机械设备故障诊断技术研究汇总.doc

题目：机械设备故障诊断技术研究

学 号：
姓 名：
专 业：
指导教师：

2016 年 8 月 30 日

13

机械设备故障诊断技术研究
摘 要

故障诊断技术对于机械设备的安全运行有着至关重要作用，一直是工程应用领域的重点和难点, 国内外已经对此问题进行了大量的研究工作。该论文介绍了机械设备故障诊断技术的基本概念，在总结研究各种诊断技术的基础上全面分析了现代故障诊断技术存在的问题, 并针对这些问题提出了故障诊断领域将来的研究方向。故障诊断是一项实用性很强的技术, 对其进行理论上的分析研究具有重要的现实意义。
关键词：机械设备故障；诊断技术；研究

第一章 引言
随着现代科学技术在设备上的应用，现代设备的结构越来越复杂，功能越来越齐全，自动化程度也越来越高。由于许多无法避免的因素影响，会导致设备出现各种故障，从而降低或失去预定的功能，甚至会造成严重的以至灾难性的事故。国内外接连发生的由设备故障引起的各种空难、海难、爆炸、断裂、倒塌、毁坏、泄漏等恶性事故，造成了极大的经济损失和人员伤亡。生产过程中经常发生的设备故障事故，也会使生产过程不能正常运行或机器设备遭受损坏而造成巨大的经济损失。因此机械设备故障诊断技术在社会中的重要性越来越高，主要体现在[1]：
（1）预防事故，保证人员和设备安全。
（2）推动设备维修制度的改革。维修制度从预防制度向预知制度的转变是必然的，而真正实现预知维修的基础是设备故障诊断技术的发展和成熟。
（3）提高经济效益。设备故障诊断的最终目的是避免故障的发生，使零部件的寿命得到充分发挥，延长检修周期，降低维修费用。
因此，机械设备故障诊断技术日益受到广泛重视，对机械设备故障诊断技术的研究也不断深入。但受于机械设备故障成因的复杂性和诊断技术的局限性，目前机械设备故障诊断仍存在一些问题。

第二章 机械设备故障诊断技术概述

为了开展对机械设备故障诊断技术的研究，有必要对中外流行使用的有关术语作一些解释。
2.1 故障
在《设备管理维修术语》一书中，将故障定义为“设备丧失规定的功能” [2]。这一概念可包括如下内容：
①引起系统立即丧失其功能的破坏性故障。
②与设备性能降低有关的性能上的故障。 
③即使设备当时正在生产规定的产品，而当操作者无意或蓄意使设备脱离正常的运转时。  
显然，这里故障不仅仅是一个状态的问题，而且直接与我们的认识方法有关。一个确实处于故障状态的设备，但如果它不是处于工作状态或未经检测，故障就仍然可以潜伏下来，从而，也就不可能被人们发现。
设备故障按技术性原因，可分为四大类：即磨损性故障、腐蚀性故障、断裂性故障及老化性故障。
（1）磨损性故障
由于运动部件磨损，在某一时刻超过极限值所引起的故障。所谓磨损是指机械在工作过程中，互相接触做相互运动的对偶表面，在摩擦作用下发生尺寸、形状和表面质量变化的现象。按其形成机理又分为粘附磨损、表面疲劳磨损、腐蚀磨损、微振磨损等4种类型。
（2）腐蚀性故障 
按腐蚀机理不同又可分化学腐蚀、电化学腐蚀和物理腐蚀3类。化学腐蚀是指金属和周围介质直接发生化学反应所造成的腐蚀，反应过程中没有电流产生。电化学腐蚀是指金属与电介质溶液发生电化学反应所造成的腐蚀，反应过程中有电流产生。物理腐蚀是指金属与熔融盐、熔碱、液态金属相接触，使金属某一区域不断熔解，另一区域不断形成的物质转移现象。
（3）断裂性故障
可分脆性断裂、疲劳断裂、应力腐蚀断裂、塑性断裂等。脆性断裂可由于材料性质不均匀、加工工艺处理不当（如在锻、铸、焊、磨、热处理等工艺过程中处理不当，就容易产生脆性断裂）以及恶劣环境所引起。疲劳断裂可由于热疲劳（如高温疲劳等）、机械疲劳（又分为弯曲疲劳、扭转疲劳、接触疲劳、复合载荷疲劳等）以及复杂环境下的疲劳等各种综合因素共同作用所引起。应力腐蚀断裂是指一个有热应力、焊接应力、残余应力或其他外加拉应力的设备，如果同时存在与金属材料相匹配的腐蚀介质，则将使材料产生裂纹，并以显著速度发展的一种开裂。塑性断裂是由过载断裂和撞击断裂所引起。
（4）老化性故障 
上述综合因素作用于设备，使其性能老化所引起的故障。
2.2 诊断技术
机械故障诊断技术是一种了解和掌握机器在运行过程的状态，确定其整体或局部正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术[3]。机械故障诊断技术属于信息技术范畴，它是利用被诊断对象所提供的一切有用信息，经过分析处理，获得最能识别设备状态的特征参数，最后作出正确的诊断结论。

第三章 机械设备故障诊断技术研究现状

20世纪60年代初期，美国、日本和欧洲的一些发达国家相继开展了设备诊断技术的研究，主要应用于航天、核电、电力系统等尖端工业部门，自20世纪80年代以后逐渐扩展到冶金、化工、船舶、铁路等许多领域。
我国设备故障诊断技术在20世纪80年代初期主要应用于石化、冶金及电力等行业，进入20世纪90年代后，迅速渗透到国民经济的各个主要行业，交通、矿山、化工、能源、航空、核工业等行业先后开展了诊断技术的研究、开发与应用工作。特别是在石化、电力、冶金等行业，设备故障诊断技术的应用已经相当普及。仅在电力行业，目前已装配的国产监测与诊断系统已达近百套，其中有些系统的性能已达到或接近国际先进水平。
3.1 机械设备故障诊断技术分类
故障诊断是一门涉及信号处理、模式识别、人工智能、统计学、计算机科学等多个学科的综合性技术[4]。机械设备故障诊断技术概括地讲可以分为3类：基于信号处理的方法、基于解析模型的方法和基于知识的智能故障诊断方法[5]。 
3.1.1 基于信号处理的方法[6]
基于信号处理的方法是对设备工作状态下的信号进行诊断，当超出一定的范围即判断出现了故障。信号处理的对象主要包括时域[7]、频域以及峰值等指标。运用相关分析、频域及小波分析等信号分析方法，提取方差、幅值和频率等特征值，从而检测出故障。基于信号处理的方法主要有傅立叶变换、Wigner谱分析、小波变换等。这类新方法引入了一些较为先进的信息分析手段，弥补了传统分析方法存在的不足。缺点是故障分别率不高、信息来源不充分等。
3.1.2 基于解析模型的方法[8]
基于解析模型的方法是以诊断对象的数学模型为基础，按照一定的数学方法对被测信息进行诊断处理。主要有状态估计法、等价方程法和参数估计法等等。其优点是能深入系统本质的动态性质和实现实时诊断，缺点是系统模型未知、不确定或具有非线性时不易实现。
3.1.3 基于知识的智能方法 
20世纪80年代后期，随着人工智能和计算机技术的飞速发展，出现了基于知识、不需要对象精确数学模型的故障诊断方法，并成为故障诊断研究的主流和发展方向。故障诊断系统的智能主要体现在它能有效地获取、传递、处理、再生和利用诊断信息，具有对给定环境下的诊断对象进行正确的状态识别、诊断和预测的能力。
智能故障诊断方法主要包括： 
（1）基于专家系统的诊断方法[9]
专家系统（Expert System，ES）是一个具有专门知识与经验的程序系统，通常由知识库（Knowledge Base）、推理机（Inference Engine）、人机接口（Man-Machine Interface）等部分组成，是当前研究最多、应用最广的一类智能诊断技术。专家系统的优点有：可以用类自然语言方式来表达无法用数学模型表达的专家知识；能在特定领域内模仿专家工作，处理非常复杂的情况；在已知其基本规则的情况下，无需大量细节数据即可运行；能对系统的结论做出解释。专家系统擅长逻辑推理和符号信息处理，适用于复杂系统的故障诊断。然而专家系统自身的一些缺点限制了它的广泛应用，如知识获取的瓶颈问题。
（2）基于神经网络的诊断方法
人工神经网络[10]（Artificial Neural Network，ANN）是一种通过模拟人脑而建立起来的自适应非线性动力学系统，它具有自学性、容错性和并行计算能力，可以实现分类、优化、自组织、联想记忆和非线性映射等功能。它以分布式的方式储存信息，利用网络的拓扑结构和权值分布实现非线性的映射，并利用全局并行处理实现从输入空间到输出空间的非线性信息变换。对于非确定性的知识具有极强的处理能力，能够解决许多传统方法所无法解决的问题。然而，ANN的一些缺点限制了它的一些应用[11]，如网络结构难以确定、局部极小点等问题。
（3）基于模糊理论的诊断方法[12]
基于模糊理论的诊断方法不需要建立精确的数学模型，适当地运用隶属函数和模糊规则，进行模糊推理就可以实现模糊诊断的智能化。基于模糊理论的故障诊断方法主要是利用集合论中的隶属度函数和模糊关系矩阵的概念，解决故障与征兆之间的不确定关系。它可以处理故障诊断中的不确定信息和不完整信息，然而对复杂的诊断系统，要建立正确的模糊规则和隶属函数是非常困难的，而且需要花费很长的时间[13]。对于更大的模糊规则和隶属函数集合而言，难以找到规则与规则之间的关系。另外由于系统的复杂性、耦合性，由时域、频域特征空间至故障模式特征空间的映射关系往往存在较强的非线性，这时隶属函数形状不规则，只能利用规则形状的隶属函数来加以处理，从而使得非线性系统的诊断结果不理想。
除了上述理论和方法外，在故障诊断领域中，还有基于向量机的诊断方法，基于微粒群算法的诊断方法，基于灰色理论的诊断方法，基于云模型的诊断方法以及把各种诊断相结合的方法。
第四章 机械设备故障诊断技术存在问题及发展方向

设备故障诊断技术虽然取得了不少进展，有些方面已有较成熟的理论和方法 (如数字电路的故障诊断)，但仍有许多不足。特别是对复杂的大规模非线性系统故障诊断方法的研究更有待深入地探索。在技术方面，现有的不同等级和各种类型的故障诊断装置，能在不同程度上对被测对象进行故障诊断，但与实际的需求相比，还有相当大的距离。
4.1 机械设备故障诊断技术存在问题[14-15]
4.1.1 故障分辨率不高
由于设备越来越复杂，加上电路的非线性问题，使检测点和施加的测试信号受到限制，因此影响了可控性和可测性，同时造成故障诊断的模糊性和不确定性。
4.1.2 信息来源不充分
现有的诊断系统通常只搜集被测对象当前状态信息，而对其过去的状态和已做过的维护工作的信息、故障诊断系统本身的状态信息未加考虑。
4.1.3 自动获取知识能力差
知识获取长期以来一直是专家系统研制中的瓶颈问题，对于故障智能诊断系统来说也是如此。目前多数的诊断系统在自动获取知识方面表现的能力还比较差，限制了系统性能的自我完善、发展和提高。虽然一些系统或多或少地加入了机器学习的功能，但基本上不能在运行的过程中发现和创造知识，系统的诊断能力往往仅局限于知识库中原有的知识。
4.1.4 知识结合能力差
近年来，国外专家在对诊断与维修领域的专家系统研究中，越来越多地强调使用深知识。然而在如何将领域问题的基本原理与专家经验知识结合得更好，这方面所做的工作还很少，使得这些系统不能具备与人类专家能力相似的知识或能力，影响了系统发挥更大的效能。
4.1.5 对不确定知识的处理能力差
诊断系统中往往存在大量的不确定性信息，这些信息或是随机的、模糊的或是不完全的。如何对不确定性知识进行表达和处理，始终是诊断领域研究的热点问题。虽然有很多不确定性理论在实际的故障诊断专家系统中得到了较好地应用，但是这一问题仍未得到十分有效的解决，在有效、合理、使用的不确定性知识处理方面存在着巨大的研究潜力。
4.2 机械设备故障诊断技术发展方向
4.2.1 多源信息的融合
在设备运行过程中，可以利用的状态信息有很多，比如机械的振动，声响、温度、压力，电气的输出功率、转速和扭矩等，如何对这些大量的信息进行融合，消除多传感器信息之间可能存在的冗余和矛盾[16]，并加以互补，降低其不确定性，获得对故障设备的一致性描述，是今后故障诊断技术研究的重点方向。
4.2.2 经验知识与原理知识紧密结合
在复杂设备故障智能诊断系统中，只有将领域问题的基本原理与专家的经验知识相结合，才能更好地解决诊断问题。因此在建造知识库时，不仅要重视浅知识的表达和处理，也要重视深知识的地位和作用。在该类模型中，深知识和浅知识各自用对它们最适合的方法表示，并构成两种不同类型的知识库 (分别称为 “原理专家” 和 “经验专家” )，2 个知识库各有 1 个推理机构，这样它们在各自的权力范围内自成 1 个专家系统。这 2 个系统通过协调机制模块构成 1 个诊断特定问题的完整智能系统。
4.2.3 融合现代人工智能
现代智能方法在设备故障诊断技术中已得到了广泛的应用，随着智能科技的不断发展，将多种不同的智能技术结合起来的混合诊断系统，是智能故障诊断研究的一个发展趋势。结合方式主要有基于规则的专家系统与神经网络的结合，实例推理与神经网络的结合，模糊逻辑、神经网络与专家系统的结合等。其中，模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一。
4.2.4 远程在线分布式全系统智能诊断系统 
基于互联网的智能诊断系统是将设备诊断技术与计算机网络技术相结合，用若干台中心计算机作为服务器，在企业的关键设备上建立状态监测点，采集设备状态数据；在技术力量较强的科研院所建立分析诊断中心，为企业提供远程技术支持和保障。建立远程在线分布式全系统智能诊断系统[17]，是计算机科学、通信技术与故障诊断技术相结合的一种新的设备故障诊断模式。可以实现异地多专家对同一设备的在线协同诊断以及多台设备共享同一诊断系统，有利于诊断案例的积累，以弥补单个诊断系统领域知识的不足，提高诊断的智能化水平，促进诊断学的综合发展。

参考文献

[1].张伽，赵彬.机械设备故障诊断概述.价值工程，2010：1006-4311.
[2].中国机械工程学会设备维修学会.设备管理维修术语.机械工业出版社,1985.
[3].姚桂艳,孙丽媛,程秀芳,薛全会.机械故障诊断技术的研究现状及发展趋势. 河北理工学院学报，2005.
[4].王全先.机械设备故障诊断技术.华中科技大学出版社，2013.
[5].李炜伦，淑娴.设备故障诊断技术的现状及其发展.甘肃工业大学学报，1998.
[6].刘金伟，王俊玲.机械故障诊断技术的现状及发展趋势.科技创新与应用，2013.
[7].陈珊珊.时域分析技术在机械设备故障诊断中的应用.机械传动，2007： 1004-2539.
[8].臧大进，曹云峰.故障诊断技术的研究现状及展望.矿山机械，2010.
[9].陈安华，钟掘.机械故障诊断技术进展.湘潭矿业学院学报，1996.
[10]. 陈果.一种实现结构风险最小化思想的结构自适应神经网络模型[J].仪器仪表学报，2007，28 (10):1874- 1879.
[11].姚年春．基于神经网络的模拟电路故障诊断专家系统研究[D].南京：河海大学，2006.
[12]. 杨超，李亦滔.机械设备故障智能诊断技术的现状与发展华.东交通大学学报，2011.
[13].龚雪，张克仁.工程机械故障诊断技术的现状和发展趋势.建筑机械，2010.
[14].孙未，周李良，刘念聪．网络化设备故障诊断系统及其关键技术研究 [J]．机床与液压，2009，37(3)：185-188.
[15].鲁绪阁，范云霄，钱抗抗．设备故障诊断技术综述及其发展趋势[J]．矿山机械，2007，35(12)：15-17.
[16].赵宏伟，张清华，夏路易，邵龙秋.机械故障诊断综述.中国自动化学会论文集，1994-2012.
[17].孔宁．物联网资源寻址关键技术研究[D]．中国科学院研究生院(计算机网络信息中心)，2008.