论文部分内容阅读
摘要：在新时期环境下，越来越多的先进机械设备得到了研发和使用，同时生产活动对机械设备的性能要求也在不断提升，因此确保机械设备具有良好的运行状态至关重要。而在机械设备的使用中，常常会受到诸多因素的影响导致一些故障的出现，为了避免此类情况的发生，就需要做好对其诊断和监测工作。下面，文章就主要针对机械设备故障诊断与监测的常用方法和发展趋势进行分析，希望对相关工作的开展提供参考。
Abstract： In the new era environment， more and more advanced mechanical equipment has been developed and used， and the performance requirements of production activities for mechanical equipment are also improving， so it is very important to ensure that the mechanical equipment has a good running state. In the use of mechanical equipment， it is often affected by many factors leading to some failures. In order to avoid the occurrence of such a situation， it is necessary to do a good job in diagnosis and monitoring. In the following， the paper mainly focuses on the common methods and development trends of mechanical equipment fault diagnosis and monitoring， hoping to provide reference for the development of related work.
关键词：机械设备;故障诊断;监测方法;发展趋势
Key words： mechanical equipment;fault diagnosis;monitoring method;the development trend
中图分类号：U673.38 文献标识码：A 文章编号：1674-957X（2021）15-0122-03
0 引言
在各行各业的发展中，对机械设备的使用都比较广泛，且机械设备的使用对实现行业生产水平提升以及现代化发展具有重要的价值。如果机械设备出现故障，势必会影响生产活动的正常进行，甚至会导致安全事故的发生，因此为了实现对机械设备状态的合理控制，逐渐产生了诸多故障诊断和监测的方法，对机械设备故障预控和及时处理提供了支持。随着时代不断发展，为了更好实现对机械设备故障的控制，其诊断与监测方法也朝着智能化和自动化不断发展。
1 机械设备故障诊断与监测的常用方法
1.1 振动监测诊断法
机械设备在运行中，振动的产生是不可避免的，往往有周期性振动和随机性的振动等，而振动会导致一定振幅的产生，代表着振动强度以及能量，则频率是机械发生振动的重要特征，因此可以通过对振动监测来实现对机械设备的故障诊断，如图1。借助相应仪器，能够监测机械设备振动的实时情况，进而完成对其故障的诊断。常用的此类监测仪器有磁电速度的传感器、压电加速度的传感器和涡流位移的传感器等，且因为压电加速度的传感器具有较高灵敏度、较宽频率范围和小体积等优势，得到了广泛使用。在对机械设备采取振动监测诊断中，不仅需要使用传感器，而且还要结合分析仪器以及故障诊断的专家系统等使用。此方法一般在机械设备转子故障、齿轮箱的故障和滚动轴承的故障中监测使用[1]。
1.2 噪声故障的监测法
在机械设备的运行中，设备噪声信号和振动信号都有着大量的信息，因此通过对机械设备噪声监测也能够实现对机械设备故障的诊断。往往振动信号的监测需要进行相应监测仪器的安转，在高温或者高腐蚀等环境下不便于安装，因此无法实现对振动的接触测量，而噪声信号并不会受到此种情况的影响，任何条件下都能够借助采集设备实现声学信号的采集和分析，从而实现对故障的有效诊断。在早期的噪声故障诊断中，主要是通过听诊法对设备状态进行判断，但需要听诊师傅具有丰富的经验才能够实现对噪声故障的辨别。现阶段噪声监测技术是能力统计的方法，它是基于传统听诊法的进化，根据机械设备正常以及故障时呈现的声能量變化情况实施对比，来实现故障的诊断[2]。但噪声故障监测中，往往会受到环境因素的影响，对声音信号产生干扰，进而影响其诊断的准确性。
1.3 红外测温法
在此方法的使用中，主要是使用红外测温的仪器根据机械设备的不同位置存在不同温度以及温度变化的情况等实现对其运行状态分析与判断。红外测温的仪器测温原理主要为黑体辐射的定律，即物体温度越高的话，所发红外辐射的能力就越强，如图2。若某些故障的部位往往会体现出温度升高特征，进而提示此位置出现排烟管阻塞、磨损或者接点的烧坏等故障。此方法中，红外测温的仪器发挥重要的作用，它能够非接触性和远距离地实现对机械设备的测温目的，还可以结合信息处理、运算和判断等功能，来对机械设备工作环境的周围温度和变化状况如实反映。此方法在实践运用中，能够有效避免户外监测受天气因素的影响，提升测量精确度，且便于对数据进行存取[3]。 1.4 油液磨屑的分析法
在对机械设备运行情况的分析中，可以通过对油液磨屑的粒型情况分析、介质的化学和物理成分变化等为依据来对故障判断，就是油液磨屑的分析法。在此方法的使用中，需要对设备润滑以及液压系统情况进行参考。因为磨屑粒型一般因为污染或者磨损而产生，所以可以按照粒型具体的情况对机械磨损发展情况实施判断。在油液分析中，基于元素对不同波长光吸收和发射情况来实现，不同元素在受到一定能量激发影响，会呈现对特定的波长光发射或吸收的特性，而不同的光谱仪在对油液的发射光谱进行化学分析后，就能够对其化学的成分和含量呈现，因此借助此类信息就能够对设备受损位置和程度大小进行判断。此方法使用中，具有速度快、便捷、准确等特点，在较小粒径磨屑的分析中特别适用。
2 机械设备故障诊断与监测发展趋势
2.1 信息融合发展
在现代化科学技术迅猛发展下，人们对信号的获取方式也是各种各样，而在对机械设备的故障信号获取中，如何实现其特征信号的准确和及时获取是研究重点。在对机械设备故障信号获取中，不仅需要借助信号采集和传递装置进行相应信号的获取和传输，且还需要通过信息融合的分析技术对此类信号进行有效处理，才能够更好实现对机械设备的准确诊断。在对信号频谱的分析中，对信号处理需要实现信息融合发展，对傅里叶的变换、小波变换等方式合理使用[4]。通过傅里叶的变换，能够在整个的频域内对信号成分实现有效分析，但其不能同时对频域以及时域进行分析;但小波变换就能够同时对频域以及时域进行分析，特别擅长对故障信号的时间与频率方面细节的分析，实现对信号局部的特点突出表现，同时小波变换对非定常性瞬态变化的信号特性能够简单、有效分析，在实际的操作中并不需要借助数学的模型就能够对信号稳定和迅速分析。在基于小波变换上，和神经网格以及分形理论结合，还可以进一步实现可靠故障信号的获取。
2.2 智能化决策算法
在人工智能发展中，能够把人工智能的控制算法在机械设备的故障判断决策中使用，如遗传算法和模糊控制等，且随着不断深入的研究，对智能控制和机械设备的故障诊断关联不断深入研究，则遗传算法和模糊控制等对其故障诊断中的应用会更加有效，这也是未来研究中的重点内容。将模糊理论应用在机械设备的故障诊断，只需要进行合适隶属函数以及模糊矩阵的建立，就可以实现问题来源的准确获取，并不需要因为对准确数学模型的建立而消耗大量时间;通过神经网格对故障判断进行决策，能够以分类、联想、自我组织等办法对繁杂信息准确处理;故障诊断中使用遗传算法，能够对多个问题同时处理且还能够对各领域内问题处理和判断，它在非线性的问题和宽泛查找的问题上呈现显著优势[5]。
2.3 网络化集成资源
在时代不断发展背景下，工业控制的技术领域中局域网具有着显著的技术地位，且在信息的收集以及分析中，局域网的技术也发挥着重要的作用，因此在工业生产中，机械设备的故障诊断与监测就需要和网络手段有效结合。对机械设备的故障诊断中，可以通过局域网对信号检测的设备和计算机实现连接，借助设备来对原始的信息数据实施接收、归纳和决策分析，且通过计算机的强大计算功能，来更加快速和准确地实现对故障的诊断和分析，对机械设备稳定运转提供保障。
2.4 容错控制
对于容错控制来说，主要是当机械设备出现故障后，系统可以对故障自动剔除且能够对系统重新构建，即使系统出现故障，此系统仍能够稳定运行，其运行的性能尽管有所下降，但仍可以对需求满足。在系统容错控制中，功能拓展设计的方法是前提，如在对设备装置的设计中，系统内有自我补偿的结构，也就是设备构件可以实现自我的重建，或设备在运行中参数可以自我进行调节，对设备的稳定和安全运行提供保障。智能化容错控制的发展，是工业的自动化控制发展的主要趋势，在其发展中需要针对机械设备的自动化控制系统内自我故障的处理能力不断改进和优化[6]。
3 结语
综上所述，在机械设备的故障控制中，用到很多诊断和监测的方法，这些方法具有着不同的原理和优势，随着时代发展，为了更好实现对机械设备故障诊断与监测，就需要在研究中把握好机械设备故障的诊断和监测发展的趋势，做好对相关方向监测诊断方法的不断研究和改进，这也是其领域中需要重点研究的内容。
参考文献：
[1]孙昌元，赵静静.机械设备故障诊断技术及发展趋势[J].百科论坛电子杂志，2018（003）：682，675.
[2]張婷婷，贾铭钰.机械设备故障诊断技术的常用方法及新技术的应用研究[J].自动化与仪器仪表，2017（10）：38-39.
[3]马骥.机械设备中的可靠性及故障诊断方法研究[J].企业科技与发展，2019（002）：135-136.
[4]王晓蕾，姬治岗.煤矿机械设备故障分析与诊断技术及发展趋势[J].科学技术与工程，2020，020（012）：4621-4630.
[5]阴红国.化工机械设备的常见故障及诊断研究[J].工程技术（文摘版），2016（001）：00286.
[6]秦海峰.煤矿机电设备故障监测与诊断技术分析[J].工程技术与管理（英文），2018，002（007）：279-280.
Abstract： In the new era environment， more and more advanced mechanical equipment has been developed and used， and the performance requirements of production activities for mechanical equipment are also improving， so it is very important to ensure that the mechanical equipment has a good running state. In the use of mechanical equipment， it is often affected by many factors leading to some failures. In order to avoid the occurrence of such a situation， it is necessary to do a good job in diagnosis and monitoring. In the following， the paper mainly focuses on the common methods and development trends of mechanical equipment fault diagnosis and monitoring， hoping to provide reference for the development of related work.
关键词：机械设备;故障诊断;监测方法;发展趋势
Key words： mechanical equipment;fault diagnosis;monitoring method;the development trend
中图分类号：U673.38 文献标识码：A 文章编号：1674-957X（2021）15-0122-03
0 引言
在各行各业的发展中，对机械设备的使用都比较广泛，且机械设备的使用对实现行业生产水平提升以及现代化发展具有重要的价值。如果机械设备出现故障，势必会影响生产活动的正常进行，甚至会导致安全事故的发生，因此为了实现对机械设备状态的合理控制，逐渐产生了诸多故障诊断和监测的方法，对机械设备故障预控和及时处理提供了支持。随着时代不断发展，为了更好实现对机械设备故障的控制，其诊断与监测方法也朝着智能化和自动化不断发展。
1 机械设备故障诊断与监测的常用方法
1.1 振动监测诊断法
机械设备在运行中，振动的产生是不可避免的，往往有周期性振动和随机性的振动等，而振动会导致一定振幅的产生，代表着振动强度以及能量，则频率是机械发生振动的重要特征，因此可以通过对振动监测来实现对机械设备的故障诊断，如图1。借助相应仪器，能够监测机械设备振动的实时情况，进而完成对其故障的诊断。常用的此类监测仪器有磁电速度的传感器、压电加速度的传感器和涡流位移的传感器等，且因为压电加速度的传感器具有较高灵敏度、较宽频率范围和小体积等优势，得到了广泛使用。在对机械设备采取振动监测诊断中，不仅需要使用传感器，而且还要结合分析仪器以及故障诊断的专家系统等使用。此方法一般在机械设备转子故障、齿轮箱的故障和滚动轴承的故障中监测使用[1]。
1.2 噪声故障的监测法
在机械设备的运行中，设备噪声信号和振动信号都有着大量的信息，因此通过对机械设备噪声监测也能够实现对机械设备故障的诊断。往往振动信号的监测需要进行相应监测仪器的安转，在高温或者高腐蚀等环境下不便于安装，因此无法实现对振动的接触测量，而噪声信号并不会受到此种情况的影响，任何条件下都能够借助采集设备实现声学信号的采集和分析，从而实现对故障的有效诊断。在早期的噪声故障诊断中，主要是通过听诊法对设备状态进行判断，但需要听诊师傅具有丰富的经验才能够实现对噪声故障的辨别。现阶段噪声监测技术是能力统计的方法，它是基于传统听诊法的进化，根据机械设备正常以及故障时呈现的声能量變化情况实施对比，来实现故障的诊断[2]。但噪声故障监测中，往往会受到环境因素的影响，对声音信号产生干扰，进而影响其诊断的准确性。
1.3 红外测温法
在此方法的使用中，主要是使用红外测温的仪器根据机械设备的不同位置存在不同温度以及温度变化的情况等实现对其运行状态分析与判断。红外测温的仪器测温原理主要为黑体辐射的定律，即物体温度越高的话，所发红外辐射的能力就越强，如图2。若某些故障的部位往往会体现出温度升高特征，进而提示此位置出现排烟管阻塞、磨损或者接点的烧坏等故障。此方法中，红外测温的仪器发挥重要的作用，它能够非接触性和远距离地实现对机械设备的测温目的，还可以结合信息处理、运算和判断等功能，来对机械设备工作环境的周围温度和变化状况如实反映。此方法在实践运用中，能够有效避免户外监测受天气因素的影响，提升测量精确度，且便于对数据进行存取[3]。 1.4 油液磨屑的分析法
在对机械设备运行情况的分析中，可以通过对油液磨屑的粒型情况分析、介质的化学和物理成分变化等为依据来对故障判断，就是油液磨屑的分析法。在此方法的使用中，需要对设备润滑以及液压系统情况进行参考。因为磨屑粒型一般因为污染或者磨损而产生，所以可以按照粒型具体的情况对机械磨损发展情况实施判断。在油液分析中，基于元素对不同波长光吸收和发射情况来实现，不同元素在受到一定能量激发影响，会呈现对特定的波长光发射或吸收的特性，而不同的光谱仪在对油液的发射光谱进行化学分析后，就能够对其化学的成分和含量呈现，因此借助此类信息就能够对设备受损位置和程度大小进行判断。此方法使用中，具有速度快、便捷、准确等特点，在较小粒径磨屑的分析中特别适用。
2 机械设备故障诊断与监测发展趋势
2.1 信息融合发展
在现代化科学技术迅猛发展下，人们对信号的获取方式也是各种各样，而在对机械设备的故障信号获取中，如何实现其特征信号的准确和及时获取是研究重点。在对机械设备故障信号获取中，不仅需要借助信号采集和传递装置进行相应信号的获取和传输，且还需要通过信息融合的分析技术对此类信号进行有效处理，才能够更好实现对机械设备的准确诊断。在对信号频谱的分析中，对信号处理需要实现信息融合发展，对傅里叶的变换、小波变换等方式合理使用[4]。通过傅里叶的变换，能够在整个的频域内对信号成分实现有效分析，但其不能同时对频域以及时域进行分析;但小波变换就能够同时对频域以及时域进行分析，特别擅长对故障信号的时间与频率方面细节的分析，实现对信号局部的特点突出表现，同时小波变换对非定常性瞬态变化的信号特性能够简单、有效分析，在实际的操作中并不需要借助数学的模型就能够对信号稳定和迅速分析。在基于小波变换上，和神经网格以及分形理论结合，还可以进一步实现可靠故障信号的获取。
2.2 智能化决策算法
在人工智能发展中，能够把人工智能的控制算法在机械设备的故障判断决策中使用，如遗传算法和模糊控制等，且随着不断深入的研究，对智能控制和机械设备的故障诊断关联不断深入研究，则遗传算法和模糊控制等对其故障诊断中的应用会更加有效，这也是未来研究中的重点内容。将模糊理论应用在机械设备的故障诊断，只需要进行合适隶属函数以及模糊矩阵的建立，就可以实现问题来源的准确获取，并不需要因为对准确数学模型的建立而消耗大量时间;通过神经网格对故障判断进行决策，能够以分类、联想、自我组织等办法对繁杂信息准确处理;故障诊断中使用遗传算法，能够对多个问题同时处理且还能够对各领域内问题处理和判断，它在非线性的问题和宽泛查找的问题上呈现显著优势[5]。
2.3 网络化集成资源
在时代不断发展背景下，工业控制的技术领域中局域网具有着显著的技术地位，且在信息的收集以及分析中，局域网的技术也发挥着重要的作用，因此在工业生产中，机械设备的故障诊断与监测就需要和网络手段有效结合。对机械设备的故障诊断中，可以通过局域网对信号检测的设备和计算机实现连接，借助设备来对原始的信息数据实施接收、归纳和决策分析，且通过计算机的强大计算功能，来更加快速和准确地实现对故障的诊断和分析，对机械设备稳定运转提供保障。
2.4 容错控制
对于容错控制来说，主要是当机械设备出现故障后，系统可以对故障自动剔除且能够对系统重新构建，即使系统出现故障，此系统仍能够稳定运行，其运行的性能尽管有所下降，但仍可以对需求满足。在系统容错控制中，功能拓展设计的方法是前提，如在对设备装置的设计中，系统内有自我补偿的结构，也就是设备构件可以实现自我的重建，或设备在运行中参数可以自我进行调节，对设备的稳定和安全运行提供保障。智能化容错控制的发展，是工业的自动化控制发展的主要趋势，在其发展中需要针对机械设备的自动化控制系统内自我故障的处理能力不断改进和优化[6]。
3 结语
综上所述，在机械设备的故障控制中，用到很多诊断和监测的方法，这些方法具有着不同的原理和优势，随着时代发展，为了更好实现对机械设备故障诊断与监测，就需要在研究中把握好机械设备故障的诊断和监测发展的趋势，做好对相关方向监测诊断方法的不断研究和改进，这也是其领域中需要重点研究的内容。
参考文献：
[1]孙昌元，赵静静.机械设备故障诊断技术及发展趋势[J].百科论坛电子杂志，2018（003）：682，675.
[2]張婷婷，贾铭钰.机械设备故障诊断技术的常用方法及新技术的应用研究[J].自动化与仪器仪表，2017（10）：38-39.
[3]马骥.机械设备中的可靠性及故障诊断方法研究[J].企业科技与发展，2019（002）：135-136.
[4]王晓蕾，姬治岗.煤矿机械设备故障分析与诊断技术及发展趋势[J].科学技术与工程，2020，020（012）：4621-4630.
[5]阴红国.化工机械设备的常见故障及诊断研究[J].工程技术（文摘版），2016（001）：00286.
[6]秦海峰.煤矿机电设备故障监测与诊断技术分析[J].工程技术与管理（英文），2018，002（007）：279-280.