機械設(shè)備的故障診斷與監(jiān)測研究綜述

梁彧

機械設(shè)備的故障診斷與監(jiān)測研究綜述

梁彧

（武漢理工大學(xué) 自動化學(xué)院，湖北 武漢 430070）

針對機械設(shè)備中的關(guān)鍵部件——滾動軸承、齒輪箱、電動機的故障診斷與監(jiān)測的發(fā)展現(xiàn)狀進行文獻綜述，總結(jié)該領(lǐng)域的研究現(xiàn)狀及主要方法。概述了機械設(shè)備中一些關(guān)鍵部件，比如軸承、齒輪箱、電動機的故障特點及故障形式，進而深入分析相應(yīng)的診斷難點，并結(jié)合國內(nèi)外相關(guān)文獻系統(tǒng)地介紹并比較了現(xiàn)有的針對機械設(shè)備關(guān)鍵部件的故障診斷與健康監(jiān)測方法，最后對該領(lǐng)域的發(fā)展方向進行了展望。

機械設(shè)備；故障診斷；滾動軸承；齒輪箱

近年來，隨著機械設(shè)備的運行環(huán)境逐漸復(fù)雜化，機械設(shè)備發(fā)生故障的概率顯著提高，一旦未能及時發(fā)現(xiàn)機械設(shè)備的局部故障問題，最終可能導(dǎo)致機械設(shè)備潛伏性故障逐漸發(fā)展以致整體性損壞的嚴重后果。在智能制造的背景下，對機械設(shè)備相關(guān)關(guān)鍵部件進行故障診斷和監(jiān)測成為一個值得思考的現(xiàn)實問題。因此，以下就機械設(shè)備故障診斷與監(jiān)測方法展開分析與探討。

1 機械設(shè)備故障診斷系統(tǒng)

機械設(shè)備往往利用分布式傳感器作為故障診斷系統(tǒng)的重要部分，實時監(jiān)測機械設(shè)備在工作狀態(tài)或相對靜止狀態(tài)下的信號，將之與監(jiān)測對象的歷史狀態(tài)相比對，通過數(shù)字信號處理等手段進一步分析和處理所獲信號，準確地確定故障的發(fā)生位置及故障類型，從而得以及時排除機械設(shè)備的故障。在早期，機械設(shè)備狀態(tài)監(jiān)測的方法主要包括振動監(jiān)測法、采樣分析法、測溫法及超聲波法等。對于絕大多數(shù)機械設(shè)備，以振動作為主要參考標準的診斷方法最為常見。

機械設(shè)備故障診斷系統(tǒng)主要分為兩大部分：①借助傳感器獲取振動等參考信號進行分析處理。傳感器技術(shù)依托電磁感應(yīng)等原理來測得機械設(shè)備的工作狀態(tài)參數(shù)，并將所得數(shù)據(jù)傳輸?shù)轿⑿陀嬎銠C中，接著微機將其與數(shù)據(jù)庫原始標準健康數(shù)據(jù)進行比對，初步診斷機械設(shè)備的狀態(tài)。但僅僅依靠傳感器是不行的，傳感器只能監(jiān)測電流、電壓、等有限的狀態(tài)參數(shù)，診斷效果較差。②智能診斷技術(shù)，這類技術(shù)基于第一部分所獲數(shù)據(jù)進一步分析處理，以計算機為載體實現(xiàn)一種與人類思維運算近似的智能診斷系統(tǒng)。它可以實現(xiàn)基于所測信號機理，設(shè)定診斷規(guī)則，進行特征提取、數(shù)字信號分析等功能，與傳統(tǒng)的簡單對比診斷相比，更加科學(xué)實用[1]。這類技術(shù)目前已經(jīng)相對成熟，且漸漸成為主流的應(yīng)用技術(shù)。

2 機械設(shè)備主要故障特點

機械設(shè)備是工業(yè)生產(chǎn)中不可或缺的一部分，其性能的優(yōu)劣與最終的生產(chǎn)能效直接掛鉤。機械設(shè)備由各種零部件組合而成。在長期的運轉(zhuǎn)過程中，它們會由于衰老退化而不可避免地出現(xiàn)故障問題，對機械設(shè)備的性能造成影響，導(dǎo)致生產(chǎn)效率降低。由于不同部件的作用、存在比例及故障特點有所差異，下面對機械設(shè)備中的關(guān)鍵部件逐一展開分析。

滾動軸承是旋轉(zhuǎn)機械的重要組成部分，它優(yōu)點眾多，比如潤滑冷卻迅速效率高等，因此在機械行業(yè)廣泛得到應(yīng)用。但它同時也是旋轉(zhuǎn)機械中最容易出現(xiàn)故障的部件之一，據(jù)有關(guān)統(tǒng)計顯示[2]，在旋轉(zhuǎn)機械故障中有近30%的故障是由于滾動軸承故障引起的，因此，深入研究滾動軸承的故障診斷方法具有重要意義。工程發(fā)現(xiàn)，疲勞損傷、腐蝕損傷、斷裂等原因都會導(dǎo)致滾動軸承損傷，不同原因?qū)е碌妮S承損傷所反映出的故障特征同樣存在差異，因此，如何在紛繁復(fù)雜的軸承故障中提取出反映軸承故障的一致性特征成為一個值得深入研究的切入點。

在機械設(shè)備中，用于提高主軸轉(zhuǎn)速的齒輪箱廣泛存在。在機械運行過程中，齒輪箱內(nèi)的齒輪常常會出現(xiàn)磨損斷裂的問題，如果不及時、有效地對這些故障進行處理，齒輪箱最終會失效。與滾動軸承的故障特點類似，齒輪箱和滾動軸承對應(yīng)相同故障類型例如斷裂所表征的故障特征具有相似性，對于需要較大數(shù)據(jù)量的深度學(xué)習(xí)等故障診斷方法，充分利用不同部件的相同故障類型數(shù)據(jù)進行診斷方法的訓(xùn)練是一個實用而有效的思路。

機械設(shè)備主要是由機械結(jié)構(gòu)和電動機兩部分組合而成，一旦電動機發(fā)生故障，機械設(shè)備將無法正常工作。電動機的故障類型可分為電氣故障與機械故障，其中機械故障包括發(fā)電機振動過大、軸承過熱、絕緣損壞、磨損嚴重等，與前面所述軸承、齒輪箱的故障有類似之處，而電氣故障與機械故障則存在較大差異，主要包括轉(zhuǎn)子/定子線圈短路、轉(zhuǎn)子斷條導(dǎo)致的斷路、發(fā)電機過熱等。在研究電動機的故障時，可以將其機械故障部分與軸承等的故障方法相聯(lián)系，而電氣部分的故障則可以更多從電路原理出發(fā)，探索不同的思路。

本文針對機械設(shè)備各關(guān)鍵部件的故障特點和故障類型進行分析，首先理清各種機械零部件產(chǎn)生故障的原因，從而引出合理選擇診斷方法是實現(xiàn)機械設(shè)備故障診斷及監(jiān)測的重要基礎(chǔ)。

3 機械設(shè)備的故障診斷方法

3.1 遠程監(jiān)測診斷技術(shù)

在工程應(yīng)用中，機械設(shè)備各種參數(shù)的動態(tài)信號往往通過傳感器來獲得，為了使監(jiān)測所得的動態(tài)信號與機械設(shè)備一一對應(yīng)，工程師會對機械設(shè)備按順序編號。接著傳感器采集的信號通過無線網(wǎng)絡(luò)技術(shù)傳輸給機械設(shè)備監(jiān)控中心的計算機服務(wù)器，根據(jù)動態(tài)信號的時域和頻域分析結(jié)果，實現(xiàn)機械設(shè)備運行狀態(tài)的遠程實時監(jiān)測功能。

在對獲得的數(shù)據(jù)進行時域分析時，可以通過判斷時域信號中是否有周期性脈沖峰值等方法。但這類方法容易受到機械設(shè)備運行時周圍噪聲信號的干擾，不易判斷出機械設(shè)備的健康狀態(tài)。而將時域信號通過頻譜分析轉(zhuǎn)換成頻域信號，可以有效減少噪聲對診斷的不良影響，把這些振動信號的頻譜圖與健康狀態(tài)對應(yīng)的頻譜圖進行比對，以此判斷機械設(shè)備可能發(fā)生的故障類型。中心計算機服務(wù)器把發(fā)生故障的機械設(shè)備動態(tài)參數(shù)傳輸?shù)浆F(xiàn)場，操作人員以此為依據(jù)確定發(fā)生故障部位并及時進行檢修。

3.2 專家診斷技術(shù)

專家系統(tǒng)作為一種智能化的計算機程序系統(tǒng)，在機械設(shè)備的故障診斷和運行狀態(tài)監(jiān)測中應(yīng)用廣泛。它充分利用專家的先驗知識，通過模擬人類思維的方法，對設(shè)備的動態(tài)參數(shù)變化作出專家級水平的診斷。專家診斷技術(shù)特別強調(diào)知識庫的儲備，它可以同時存儲不同領(lǐng)域?qū)＜业墓ぷ鹘?jīng)驗和相關(guān)知識，比如機械工程專業(yè)的專家知識、電氣工程專業(yè)的專家知識等，然后充分發(fā)揮計算機強大的記憶存儲能力和信息處理能力并建立對應(yīng)的知識庫，從而得到綜合多領(lǐng)域知識的專業(yè)診斷意見。專家診斷技術(shù)作為一種自動化監(jiān)測技術(shù)，可以對大型工程機械群進行統(tǒng)一的狀態(tài)監(jiān)測，從而實現(xiàn)集中調(diào)度現(xiàn)場工作的功能，大大提高了機械設(shè)備運維檢修的工作效率，并提高了監(jiān)測效率和準確性。

3.3 人工智能診斷技術(shù)

人工智能故障診斷技術(shù)，屬于計算機前沿科學(xué)領(lǐng)域，在國內(nèi)外已經(jīng)得到了廣泛的重視[3-4]。人工神經(jīng)網(wǎng)絡(luò)理論是一種典型的數(shù)學(xué)模型。它通過模擬人類大腦的神經(jīng)分布及感應(yīng)，以實現(xiàn)智能化的機器決策。在利用神經(jīng)網(wǎng)絡(luò)對機械設(shè)備故障進行診斷時，首先采用原始故障數(shù)據(jù)集對人工神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，并利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對實際故障數(shù)據(jù)進行診斷分析，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)測可能發(fā)生的故障，對每個零部件的主要參數(shù)進行分析計算，使用戶更好地了解到設(shè)備的使用情況，及時排除機械設(shè)備可能存在的潛伏性故障，避免出現(xiàn)嚴重事故。但人工神經(jīng)網(wǎng)絡(luò)存在容易陷入局部最優(yōu)解的問題，而時下大熱的深度學(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，常見的深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)、長短時記憶網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等，這些網(wǎng)絡(luò)也開始被引入到機械設(shè)備的故障診斷中，并具有良好的效果。中國研究員在2015年首次基于變速箱振動信號進行信號對故障敏感程度的分析，提出了基于卷積神經(jīng)網(wǎng)絡(luò)的變速箱故障識別方法。通過仿真數(shù)據(jù)的檢驗，說明該方法具有較高的可靠性，可用于對機械設(shè)備進行故障診斷。但深度學(xué)習(xí)網(wǎng)絡(luò)所學(xué)習(xí)的故障特征以及網(wǎng)絡(luò)的實際泛化能力仍有待進一步的工程檢驗。此外，模糊集故障診斷系統(tǒng)也是人工智能的技術(shù)類型之一[5]。模糊集理論的“模糊”主要是指事物本身的概念較為模糊，并不指方法具備隨機性。通過這一理論可以及時對故障類型及位置進行診斷。模糊控制理論是將經(jīng)典集合理論模糊化，并將語言變量和近似推理引入模糊控制邏輯 中[6]。但當前模糊集理論在處理復(fù)雜故障問題中的應(yīng)用并不突出，仍然有待進一步探索。

4 結(jié)論與展望

在智能制造的背景下，中國機械設(shè)備的故障診斷與監(jiān)測技術(shù)已經(jīng)接近國際水平，但是在普及和應(yīng)用程度上與國際水平尚存差距。本文首先介紹了機械設(shè)備故障診斷系統(tǒng)的組成部分，并對機械設(shè)備的故障機制及原理展開分析，總結(jié)不同機械零部件故障的一致性與差異性，最后引出機械設(shè)備故障診斷方法的發(fā)展現(xiàn)狀，并對智能方法在機械故障診斷中的進一步應(yīng)用進行了展望。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，機械設(shè)備故障診斷技術(shù)將不再是單參數(shù)的閾值比較，取而代之的應(yīng)該是基于信息集成、融合、分析、處理等技術(shù)的復(fù)雜監(jiān)測方法。

［1］周利，余愚.機械故障診斷中人工智能的應(yīng)用［J］.可編程控制器與工廠自動化，2007（7）：36，38-40.

［2］毛三華，余峰崗，史振帥，等.工程機械運行狀態(tài)自動化監(jiān)測研究［J］.現(xiàn)代制造技術(shù)與裝備，2020（5）：76-78.

［3］張玨.基于人工智能的工程機械故障診斷技術(shù)［J］.智能城市，2019，5（12）：192-193.

［4］鄧華偉.人工智能在機械設(shè)備故障檢測中的應(yīng)用［J］.內(nèi)燃機與配件，2020（11）：237-238.

［5］武迪，劉勇.人工智能技術(shù)在電氣自動化控制中的應(yīng)用淺析［J］.電子元器件與信息技術(shù)，2017，1（3）：4-6.

［6］劉晟，陳杰，龔志豪，等.基于動態(tài)查詢表的模糊控制策略及其應(yīng)用［J］.北京理工大學(xué)學(xué)報，2002，22（3）：347-350.

TH17

A

10.15913/j.cnki.kjycx.2021.01.061

2095－6835（2021）01－0153－02

梁彧（2000—），男，本科在讀，研究方向為工控與智能機器人。

〔編輯：張思楠〕