一種基于噪聲功率檢測的機械設(shè)備故障預(yù)測方法

狄增文

在新型故障預(yù)測的儀器出現(xiàn)之前，人們主要是利用聽聲音來辨別故障方式，這種方式因為其具有較為簡單的操作形式而被廣泛使用且流傳至今。而故障預(yù)測主要發(fā)生于危險事故發(fā)生之前，利用系統(tǒng)內(nèi)的主要方式來對整個單位內(nèi)將會發(fā)生危險情況的附件進行更替，將未來發(fā)生的故障現(xiàn)象直接扼殺在期初時間。對于這種新型故障的預(yù)測方式，國內(nèi)外的許多研究學(xué)者已經(jīng)得出許多有依據(jù)的研究結(jié)論，其中對于馬爾可夫理論而言，主要是指利用聲音來判斷故障發(fā)生的主要特點，主要是根據(jù)信號之間具有傳導(dǎo)性和高效率性，來更好地實現(xiàn)故障的預(yù)判，更好地發(fā)揮整個滾動軸承的作用。

1 故障診斷技術(shù)概念簡述

在使用故障診斷技術(shù)時，通常需要保持在一定的環(huán)境狀態(tài)下，利用信息收集儀器來對各種發(fā)生故障的信息與現(xiàn)象進行有效的收集，并對這些部件進行預(yù)估和評判，甚至有時候還能提前預(yù)測，可能會發(fā)生故障的具體地點，具有較強的科技性和智能化特點。這種故障診斷技術(shù)主要是可以利用信息的傳遞和傳導(dǎo)來提高故障診斷的速率并縮短時間，卻并不會給整個設(shè)備帶來實質(zhì)性的損失，能夠幫助操作人員更快的到達指定故障地點。這種故障診斷技術(shù)因為其具有較強的簡便性和優(yōu)越性而被廣泛使用到機器制造行業(yè)內(nèi)，能夠有效的提高機器的使用年限，還能夠為整個生產(chǎn)技術(shù)的未來發(fā)展提供有效的發(fā)展方向，降低安全事故以及故障發(fā)生的概率。

2 機械設(shè)備故障產(chǎn)生的原因

機械設(shè)備出現(xiàn)故障主要是由于機械中的部分零件不能完成規(guī)定的功能，導(dǎo)致設(shè)備運行出現(xiàn)問題，在設(shè)備的壽命年限之內(nèi)，設(shè)備使用的時間越長磨損就越嚴重，而且在設(shè)備長時間滿負載運行狀態(tài)下會存在超負荷工作的情況。目前機械設(shè)備故障出現(xiàn)的原因包括以下三點：第一，零件磨損長時間使用后零件的磨損程度和運行時間成正比，時間運行越長磨損程度就越大，當(dāng)設(shè)備運行到一定階段后，設(shè)備零件就會存在老化等狀況，從而無法滿足零件設(shè)計的功能，導(dǎo)致機械設(shè)備出現(xiàn)故障；其次，故障與維護，當(dāng)設(shè)備出現(xiàn)故障后，若不能按照程序完全操作，很容易給設(shè)備帶來更大的傷害，比如出現(xiàn)故障后立馬關(guān)閉設(shè)備很可能導(dǎo)致電流或電壓突變，讓比較脆弱的零件遭到破壞，而不科學(xué)的維護也會進一步損壞設(shè)備，比如維護不適當(dāng)、維護不足、不及時維護等；第三，超負荷工作，部分企業(yè)為了追求經(jīng)濟效益或其他的因素，讓機械設(shè)備長期超負荷工作，這會讓機械的使用壽命大大縮減，同時還會讓設(shè)備在使用期間出現(xiàn)頻繁的故障。

3 機械設(shè)備故障診斷與監(jiān)測的常用方法

3.1 紅外測溫法

紅外測溫法的主要優(yōu)越性就是可以對溫度進行檢測，而判斷具體故障的地點，這種分析方式主要使用的物理定律為黑體輻射，因為紅外線的原理與物體溫度之間呈現(xiàn)正比反向發(fā)展關(guān)系，操作人員可以根據(jù)紅外線的曲折程度來判斷故障地點，甚至還可以判斷磨損和破壞的程度。紅外線儀器可以具有遠程操作的特征，不用到故障地點，深入到機器內(nèi)部來進行檢測，具有較高的便捷性和簡單操作性。還能夠利用這種方式來對搜集到的數(shù)據(jù)信息進行有效的整理，對實際情況做一個真實的反應(yīng)，還能夠防止因外界天氣變化而產(chǎn)生的數(shù)據(jù)不穩(wěn)等狀態(tài)。

3.2 異常震動診斷技術(shù)

異常診斷震動技術(shù)主要檢測的目的則是機器設(shè)備在發(fā)生過程中出現(xiàn)的震動頻率變化，因為這種震動頻率每當(dāng)操作處于正常運行狀態(tài)下，就會保持一個穩(wěn)定的發(fā)展形式，操作人員也可以在頻率的記錄下來對整個操作設(shè)備進行有效的判斷。震動數(shù)據(jù)一旦超出合理范圍之內(nèi)，就需要引起操作人員的重視，因為這種與規(guī)律性誤差較大的現(xiàn)象，可能就會存在許多故障現(xiàn)象和問題，可以幫助維修管理人員及時到達檢修現(xiàn)場。異常震動診斷技術(shù)，還可以發(fā)揮監(jiān)督和監(jiān)測的作用，在整個設(shè)備運動過程中，可以做好震動頻率圖表的展示，對整個過程中的數(shù)據(jù)進行有效的收集和整理，以更加直觀的方式來向操作人員進行表達，這種診斷技術(shù)也因為其具體的優(yōu)越性而被廣泛使用，且獲得較高的社會信譽度。

3.3 噪聲故障的監(jiān)測法

噪聲故障監(jiān)測法主要的分析目標(biāo)是噪聲，對于日常生活中的居民而言，噪聲具有極大的干擾性，但是在機器運作過程中，免不了會出現(xiàn)許多噪音，這些噪音因為頻率的變化往往能透露出一些最根本的信息，操作人員就可以利用這些信息來確定機器設(shè)備是否處于故障狀態(tài)下。但是這種噪聲檢測方法的儀器，可能會受到外界影響而并不能確保順利安裝，而且也無法及時地收集到來自震動頻率內(nèi)的信號。造成故障的檢測方法在早期出現(xiàn)時，主要是利用聽診法來判斷故障信號，但是這種方式對于操作人員的知識水平和技術(shù)能力具有較高的要求，如果無法正確的發(fā)揮操作技能將會得到錯誤的診斷結(jié)果。而對于新型的聽診方式而言，對于操作人員的具體要求則大大降低，雖然依然會受到許多來自外界環(huán)境的干擾，而出現(xiàn)最終結(jié)果的誤差，但其精準(zhǔn)性已遠遠高于早期時代，也能夠?qū)τ谡麄€企業(yè)的發(fā)展具有促進作用。

3.4 借助常用儀表展開判斷

檢修人員可以借助合適的電工儀器，測出電路運行的基本參數(shù)，例如電壓，電流，電阻等等，然后再與設(shè)備正常運行的相關(guān)參數(shù)做出比較，由此來判斷故障產(chǎn)生的位置。具體來講，檢修人員可以使用電壓測量法，采用電壓分接測量或者電壓分段測量的形式，先把萬用表的轉(zhuǎn)換開關(guān)調(diào)撥到合適的測量檔位上，然后再針對產(chǎn)生故障的電路，檢測出負荷電壓或者是電器元件的電壓，并比較正常的運行數(shù)值。另外，檢修人員也可以使用電阻測量法，先把電氣設(shè)備的電源斷開，同樣把萬用表的開關(guān)調(diào)撥到合適的測量檔位上，如果線圈元件包含在測點間，那么電阻的數(shù)值就代表著線圈電阻，如果電阻數(shù)值比線圈電阻值大，那么就可以判斷出現(xiàn)了接線接觸不良的問題。如果待測電路之間只有導(dǎo)向和觸點，測得的電阻值就應(yīng)當(dāng)是0。如果測得的電阻無窮大，那么就意味著電路呈現(xiàn)出了斷開的狀態(tài)。同時，檢修人員可以利用短期測量法，在電路帶電的狀態(tài)下，針對所懷疑的斷路或者是接觸不良的部位，使用絕緣性能優(yōu)越的導(dǎo)線展開短接，如果短期之后線路能夠通電，那么表明該處線路為斷路

4 技術(shù)路線

在使用機械故障聲信號的方式時，會受到來自外界環(huán)境的影響而出現(xiàn)許多不便。本文則會利用傅里葉算法模型來進行具體的分析，并提出主要的解決方式。在這里，我們主要是利用三種提取方式來表達，做好三樣特征的信號取樣，但是在實際的信號采集時，可能由于無法及時的標(biāo)注來源與分類，就會造成后期數(shù)據(jù)分析時出現(xiàn)許多誤差現(xiàn)象。在解決這一問題時，可以使用卷積神經(jīng)網(wǎng)絡(luò)模型，不僅能夠?qū)⑿盘栆灶悇e來進行輸出和標(biāo)注，還能夠降低因其他環(huán)境干擾而出現(xiàn)的影響。在實驗的后期，通過對實驗結(jié)果進行闡述和分析之后將進行最終的結(jié)論。

5 特征量的計算

頻譜分析是設(shè)備故障診斷應(yīng)用中常見的信號處理方法之一，故障的發(fā)生、發(fā)展往往會引起信號頻率結(jié)構(gòu)的變化。此部分工作在麥克風(fēng)端的小型處理器上進行，可以大幅度減少傳輸數(shù)據(jù)需要的成本。由于麥克風(fēng)直接錄制到的聲音內(nèi)摻雜有較多來自較遠部件的噪聲及環(huán)境本底噪聲，需要對原始信號進行濾波。在2000Hz 以下頻段，存在較為明顯的特征譜線，而2000Hz 以上頻段，白噪聲占據(jù)了音頻的絕大部分。因此使用低通濾波器對2000Hz 以上頻段的噪聲濾波，去掉高頻部分的白噪聲，提高有效信號占比。對濾波后的信號進行標(biāo)記，計算得出聲波攜帶的功率，由于需要將48000Hz 的聲音信號轉(zhuǎn)化成24Hz 的聲波功率特征值，每一時間點的聲波功率將由2000 個采樣點的原始信號計算得出。最終計算出的功率E 來源主要為環(huán)境本底噪聲和部件運轉(zhuǎn)噪聲，如果設(shè)備內(nèi)出現(xiàn)松動類故障，通常表現(xiàn)為噪聲功率偏離正常值，或出現(xiàn)震蕩現(xiàn)象。因此分析聲波攜帶的功率，即可實現(xiàn)對松動類故障的檢測。

6 機械設(shè)備故障診斷與監(jiān)測發(fā)展趨勢

6.1 機械設(shè)備維修管理制度的專業(yè)化

在我國機械設(shè)備管理工作中仍然沿用傳統(tǒng)的管理模式，這種管理方式雖然設(shè)備故障和安全事故的產(chǎn)生數(shù)量減少，同時也因人員操作水平不過關(guān)而無法正常發(fā)揮管理模式的作用，甚至由于管理人員采用的方法不恰當(dāng)而導(dǎo)致設(shè)備經(jīng)常存在故障，使得設(shè)備的使用壽命大量縮短。因此，企業(yè)要重視對管理人員進行定期培訓(xùn)和考核，保障管理人員對設(shè)備的使用技能和維修技術(shù)水平能夠不斷提高，從而保障員工綜合素養(yǎng)在不斷進步。另外，通過構(gòu)建完善的管理制度來合理分配管理人員的工作，保障機械設(shè)備的高效管理。

6.2 信息融合發(fā)展

隨著科學(xué)技術(shù)進步的發(fā)展，人們在進行信號的獲取和收集時，采用的方式逐漸智能化，甚至還可以在強烈的外界干擾環(huán)境下，篩選出許多對于自身發(fā)展具有重要意義的信號。但是如何從眾多信號中篩選出更加重要的信息是當(dāng)前許多研究學(xué)者主要的研究考題。在對機器設(shè)備進行診斷時，可以使用信號判斷的方式，但是操作設(shè)備需要集中于信號采集設(shè)備和傳導(dǎo)裝置上，并且還要對后期的信息進行篩選和剔除之后才能夠得以應(yīng)用。而操作人員在對各類信號的頻譜進行研究時，可以利用傅立葉的具體研究結(jié)果，來進行整個領(lǐng)域內(nèi)的實際分析，拓寬研究領(lǐng)域的方式。數(shù)學(xué)模型往往對信號分析具有一定的輔助作用，但不能得到百分之百的精準(zhǔn)結(jié)果，能在一定區(qū)域內(nèi)擴大研究領(lǐng)域和信息的精準(zhǔn)性，利用更為精確的數(shù)據(jù)分析，來得到對自身發(fā)展有用的信號。其中的小波變化操作方式，就可以改變一定的頻率領(lǐng)域，能夠?qū)⒐收闲盘柡驼Ｐ盘柕靡詤^(qū)分，還可以運用各種信號的不同和差異，來得到最終的分形理論結(jié)論。

6.3 使用人工智能神經(jīng)網(wǎng)絡(luò)來進行故障診斷

人腦領(lǐng)域的研究一直是當(dāng)前人們在社會發(fā)展過程中的主要問題，在對于人腦特點和虛擬化方式進行有效分析之后可以發(fā)現(xiàn)，許多大腦優(yōu)越特點可以與人工智能神經(jīng)網(wǎng)絡(luò)進行互通與融合，從而可以形成一定方式的人工智能技術(shù)判斷故障的方式，而且在投入使用之后，可以具有良好的效果。這種判斷能力中采用和使用的人腦虛擬特點主要有大腦皮層內(nèi)部的敏感性和較強的適應(yīng)能力，還能夠利用較強的組織紀(jì)律性來適用更多繁雜的學(xué)習(xí)，這些技術(shù)的研究，對于當(dāng)前的科研成果發(fā)展而言，具有一定的挑戰(zhàn)性，但是依然可以將這種精確化的顯著特征投入到后期的發(fā)展應(yīng)用中。人工智能神經(jīng)網(wǎng)絡(luò)設(shè)備具有較高的容錯率，對于發(fā)生的故障問題，可以進行及時分析后，將其中的優(yōu)點篩選出來，可供后期參考，而且可以較為客觀和平等的評價方式，來對整個結(jié)果進行有效的測評。后期的操作和診斷結(jié)果也不會因為前期的干擾而出現(xiàn)許多誤差，對于推動當(dāng)前整體故障診斷技術(shù)具有重要作用。

6.4 灰色系統(tǒng)診斷

在機械設(shè)備系統(tǒng)具有大量歷史故障統(tǒng)計數(shù)據(jù)的情況下，采用傳統(tǒng)經(jīng)典概率統(tǒng)計法進行故障診斷處理較為有效，但對于數(shù)據(jù)量少的信息機械設(shè)備系統(tǒng)的分析則較為棘手。而大多數(shù)處于運行中的機械設(shè)備都具有信息的灰色系統(tǒng)的特征,因此需要用已知的信息去分析這個含有未知信息的系統(tǒng)特征、狀態(tài)和發(fā)展趨勢,從而達到對整個機械設(shè)備系統(tǒng)狀態(tài)獲取的目的。而灰色系統(tǒng)診斷的目的就是對“信息貧乏”或存在大量“不確定信息”的機械設(shè)備系統(tǒng),作不同因子間的量化、序化，進行有參考系的、有測度的比較,進行故障分析。機械設(shè)備故障灰色系統(tǒng)診斷的實質(zhì)是對故障模式的識別,采用灰關(guān)聯(lián)分析方法,通過設(shè)備故障與某參考模式之間的接近程度,進行狀態(tài)識別與故障診斷。其優(yōu)勢在于建模簡單、所需數(shù)據(jù)少，對解決少數(shù)據(jù)、弱條件下機械設(shè)備故障診斷具有普適性。但需要注意的是,在機械設(shè)備故障分析中運用灰色系統(tǒng)診斷技術(shù)時，正確合理選取被診斷對象的特征參數(shù)及建立參考狀態(tài)模式是關(guān)鍵之舉。

6.5 構(gòu)建機械設(shè)備運行狀態(tài)的數(shù)據(jù)庫

數(shù)據(jù)庫作為各大工業(yè)生產(chǎn)的主要信息儲存的設(shè)備，一旦發(fā)生故障問題和現(xiàn)象時，可能會帶來許多無法估量的經(jīng)濟損失，這時就需要人們投入更多的精力和資金在研究數(shù)據(jù)庫的故障診斷方面，將后期的處理和維修時間縮短到最佳時段。對于當(dāng)前的數(shù)據(jù)庫診斷技術(shù)分析而言，主要包含數(shù)據(jù)庫的自我檢修和故障檢測理論兩種方式，在數(shù)據(jù)庫自身無法得到最終的檢測結(jié)果時，就需要人們利用分析模型來進行良好的問題判斷。在實際操作過程時，機電運行裝置可能會因為預(yù)測的精準(zhǔn)性和操作的經(jīng)驗來進行科學(xué)合理的預(yù)測，能夠?qū)l(fā)生故障的時間和具體位置限制在較小的范圍內(nèi)，為后期維修操作人員節(jié)約時間，保持整個數(shù)據(jù)庫處于長期且穩(wěn)定的運行狀態(tài)下，還能夠有效的降低因外界環(huán)境的干擾，出現(xiàn)的許多故障問題。數(shù)據(jù)庫自身的判斷模擬和外界判斷方式之間的相互融合和互通協(xié)作，可以對后期預(yù)警裝置和體系進行一定的輔助，在保障后臺技術(shù)人員安全性的同時，來提高整個維修檢測的效率與質(zhì)量，對于發(fā)現(xiàn)的問題能夠及時的將其消滅在初期時段，還能夠為未來人員的操作提供良好的經(jīng)驗可供參考，幫助整個行業(yè)拓寬未來的發(fā)展方向。

6.6 提高機電維修人員的素質(zhì)

技術(shù)人員要有好的專業(yè)素養(yǎng)才能夠做好故障診斷。通常來說，機械設(shè)備的故障類型很多，相關(guān)單位工作人員要做好維修養(yǎng)護工作及專業(yè)養(yǎng)護操作，明確傳感器及儀表的具體維修內(nèi)容，維修人員結(jié)合相應(yīng)的具體要求，做好維修養(yǎng)護。提升維修人員本身的專業(yè)素養(yǎng)，能更好把控故障維修以及效率。企業(yè)應(yīng)招聘有專業(yè)素養(yǎng)、專業(yè)水平的員工，保證整個維修隊伍的專業(yè)性。

7 結(jié)語

綜上所述，故障診斷技術(shù)在當(dāng)前企業(yè)生產(chǎn)過程中被廣泛使用，通過故障智能技術(shù)能讓繁瑣的設(shè)備拆裝工作被直接省去，減少檢修時間，讓企業(yè)的生產(chǎn)效率得到有效提高，同時還減少了故障停機對生產(chǎn)經(jīng)營的經(jīng)濟損失。因此，為了有效保障企業(yè)的生產(chǎn)效率和經(jīng)濟效益，企業(yè)有關(guān)部門需要重視機械設(shè)備的維修管理工作，保障設(shè)備正常運行，不斷優(yōu)化發(fā)展故障診斷技術(shù)。