公務(wù)員期刊網(wǎng) 論文中心 正文

機(jī)械設(shè)備故障診斷及監(jiān)測(cè)研究

前言:想要寫出一篇引人入勝的文章?我們特意為您整理了機(jī)械設(shè)備故障診斷及監(jiān)測(cè)研究范文,希望能給你帶來(lái)靈感和參考,敬請(qǐng)閱讀。

機(jī)械設(shè)備故障診斷及監(jiān)測(cè)研究

摘要:針對(duì)機(jī)械設(shè)備中的關(guān)鍵部件——滾動(dòng)軸承、齒輪箱、電動(dòng)機(jī)的故障診斷監(jiān)測(cè)的發(fā)展現(xiàn)狀進(jìn)行文獻(xiàn)綜述,總結(jié)該領(lǐng)域的研究現(xiàn)狀及主要方法。概述了機(jī)械設(shè)備中一些關(guān)鍵部件,比如軸承、齒輪箱、電動(dòng)機(jī)的故障特點(diǎn)及故障形式,進(jìn)而深入分析相應(yīng)的診斷難點(diǎn),并結(jié)合國(guó)內(nèi)外相關(guān)文獻(xiàn)系統(tǒng)地介紹并比較了現(xiàn)有的針對(duì)機(jī)械設(shè)備關(guān)鍵部件的故障診斷與健康監(jiān)測(cè)方法,最后對(duì)該領(lǐng)域的發(fā)展方向進(jìn)行了展望。

關(guān)鍵詞:機(jī)械設(shè)備;故障診斷;滾動(dòng)軸承;齒輪箱

近年來(lái),隨著機(jī)械設(shè)備的運(yùn)行環(huán)境逐漸復(fù)雜化,機(jī)械設(shè)備發(fā)生故障的概率顯著提高,一旦未能及時(shí)發(fā)現(xiàn)機(jī)械設(shè)備的局部故障問(wèn)題,最終可能導(dǎo)致機(jī)械設(shè)備潛伏性故障逐漸發(fā)展以致整體性損壞的嚴(yán)重后果。在智能制造的背景下,對(duì)機(jī)械設(shè)備相關(guān)關(guān)鍵部件進(jìn)行故障診斷和監(jiān)測(cè)成為一個(gè)值得思考的現(xiàn)實(shí)問(wèn)題。因此,以下就機(jī)械設(shè)備故障診斷與監(jiān)測(cè)方法展開分析與探討。

1機(jī)械設(shè)備故障診斷系統(tǒng)

機(jī)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(shí)時(shí)監(jiān)測(cè)機(jī)械設(shè)備在工作狀態(tài)或相對(duì)靜止?fàn)顟B(tài)下的信號(hào),將之與監(jiān)測(cè)對(duì)象的歷史狀態(tài)相比對(duì),通過(guò)數(shù)字信號(hào)處理等手段進(jìn)一步分析和處理所獲信號(hào),準(zhǔn)確地確定故障的發(fā)生位置及故障類型,從而得以及時(shí)排除機(jī)械設(shè)備的故障。在早期,機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)的方法主要包括振動(dòng)監(jiān)測(cè)法、采樣分析法、測(cè)溫法及超聲波法等。對(duì)于絕大多數(shù)機(jī)械設(shè)備,以振動(dòng)作為主要參考標(biāo)準(zhǔn)的診斷方法最為常見。機(jī)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(dòng)等參考信號(hào)進(jìn)行分析處理。傳感器技術(shù)依托電磁感應(yīng)等原理來(lái)測(cè)得機(jī)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?jì)算機(jī)中,接著微機(jī)將其與數(shù)據(jù)庫(kù)原始標(biāo)準(zhǔn)健康數(shù)據(jù)進(jìn)行比對(duì),初步診斷機(jī)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(cè)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(jìn)一步分析處理,以計(jì)算機(jī)為載體實(shí)現(xiàn)一種與人類思維運(yùn)算近似的智能診斷系統(tǒng)。它可以實(shí)現(xiàn)基于所測(cè)信號(hào)機(jī)理,設(shè)定診斷規(guī)則,進(jìn)行特征提取、數(shù)字信號(hào)分析等功能,與傳統(tǒng)的簡(jiǎn)單對(duì)比診斷相比,更加科學(xué)實(shí)用[1]。這類技術(shù)目前已經(jīng)相對(duì)成熟,且漸漸成為主流的應(yīng)用技術(shù)。

2機(jī)械設(shè)備主要故障特點(diǎn)

機(jī)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(jī)械設(shè)備由各種零部件組合而成。在長(zhǎng)期的運(yùn)轉(zhuǎn)過(guò)程中,它們會(huì)由于衰老退化而不可避免地出現(xiàn)故障問(wèn)題,對(duì)機(jī)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(diǎn)有所差異,下面對(duì)機(jī)械設(shè)備中的關(guān)鍵部件逐一展開分析。滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械的重要組成部分,它優(yōu)點(diǎn)眾多,比如潤(rùn)滑冷卻迅速效率高等,因此在機(jī)械行業(yè)廣泛得到應(yīng)用。但它同時(shí)也是旋轉(zhuǎn)機(jī)械中最容易出現(xiàn)故障的部件之一,據(jù)有關(guān)統(tǒng)計(jì)顯示[2],在旋轉(zhuǎn)機(jī)械故障中有近30%的故障是由于滾動(dòng)軸承故障引起的,因此,深入研究滾動(dòng)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(huì)導(dǎo)致滾動(dòng)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(gè)值得深入研究的切入點(diǎn)。在機(jī)械設(shè)備中,用于提高主軸轉(zhuǎn)速的齒輪箱廣泛存在。在機(jī)械運(yùn)行過(guò)程中,齒輪箱內(nèi)的齒輪常常會(huì)出現(xiàn)磨損斷裂的問(wèn)題,如果不及時(shí)、有效地對(duì)這些故障進(jìn)行處理,齒輪箱最終會(huì)失效。與滾動(dòng)軸承的故障特點(diǎn)類似,齒輪箱和滾動(dòng)軸承對(duì)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(duì)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(jìn)行診斷方法的訓(xùn)練是一個(gè)實(shí)用而有效的思路。機(jī)械設(shè)備主要是由機(jī)械結(jié)構(gòu)和電動(dòng)機(jī)兩部分組合而成,一旦電動(dòng)機(jī)發(fā)生故障,機(jī)械設(shè)備將無(wú)法正常工作。電動(dòng)機(jī)的故障類型可分為電氣故障與機(jī)械故障,其中機(jī)械故障包括發(fā)電機(jī)振動(dòng)過(guò)大、軸承過(guò)熱、絕緣損壞、磨損嚴(yán)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(jī)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(jī)過(guò)熱等。在研究電動(dòng)機(jī)的故障時(shí),可以將其機(jī)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(duì)機(jī)械設(shè)備各關(guān)鍵部件的故障特點(diǎn)和故障類型進(jìn)行分析,首先理清各種機(jī)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(shí)現(xiàn)機(jī)械設(shè)備故障診斷及監(jiān)測(cè)的重要基礎(chǔ)。

3機(jī)械設(shè)備的故障診斷方法

3.1遠(yuǎn)程監(jiān)測(cè)診斷技術(shù)

在工程應(yīng)用中,機(jī)械設(shè)備各種參數(shù)的動(dòng)態(tài)信號(hào)往往通過(guò)傳感器來(lái)獲得,為了使監(jiān)測(cè)所得的動(dòng)態(tài)信號(hào)與機(jī)械設(shè)備一一對(duì)應(yīng),工程師會(huì)對(duì)機(jī)械設(shè)備按順序編號(hào)。接著傳感器采集的信號(hào)通過(guò)無(wú)線網(wǎng)絡(luò)技術(shù)傳輸給機(jī)械設(shè)備監(jiān)控中心的計(jì)算機(jī)服務(wù)器,根據(jù)動(dòng)態(tài)信號(hào)的時(shí)域和頻域分析結(jié)果,實(shí)現(xiàn)機(jī)械設(shè)備運(yùn)行狀態(tài)的遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)功能。在對(duì)獲得的數(shù)據(jù)進(jìn)行時(shí)域分析時(shí),可以通過(guò)判斷時(shí)域信號(hào)中是否有周期性脈沖峰值等方法。但這類方法容易受到機(jī)械設(shè)備運(yùn)行時(shí)周圍噪聲信號(hào)的干擾,不易判斷出機(jī)械設(shè)備的健康狀態(tài)。而將時(shí)域信號(hào)通過(guò)頻譜分析轉(zhuǎn)換成頻域信號(hào),可以有效減少噪聲對(duì)診斷的不良影響,把這些振動(dòng)信號(hào)的頻譜圖與健康狀態(tài)對(duì)應(yīng)的頻譜圖進(jìn)行比對(duì),以此判斷機(jī)械設(shè)備可能發(fā)生的故障類型。中心計(jì)算機(jī)服務(wù)器把發(fā)生故障的機(jī)械設(shè)備動(dòng)態(tài)參數(shù)傳輸?shù)浆F(xiàn)場(chǎng),操作人員以此為依據(jù)確定發(fā)生故障部位并及時(shí)進(jìn)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(jì)算機(jī)程序系統(tǒng),在機(jī)械設(shè)備的故障診斷和運(yùn)行狀態(tài)監(jiān)測(cè)中應(yīng)用廣泛。它充分利用專家的先驗(yàn)知識(shí),通過(guò)模擬人類思維的方法,對(duì)設(shè)備的動(dòng)態(tài)參數(shù)變化作出專家級(jí)水平的診斷。專家診斷技術(shù)特別強(qiáng)調(diào)知識(shí)庫(kù)的儲(chǔ)備,它可以同時(shí)存儲(chǔ)不同領(lǐng)域?qū)<业墓ぷ鹘?jīng)驗(yàn)和相關(guān)知識(shí),比如機(jī)械工程專業(yè)的專家知識(shí)、電氣工程專業(yè)的專家知識(shí)等,然后充分發(fā)揮計(jì)算機(jī)強(qiáng)大的記憶存儲(chǔ)能力和信息處理能力并建立對(duì)應(yīng)的知識(shí)庫(kù),從而得到綜合多領(lǐng)域知識(shí)的專業(yè)診斷意見。專家診斷技術(shù)作為一種自動(dòng)化監(jiān)測(cè)技術(shù),可以對(duì)大型工程機(jī)械群進(jìn)行統(tǒng)一的狀態(tài)監(jiān)測(cè),從而實(shí)現(xiàn)集中調(diào)度現(xiàn)場(chǎng)工作的功能,大大提高了機(jī)械設(shè)備運(yùn)維檢修的工作效率,并提高了監(jiān)測(cè)效率和準(zhǔn)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(jì)算機(jī)前沿科學(xué)領(lǐng)域,在國(guó)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(guò)模擬人類大腦的神經(jīng)分布及感應(yīng),以實(shí)現(xiàn)智能化的機(jī)器決策。在利用神經(jīng)網(wǎng)絡(luò)對(duì)機(jī)械設(shè)備故障進(jìn)行診斷時(shí),首先采用原始故障數(shù)據(jù)集對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)際故障數(shù)據(jù)進(jìn)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(cè)可能發(fā)生的故障,對(duì)每個(gè)零部件的主要參數(shù)進(jìn)行分析計(jì)算,使用戶更好地了解到設(shè)備的使用情況,及時(shí)排除機(jī)械設(shè)備可能存在的潛伏性故障,避免出現(xiàn)嚴(yán)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(wèn)題,而時(shí)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(lái),常見的深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短時(shí)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(jī)械設(shè)備的故障診斷中,并具有良好的效果。中國(guó)研究員在2015年首次基于變速箱振動(dòng)信號(hào)進(jìn)行信號(hào)對(duì)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(shí)別方法。通過(guò)仿真數(shù)據(jù)的檢驗(yàn),說(shuō)明該方法具有較高的可靠性,可用于對(duì)機(jī)械設(shè)備進(jìn)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(shí)際泛化能力仍有待進(jìn)一步的工程檢驗(yàn)。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(jī)性。通過(guò)這一理論可以及時(shí)對(duì)故障類型及位置進(jìn)行診斷。模糊控制理論是將經(jīng)典集合理論模糊化,并將語(yǔ)言變量和近似推理引入模糊控制邏輯中[6]。但當(dāng)前模糊集理論在處理復(fù)雜故障問(wèn)題中的應(yīng)用并不突出,仍然有待進(jìn)一步探索。

4結(jié)論與展望

在智能制造的背景下,中國(guó)機(jī)械設(shè)備的故障診斷與監(jiān)測(cè)技術(shù)已經(jīng)接近國(guó)際水平,但是在普及和應(yīng)用程度上與國(guó)際水平尚存差距。本文首先介紹了機(jī)械設(shè)備故障診斷系統(tǒng)的組成部分,并對(duì)機(jī)械設(shè)備的故障機(jī)制及原理展開分析,總結(jié)不同機(jī)械零部件故障的一致性與差異性,最后引出機(jī)械設(shè)備故障診斷方法的發(fā)展現(xiàn)狀,并對(duì)智能方法在機(jī)械故障診斷中的進(jìn)一步應(yīng)用進(jìn)行了展望。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展,機(jī)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(cè)方法。

參考文獻(xiàn):

[1]周利,余愚.機(jī)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(dòng)化,2007(7):36,38-40.

[2]毛三華,余峰崗,史振帥,等.工程機(jī)械運(yùn)行狀態(tài)自動(dòng)化監(jiān)測(cè)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(jī)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(jī)械設(shè)備故障檢測(cè)中的應(yīng)用[J].內(nèi)燃機(jī)與配件,2020(11):237-238.

[5]武迪,劉勇.人工智能技術(shù)在電氣自動(dòng)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(dòng)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(bào),2002,22(3):347-350.

作者:梁彧 單位:武漢理工大學(xué)