故障诊断技术综述

故障诊断技术综述 一 引言 故障诊断技术是一门紧密结合生产实际的科学，是现代化生产发展的产物。随着现代科学技术在设备上的应用，设备的结构越来越复杂，功能也越来越完善，自动化程度越来越高，由于许多无法避免的因素影响，会导致设备出现各种故障，从而降低或失去预定的功能，甚至会造成严重的乃至灾难性的事故。不言而喻，机械故障诊断技术在工业生产中起着越来越重要的作用，生产实践证明，研究故障诊断技术具有重要的现实意义。 二 故障诊断技术的定义 故障诊断技术就是在设备运行中或基本不拆卸设备的情况下，掌握设备的运行状况，根据对被诊断对象测试所取得的有用信息进行处理，判断被诊断对象的状态是否处于异常状态或故障状态，判断劣化状态发生的部位或零部件，并判定产生故障的原因，以及预测状态劣化的发展趋势等。其目的是提高设备效率和运行可靠性，防患于未然，避免故障的发生。 三 故障诊断技术的构成环节 从故障诊断的流程看，通常诊断系统由信号采集、信号处理、状态识别和诊断决策四大部分构成。其中，信号采集是基础，信号分析和处理是关键，状态识别(包括判断和预报)是核心，决策与管理是最终目标。前3个环节是基本环节。 1.信号采集 信息采集的基本任务是获取有用的信息。这是故障诊断的基础和前提，监测获取到的有用信息越多，监测数据越真实，越容易判断出故障原因。在运行过程中，必然会有力、热、振动及能量等各种量的变化，由此会产生各种不同的信息，根据不同的诊断需要，选择能表征设备工作状态的不同信息，如振动、压力及温度等，是十分必要的。这些信号一般是用不同的传感器来拾取的。只有采集到反映设备实际状态的信号，诊断的后续工作才有意义，因而信号采集是故障诊断技术中不可缺少的重要环节。 (1) 常用的设备状态监测技术分类 1)  振动信号监测技术 对设备的振动信号测试和分析，能获得机体、转子或其他零部件的振动幅值、频率和相位3个基本要素，经过对信号的分析、处理与识别，可了解到设备的振动特点、结构强弱、振动来源、故障部位和故障原因，为诊断决策提供依据。故利用振动信号诊断故障的技术较为普遍。 2) 声信号监测诊断技术 声信号监测诊断技术包括：噪声诊断、超声波诊断和声发射诊断技术。其中噪声的分析与诊断通常有两个目的：一是寻找机器发出噪声的主要声源，以便采取相应措施降低噪声；二是利用噪声信号判别故障。从噪声信号中提取特征信号，可以检测出故障的原因和发生故障的部位。利用声波信号进行监测与诊断故障的方法有：声音监听法、频谱分析法及声强法。 3) 温度信号监测诊断技术 温度参数在许多工业部门生产中很重要，因为不恰当的温度变化往往意味着热故障的发生。从被测设备的某一部分的温度异常变化可以判断设备是否存在故障。温度信号的测量技术主要有物体温度的直接测量和热红外线分析技术。 4)润滑油的分析诊断技术 大部分机械设备运动部件的摩擦表面须加入润滑油来润滑，当润滑油流经摩擦表面后会产生一系列物理化学性能变化，于是携带了设备运转状态的内在信息。润滑油分析诊断技术即监测润滑系统中的某些物化特性，从中获取设备内部的故障信息。主要有：油品的理化性能分析技术、油样所含磨损金属颗粒的铁谱分析技术以及润滑油的光谱分析技术。 5)其他无损检测诊断技术 无损检测是在不损坏工件或原材料工作状态的前提下，对被检验部件的表面和内部质量进行检查的一种测试手段。可以检测出设备、零部件的表面及其材料内部、零部件之间的结合部是否有缺陷，包括气孔、夹渣、裂纹及腐蚀等缺陷。 常规无损检测方法有：超声检测(UltrasonicTesting，UT)；射线检测(RadiographicTesting，RT)；磁粉检测(Magnetic particle Testing，MT)；渗透检验(PenetrantTesting，PT)；涡流检测(EddycurrentTesting，ET)。 非常规无损检测技术有：声发射(AcousticEmission，AE)；泄漏检测(Leak Testing，LT)；光全息照相(OpticalHolography)；红外热成像(InfraredThermography)；微波检测(MicrowaveTesting)。 2. 信号处理 这是将采集到的信号进行分类处理、加工，获得能表征机器特征的过程，也称特征提取过程。信号处理是故障诊断技术的核心之一，也是理论研究的热点之一。它实际上就是特征量的选择提取技术，几乎包括现代所有的信息处理技术所能提供的手段，如数字信号处理、时间序列分析、信息理论、图像识别及应用等。频谱分析技术是传统的信号分析和处理方法，如FFT分析、倒谱分析、短时傅里叶分析和Wigner—Ville分布等，在传统的工程中占有非常重要的地位。但傅里叶变换和倒谱分析只适合平稳信号的分析，而对于工程领域中广泛存在的非稳态信号，虽然引入了傅里叶分析和Wigner—Ville分布，但二者的分析能力并不理想。近年来出现的小波分析、几何分形及混沌等新的信息处理技术，在诊断领域得到了很好的应用。小波分析作为“数学显微镜”，具有很优秀的“探微”能力，无论多么复杂的信号，只要选取适当的小波，进行适当次数的变换，就可以发现其中所包含的特征量。几何分形和混沌则模拟自然界的方式来处理信息。 3. 状态识别 对设备进行状态监测的目的就是要识别设备是否运转正常。当监测出设备出现故障，则要判定属于哪类故障，故障的原因、性质、程度如何，因此设备诊断过程就是对设备运行状态的识别过程。状态识别是将经过信号处理获得的设备特征参数与规定的允许参数或判别参数进行比较、对比，以判断机器的运行状态，是否存在故障及确定故障的性质、类别、部位和原因，预测故障的发展趋势。为此应正确制订相应的判别准则和诊断策略。故障状态识别方法如下： (1)对比诊断法 目前应用较广，首先对多种工艺参数的多种信息进行数据采集和存储，这些信息包括振动幅值、频率、相位、转速、位移、模态、温度、压力和流量等。然后建立相应信息的数据库，同时作出趋势分析等图谱。将机器设备正常运行状态的多种信息保存下来，当设备发生故障时，把当前数据和正常运行状态的数据进行比对，再结合故障表现的信息特征，利用诊断知识，作出故障原因和故障状态的判定。 (2)函数诊断法 故障征兆和故障原因之间存在着一定的函数关系，经过对设备运行参数的计算，可以预测故障或者识别设备已经存在的故障。这在设备阶段也是必需的。 (3)模拟试验诊断法 设备有很多故障，它表现的征兆与故障原因之间的关系是未知的或是不确定的，必须通过模拟试验，研究故障形成的机理和特征，解答产生这种故障的原因，提出表现这类故障的特征参数以及各种参数之间的定量关系等。 (4)故障树诊断法 故障树分析不仅是可靠性设计的一种有效方法，也是故障诊断技术的一种有效方法。它是从研究系统中最不希望发生的故障状态出发，按照一定的逻辑关系从总体到部件一层层地进行逐级细化，推理分析故障形成的原因，最终确定故障发生的最初基本原因、影响程度和发生概率。分析步骤是： ①选择顶事件。②建立故障树。③求故障树的结构函数。④定性分析。⑤定量分析。 (5)模糊诊断法 模糊数学能够处理各种边界不明的模糊集合的数量关系。因在机械设备故障分析中，复杂的机械设备系统可能会出现各种故障，大多数情况下，故障原因和相应症状之间的相互关系，一般没有明确的规律可循，常出现许多异常症状与故障程度之间边界不明的模糊关系，因此很难甚至不可能用精确的数学模型来描述。利用模糊数学分析方法就能将各种故障及其症状视为两类不同的模糊集合，它们之间的关系能够用一个模糊关系矩阵来描述。两个模糊集合中，集合之间的相互关系就可以映射来确定。 (6)神经网络诊断法 人工神经网络模型是在现代神经生理学和心理学的研究基础上，模仿人的大脑神经元结构特性而建立的一种非线性动力学网络系统，它由大量的简单的非线性处理单元高度并联、互联而成。利用计算机仿真，并行处理信息，具有对人脑某些基本特性的简单的数学模拟能力。人工神经网络在故障诊断领域的应用主要集中在三个方面：一是从模式识别角度应用神经网络作为分类器进行故障诊断；二是从预测角度应用神经网络作为动态预测模型进行故障预测；三是从知识角度建立基于神经网络的诊断专家系统。 (7)专家系统诊断法 故障诊断专家系统，是人们根据长期的实践经验和大量的故障信息知识，设计出一种智能计算机程序系统，以解决复杂的难以用数学模型来精确描述的系统故障诊断问。这种智能程序与传统的计算机应用程序有着本质上的不同。在专家系统中，求解问题的知识已不再隐含在程序和数据结构中，而是单独构成一个知识库。每个知识单元描述一个比较具体的情况，以及在该情况下应采取的措施。专家系统总体上提供了一种推理机制，根据不同的处理对象，从知识库中选取不同的知识元构成不同的求解序列，或者说生成不同的应用程序，以完成某一指定任务。这种分离为问题的求解带来极大的便利和灵活性。通常专家系统由五个部分组成：知识库、推理机、数据库、解释程序以及知识获取程序。 4. 诊断决策 根据对设备状态的判断，决定应采取的对策和措施，同时应根据当前信号预测设备状态可能发展的趋势，进行趋势分析。 四 故障诊断技术的发展趋势 将当前不断发展的前沿科技运用于设备故障诊断技术是故障诊断学的发展方向。当今故障诊断技术的发展趋势是传感器的精密化、多维化，诊断理论、诊断模型的多元化，诊断技术的智能化。随着人工智能技术的迅速发展，特别是知识工程、专家系统、模糊逻辑和神经网络在诊断领域中的进一步应用，故障诊断技术将得到更加深入与系统的研究。 具体来说表现在如下方面： 1. 融合现代人工智能，结合多种智能诊断技术 现代智能技术包括专家系统、模糊逻辑、神经网络及进化计算等。现代智能方法在设备故障诊断技术中已得到了广泛的应用，随着智能科技的不断发展，将多种不同的智能技术结合起来的混合诊断系统，是智能故障诊断研究的一个发展趋势。结合方式主要有基于规则的专家系统与神经网络的结合，实例推理与神经网络的结合，模糊逻辑、神经网络与专家系统的结合等。其中，模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一。 2. 采用最新的传感技术，融合多元传感技术 一方面，采用最新激光测试技术。目前激光技术已在军事、医疗等领域逐步走向成熟。完全可以将该项技术运用于设备的故障监测诊断中，这样可以获得更加准确的信息。另一方面，在进行设备故障诊断时，可采用多个传感器同时对设备的各个位置进行监测，然后按照一定的方法对这些信息进行处理。这样，对设备可以进行全方位、多角度的监测与维护，以便对设备的运行状态有整体的、全方面的了解。 3. 远程在线分布式全系统智能诊断系统 基于互联网的智能诊断系统是将设备诊断技术与计算机网络技术相结合，用若干台中心计算机作为服务器，在企业的关键设备上建立状态监测点，采集设备状态数据；在技术力量较强的科研院所建立分析诊断中心，为企业提供远程技术支持和保障。建立远程在线分布式全系统智能诊断系统，是计算机科学、通信技术与故障诊断技术相结合的一种新的设备故障诊断模式。可以实现异地多专家对同一设备的在线协同诊断以及多台设备共享同一诊断系统，有利于诊断案例的积累，以弥补单个诊断系统领域知识的不足，提高诊断的智能化水平，促进诊断学的综合发展。 4.诊断与控制相结合 根据当前设备的运行状况判定设备是否存在故障，及时决定设备运行方式或策略，采取相应措施，从而防止故障的发生，是目前诊断技术的最高目标。它是把诊断系统和控制系统进一步结合，达到集监测、诊断、控制和管理于一身。