīng)的判別準(zhǔn)則和診斷策略。 故障狀態(tài)識(shí)別 方法如下：精品(1)對(duì)比診斷法目前應(yīng)用較廣， 首先對(duì)多種工藝參數(shù)的多種信息進(jìn)行數(shù)據(jù)采集和存儲(chǔ)， 這些信息包括振 動(dòng)幅值、頻率、相位、轉(zhuǎn)速、位移、模態(tài)、溫度、壓力和流量等。然后建立相應(yīng)信息的數(shù)據(jù) 庫(kù)，同時(shí)作出趨勢(shì)分析等圖譜。 將機(jī)器設(shè)備正常運(yùn)行狀態(tài)的多種信息保存下來(lái)， 當(dāng)設(shè)備發(fā)生 故障時(shí)， 把當(dāng)前數(shù)據(jù)和正常運(yùn)行狀態(tài)的數(shù)據(jù)進(jìn)行比對(duì)， 再結(jié)合故障表現(xiàn)的信息特征， 利用診 斷知識(shí)，作出故障原因和故障狀態(tài)的判定。(2) 函數(shù)診斷法故障征兆和故障原因

10、之間存在著一定的函數(shù)關(guān)系，經(jīng)過(guò)對(duì)設(shè)備運(yùn)行參數(shù)的計(jì)算，可以預(yù) 測(cè)故障或者識(shí)別設(shè)備已經(jīng)存在的故障。這在設(shè)備設(shè)計(jì)階段也是必需的。(3) 模擬試驗(yàn)診斷法設(shè)備有很多故障，它表現(xiàn)的征兆與故障原因之間的關(guān)系是未知的或是不確定的，必須通 過(guò)模擬試驗(yàn)， 研究故障形成的機(jī)理和特征， 解答產(chǎn)生這種故障的原因， 提出表現(xiàn)這類(lèi)故障的 特征參數(shù)以及各種參數(shù)之間的定量關(guān)系等。(4) 故障樹(shù)診斷法故障樹(shù)分析不僅是可靠性設(shè)計(jì)的一種有效方法，也是故障診斷技術(shù)的一種有效方法。它 是從研究系統(tǒng)中最不希望發(fā)生的故障狀態(tài)出發(fā)， 按照一定的邏輯關(guān)系從總體到部件一層層地 進(jìn)行逐級(jí)細(xì)化， 推理分析故障形成的原因， 最終確定故障發(fā)生的最初基本原

11、因、 影響程度和 發(fā)生概率。分析步驟是：選擇頂事件。建立故障樹(shù)。求故障樹(shù)的結(jié)構(gòu)函數(shù)。定性分析。定量分析。(5) 模糊診斷法模糊數(shù)學(xué)能夠處理各種邊界不明的模糊集合的數(shù)量關(guān)系。因在機(jī)械設(shè)備故障分析中， 復(fù)雜的機(jī)械設(shè)備系統(tǒng)可能會(huì)出現(xiàn)各種故障， 大多數(shù)情況下， 故障原因和相應(yīng)癥狀之間的相互關(guān) 系，一般沒(méi)有明確的規(guī)律可循，常出現(xiàn)許多異常癥狀與故障程度之間邊界不明的模糊關(guān)系，因此很難甚至不可能用精確的數(shù)學(xué)模型來(lái)描述。利用模糊數(shù)學(xué)分析方法就能將各種故障及其 癥狀視為兩類(lèi)不同的模糊集合，它們之間的關(guān)系能夠用一個(gè)模糊關(guān)系矩陣來(lái)描述。 兩個(gè)模糊 集合中，集合之間的相互關(guān)系就可以映射來(lái)確定。(6) 神經(jīng)網(wǎng)絡(luò)診斷法人

12、工神經(jīng)網(wǎng)絡(luò)模型是在現(xiàn)代神經(jīng)生理學(xué)和心理學(xué)的研究基礎(chǔ)上， 模仿人的大腦神經(jīng)元結(jié) 構(gòu)特性而建立的一種非線(xiàn)性動(dòng)力學(xué)網(wǎng)絡(luò)系統(tǒng)，它由大量的簡(jiǎn)單的非線(xiàn)性處理單元高度并聯(lián)、 互聯(lián)而成。 利用計(jì)算機(jī)仿真， 并行處理信息， 具有對(duì)人腦某些基本特性的簡(jiǎn)單的數(shù)學(xué)模擬能 力。人工神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域的應(yīng)用主要集中在三個(gè)方面： 一是從模式識(shí)別角度應(yīng)用神 經(jīng)網(wǎng)絡(luò)作為分類(lèi)器進(jìn)行故障診斷； 二是從預(yù)測(cè)角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為動(dòng)態(tài)預(yù)測(cè)模型進(jìn)行故障 預(yù)測(cè)； 三是從知識(shí)角度建立基于神經(jīng)網(wǎng)絡(luò)的診斷專(zhuān)家系統(tǒng)。(7) 專(zhuān)家系統(tǒng)診斷法故障診斷專(zhuān)家系統(tǒng)，是人們根據(jù)長(zhǎng)期的實(shí)踐經(jīng)驗(yàn)和大量的故障信息知識(shí)，設(shè)計(jì)出一種智 能計(jì)算機(jī)程序系統(tǒng)， 以解決復(fù)雜

13、的難以用數(shù)學(xué)模型來(lái)精確描述的系統(tǒng)故障診斷問(wèn)題。 這種智 能程序與傳統(tǒng)的計(jì)精品算機(jī)應(yīng)用程序有著本質(zhì)上的不同。在專(zhuān)家系統(tǒng)中，求解問(wèn)題的知識(shí)已不再 隱含在程序和數(shù)據(jù)結(jié)構(gòu)中，而是單獨(dú)構(gòu)成一個(gè)知識(shí)庫(kù)。 每個(gè)知識(shí)單元描述一個(gè)比較具體的情 況，以及在該情況下應(yīng)采取的措施。 專(zhuān)家系統(tǒng)總體上提供了一種推理機(jī)制， 根據(jù)不同的處理 對(duì)象， 從知識(shí)庫(kù)中選取不同的知識(shí)元構(gòu)成不同的求解序列， 或者說(shuō)生成不同的應(yīng)用程序， 以 完成某一指定任務(wù)。 這種分離為問(wèn)題的求解帶來(lái)極大的便利和靈活性。 通常專(zhuān)家系統(tǒng)由五個(gè) 部分組成：知識(shí)庫(kù)、推理機(jī)、數(shù)據(jù)庫(kù)、解釋程序以及知識(shí)獲取程序。4. 診斷決策根據(jù)對(duì)設(shè)備狀態(tài)的判斷，決定應(yīng)采取的對(duì)策和

14、措施，同時(shí)應(yīng)根據(jù)當(dāng)前信號(hào)預(yù)測(cè)設(shè)備狀態(tài) 可能發(fā)展的趨勢(shì)，進(jìn)行趨勢(shì)分析。四 故障診斷技術(shù)的發(fā)展趨勢(shì)將當(dāng)前不斷發(fā)展的前沿科技運(yùn)用于設(shè)備故障診斷技術(shù)是故障診斷學(xué)的發(fā)展方向。 當(dāng)今故 障診斷技術(shù)的發(fā)展趨勢(shì)是傳感器的精密化、多維化，診斷理論、診斷模型的多元化，診斷技 術(shù)的智能化。隨著人工智能技術(shù)的迅速發(fā)展， 特別是知識(shí)工程、專(zhuān)家系統(tǒng)、 模糊邏輯和神經(jīng) 網(wǎng)絡(luò)在診斷領(lǐng)域中的進(jìn)一步應(yīng)用，故障診斷技術(shù)將得到更加深入與系統(tǒng)的研究。 具體來(lái)說(shuō)表現(xiàn)在如下方面：1. 融合現(xiàn)代人工智能，結(jié)合多種智能診斷技術(shù)現(xiàn)代智能技術(shù)包括專(zhuān)家系統(tǒng)、模糊邏輯、 神經(jīng)網(wǎng)絡(luò)及進(jìn)化計(jì)算等。 現(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，

15、隨著智能科技的不斷發(fā)展， 將多種不同的智能技術(shù)結(jié) 合起來(lái)的混合診斷系統(tǒng)， 是智能故障診斷研究的一個(gè)發(fā)展趨勢(shì)。結(jié)合方式主要有基于規(guī)則的 專(zhuān)家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合，實(shí)例推理與神經(jīng)網(wǎng)絡(luò)的結(jié)合，模糊邏輯、神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng) 的結(jié)合等。 其中，模糊邏輯、神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng)結(jié)合的診斷模型是最具發(fā)展前景的， 也是 目前人工智能領(lǐng)域的研究熱點(diǎn)之一。2. 采用最新的傳感技術(shù)，融合多元傳感技術(shù)一方面，采用最新激光測(cè)試技術(shù)。目前激光技術(shù)已在軍事、醫(yī)療等領(lǐng)域逐步走向成熟。完全可以將該項(xiàng)技術(shù)運(yùn)用于設(shè)備的故障監(jiān)測(cè)診斷中， 這樣可以獲得更加準(zhǔn)確的信息。 另一方 面，在進(jìn)行設(shè)備故障診斷時(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。這樣， 對(duì)設(shè)備可以進(jìn)行全方位、 多角度的監(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。3. 遠(yuǎn)程在線(xiàn)分布式全系統(tǒng)智能診斷系統(tǒng)基于互聯(lián)網(wǎng)的智能診斷系統(tǒng)是將設(shè)備診斷技術(shù)與計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)相結(jié)合，用若干臺(tái)中心 計(jì)算機(jī)作為服務(wù)器，在企業(yè)的關(guān)鍵設(shè)備上建立狀態(tài)監(jiān)測(cè)點(diǎn)，采集設(shè)備狀態(tài)數(shù)據(jù)；在技術(shù)力量 較強(qiáng)的科研院所建立分析診斷中心，為企業(yè)提供遠(yuǎn)程技術(shù)支持和保障。建立遠(yuǎn)程在線(xiàn)分布式 全系統(tǒng)智能診斷系統(tǒng)， 是計(jì)算機(jī)科學(xué)、 通信技術(shù)與故障診