论文部分内容阅读
摘 要：随着社会的发展和进步，机械制造行业也获得了长足的进步与提升，其中关于机械制造行业的技术创新与应用，最明显的就是机械设备故障诊断技术的应用，这一技术的应用使得机械设备使用过程更加安全，也确保了实际的生产效率和生产质量，至此本文将分析机械设备故障诊断技术的发展现状，进一步探讨其发展趋势。
关键词：机械设备;故障诊断;技术应用与发展
1机械设备诊断故障技术的传统检测方案
（1）直接观察检测。以往现场技术人员在机械设备发生问题时，往往通过眼睛和耳朵直接观察设备情况并且结合设备材料和自身工作经验来检查解决设备故障。但是这种通过眼睛和耳朵的传统经验故障诊断技术已经不能适应现如今大型化和精密化机械设备的故障检测需求了。
（2）设备内部温度监测。现代设备发生故障的原因很大一部分是摩擦不良，利用现代热敏材料和红外线技术，对设备关键部位进行温度检测，观察关键零件的温度变化趋势，能够有效快速地了解设备运转状态，从而当故障发生时能快速知道设备发生故障的所在地。
（3）振动噪音频谱分析。在一般设备的材料说明书中都写有当设备发生异响振动时需要停机检查。这说明噪音和振动是判断设备故障的重要依据。因此可以通过声波采集装置和振动信号监测装置来采集和分析设备内部零件的噪音和振动信号，随后对这些信号进行傅里叶变换得到噪音和振动信号频谱，最后分析噪声信号的频谱可以了解设备的运行情况。但是噪声和振动信号容易受到外部环境的影响，对设备的频谱分析存在局限性。
2机械设备故障诊断新技术的应用
（1）信息融合技术。随着现代科学技术的发展，信号获取的方式越来越多，越来越先进，但是如何得到可靠的故障特征信号应该是未来研究的重点和趋势。对于如何获得有效的故障信号，这就首先需要大量多种的信号传递装置来保证监测对象的相同，随后采用正确的信息融合分析技术来处理这些信号，从而得到想要的结果。
目前，在信号频谱分析的领域内，傅里叶变换和小波变换是两种重要的信号处理方式。对于傅里叶变换而言，其能够有效地在整个频域内分析信号的成分，但是它不能同时地进行频域和时域的分析。而与傅里叶变换相比，小波变换能够同时地进行频域和时域的分析，尤其擅长故障信号在频率和时间上的细节分析，能够突出信号的局部特点。
（2）智能决策算法。随着人工智能技术的发展，可以将人工智能控制的核心算法如模糊控制、遗传算法等应用到故障判断的决策上。并且随着深入研究智能控制以及充分考虑智能控制与机械设备故障诊断技术的关联，模糊控制、遗传算法等智能决策算法在故障诊断决策应用中的优势将逐步放大。在查阅相关文献和了解现场应用情况的基础上，可以发现智能控制应用在诊断决策的优势如下：①在故障诊断中应用模糊理论，只需建立合适的隶属函数和模糊矩阵，就能得到较为准确的问题来源，无需为建立准确的数学模型而浪费大量的时间;②采用神经网格的故障判断决策能够采用联想、分类和自我组织的办法准确的处理繁杂的信息;③对于应用了遗传算法的故障诊断技术，能够同时处理多个问题并且能够处理判断各个领域的问题。此外遗传算法在处理非线性问题以及宽泛查找问题上具有显著的优势;④在信息部分缺少和精度不够的故障诊断决策上，粗糙集理论能够自我分析，发现信号之间的相对关系，然后将自我分析出的联系综合成简单的信息特征，从而能够解决数据缺失的故障诊断问题。
（3）网络集成资源。近些年来，随着科学技术的进步，在工业控制技术领域上，局域网技术占据着绝对优势的地位。并且在信息收集和分析的领域上，局域网技术具有重要的战略地位。在机械设备故障诊断技术上能够借助局域网将信号检测设备与计算机连接起来，通过数据完成对原始信息的接受，归纳以及分析决策。并且能够利用计算机强大的计算能力，使用以上介绍的方法，更加快速准确的完成故障诊断分析，进而保证机械设备的运转稳定。
（4）容错控制。容错控制的定义为在故障发生时，系统能够自动剔除故障并且能够重新构建系统或者是即使系統发生了故障，系统仍能稳定运行并且运行性能虽有下降但仍能满足需要，即是系统能够允许故障的存在。系统能够实现容错控制的前提是较为富裕的设计方法，如设备装置设计时系统中存在自我补偿结构，即设备构件能够自我重建;或者是设备运行参数能够自我调节，以维持设备的安全稳定运行。在智能控制快速发展的时代背景下，智能容错控制是工业自动控制未来的发展趋势，即是将不断改进和提高机械设备自动控制系统中自我故障处理的能力。
（5）朝着神经网络智能化诊断方向发展
人工智能技术是一种新型现代科技，他集中了新型技术、生物技术等等。未来的机械设备故障诊断技术势必朝着人工智能神经网络诊断方向发展，这一网络神经系统是对人体大脑构造、功能与特征的模拟，具有调节性、自适性、容错性等特性功能。最主要的是人工智能神经网络系统的非线性映射能力等能够发挥多重功效，而且具有运算简单、便捷等特点，能够对机械设备局部零件的损伤、破坏等进行科学、智能化的记录和分析，发挥人脑诊断的初步功效，这样就能够有效提升诊断效率，确保故障诊断的精准、高效。
（6）以小波分析为基础来科学诊断故障
小波分析屬于时-频信号分析法，是建立在数学显微镜基础上的方法，小波分析的基函数是很多尺度可变的简谐函数，体现出科学的时-频定性特征，也能够针对各种信号进行自我调节，不断提升适应能力。机械设备故障问题等的诊断分析过程中，因为设备零件具有不同的功能构造，所出现的信号多数有很多不稳定成分，通过小波分析法能够确保各种频率的信号信息被均衡分配到对应的频道序列中，以此为发现故障问题来供应科学理论，因为小波分析体现出良好的时域分析能力、频域分析能力等等，这样就能够确保其在瞬间变化信号分析中更加精准、更为真实有效。
结论
机械设备故障诊断与监测已经有了多种方法做支撑，然而，当前的诊断与监测方法仍然有一定的弱点和缺陷，必须对当前的监测方法进行改进与提高，确保其朝着优化的方向发展，未来的机械设备故障诊断与监测势必朝着智能化、自动化、数字化方向发展，从而提高机械设备运行效率，保证机械设备各项功能的积极、高效发挥。
参考文献：
[1]李佳仪，刘继华.基于人工智能技术的机械设备故障诊断[J].电子元器件与信息技术，2020，4（04）：51-52+55.
[2]许春园.机械设备故障诊断与监测方法研究[J].内燃机与配件，2020（05）：157-158.
[3]解世超.计算机监控技术在机械设备故障诊断中的应用[J].网络安全技术与应用，2020（02）：108-109.
作者简介：马占斌，河北峻威铁塔有限公司，身份证号：131082198609150019
关键词：机械设备;故障诊断;技术应用与发展
1机械设备诊断故障技术的传统检测方案
（1）直接观察检测。以往现场技术人员在机械设备发生问题时，往往通过眼睛和耳朵直接观察设备情况并且结合设备材料和自身工作经验来检查解决设备故障。但是这种通过眼睛和耳朵的传统经验故障诊断技术已经不能适应现如今大型化和精密化机械设备的故障检测需求了。
（2）设备内部温度监测。现代设备发生故障的原因很大一部分是摩擦不良，利用现代热敏材料和红外线技术，对设备关键部位进行温度检测，观察关键零件的温度变化趋势，能够有效快速地了解设备运转状态，从而当故障发生时能快速知道设备发生故障的所在地。
（3）振动噪音频谱分析。在一般设备的材料说明书中都写有当设备发生异响振动时需要停机检查。这说明噪音和振动是判断设备故障的重要依据。因此可以通过声波采集装置和振动信号监测装置来采集和分析设备内部零件的噪音和振动信号，随后对这些信号进行傅里叶变换得到噪音和振动信号频谱，最后分析噪声信号的频谱可以了解设备的运行情况。但是噪声和振动信号容易受到外部环境的影响，对设备的频谱分析存在局限性。
2机械设备故障诊断新技术的应用
（1）信息融合技术。随着现代科学技术的发展，信号获取的方式越来越多，越来越先进，但是如何得到可靠的故障特征信号应该是未来研究的重点和趋势。对于如何获得有效的故障信号，这就首先需要大量多种的信号传递装置来保证监测对象的相同，随后采用正确的信息融合分析技术来处理这些信号，从而得到想要的结果。
目前，在信号频谱分析的领域内，傅里叶变换和小波变换是两种重要的信号处理方式。对于傅里叶变换而言，其能够有效地在整个频域内分析信号的成分，但是它不能同时地进行频域和时域的分析。而与傅里叶变换相比，小波变换能够同时地进行频域和时域的分析，尤其擅长故障信号在频率和时间上的细节分析，能够突出信号的局部特点。
（2）智能决策算法。随着人工智能技术的发展，可以将人工智能控制的核心算法如模糊控制、遗传算法等应用到故障判断的决策上。并且随着深入研究智能控制以及充分考虑智能控制与机械设备故障诊断技术的关联，模糊控制、遗传算法等智能决策算法在故障诊断决策应用中的优势将逐步放大。在查阅相关文献和了解现场应用情况的基础上，可以发现智能控制应用在诊断决策的优势如下：①在故障诊断中应用模糊理论，只需建立合适的隶属函数和模糊矩阵，就能得到较为准确的问题来源，无需为建立准确的数学模型而浪费大量的时间;②采用神经网格的故障判断决策能够采用联想、分类和自我组织的办法准确的处理繁杂的信息;③对于应用了遗传算法的故障诊断技术，能够同时处理多个问题并且能够处理判断各个领域的问题。此外遗传算法在处理非线性问题以及宽泛查找问题上具有显著的优势;④在信息部分缺少和精度不够的故障诊断决策上，粗糙集理论能够自我分析，发现信号之间的相对关系，然后将自我分析出的联系综合成简单的信息特征，从而能够解决数据缺失的故障诊断问题。
（3）网络集成资源。近些年来，随着科学技术的进步，在工业控制技术领域上，局域网技术占据着绝对优势的地位。并且在信息收集和分析的领域上，局域网技术具有重要的战略地位。在机械设备故障诊断技术上能够借助局域网将信号检测设备与计算机连接起来，通过数据完成对原始信息的接受，归纳以及分析决策。并且能够利用计算机强大的计算能力，使用以上介绍的方法，更加快速准确的完成故障诊断分析，进而保证机械设备的运转稳定。
（4）容错控制。容错控制的定义为在故障发生时，系统能够自动剔除故障并且能够重新构建系统或者是即使系統发生了故障，系统仍能稳定运行并且运行性能虽有下降但仍能满足需要，即是系统能够允许故障的存在。系统能够实现容错控制的前提是较为富裕的设计方法，如设备装置设计时系统中存在自我补偿结构，即设备构件能够自我重建;或者是设备运行参数能够自我调节，以维持设备的安全稳定运行。在智能控制快速发展的时代背景下，智能容错控制是工业自动控制未来的发展趋势，即是将不断改进和提高机械设备自动控制系统中自我故障处理的能力。
（5）朝着神经网络智能化诊断方向发展
人工智能技术是一种新型现代科技，他集中了新型技术、生物技术等等。未来的机械设备故障诊断技术势必朝着人工智能神经网络诊断方向发展，这一网络神经系统是对人体大脑构造、功能与特征的模拟，具有调节性、自适性、容错性等特性功能。最主要的是人工智能神经网络系统的非线性映射能力等能够发挥多重功效，而且具有运算简单、便捷等特点，能够对机械设备局部零件的损伤、破坏等进行科学、智能化的记录和分析，发挥人脑诊断的初步功效，这样就能够有效提升诊断效率，确保故障诊断的精准、高效。
（6）以小波分析为基础来科学诊断故障
小波分析屬于时-频信号分析法，是建立在数学显微镜基础上的方法，小波分析的基函数是很多尺度可变的简谐函数，体现出科学的时-频定性特征，也能够针对各种信号进行自我调节，不断提升适应能力。机械设备故障问题等的诊断分析过程中，因为设备零件具有不同的功能构造，所出现的信号多数有很多不稳定成分，通过小波分析法能够确保各种频率的信号信息被均衡分配到对应的频道序列中，以此为发现故障问题来供应科学理论，因为小波分析体现出良好的时域分析能力、频域分析能力等等，这样就能够确保其在瞬间变化信号分析中更加精准、更为真实有效。
结论
机械设备故障诊断与监测已经有了多种方法做支撑，然而，当前的诊断与监测方法仍然有一定的弱点和缺陷，必须对当前的监测方法进行改进与提高，确保其朝着优化的方向发展，未来的机械设备故障诊断与监测势必朝着智能化、自动化、数字化方向发展，从而提高机械设备运行效率，保证机械设备各项功能的积极、高效发挥。
参考文献：
[1]李佳仪，刘继华.基于人工智能技术的机械设备故障诊断[J].电子元器件与信息技术，2020，4（04）：51-52+55.
[2]许春园.机械设备故障诊断与监测方法研究[J].内燃机与配件，2020（05）：157-158.
[3]解世超.计算机监控技术在机械设备故障诊断中的应用[J].网络安全技术与应用，2020（02）：108-109.
作者简介：马占斌，河北峻威铁塔有限公司，身份证号：131082198609150019