论文部分内容阅读
摘 要： 故障的发生和发展、设备工况的变化等，都会使机电设备的动态信号表现出非平稳性和强噪声特性，給故障诊断带来困难。本论文以机电设备为对象，对其故障诊断方法及维修技术要点进行了分析与探究。
关键词： 机电设备；故障诊断；维修技术
现代机电系统自动化水平日益提高，系统的规模逐步扩大，系统构成更加复杂，其子系统的关联程度越来越密切，同时，故障发生的可能性大大增加，表现方式也各式各样，并且一个故障源可能引起链式反应，导致更大故障发生，这些特点给机电设备故障诊断带来了前所未有的困难。同时，对于机电设备的安全稳定运转、故障的早期预测、推行预知维修管理、减少由于故障和维修带来的经济损失成为现代企业追求的目标。为此，找到合适的故障诊断方法是研究的主要方向。
一、机电设备故障的概况
机电设备是工程建设至关重要的施工工具。保证机电设备使用正常化，是机电设备管理的主题和中心任务。因此，如何加强机电设备故障诊断能力，充分发挥机电设备效能，挖掘机电设备的潜力，具有重要的现实意义。
1、所谓机电设备故障是指机电设备的各项技术指标偏离了它的正常状态，引起部分功能或全部功能瘫痪的现象。机电设备耐用性与使用时间呈相关关系，机械使用时间越长，其技术状况恶化的可能性越高，同时，故障发生的可能性也越大。
2、机电设备故障的发生具有随机性，在生产过程中，很难把握故障发生的确切时间。因此，研究机电设备故障发生的规律和特性具有重要意义，通过对机械运行趋势的预测，制定对应的维修措施，保证生产顺利进行，建立科学的检修、维修体系。
二、机电设备故障诊断方法
1、近似推理算法
目前已经提出了多种近似推理算法，这些算法都采取一定的方式在运行时间和推理精度上寻求一个折中，力求在较短的时间内得到一个满足精度要求的结果，这些算法随着计算时间的增长，其计算精度越高。目前近似推理算法主要分为两大类：
（1）机模拟方法。模拟方法又称为 Monte Carlo 法。该方法首先对贝叶斯网络表示的联合概率分布进行随机抽样，以产生足够的样本，然后根据这些样本，通过频率计算来获得变量的概率值，而不是直接利用联合概率分布进行计算。基于仿真的方法需要设计一套能够以最快的速度产生满足统计计算的样本的采样算法，当前提出采样方法主要有：Forward Sampling、Backward Sampling、ImportanceSampling 和 Markov chain Sampling。
（2）基于搜索的方法。基于搜索的方法假定概率问题是一类组合问题，所以可以将所需要计算的各个变量的不同组合看作一个状态空间，在这个状态空间中有些状态对最后的计算结果会产生较大影响，而另外一些状态则影响甚微。由此，可以通过启发搜索的方法，在整个状态空间中进行搜索，寻找那些对计算结果影响较大的状态。然后用这些状态代替整个状态空间参与运算，以达到提高计算效率的目的，并且在计算结束时能够给出一个较精确的解答。
2、基于贝叶斯网络的机械故障诊断模型与诊断推理
根据对机械故障诊断的认识，机械故障可以通过若干属性来描述，这些属性变量集的各种取值组合就构成了该故障的状态空间。这些属性变量之间存在着一定的系（独立或者依赖），根据以往的研究我们可以把这些属性划分为故障征兆和故障原因，所以通过对它们的研究可以得到故障的知识表示模型。在不确定的环境下，故障原因和故障征兆往往含有几个状态。比如，一个故障征兆可能有三种状态：极高，偏高，正常。我们可以用一个多值变量来表示这种多值命题。而贝叶斯网络作为一种模拟人类推理过程中因果关系的有向图，其节点就是一个多值变量，此外贝叶斯网络还具有一个表示条件独立性的自然方式――由有限个节点构成有向无环图网络结构，因而我们可以利用贝叶斯网络的基本元素描述机械故障诊断知识。
（1）网络节点与网络结构。用网络结构中的节点可以表示故障诊断领域中的故障征兆和故障原因，在节点间的有向连接弧表示征兆与原因之间可能的因果关系。故障征兆和故障原因的状态多为二元状态，即其取值只为 1 或者0，分别表示相应的故障和征兆是否出现。故障原因和故障征兆各自构成两个样本集，且两个样本集中的元素是相互独立的，即故障之间或故障征兆之间是无必然的因果关系。但是这并不意味着它们相互排斥，即一台机组可以同时发生几种不同的故障，同样多个故障征兆的出现也是正常的。根据故障征兆与与故障原因之间的因果关系，我们可以用有向弧线将相关的节点联系起来，构成贝叶斯网络的有向无环图结构。图形化的结构可以更加清晰的表达出领域专家对设备故障状态的认知，符合人类的思维形式。
（2）条件概率表。贝叶斯每一节点都附有与该变量相联系的条件概率分布函数，如果变量是离散的，则它表现为给定其父节点状态时该节点取不同值的条件概率表 CPT。CPT 表明了故障原因与故障征兆之间的概率依赖关系，是对故障诊断知识进行定量描述。由此可见，贝叶斯网络可以对故障诊断领域数据变量间潜在关系进行定性定量的描述，它图形结构指定了一组条件关系独立关系声明和用于刻画概率依赖强度的条件概率的数值。由于贝叶斯网络表示了因果过程的总体结构，故它可被看做是拥有许多不同组合的一个抽象知识库。它的语义可以从两个方面来理解，其一是将网络看作一种联合概率分布的表示，即贝叶斯网络完整紧凑地表示了网络中各变量的联合分布概率。其二是将网络看作条件独立关系声明集合的一种表示。这两种观点实质上是等价的，而且在贝叶斯网络的表达、学习、推理算法中得到了统一。
三、机电设备维修技术要点
1、维修工作的切入点
维修工作的开展需要找准切入点。机电设备在进行维修时应该从具体的点进行切入，比如设备在性能上的特点以及设备在结构方面的原理等，这些都可以正常地维修机电设备。找准了切入点，同时还应该设置定期或者日常检查的步骤、范围以及需要注意的相关事项等。在检查机电设备时，可以按照具体的方法来分析故障，比如仪器测量的方法、经验推断的方法以及通过感观直接判断的方法等。这其中会涉及到各种各样的状况，比如一些小修、中修或者大修的情况，应该按照具体的情况有步骤、有计划的进行。
2、维修设备的关键点
（1）科学处理例行检查和日常生产之间的关系。一些企业的管理者可能会认为维修和检查设别会花费很长的时间，需要一定的人力、物力与财力。因此，他们对于机电设备的态度往往是，只要设备还能够将就着运转，就直接不进行相应的检查和维修，长此以往导致机电设备常常会需要带病工作，最终导致设备出现不必要的故障，严重的还会诱发一些安全方面的事故。这无疑严重影响到了企业的发展节奏。
（2）科学的处理计划检修和预防为主间的关系。所谓预防即在维修设备之前做好相应的前期工作。这一般都是通过定期性修理和状态检测两种方式，有针对性的提前处理检测和预判性的问题。实现按照计划来检修需要保证在保养、理性维护以及日常巡检的基础上。只有这样才能保证设备的性能、降低故障发生率，从而延长设备使用的寿命。
四、结束语
综上所述，在工程建设中机电故障对于人们的生产、生活会产生极大影响，所以应当合理选用机电设备故障诊断方法，做好各项维修工作。只有这样才能确保机电设备的安全运行，才能保障广大人民的生命财产安全。
参考文献
[1]何正嘉；訾艳阳；孟庆丰等；机械设备非平稳信号的故障诊断原理及应用[M]；北京：高等教育出版社；2011
[2]伦冠德.机械设备故障检测诊断技术现状与发展[J].拖拉机与农用运输车，2007，（03）.
[3]杨晓川，谢庆华，何俊，张琦.基于故障树的模糊故障诊断方法[J].同济大学学报（自然科学版），2011，（09）.
关键词： 机电设备；故障诊断；维修技术
现代机电系统自动化水平日益提高，系统的规模逐步扩大，系统构成更加复杂，其子系统的关联程度越来越密切，同时，故障发生的可能性大大增加，表现方式也各式各样，并且一个故障源可能引起链式反应，导致更大故障发生，这些特点给机电设备故障诊断带来了前所未有的困难。同时，对于机电设备的安全稳定运转、故障的早期预测、推行预知维修管理、减少由于故障和维修带来的经济损失成为现代企业追求的目标。为此，找到合适的故障诊断方法是研究的主要方向。
一、机电设备故障的概况
机电设备是工程建设至关重要的施工工具。保证机电设备使用正常化，是机电设备管理的主题和中心任务。因此，如何加强机电设备故障诊断能力，充分发挥机电设备效能，挖掘机电设备的潜力，具有重要的现实意义。
1、所谓机电设备故障是指机电设备的各项技术指标偏离了它的正常状态，引起部分功能或全部功能瘫痪的现象。机电设备耐用性与使用时间呈相关关系，机械使用时间越长，其技术状况恶化的可能性越高，同时，故障发生的可能性也越大。
2、机电设备故障的发生具有随机性，在生产过程中，很难把握故障发生的确切时间。因此，研究机电设备故障发生的规律和特性具有重要意义，通过对机械运行趋势的预测，制定对应的维修措施，保证生产顺利进行，建立科学的检修、维修体系。
二、机电设备故障诊断方法
1、近似推理算法
目前已经提出了多种近似推理算法，这些算法都采取一定的方式在运行时间和推理精度上寻求一个折中，力求在较短的时间内得到一个满足精度要求的结果，这些算法随着计算时间的增长，其计算精度越高。目前近似推理算法主要分为两大类：
（1）机模拟方法。模拟方法又称为 Monte Carlo 法。该方法首先对贝叶斯网络表示的联合概率分布进行随机抽样，以产生足够的样本，然后根据这些样本，通过频率计算来获得变量的概率值，而不是直接利用联合概率分布进行计算。基于仿真的方法需要设计一套能够以最快的速度产生满足统计计算的样本的采样算法，当前提出采样方法主要有：Forward Sampling、Backward Sampling、ImportanceSampling 和 Markov chain Sampling。
（2）基于搜索的方法。基于搜索的方法假定概率问题是一类组合问题，所以可以将所需要计算的各个变量的不同组合看作一个状态空间，在这个状态空间中有些状态对最后的计算结果会产生较大影响，而另外一些状态则影响甚微。由此，可以通过启发搜索的方法，在整个状态空间中进行搜索，寻找那些对计算结果影响较大的状态。然后用这些状态代替整个状态空间参与运算，以达到提高计算效率的目的，并且在计算结束时能够给出一个较精确的解答。
2、基于贝叶斯网络的机械故障诊断模型与诊断推理
根据对机械故障诊断的认识，机械故障可以通过若干属性来描述，这些属性变量集的各种取值组合就构成了该故障的状态空间。这些属性变量之间存在着一定的系（独立或者依赖），根据以往的研究我们可以把这些属性划分为故障征兆和故障原因，所以通过对它们的研究可以得到故障的知识表示模型。在不确定的环境下，故障原因和故障征兆往往含有几个状态。比如，一个故障征兆可能有三种状态：极高，偏高，正常。我们可以用一个多值变量来表示这种多值命题。而贝叶斯网络作为一种模拟人类推理过程中因果关系的有向图，其节点就是一个多值变量，此外贝叶斯网络还具有一个表示条件独立性的自然方式――由有限个节点构成有向无环图网络结构，因而我们可以利用贝叶斯网络的基本元素描述机械故障诊断知识。
（1）网络节点与网络结构。用网络结构中的节点可以表示故障诊断领域中的故障征兆和故障原因，在节点间的有向连接弧表示征兆与原因之间可能的因果关系。故障征兆和故障原因的状态多为二元状态，即其取值只为 1 或者0，分别表示相应的故障和征兆是否出现。故障原因和故障征兆各自构成两个样本集，且两个样本集中的元素是相互独立的，即故障之间或故障征兆之间是无必然的因果关系。但是这并不意味着它们相互排斥，即一台机组可以同时发生几种不同的故障，同样多个故障征兆的出现也是正常的。根据故障征兆与与故障原因之间的因果关系，我们可以用有向弧线将相关的节点联系起来，构成贝叶斯网络的有向无环图结构。图形化的结构可以更加清晰的表达出领域专家对设备故障状态的认知，符合人类的思维形式。
（2）条件概率表。贝叶斯每一节点都附有与该变量相联系的条件概率分布函数，如果变量是离散的，则它表现为给定其父节点状态时该节点取不同值的条件概率表 CPT。CPT 表明了故障原因与故障征兆之间的概率依赖关系，是对故障诊断知识进行定量描述。由此可见，贝叶斯网络可以对故障诊断领域数据变量间潜在关系进行定性定量的描述，它图形结构指定了一组条件关系独立关系声明和用于刻画概率依赖强度的条件概率的数值。由于贝叶斯网络表示了因果过程的总体结构，故它可被看做是拥有许多不同组合的一个抽象知识库。它的语义可以从两个方面来理解，其一是将网络看作一种联合概率分布的表示，即贝叶斯网络完整紧凑地表示了网络中各变量的联合分布概率。其二是将网络看作条件独立关系声明集合的一种表示。这两种观点实质上是等价的，而且在贝叶斯网络的表达、学习、推理算法中得到了统一。
三、机电设备维修技术要点
1、维修工作的切入点
维修工作的开展需要找准切入点。机电设备在进行维修时应该从具体的点进行切入，比如设备在性能上的特点以及设备在结构方面的原理等，这些都可以正常地维修机电设备。找准了切入点，同时还应该设置定期或者日常检查的步骤、范围以及需要注意的相关事项等。在检查机电设备时，可以按照具体的方法来分析故障，比如仪器测量的方法、经验推断的方法以及通过感观直接判断的方法等。这其中会涉及到各种各样的状况，比如一些小修、中修或者大修的情况，应该按照具体的情况有步骤、有计划的进行。
2、维修设备的关键点
（1）科学处理例行检查和日常生产之间的关系。一些企业的管理者可能会认为维修和检查设别会花费很长的时间，需要一定的人力、物力与财力。因此，他们对于机电设备的态度往往是，只要设备还能够将就着运转，就直接不进行相应的检查和维修，长此以往导致机电设备常常会需要带病工作，最终导致设备出现不必要的故障，严重的还会诱发一些安全方面的事故。这无疑严重影响到了企业的发展节奏。
（2）科学的处理计划检修和预防为主间的关系。所谓预防即在维修设备之前做好相应的前期工作。这一般都是通过定期性修理和状态检测两种方式，有针对性的提前处理检测和预判性的问题。实现按照计划来检修需要保证在保养、理性维护以及日常巡检的基础上。只有这样才能保证设备的性能、降低故障发生率，从而延长设备使用的寿命。
四、结束语
综上所述，在工程建设中机电故障对于人们的生产、生活会产生极大影响，所以应当合理选用机电设备故障诊断方法，做好各项维修工作。只有这样才能确保机电设备的安全运行，才能保障广大人民的生命财产安全。
参考文献
[1]何正嘉；訾艳阳；孟庆丰等；机械设备非平稳信号的故障诊断原理及应用[M]；北京：高等教育出版社；2011
[2]伦冠德.机械设备故障检测诊断技术现状与发展[J].拖拉机与农用运输车，2007，（03）.
[3]杨晓川，谢庆华，何俊，张琦.基于故障树的模糊故障诊断方法[J].同济大学学报（自然科学版），2011，（09）.