机械故障诊断技术的发展现状和未来趋势

　　摘要：本文阐述了故障诊断技术这门学科的发展背景和社会需求及国内发展状况。阐释了故障诊断技术的基本概念，讲解了观察法、听诊法、触测法等传统简易故障诊断手段和对比分析法、数字模型分析法、故障树分析法、神经网络诊断法、专家系统诊断法等基于知识的精密诊断方法，并对未来诊断方法的发展趋势，需要的条件和技术背景做出了说明。

　　关键词：故障诊断技术,简易诊断法,精密诊断法,发展趋势

　　故障诊断技术是40多年来发展起来的一门新兴的学科，自20世纪60年代末美国国家宇航局就创立了美国故障预防小组以来，故障诊断技是术逐渐发展起来的以数学、物理、现代控制论、模式识别、人工智能、人工神经网络等多学科综合交叉的新学科[1]。尤其是电子算机技术的应用，已经使其达到了智能化应用的阶段。

　　1故障诊断的概念及诊断方法发展历程

　　故障诊断技术是检测设备或系统运行状态，发现异常情况并作出判断，为故障分析提供依据。它包括故障检测、故障分离和故障辨识。故障诊断能够定位故障并判断故障的类型及发生时间，进一步分析可确定故障程度。

　　1.1传统简易的故障诊断法

　　常用的简易状态监测方法主要有听诊法、触测法和观察法等。这些传统诊断方法与工人的经验丰富程度息息相关，目前这些简易的诊断法仍然在许多大大小小的企业中应用。

　　1.1.1观察法

　　观察法是人类“视觉”在工业生产中故障诊断技术中的应用。该方法是最直观的判断方法，机械设备上的零部件是否松动、是否产生裂纹产生磨损腐蚀，润滑系统是否存在跑、冒、滴、漏现象，是否存在干摩擦，这些基本故障都可以一目了然。

　　1.1.2听诊法

　　听诊法是人类“听觉”在工业生产中故障诊断技术中的应用。旋转机械设备在冶金、化工、机械等行业中约占八成，有设备运转总会产生振动，通过监听有规律的声响是否存在有重、杂、怪、乱的异常噪声，可推断设备内部出现的松动、失衡等隐患。

　　1.1.3触测法

　　触测法是人类“触觉”在工业生产中故障诊断技术中的应用。该方法是工人通过人手上的神经纤维对温度的敏感度，直接触摸被检测设备，从而根据感知温度、振动及间隙的变化做出判断。同一工况，不同温度，给工人的手产生的刺激不同，也就给工人温度信号不同。触摸时，应试触后再细触，以估计机件的温升情况，通过经验的积累，判断出设备在什么机件上出现了什么问题。

　　1.2基于知识的精密诊断法

　　1.2.1数学模型分析法

　　随着计算机技术和应用数学不断熔合交叉，利用数学模型从最本质地表征动态过程规律，可根据模型结构和参数的变化，研究设备运动状态。根据数学模型获得的预测形态和所测量的形态之间的差异，推算出诊断系统的最小诊断。该方法具有以下优势：(1)可以利用设计的控制系统数学模型直接模拟分析;(2)无需系统先前运行状况经历积累，直接模拟分析，系统运行前排除各类故障;

　　1.2.2故障树分析方法

　　故障树模型是一个基于研究对象结构、功能特征的行为模型;是一种定性的因果模型;是一种体现故障传播关系的有向图[2]。该分析方法是把诊断对象的最大故障作为故障分析的目标，查找导致故障的全部要素，按照顶事件、中间事件、底事件逐层展开。由于故障树分析法把系统故障形成的原因按照总体到部分树状细化，符合人类思维方式，思路清晰，结构明了，所以容易掌握和应用。故障树是在部件关联和故障模式分析的基础建立的，严重依赖于故障树信息的完整程度，所以大多与其他诊断方法结合使用。

　　1.2.3基于神经网络的诊断法

　　神经网络模型是在模仿人的大脑神经元结构特性的基础上，建立的一种非线性动力学网络系统[3]。具有自学能力、泛化能力和并行计算能力，可实现分类、优化、自组织、联想记忆和非线性映射等功能。因此神经网络诊断具有以下特征及优势：①可用网络的拓扑结构和权值分布实现非线性的映射;②可用全局并行处理，实现从输入空间到输出空间的非线性信息变换;③可用在线数据进一步学习，获得更精准的系统或故障类型;④可处理繁琐的非线性问题;⑤可不需要统计模型，进入决策环节。所以作为一种新的诊断方法，在故障领域具有极大的应用潜能。

　　1.2.4专家系统的诊断法

　　专家系统是一种人工智能计算机程序，它采用大量专家知识和推理方法去求解实际问题。在该系统中，诊断问题的知识构成单独知识库而不是在程序或数据结构中，对问题分离、求解具有很好的机动性。一旦推理机制和某个专业领域知识库已建成，该专家系统就可处理该领域内的各种不同的情况。

　　对但不规范化的设备，就无处获得诊断知识，所以在自适应、学习能力及实时性方面也有局限性。专家系统的构成一般由知识库、推理机、数据库、解释程序、知识获取程序五部分构成[1]。除了上述的诊断手段外，还有逻辑辨别法、贝叶斯分类法、距离函数分类法模糊诊断法等基于模式识别的方法和各个方法的衍生及融合出的新诊断技术。

　　1.3故障诊断技术未来发展趋势

　　1.3.1融合多种智能故障诊断技术

　　随着科技的迅速发展衍生许多新的诊断领域，从单一学科到多种学科的交叉糅合，将多种的诊断技术相结合的混合诊断系统是智能故障诊断研究的一个发展趋势。融合的几类形式：专家系统与人工神经网络相结合，CBR与基于规则系统和神经网络相结合，模糊逻辑、神经网络与专家系统的结合等。

　　1.3.2智能BIT技术研究

　　BIT即机内测试技术，就是系统和设备内部提供故障检测和隔离的自动测试能力。该技术发展方向主要有两个方面：与ATE逐步融合，成长为具有诊断能力的智能化监控系统，可实现最优设计、信息获取、分析处理、综合决策;与IT相结合，使未来IT系统成为一个集检测诊断、隔离定位、控制保护于一体机电系统。它既丰富了电子设备的可靠性和检测维修能力，又能简化维修，降低成本，具有很好的应用前景。

　　1.3.3基于internet的远程协作诊断技术研究

　　随着微电子、计算机、智能技术和网络技术的发展，基于因特网的设备故障远程协作诊断的研究成为故障诊断技术一大趋势，亦是人工智能领域的关注点。基于internet的远程协作诊断技术需要具备三点[4]:第一，若干台中心计算机作为服务器，在关键设备上建立状态监测点,采集数据;第二，建立分析诊断中心，提供远程技术支持和保障;第三，将诊断技术与网络技术相结合，实现数据信息、诊断技术的网络共享，使传统诊断技术在网络上远程运用。

　　2结语

　　随着科学技术的不断发展，设备的集成化，智能化，精密化程度越来越高，设备故障诊断和经济效益的关系更加密切，对故障诊断技术的发展的要求越来越迫切。因此，故障诊断技术的研究和发展任重而道远。

　　参考文献

　　[1] 钟秉林,黄仁.机械故障诊断学[M].北京：机械工业出版社，1997.

　　[2] 李琼哲.故障树分析的数学基础[J].核工程研究与设计，2009，74(2)：64-66.

　　[3] 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.

　　[4] 何岭松，王峻峰，杨叔子.基于因特网的设备故障远程协作诊断技术[J].中国机械工程，l999，3(l0)：336-338.

　　相关刊物推荐：仪器仪表学报(月刊)创刊于1980年，是中国科协主管、中国仪器仪表学会主办，中国仪器仪表学科最具影响力的学术性刊物。