時間：2023-06-11 09:32:03
開篇：寫作不僅是一種記錄，更是一種創(chuàng)造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇故障診斷方法綜述，希望這些內(nèi)容能成為您創(chuàng)作過程中的良師益友，陪伴您不斷探索和進(jìn)步。
【關(guān)鍵詞】極限學(xué)習(xí)機(jī) 故障診斷 神經(jīng)網(wǎng)絡(luò)
引言
隨著設(shè)備復(fù)雜化程度的提高，對故障診斷的快速性和準(zhǔn)確性提出了更高的要求。將神經(jīng)網(wǎng)絡(luò)應(yīng)用于故障診斷中已成為一個非常活躍的研究領(lǐng)域。利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的分類能力，進(jìn)行故障模式的分類與學(xué)習(xí)，診斷出故障。
Huang在前人研究的基礎(chǔ)上提出了一種稱為極限學(xué)習(xí)機(jī)（Extreme Learning Machine，ELM）的學(xué)習(xí)方法，在保留計算精度的同時可以大幅度的縮減訓(xùn)練的時間。將ELM運(yùn)用到設(shè)備故障診斷中，極大提高了診斷的快速性和準(zhǔn)確性。
一、極限學(xué)習(xí)機(jī)研究現(xiàn)狀
ELM自2004年提出就一直受到學(xué)者的極大興趣。我們從ELM的理論和應(yīng)用兩方面進(jìn)行闡述。
1.1 ELM的理論
對于傳統(tǒng)ELM算法，網(wǎng)絡(luò)結(jié)構(gòu)、激活函數(shù)類型以及隱層神經(jīng)元的選擇對其泛化性能都有重要的影響。為了提高計算效率，使得ELM適用于更多應(yīng)用領(lǐng)域，研究者提出了許多ELM擴(kuò)展算法。
1.2 ELM的應(yīng)用
研究人員已嘗試?yán)肊LM方法解決現(xiàn)實中各種模式分類問題。隨著ELM自身理論的進(jìn)一步發(fā)展和完善，在人臉識別、文本分類、醫(yī)療診斷等領(lǐng)域中應(yīng)用廣泛。
二、故障診斷技術(shù)研究現(xiàn)狀
故障診斷技術(shù)是由于建立監(jiān)控系統(tǒng)的需要而發(fā)展起來的。其發(fā)展至今經(jīng)歷了3個階段。新的診斷技術(shù)帶來了領(lǐng)域內(nèi)算法的革新，設(shè)備精密程度的提高也對診斷實時性提出了更高的要求。如何保證故障的快速準(zhǔn)確診斷成了診斷技術(shù)發(fā)展重要內(nèi)容。
基于神經(jīng)網(wǎng)絡(luò)的故障診斷運(yùn)用廣泛，然而傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法存在許多問題。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比，極限學(xué)習(xí)機(jī)方法通過隨機(jī)選取輸入權(quán)值及隱層單元的偏置值，可以產(chǎn)生唯一的最優(yōu)解，并具有參數(shù)易于選擇以及泛化能力好等特點，在眾多領(lǐng)域有著廣泛應(yīng)用。
三、基于極限學(xué)習(xí)機(jī)的故障診斷方法研究
3.1基于ELM的故障診斷流程
（1）數(shù)據(jù)預(yù)處理。按照選取的特征向量和故障類型對故障樣本進(jìn)行預(yù)處理，并將處理后的樣本按比例分為訓(xùn)練樣本集和測試樣本集。
（2）ELM的學(xué)習(xí)算法主要有以下3個步驟：確定隱含層神經(jīng)元個數(shù)；隨機(jī)設(shè)定輸入層與隱含層間的連接權(quán)值和隱含層神經(jīng)元的偏置；選擇隱含層神經(jīng)元激活函數(shù)，進(jìn)而計算隱含層輸出矩陣計算輸出層權(quán)值。
（3）用訓(xùn)練好的ELM模型對測試樣本集進(jìn)行分類，并輸出分類結(jié)果。
3.2基于改進(jìn)ELM的故障診斷
針對極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)初始權(quán)閾值對算法性能的影響問題，提出融合遺傳算法（GA）與粒子群算法（PSO）的GA-PSO算法，用于優(yōu)化ELM神經(jīng)網(wǎng)絡(luò)初始權(quán)閾值。該算法將群組一分為二，分別采用GA和PSO算法，再將優(yōu)秀個體進(jìn)行合并，改善了PSO算法全局搜索能力，同時增強(qiáng)GA算法的局部搜索效能。
本文介紹了發(fā)電機(jī)故障診斷的重要性和常用方法，以異步發(fā)電機(jī)的常見故障為例探討了發(fā)電機(jī)故障診斷的關(guān)鍵，分析了局限發(fā)電機(jī)故障診斷技術(shù)實際應(yīng)用的原因，最后提出了發(fā)電機(jī)故障診斷領(lǐng)域的發(fā)展方向和發(fā)展重點。
【關(guān)鍵詞】
發(fā)電機(jī)；故障診；實際應(yīng)用
1前言
多年的事故統(tǒng)計表明，許多發(fā)電機(jī)事故都與電機(jī)的設(shè)計及制造質(zhì)量有關(guān)。不斷改進(jìn)與完善發(fā)電機(jī)的設(shè)計和制造質(zhì)量，改進(jìn)發(fā)電機(jī)故障診斷技術(shù)，對保證電網(wǎng)穩(wěn)定及供電安全有著重大的意義。發(fā)電機(jī)組檢修的傳統(tǒng)方法是定期檢查和維修，雖能一定程度降低故障率，但因維修存在盲目性而造成很大的浪費(fèi)。因此，國內(nèi)大部分電廠正由傳統(tǒng)的預(yù)防性維修逐步過渡到狀態(tài)性檢修。二十年以來，在發(fā)電機(jī)故障狀態(tài)監(jiān)測和診斷技術(shù)方面不少國內(nèi)外學(xué)者都展開了研究，也在一定程度上取得了進(jìn)展，各種診斷方法不斷地涌現(xiàn)。當(dāng)前，對于發(fā)電機(jī)狀態(tài)監(jiān)測和診斷技術(shù)的主要研究內(nèi)容包括定子繞組、轉(zhuǎn)子繞組及軸承等方面。本文簡單介紹了發(fā)電機(jī)故障診斷技術(shù)，以異步發(fā)電機(jī)的常見故障為例探討了發(fā)電機(jī)故障診斷的關(guān)鍵，總結(jié)了當(dāng)前的研究情況，最后提出發(fā)電機(jī)故障診斷技術(shù)未來的研究方向和發(fā)展重點。
2發(fā)電機(jī)故障診斷方法
2．1發(fā)電機(jī)故障診斷技術(shù)簡介由于發(fā)電機(jī)內(nèi)部有著電、磁、絕緣、機(jī)械等互聯(lián)系統(tǒng)的存在，其故障的原因、特征和類型也多種多樣:有線性系統(tǒng)故障也有非線性故障;既有電氣故障又有非電氣故障;從故障發(fā)展速度來分，還分為突變故障和緩變故障。這些錯綜復(fù)雜的關(guān)系，給有效、迅速地進(jìn)行發(fā)電機(jī)故障診斷帶來了困難。因此，在診斷發(fā)電機(jī)故障時，一定要清楚地了解診斷對象，由于所有的故障都是根據(jù)一定的機(jī)理產(chǎn)生發(fā)展的，具有一定的規(guī)律，發(fā)電機(jī)故障診斷就是根據(jù)這些規(guī)律，采用豐富的操作經(jīng)驗、優(yōu)越的檢測手段、多年的設(shè)計和先進(jìn)的理論研究來制作出有效的診斷軟件，確定故障原因，并制定出解除故障的方案，以實現(xiàn)發(fā)電機(jī)故障診斷。
2．2發(fā)電機(jī)故障診斷的常用技術(shù)分析發(fā)電機(jī)故障機(jī)理可知，當(dāng)發(fā)電機(jī)發(fā)生異常或故障時，其非電氣量和電氣量會發(fā)生相應(yīng)的變化，通常都根據(jù)這些物理量的變化來判斷發(fā)電機(jī)的故障類型、故障程度和故障原因。目前的發(fā)電機(jī)故障診斷技術(shù)，是對發(fā)電機(jī)故障前后的物理量的理解和總結(jié)，逐步發(fā)展起來的。當(dāng)前廣泛采用的故障診斷技術(shù)包括:機(jī)械診斷技術(shù)、電氣診斷技術(shù)和化學(xué)診斷技術(shù)等。通常，要得到準(zhǔn)確的診斷結(jié)果，僅靠一種故障診斷技術(shù)是無法做到的，需將多種診斷技術(shù)結(jié)合在一起。
2．3異步發(fā)電機(jī)常見故障環(huán)境的變化、過重的負(fù)載、制造工藝上的缺陷和運(yùn)行條件的變化等原因會導(dǎo)致異步發(fā)電機(jī)發(fā)生異常或故障，常見故障有定子故障、轉(zhuǎn)子故障和軸承故障。定子繞組故障是常見的定子部分故障，如相間短路、匝間短路、內(nèi)部放電等，主要是由絕緣破壞而導(dǎo)致的故障，其中最危險和最常見的故障就是相間短路和匝間短路。定子故障診斷的常見方法有:電流高次諧波、局部放電監(jiān)測、不平衡電流檢測、磁通檢測和定子電流負(fù)序分量檢測方法等。轉(zhuǎn)子故障產(chǎn)生的主要原因是發(fā)電機(jī)的起動次數(shù)頻繁和過負(fù)荷運(yùn)行，給轉(zhuǎn)子部分造成了很大的壓力，而在長期這種壓力的影響下，轉(zhuǎn)子的導(dǎo)條和其端環(huán)容易逐漸發(fā)生開焊或斷裂。若轉(zhuǎn)子部分發(fā)生故障，目前常用的診斷方法包括:定子繞組電流檢測法、轉(zhuǎn)速脈動檢測法、磁通檢測法、和溫升檢測法等，以定子電流檢測法應(yīng)用最為普遍。各種診斷方法所需的故障特征量通常淹沒在各種噪音中。為了提高檢測的精度，首先要對故障信號進(jìn)行處理從而凸顯故障特征，一般采取的預(yù)處理方法有:自適應(yīng)濾波法、噪聲最優(yōu)抵消法、準(zhǔn)確濾波法和希爾伯特變換方法等。由于負(fù)載過重、異物進(jìn)入和缺乏等原因?qū)е碌妮S承表面脫落、軸承損耗、破裂和腐蝕等故障稱為軸承故障。軸承部分發(fā)生故障會使發(fā)電機(jī)振動，通過分析總結(jié)軸承故障引起的振動與電流頻率的相互關(guān)系可以對軸承部分故障進(jìn)行診斷。由上述發(fā)電機(jī)故障診斷方法可以看出，只有掌握有效的信號處理技術(shù)才能對發(fā)電機(jī)故障進(jìn)行可靠地診斷。當(dāng)前故障診斷的關(guān)鍵在于如何基于現(xiàn)有故障信號測量技術(shù)和設(shè)備，有效地進(jìn)行分析和處理信號，提取出可測可靠的故障特征量，從而建立對應(yīng)的故障特征信息。從一定程度上可以說，是信號處理技術(shù)的不足導(dǎo)致了發(fā)電機(jī)故障診斷技術(shù)發(fā)展受限。目前，在故障診斷領(lǐng)域中，信號處理技術(shù)及其應(yīng)用是一個亟待解決的問題。
3發(fā)電機(jī)故障診斷的發(fā)展方向和研究重點
發(fā)電機(jī)在電力系統(tǒng)中的重要性使發(fā)電機(jī)故障診斷的成為電力系統(tǒng)多年來的研究熱點。經(jīng)過多年的發(fā)展和累積，雖然對定子部分故障、轉(zhuǎn)子部分故障和軸系故障不斷提出了新的方法和技術(shù)，但對比電動機(jī)故障診斷和發(fā)電機(jī)故障保護(hù)領(lǐng)域的研究進(jìn)展，發(fā)電機(jī)故障診斷距離進(jìn)入到實際應(yīng)用還很遠(yuǎn)。主要有三個原因?qū)е铝诉@樣的局面:(1)作為電力系統(tǒng)的供電電源，發(fā)電機(jī)的各種參數(shù)、設(shè)備結(jié)構(gòu)和運(yùn)行工況比電動機(jī)更復(fù)雜，因此需要進(jìn)行更多地研究。(2)一些學(xué)者為了研究而研究，沒有對發(fā)電機(jī)現(xiàn)場運(yùn)行情況進(jìn)行更加細(xì)致地了解，沒有認(rèn)清發(fā)電機(jī)故障診斷的本質(zhì)，造成實際應(yīng)用前景不明。(3)在發(fā)電機(jī)故障診斷領(lǐng)域缺乏嚴(yán)格的理論體系。發(fā)電機(jī)故障診斷的研究對象應(yīng)該側(cè)重于定子繞組單相接地和轉(zhuǎn)子繞組匝間短路等故障。分析故障和提取有效的故障特征是研究的側(cè)重點。根據(jù)研究方法，應(yīng)針對各種類型故障建立故障模型，進(jìn)行仿真研究以及試驗驗證。因此，故障診斷技術(shù)的發(fā)展方向在于有效地提取故障特征，并進(jìn)行故障分析。
4結(jié)語
本文簡要介紹了發(fā)電機(jī)故障診斷技術(shù)，以異步發(fā)電機(jī)的常見故障為例介紹了目前常用的發(fā)電機(jī)故障診斷方法，并且探討了發(fā)電機(jī)故障診斷的發(fā)展方向和研究重點。隨著電力系統(tǒng)的不斷發(fā)展和應(yīng)用要求的不斷提高，從理論研究和對實際應(yīng)用的需求方面看，發(fā)電機(jī)故障診斷技術(shù)領(lǐng)域依然有很多問題值得我們進(jìn)行深入研究。
參考文獻(xiàn):
［1］張超，夏立．交流無刷發(fā)電機(jī)故障診斷研究綜述［J］．湖南工業(yè)大學(xué)學(xué)報，2008，21(05):103．
［2］魏云冰．小波變換在電機(jī)故障診斷與測試中的應(yīng)用研究:碩士學(xué)位論文［D］．武漢:華中科技大學(xué)，2005．
關(guān)鍵詞：往復(fù)壓縮機(jī)；故障診斷；研究
前言
目前，隨著我國科學(xué)技術(shù)的不斷發(fā)展，工廠的許多機(jī)械設(shè)備等都向著自動化的目標(biāo)發(fā)展，帶來的問題就是機(jī)械設(shè)備的復(fù)雜化使一些零部件之間一環(huán)扣一環(huán)，聯(lián)系更加緊密。若是某一部分出現(xiàn)了故障就會導(dǎo)致整個設(shè)備的運(yùn)行受阻，進(jìn)而造成較大的經(jīng)濟(jì)損失，更嚴(yán)重的會造成人員的傷亡。所以，機(jī)械設(shè)備的正常運(yùn)行過程中，若是能夠及時正確的預(yù)報或是診斷出隱含的故障因素，能夠使壓縮機(jī)在保證完整的情況下檢查出出現(xiàn)故障的部件，進(jìn)而能夠防止事故的出現(xiàn)，能為企業(yè)帶來更高的經(jīng)濟(jì)效益。
1 往復(fù)壓縮機(jī)故障診斷技術(shù)研究現(xiàn)狀
每個企業(yè)在進(jìn)行往復(fù)壓縮機(jī)故障診斷技術(shù)的選擇時，需要將每種技術(shù)實施過程中的可能性以及優(yōu)缺點進(jìn)行仔細(xì)的對比，必須要保證技術(shù)的科學(xué)合理才能進(jìn)行下一步實施，進(jìn)而挑選出最適合機(jī)械的故障診斷方法。
1.1 通過分析油液進(jìn)行故障診斷的技術(shù)
在往復(fù)壓縮機(jī)正常運(yùn)行的過程中，只要涉及到兩個運(yùn)動的面發(fā)生接觸就一定會引起磨損的現(xiàn)象。根據(jù)具體的實驗數(shù)據(jù)可知，運(yùn)行過程中的不同時間段，往復(fù)壓縮機(jī)的油會呈現(xiàn)出較大差異的衰敗長度，磨損的微粒也會有明顯不同的特征，主要從形貌、大小、分布以及數(shù)量上有所體現(xiàn)。所以，在油中對于往復(fù)壓縮機(jī)的相關(guān)信息都有所體現(xiàn)，進(jìn)行油液的分析故障診斷就是根據(jù)這一原理。收集觀察往復(fù)壓縮機(jī)所使用的油，再通過各種不同的檢測措施，進(jìn)而分析油的使用狀況以及是否攜帶或攜帶多少的磨損微粒等各項信息，能夠綜合評價出所使用的油及設(shè)備放入磨損程度，相關(guān)的工作人員就能判斷出潛在的故障存在。這種故障分析方法的分析的對象是油的磨損微粒與機(jī)械性能衰敗的信息，因此在實施此種故障診斷的技術(shù)之前首要的任務(wù)是對分析樣品的收集，再進(jìn)行檢測得到數(shù)據(jù)，進(jìn)而通過分析所得數(shù)據(jù)判斷出故障的存在與否以及進(jìn)行預(yù)防的方案。由于這一技術(shù)的綜合性，要求往復(fù)壓縮機(jī)中的零部件都具有不同且明顯的特征，只有這樣才能保證診斷結(jié)果的準(zhǔn)確性。
1.2 進(jìn)行參數(shù)測定的故障診斷技術(shù)
往復(fù)壓縮機(jī)內(nèi)的每一個部件都有顯著地不同，包括在零部件發(fā)生損壞之前和被破壞之后，所以需要借助于機(jī)器的測定來對零部件進(jìn)行性能的檢測，再將得到的數(shù)據(jù)與標(biāo)準(zhǔn)的數(shù)據(jù)進(jìn)行比較，進(jìn)而得出有異常的數(shù)據(jù)，并確定往復(fù)壓縮機(jī)出現(xiàn)故障的位置，而且要根據(jù)檢測到的數(shù)據(jù)與標(biāo)準(zhǔn)的數(shù)據(jù)差異情況進(jìn)一步推斷出故障的下一步發(fā)展趨勢。對機(jī)械進(jìn)行測試的過程中，可供測量的對象是不固定的，所以每一次進(jìn)行測試得到的參數(shù)也是不同的，因此根據(jù)測試對象的不同主要采取兩種方式進(jìn)行診斷，即電力參數(shù)測定和熱力參數(shù)的測定。在對往復(fù)壓縮機(jī)的故障診斷中，通常都選擇熱力參數(shù)的測定方法，因為這種方法能夠較大方面的檢測出往復(fù)壓縮機(jī)在熱力性能方面的故障。另外在進(jìn)行多級壓縮的過程中，需要根據(jù)溫度的變化和壓力的變化數(shù)據(jù)進(jìn)行初步的診斷，得出出現(xiàn)故障的根本原因，這也是熱力參數(shù)測試方法的直接體現(xiàn)，然而這種方法的缺點是只能進(jìn)行粗略的判斷出故障出現(xiàn)的原因而不能具體化，要求技術(shù)人員能夠結(jié)合氣缸的溫度壓力信號以及功能圖進(jìn)行進(jìn)一步的考慮，從更深層次考慮出現(xiàn)故障的原因。
1.3對振動情況進(jìn)行分析的故障診斷技術(shù)
在往復(fù)壓縮機(jī)運(yùn)行的條件下，往復(fù)壓縮機(jī)中的零件之間會產(chǎn)生作用力，進(jìn)而引發(fā)噪聲和振動，若是零部件之間發(fā)生磨損，往復(fù)壓縮機(jī)的動力學(xué)性能將會出現(xiàn)相應(yīng)的改變。所以，技術(shù)人員應(yīng)該對往復(fù)壓縮機(jī)外部的噪聲和振動信號的進(jìn)行精確的測量，再根據(jù)測量的結(jié)果數(shù)據(jù)進(jìn)一步探討分析其內(nèi)部有可能出現(xiàn)的故障情況。然而在實際的操作中，噪聲會極易受到周圍環(huán)境的影響，因此正確的振動數(shù)據(jù)要求保證故障的診斷技術(shù)獲得高度準(zhǔn)確性是關(guān)鍵因素。同時，技術(shù)人員應(yīng)該通過獲取頻域以及時域的征兆進(jìn)行故障的精確診斷。或者能夠使用表格的方式把充足且獨(dú)特的振動信號頻譜值輸入計算機(jī)中，并整理成為故障頻譜數(shù)據(jù)庫，那么在診斷的時候，就可以將譜峰進(jìn)行對比分析，可以根據(jù)譜峰的高度變化和預(yù)測每種故障出現(xiàn)的根本原因，以及出現(xiàn)頻率及分布情況，將多種情況加以綜合就可以得出正確的診斷結(jié)果。然而，這種方法最大的缺點就是故障譜峰數(shù)據(jù)庫的制作需要花費(fèi)大量的人力物力來開展模擬實驗。因此，在實際的操作中，需要經(jīng)常收集正常情況下某一組的時域信號，再與正常狀態(tài)下往復(fù)壓縮機(jī)的指標(biāo)進(jìn)行比較，若是測得的數(shù)值大于標(biāo)準(zhǔn)的極限指標(biāo)，那么就可以確定往復(fù)壓縮機(jī)已經(jīng)出現(xiàn)了故障，正處于異常運(yùn)行狀態(tài)。
2 往復(fù)壓縮機(jī)故障診斷技術(shù)的展望
2.1 往復(fù)壓縮機(jī)機(jī)械的診斷技術(shù)要與設(shè)計及制造相結(jié)合發(fā)展
現(xiàn)階段，有許多的往復(fù)壓縮機(jī)生產(chǎn)廠家，在進(jìn)行設(shè)計和制造往復(fù)壓縮機(jī)時，沒有將診斷技術(shù)與設(shè)計及制造相結(jié)合發(fā)展。所以，在今后的壓縮機(jī)設(shè)計和制造的過程中考慮到故障診斷，如可以將光纖傳感器預(yù)先就埋在柴油機(jī)的內(nèi)部，能夠為以后的機(jī)械診斷和維修提供較大的方便，進(jìn)而避免了由于間接的測量診斷而帶來的誤差，同時也能省去大量且復(fù)雜的數(shù)據(jù)信號處理的過程。
2.2 加強(qiáng)往復(fù)壓縮機(jī)中具有共性故障診斷方法的研究
在往復(fù)壓縮機(jī)故障的診斷過程中，根據(jù)經(jīng)驗可知有些具有共性的故障出現(xiàn)，因此需要進(jìn)行系統(tǒng)的歸納和總結(jié)，其基本的思路是：在不同的設(shè)備當(dāng)中，如果運(yùn)行的參數(shù)和結(jié)構(gòu)特點之間有相似部分的零部件，一般情況下故障的表現(xiàn)形式以及機(jī)理也具有相似性，因此信號的采集和處理的方法也基本相同。所以，針對某種零部件，只需要構(gòu)建一個診斷相似的模塊，就能實現(xiàn)在不同的設(shè)備中使用。這樣一來，建立好了不同零部件的故障診斷模塊，再遇到較為復(fù)雜的設(shè)備后，只需要將零部件進(jìn)行細(xì)化就能快速的診斷出系統(tǒng)存在的問題。
2.3 將信息處理技術(shù)與分析技術(shù)的綜合應(yīng)用
技術(shù)人員應(yīng)該能夠充分的利用信號處理的技術(shù)，提高信息的分析能力，進(jìn)而增強(qiáng)模塊建立的識別能力。然而過去的最為典型的就是傅里葉變換信號處理技術(shù)，目前該方法的使用受到了多方面的限制，現(xiàn)階段已經(jīng)不能勝任機(jī)械故障的檢測，取而代之的是新興的時頻分析法，該方法將會得到廣泛的應(yīng)用和充分的發(fā)展
2.4 往復(fù)壓縮機(jī)故障診斷趨向智能化
目前，往復(fù)壓縮機(jī)在人工智能化故障診斷中，專家系統(tǒng)和神境網(wǎng)絡(luò)的研究方向上已經(jīng)取得了較大的進(jìn)步，但是在往復(fù)壓縮機(jī)的故障診斷中仍然存在著許多亟需解決的問題。人工智能化的神經(jīng)網(wǎng)絡(luò)呈現(xiàn)大規(guī)模的并列分布處理系統(tǒng)，而且具有很好的自學(xué)性和組織性，更重要的是能夠從故障中學(xué)習(xí)，進(jìn)而聯(lián)想記憶和功能匹配等模式，如果能進(jìn)一步利用好智能化技術(shù)，將會很好的解決技術(shù)人員解決不了的問題。
3 結(jié)束語
在今后往復(fù)式壓縮機(jī)發(fā)展的進(jìn)程中主要發(fā)展的趨勢是人工智能化以及計算機(jī)輔助數(shù)據(jù)的分析等先進(jìn)技術(shù)，進(jìn)而開發(fā)實現(xiàn)往復(fù)壓縮機(jī)的在線監(jiān)測和故障診斷系統(tǒng)，利用該系統(tǒng)實現(xiàn)資源的共享，進(jìn)一步提高故障診斷的準(zhǔn)確度，這也是往復(fù)式壓縮機(jī)故障診斷技術(shù)的一個創(chuàng)新之處。
參考文獻(xiàn)
[1]王隆富.往復(fù)機(jī)械故障診斷綜述[J].湖北廣播電視大學(xué)學(xué)報，2009（4）.
關(guān)鍵詞：汽輪機(jī) 故障診斷 小波 神經(jīng)網(wǎng)絡(luò)
1、引言
二十世紀(jì)以來，隨著工業(yè)生產(chǎn)和科學(xué)技術(shù)的發(fā)展，機(jī)械故障的可靠性、可用性、可維護(hù)性與安全性問題日益突出，從而促進(jìn)了人們對機(jī)械設(shè)備故障機(jī)理及診斷技術(shù)的研究汽輪機(jī)是電力生產(chǎn)的重要設(shè)備，由于其結(jié)構(gòu)的復(fù)雜性和運(yùn)行環(huán)的特殊性，汽輪機(jī)的故障率較高，而卻故障危害也很大。汽輪發(fā)電機(jī)組常見的機(jī)械振動故障有：轉(zhuǎn)子不平衡、轉(zhuǎn)子彎曲、轉(zhuǎn)子不對中、油膜振蕩、碰摩、轉(zhuǎn)子橫向裂紋和轉(zhuǎn)子支承系統(tǒng)松動等。汽輪機(jī)振動故障的汽輪機(jī)最常見的故障，因此，汽輪機(jī)的振動故障診斷一直是故障診斷技術(shù)應(yīng)用中非常重要的部分。
2、基于信號處理的振動故障診斷方法
信息的采集和處理是實現(xiàn)機(jī)組振動檢測與故障診斷中的一個基本環(huán)節(jié)、也是振動檢測軟件的核心技術(shù)。現(xiàn)代信息分析主要包括兩種形式：一種是以計算機(jī)為核心的專用數(shù)字式信號處理儀器，另一種是采用通用計算軟件來進(jìn)行信號分析的方式。
2.1小波變換方法
這是一種新的信號處理方法，是一種時間―尺度分析方法，具有多分辨率分析的特點。利用小波變換可以檢測信號的奇異性。因噪聲的小波變換的模的極大值隨著尺度的增大而迅速衰減，而小波變換在突變點的模的極大值隨著尺度的增大而增大(或由于噪聲的影響而緩慢衰減)，即噪聲的Lipschitz指數(shù)處處小于零，而在信號突變點的Lipschitz指數(shù)大于零(或由于噪聲的影響而等于模很小的負(fù)數(shù))，所以可以用連續(xù)小波變換區(qū)分信號突變和噪聲。同樣，離散小波變換可以檢測隨機(jī)信號頻率的突變。孫燕平等應(yīng)用了小波分析理論，采用多分辨分析和小波分解等基本思想對汽輪機(jī)轉(zhuǎn)子振動信號進(jìn)行了分析，針對振動信號的弱信號特征，提出了基于離散小波細(xì)化頻率區(qū)間，小波分解后進(jìn)行能量譜分析和小波變換結(jié)合傅立業(yè)變換分析法，并將其應(yīng)用于模擬轉(zhuǎn)子試驗臺上。閆亮以小波分析為基礎(chǔ)，針對汽輪機(jī)早期振動故障信號具有背景噪聲強(qiáng)，特征信號弱的特點改進(jìn)傳統(tǒng)的Donoho硬閾值降噪算法，提出了基于shannon熵的最優(yōu)小波包基降噪算法，能明顯地提高信號的信噪比。采用小波神經(jīng)網(wǎng)絡(luò)松散結(jié)合的診斷方法，利用小波包的分解重構(gòu)系數(shù)得到信號的頻帶能量，再將頻帶能量作為神經(jīng)網(wǎng)絡(luò)輸入向量進(jìn)行模式識別。利用BP神經(jīng)網(wǎng)絡(luò)在故障診斷方面具有診斷精度高，學(xué)習(xí)速度快的特點與小波分析相結(jié)合。
小波神經(jīng)網(wǎng)絡(luò)是一種非模型的診斷方法，回避了抽取對象數(shù)學(xué)模型的難點，避免了復(fù)雜的關(guān)于建模的傳遞函數(shù)的運(yùn)算，以及建模不完全或不精確導(dǎo)致的診斷誤差。小波變換不需要系統(tǒng)的數(shù)學(xué)模型，對噪聲有很強(qiáng)的抑制能力，有較高的靈敏度，運(yùn)算量也不大，是一種很有前途的方法。
2.2信息融合的方法
信息融合是利用計算機(jī)技術(shù)對按時序獲得的多源的觀測信息在一定準(zhǔn)則下加以自動分析、綜合以完成所需的決策和估計任務(wù)而進(jìn)行的信息處理過程。
張燕平設(shè)計了汽輪機(jī)轉(zhuǎn)子軸系故障模擬試驗方案，并對各種故障進(jìn)行了多組升速試驗，對故障信號進(jìn)行了傅立葉分析，以三維幅值譜和升速過程波德圖為工具，對故障信號的頻域信息進(jìn)行了融合研究。研究表明，一階矩向量三維圖不僅融合了信號的時頻特征，還融合了信號的空間特征，因而可用來對故障的產(chǎn)生過程進(jìn)行全面分析，是進(jìn)行軸系典型故障診斷的又一有效工具。
2.3其他信息處理法
N.E.Huang等提出了一種經(jīng)驗?zāi)B(tài)分解方法(EMD)，其主旨為把一個時間序列的信號分解成不同尺度的本征模態(tài)函數(shù)(IMF)，每個本征模態(tài)函數(shù)序列都是單組分的，相當(dāng)于序列的每一點只有一個瞬時頻率，無其他頻率組分的疊加。瞬時頻率是通過對IMF進(jìn)行希爾伯特變換得到，同時求得振幅，最后求得振幅頻率時間的三維譜分布。唐貴基等利用EMD分析方法以及其對應(yīng)的Hilbert變換在大型汽輪機(jī)故障診斷中進(jìn)行非平穩(wěn)信號的算法和應(yīng)用，并描繪出仿真故障信號的時頻圖、時頻譜和幅值譜。姚志宏嘲利用Kohonen網(wǎng)絡(luò)聚類的特點，把汽輪機(jī)振動故障信號頻譜中的相關(guān)頻段上不同頻率譜的譜峰能量值作為故障信號的訓(xùn)練樣本輸入到Kohonen網(wǎng)絡(luò)，并由網(wǎng)絡(luò)進(jìn)行聚類，產(chǎn)生聚類中心點。根據(jù)此聚類中心點的位置來確認(rèn)和診斷汽輪機(jī)振動故障的原因以及目前的嚴(yán)重程度。
3、基于知識的故障診斷方法
基于知識的方法不需要精確的數(shù)學(xué)模型就能準(zhǔn)確預(yù)測故障，當(dāng)前這一領(lǐng)域的研究較為活躍。
3.1基于專家系統(tǒng)的故障診斷方法
專家系統(tǒng)(Expert System――ES)是人工智能領(lǐng)域較為活躍的一支，它已廣泛應(yīng)用于過程監(jiān)測系統(tǒng)，并取得了相當(dāng)可觀的經(jīng)濟(jì)效益。專家系統(tǒng)是一種基于知識的智能計算機(jī)程序系統(tǒng)，其運(yùn)用領(lǐng)域?qū)６嗄攴e累的經(jīng)驗與專門知識，模擬人類專家的思維過程來處理該領(lǐng)域的問題。張曉等提出了一種新的基于模糊與綜合的離線式汽輪機(jī)故障診斷專家系統(tǒng)，并且提出了相關(guān)基于模糊診斷的推理和專家系統(tǒng)知識的漏診斷和無診斷的自學(xué)習(xí)方法。
3.2基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷方法
人工神經(jīng)網(wǎng)絡(luò)技術(shù)以分布的方式存儲信息，利用網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和權(quán)值分布實現(xiàn)非線性的映射，并利用全局并行處理實現(xiàn)從輸入空間到輸出空間的非線性信息變換。對于某一特定對象建立特定的神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)，將故障征兆作為輸入信號可以直接得到故障，方便地實現(xiàn)了故障檢測與診斷。
張建華等提出了采用概率神經(jīng)網(wǎng)絡(luò)(PNN)的汽輪發(fā)電機(jī)組故障診斷方法。利用PNN算法簡單、訓(xùn)練和泛化速度快的優(yōu)點，把新的訓(xùn)練樣本添加到以前訓(xùn)練好的分類器中，便于提高故障診斷結(jié)果的準(zhǔn)確性。而且具有很高的運(yùn)算速度，抗干擾能力強(qiáng)，對傳感器測量噪聲具有較強(qiáng)的診斷魯棒性。新的訓(xùn)練樣本也很容易加入以前訓(xùn)練好的分類器中，更適用于在線檢測。程衛(wèi)國翻通過對振動信號的分析，并對BP算法進(jìn)行了研究和改進(jìn)。劉正亮建立了人工魚群神經(jīng)網(wǎng)絡(luò)模型，利用人工魚的聚群、追尾和覓食行為訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)的權(quán)系數(shù)，提高了神經(jīng)網(wǎng)絡(luò)的收斂速度和精度。依據(jù)此模型提出一種故障診斷方法，并應(yīng)用于汽輪機(jī)振動故障分析，提高了神經(jīng)網(wǎng)絡(luò)的泛化能力和故障診斷的準(zhǔn)確率。
4、基于解析模型的故障診斷方法
基于解析模型的故障檢測和診斷方法在故障診斷的研究中占有重要地位，它充分利用了系統(tǒng)模型的深層知識進(jìn)行故障診斷，具體是指使用系統(tǒng)的結(jié)構(gòu)、行為和功能等方面的知識對系統(tǒng)進(jìn)行診斷推理，這就需要建立系統(tǒng)結(jié)構(gòu)、行為和功能模型。
荊建平等針對轉(zhuǎn)子裂紋故障的早期診斷與預(yù)示這一問題，提出了基于多模型估計(MMAE)的轉(zhuǎn)子裂紋故障診斷方法。并對Jeffcott轉(zhuǎn)子建立了正常、裂紋轉(zhuǎn)子模型和基于卡爾曼濾波器的多模
型自適應(yīng)估計器，通過裂紋故障的仿真分析和故障多模型估計表明，該方法對早期診斷和預(yù)示轉(zhuǎn)子裂紋故障有良好的效果。張國平針對汽輪機(jī)啟動和停止過程信號比平穩(wěn)過程復(fù)雜這一特點用短時傅里葉變換提取狀態(tài)特征信息，引入基于連續(xù)HMM建立在在線狀態(tài)監(jiān)測系統(tǒng)的應(yīng)用。HMM是一種時間序列的統(tǒng)計模型，能用參數(shù)描述隨機(jī)過程統(tǒng)計特性的概率模型，是一種用針對性的信號的建模和識別工具。韓璞等㈣利用了貝葉斯網(wǎng)絡(luò)模型進(jìn)行汽輪機(jī)故障診斷，通過對主成分分析方法提取故障特征的討論，提出了基于主成分分析方法和貝葉斯網(wǎng)絡(luò)的汽輪機(jī)故障診斷模型建立方法，應(yīng)用特征提取后的樣本建立了汽輪機(jī)故障貝葉斯網(wǎng)絡(luò)模型，該汽輪機(jī)故障診斷模型簡潔，易于推理，提高了汽輪機(jī)故障診斷的效率。
基于解析模型的故障診斷方法主要用于控制系統(tǒng)的故障診斷。因為其它診斷方法多以直接檢測信號的分析為診斷依據(jù)，而控制系統(tǒng)的輸出信號常常隨著控制輸入信號的變化而變化。這樣，用直接信號檢測分析方法往往難以甄別一個異常的信號是由于系統(tǒng)故障所致，還是由于控制輸入信號使然。而基于解析模型的故障診斷方法將系統(tǒng)的模型和實際系統(tǒng)冗余運(yùn)行，通過對比產(chǎn)生的殘差信號，就有效地剔除了控制信號對系統(tǒng)的影響因素。通過對殘差信號的分析，就可以診斷系統(tǒng)運(yùn)行過程中出現(xiàn)的故障。
5、基于離散事件的故障診斷方法
離散事件模型的狀態(tài)既反映正常狀態(tài)，又反映系統(tǒng)的故障狀態(tài)。系統(tǒng)的故障事件構(gòu)成整個事件集合的一個子集。故障診斷就是確定系統(tǒng)是否處于故障狀態(tài)和是否發(fā)生了故障事件。
彭希等針對常規(guī)頻譜診斷方法的不足，論述了離散的BAM(雙向聯(lián)想記憶)網(wǎng)絡(luò)及其特性。討論了汽輪發(fā)電機(jī)組常見典型振動故障的變化特征及其數(shù)字化描述方法，構(gòu)建了離散BAM網(wǎng)絡(luò)能夠?qū)崿F(xiàn)汽輪機(jī)振動故障特征空間到故障標(biāo)示空間的聯(lián)想和追憶映射，用BAM網(wǎng)絡(luò)建立模型診斷汽輪機(jī)組振動故障。離散BAM神經(jīng)網(wǎng)絡(luò)是繼Hopfield網(wǎng)絡(luò)之后另一類典型的反饋形網(wǎng)絡(luò)，是一種能進(jìn)行尋址記憶的二層相關(guān)網(wǎng)絡(luò)，使用前向和后向信息對存儲內(nèi)容激發(fā)聯(lián)想和回憶，其具有良好的動力學(xué)行為而用于聯(lián)想記憶。
陳等在分析了汽輪機(jī)振動故障特點的基礎(chǔ)上，提出了用遺傳算法進(jìn)行汽輪機(jī)故障診斷問題，定義了遺傳算法求解故障診斷問題的概率因果網(wǎng)絡(luò)，建立了汽輪機(jī)故障診斷模型，該模型能有效地識別出汽輪機(jī)的多故障。
【關(guān)鍵詞】機(jī)電一體化設(shè)備故障診斷方法
中圖分類號：TH-39 文獻(xiàn)標(biāo)識碼：A
設(shè)備故障，一般是指設(shè)備或系統(tǒng)在使用過程中喪失或降低其規(guī)定功能的事件或現(xiàn)象。故障診斷包括故障檢測和故障定位，就是利用各種檢查和測試方法，發(fā)現(xiàn)設(shè)備的故障并找出故障所在位置的過程。設(shè)備在使用過程中，由于機(jī)械零件的磨損、斷裂、變形、腐蝕損傷等原因，一旦發(fā)生故障，往往會產(chǎn)生嚴(yán)重后果。所以，必須對設(shè)備的零件及其運(yùn)行狀態(tài)進(jìn)行定期檢查和判斷，及時消除故障，保證設(shè)備的正常穩(wěn)定運(yùn)行。
一、機(jī)電一體化設(shè)備的故障診斷技術(shù)。
1、機(jī)電一體化設(shè)備的故障特點。機(jī)電一體化設(shè)備使用的零部件數(shù)量比較多，且技術(shù)含量比較高，因此，相對于一般的機(jī)械設(shè)備，其發(fā)生故障的幾率會比較大。統(tǒng)計表明，機(jī)電一體化設(shè)備發(fā)生故障的幾率是一般機(jī)械設(shè)備的八倍。面對如此復(fù)雜、故障如此高發(fā)的設(shè)備，光靠人工檢查分析是遠(yuǎn)遠(yuǎn)不夠的，因此迫切需要研究一種專門的故障診斷技術(shù)。機(jī)電一體化設(shè)備的故障特點主要有以下幾點：（1）機(jī)械零件比較多，容易磨損；（2）自診斷功能不強(qiáng)，只能診斷出一些簡單的故障；（3）報警顯示不明確，一些故障顯示報警，一些故障沒有報警顯示；（4）相關(guān)經(jīng)驗技術(shù)人員越來越少。
2、機(jī)電一體化設(shè)備的故障診斷技術(shù)。故障診斷技術(shù)實質(zhì)上就是一種檢測技術(shù)，即檢查系統(tǒng)的運(yùn)行狀態(tài)并判斷異常情況，根據(jù)診斷為系統(tǒng)故障的恢復(fù)提供依據(jù)。對設(shè)備進(jìn)行故障診斷主要有三個目的：①為了確保設(shè)備的正常可靠運(yùn)行；②為了發(fā)揮設(shè)備的最大效益；③為了能夠及時診斷出已發(fā)生或?qū)⒁l(fā)生的故障，從而減少維修時間，提高維修質(zhì)量。故障診斷主要有四個任務(wù)：①故障檢測，即對使用中的設(shè)備或系統(tǒng)定期的發(fā)送檢測信號，通過分析接收到的響應(yīng)數(shù)據(jù)判斷設(shè)備或系統(tǒng)是否發(fā)生故障。②故障類型判斷，即在檢出故障后，分析故障原因判斷出系統(tǒng)故障的類型。③故障定位，即在前兩個任務(wù)的基礎(chǔ)上，細(xì)化故障種類，判斷出故障發(fā)生的具體部位和原因。④故障恢復(fù)，即根據(jù)第三個任務(wù)，采取不同的措施，對系統(tǒng)故障進(jìn)行恢復(fù)。故障診斷一般是通過檢測設(shè)備的信號來判斷設(shè)備的運(yùn)行情況。設(shè)備診斷過程如圖1所示。
由圖1可以看出，在對設(shè)備的故障進(jìn)行診斷時，需要先對診斷對象的原始特征信號進(jìn)行測試，以獲得診斷信號；然后從這些診斷信號中提取征兆，即從信號中分離出能夠表示特征故障種類和位置的信號；隨后再根據(jù)模式識別理論處理征兆，進(jìn)行狀態(tài)識別。如果是無故障狀態(tài)，則可以采用濾波、時序模型等方法進(jìn)行深入分析，預(yù)測將要發(fā)生的故障；如果狀態(tài)是某一種故障，則可以采用模式識別、信號分析等方法研究故障的類型、位置及其產(chǎn)生原因，然后在此基礎(chǔ)上制定策略，以達(dá)到診斷目的，確保設(shè)備的正常運(yùn)行。故障診斷主要有兩種測試方式：①故障測試，發(fā)生在故障出現(xiàn)之前，這時診斷對象處于運(yùn)行狀態(tài)，基于預(yù)測并及時發(fā)現(xiàn)故障的目的而對診斷對象進(jìn)行的在線測試就稱為故障測試；②診斷測試，發(fā)生在故障出現(xiàn)之后，這時診斷對象處于非運(yùn)行狀態(tài)，基于確定故障種類和位置而對診斷對象進(jìn)行的試驗性測試就稱為診斷測試。
二、機(jī)電一體化設(shè)備故障診斷方法。
根據(jù)上述診斷過程，可以總結(jié)得到，設(shè)備診斷技術(shù)應(yīng)該包括以下內(nèi)容：（1）在對診斷對象測試之前，必須結(jié)合實際的設(shè)備性質(zhì)與工況，選擇與設(shè)備狀態(tài)相關(guān)的原始特征信號。（2）結(jié)合實際情況采取合適的方法從診斷信號中分理出有關(guān)設(shè)備狀態(tài)的有用信息，即征兆。（3）依據(jù)提取的征兆，對設(shè)備狀態(tài)進(jìn)行識別，即狀態(tài)診斷。（4）根據(jù)獲取的征兆和狀態(tài)，對設(shè)備運(yùn)行情況進(jìn)行深入分析，研究預(yù)測故障將要發(fā)生的位置、類型及產(chǎn)生原因。（5）結(jié)合設(shè)備狀態(tài)和發(fā)展趨勢，制定策略，確保設(shè)備的正常運(yùn)行。機(jī)電一體化設(shè)備的故障診斷分析方法有很多，例如白診斷法、溫度檢測診斷法、壓力檢測診斷法、故障樹分析法等。
依據(jù)不同的診斷方式可以分為不同的故障判斷方法，這里主要介紹了三種：（1）根據(jù)故障是否有報警指示，可分為有診斷指示故障和無指示故障。有診斷指示故障是指機(jī)電一體化設(shè)備帶有自診斷功能，如果發(fā)生故障就會報警并在屏幕上顯示故障說明，這時就可以按照診斷手冊找出故障發(fā)生原因，及時排除故障。無診斷指示是指一些機(jī)電一體化設(shè)備沒有自診斷功能，即使有，也不能對某些故障的發(fā)生產(chǎn)生報警提示，只能依靠人工經(jīng)驗分析來排除故障。
（2）根據(jù)故障的出現(xiàn)是否破壞工件或機(jī)床，可以將故障診斷分為破壞性故障和非破壞性故障。破壞性故障，是指這種故障一旦發(fā)生，就會損壞工件或機(jī)床，這種故障必須進(jìn)行永久性排除，禁止重演；非破壞性故障，是指故障的發(fā)生不會損壞工件或機(jī)床，只需找出原因并排除即可。
（3）根據(jù)故障發(fā)生的偶然性，可以分為系統(tǒng)性故障和偶然性故障。系統(tǒng)性故障是指，一旦設(shè)備的運(yùn)行狀態(tài)符合一定條件就會產(chǎn)生故障，這種故障分析起來比較容易；偶然性故障是指在設(shè)備的運(yùn)行過程中偶爾發(fā)生的故障，這種故障分析比較難，因為它常與工件或機(jī)床的結(jié)構(gòu)、工作特性有關(guān)。
三、機(jī)電一體化設(shè)備故障診斷專家系統(tǒng)。
機(jī)電一體化設(shè)備的故障診斷技術(shù)，其未來發(fā)展方向就是人工智能和專家系統(tǒng)，本文著重介紹了故障診斷專家系統(tǒng)。這個系統(tǒng)主要由知識庫、推理機(jī)和用戶界面三大部分組成，其實質(zhì)就是利用某領(lǐng)域的多個專家知識建立一個計算機(jī)軟件系統(tǒng)，并結(jié)合在線檢測到的各種信息來解決該領(lǐng)域中的困難問題。設(shè)備故障診斷專家系統(tǒng)主要面向具體的生產(chǎn)設(shè)備，它需要預(yù)先總結(jié)相關(guān)領(lǐng)域?qū)＜业闹R和經(jīng)驗，并采用接口裝置獲取設(shè)備狀態(tài)的原始特征信號，提取征兆，然后將有用信息存入數(shù)據(jù)庫中。故障診斷專家系統(tǒng)流程圖如圖2所示。
由圖2可以看出，現(xiàn)階段的故障診斷專家系統(tǒng)包括兩次診斷。第一次診斷采用的是實時在線形式，根據(jù)裝在設(shè)備上的有限數(shù)量的傳感器輸入的信息，從知識庫中直接對設(shè)備狀態(tài)進(jìn)行簡單的檢測和判斷，如果設(shè)備運(yùn)行異常，就發(fā)出報警提示，并對設(shè)備實行簡單應(yīng)急措施，例如停機(jī)檢修，并打印出診斷報告。如果這次診斷出的異常知識庫中并沒有直接的報警代碼，則進(jìn)行第二次診斷。這次診斷采用的是離線形式，是一次精密診斷。首先將設(shè)備的狀態(tài)信息存入數(shù)據(jù)庫，然后對設(shè)備的異常工作情況采取適當(dāng)?shù)谋Ｗo(hù)措施，隨后依據(jù)知識庫、人工經(jīng)驗分析進(jìn)行推理診斷，找出故障的原因、發(fā)生的位置，并打印出診斷報告，在顯示器上顯示故障說明，給出相應(yīng)的解決方法。顯而易見，故障診斷專家系統(tǒng)不僅能迅速診斷并排除機(jī)電一體化設(shè)備的故障，還能大大的提高設(shè)備的利用率和工作效率。但是目前的故障診斷專家系統(tǒng)還不理想，因為它不能夠利用有限的傳感器傳輸?shù)男畔碜孕信袛嘣O(shè)備的異常情況及故障產(chǎn)生的原因、類別、位置等，所以還需要進(jìn)一步研究。
結(jié)語：本文在介紹機(jī)電一體化設(shè)備的故障特點及故障診斷技術(shù)的基礎(chǔ)上，分析了機(jī)電一體化設(shè)備的故障診斷方法，并介紹了故障診斷專家系統(tǒng)。可以發(fā)現(xiàn)，故障診斷技術(shù)的研究不僅能及時發(fā)現(xiàn)設(shè)備故障，避免事故的發(fā)生，還能大大提高系統(tǒng)的可靠性和安全性，具有非常重要的實際意義。
參考文獻(xiàn)
[1]鐘國樑.機(jī)電一體化設(shè)備的故障診斷方法分析[J].科學(xué)之友，2012，1：49~50.
【關(guān)鍵詞】機(jī)械設(shè)備故障診斷與監(jiān)測常用方法 發(fā)展趨勢
中圖分類號： U673.38 文獻(xiàn)標(biāo)識碼： A 文章編號：
隨著科學(xué)技術(shù)的不斷發(fā)展，近代機(jī)械工業(yè)逐漸地向著機(jī)電一體化的方向發(fā)展 機(jī)械設(shè)備的自動化、智能化、大型化、集成化、復(fù)雜化程度不斷提高。因此，在生產(chǎn)過程中，為了避免產(chǎn)生巨大的經(jīng)濟(jì)損失，必須確保設(shè)備安全、可靠地運(yùn)行。對機(jī)械設(shè)備的工作狀態(tài)進(jìn)行實時監(jiān)視與診斷，并利用診斷結(jié)論采取相應(yīng)的對策，杜絕生產(chǎn)事故的發(fā)生，無疑是一種行之有效的方法。故障檢測與診斷技術(shù)就是在此基礎(chǔ)上產(chǎn)生的一門新興的學(xué)科，隨著它在機(jī)械工程中作用的不斷加強(qiáng)，故障檢測與診斷技術(shù)越來越受到人們的關(guān)注，得到了迅速的發(fā)展。
機(jī)械故障診斷和監(jiān)測技術(shù)的發(fā)展及現(xiàn)狀
早在二次世界大戰(zhàn)期間，由于大量軍事裝備缺乏診斷技術(shù)和維修手段，而造成非戰(zhàn)斗性的損壞，使人們意識到故障診斷和監(jiān)測技術(shù)的重要性。6o年代以來，由于半導(dǎo)體的發(fā)展，集成電路的出現(xiàn)，電子技術(shù)、計算機(jī)技術(shù)的更新?lián)Q代，特別是l 965年FFT方法獲得突破性進(jìn)展后出現(xiàn)了數(shù)字信號處理和分析技術(shù)的新分支，為機(jī)械設(shè)備診斷和監(jiān)測技術(shù)的發(fā)展奠定了重要的技術(shù)基礎(chǔ)。
美國最早開展機(jī)械故障診斷技術(shù)的研究。英國、瑞典、挪威、丹麥、日本等國緊隨其后。早在1 967年，美國就成立了機(jī)械故障預(yù)防小組(MFPG)，開始有組織有計劃地對機(jī)械診斷技術(shù)進(jìn)行專題研究，并成功的運(yùn)用于航天、航空、軍事等行業(yè)的機(jī)械設(shè)備中；日本在鋼鐵、化工、鐵路等民用工業(yè)部門的診斷技術(shù)方面發(fā)展很快，并具有較高水平；丹麥在機(jī)械振動監(jiān)測診斷和聲發(fā)射監(jiān)測儀器方面具有較高水平。
我國在機(jī)械故障診斷技術(shù)方面的研究和應(yīng)用相對較晚，二十世紀(jì)八十年代才開始著手組建故障診斷的研究機(jī)構(gòu)。其發(fā)展也經(jīng)歷了從簡易診斷到精密診斷，從一般診斷到智能診斷，從單機(jī)診斷到網(wǎng)絡(luò)診斷的過程，發(fā)展速度愈來愈快。與國外發(fā)達(dá)國家相比，我國雖然在理論上跟蹤較緊，但總體而言，在機(jī)械設(shè)備診斷的可靠性等方面仍有一定差距。
經(jīng)過30多年的發(fā)展，作為新興的綜合性的邊緣學(xué)科，機(jī)械故障診斷技術(shù)已初步形成了比較完整的學(xué)科體系。就其技術(shù)手段而言，已逐步形成以振動診斷、抽樣分析、溫度監(jiān)測和無損檢測探傷為主，一些新技術(shù)或方法不斷興起和發(fā)展的局面。計算機(jī)硬件的突飛猛進(jìn)、軟件技術(shù)的日新月異，極大地促進(jìn)了信號分析與處理技術(shù)的發(fā)展，從而更進(jìn)一步推動機(jī)械故障診斷和監(jiān)測技術(shù)向著科學(xué)化和實用化的方向發(fā)展。
故障診斷和狀態(tài)監(jiān)測的常用方法
狀態(tài)監(jiān)測和故障診斷是兩種具有不同目的和方法的技術(shù)。設(shè)備狀態(tài)檢測的目的是判斷機(jī)器運(yùn)行的狀態(tài)是否正常，包括采用各種測量、分析和判別方法。為進(jìn)一步的故障診斷提供必要的數(shù)據(jù)和信息。而設(shè)備故障診斷的目的是判斷設(shè)備運(yùn)行內(nèi)部隱含故障，識別故障的性質(zhì)、程度、類別、部位、原因等，并能說明故障發(fā)展的趨勢及影響，即作出中長期預(yù)報。
設(shè)備的故障有多種，不同的故障對應(yīng)著狀態(tài)信號中的一系列特征信息，這是設(shè)備狀態(tài)或故障能被識別的客觀基礎(chǔ)。設(shè)備故障診斷的研究實質(zhì)即為狀態(tài)的模式識別問題。
常用的機(jī)械設(shè)備的診斷技術(shù)有振動診斷方法、無損檢測技術(shù)、溫度診斷方法、鐵譜分析方法等。振動檢測技術(shù)是通過對機(jī)械信號的拾取、放大、顯示振動的峰值，以了解機(jī)械的振動狀態(tài)，廣泛地應(yīng)用于設(shè)備診斷領(lǐng)域，常用于診斷旋轉(zhuǎn)機(jī)械。振動信號是設(shè)備狀態(tài)信息的載體，包含了豐富的設(shè)備故障信息，而振動特征是設(shè)備運(yùn)行狀態(tài)好壞的重要標(biāo)志。振動診斷技術(shù)已經(jīng)歷了一個較長的發(fā)展階段，其理論基礎(chǔ)已比較雄厚，分析測試設(shè)備也已比較完善，診斷結(jié)果比較可靠，因而在故障診斷的整個領(lǐng)域中處于主導(dǎo)地位。但振動診斷技術(shù)也有不足之處：因為這一技術(shù)涉及信息傳感、振動測試、信號處理等領(lǐng)域，對設(shè)備診斷技術(shù)人員的要求比較高。
無損檢測法，有射線探傷，超聲波探傷，磁粉探傷、聲發(fā)射等。主要用于探測設(shè)備的內(nèi)部立體缺陷，判斷缺陷的存在、位置、性質(zhì)及大小，常用于礦山、石化等行業(yè)中。如各種形態(tài)的鋼鐵機(jī)件中的裂紋、氣孔、夾雜等隱患，長期交變應(yīng)力作用下產(chǎn)生疲勞裂紋等，這些缺陷均可用無損檢測技術(shù)及早地加以診斷和監(jiān)控。無損檢測技術(shù)可改進(jìn)產(chǎn)品制造工藝、降低制造成本、提高設(shè)備的運(yùn)行可靠性。
溫度與機(jī)械設(shè)備的運(yùn)行狀態(tài)密切相關(guān)。對于溫度特別敏感的機(jī)械設(shè)備，可用溫度診斷技術(shù)，查找機(jī)件缺陷和診斷各種由熱應(yīng)力引起的故障。隨著現(xiàn)代熱傳感器和檢測技術(shù)的發(fā)展，溫度診斷技術(shù)已成為故障檢測技術(shù)的一個重要發(fā)展方向。
鐵譜技術(shù)常用于機(jī)械磨損檢測，其核心是利用鐵譜儀，將油內(nèi)鐵磁性磨損顆粒與油液及雜質(zhì)分離開來，并根據(jù)各種磨粒的數(shù)量、形狀、尺寸、成分及分布規(guī)律等情況，對磨屑進(jìn)行定性和定量分析，及時、準(zhǔn)確地判斷出系統(tǒng)中元件的磨損部位、形式、程度等。油液污染度和氣體污染度的檢測技術(shù)。在各種油箱、油缸、管路中固體顆粒狀污染物是造成機(jī)件磨損、刮傷、卡死、堵塞的主要原因。據(jù)統(tǒng)計，70％ 以上的液壓設(shè)備故障是由于固體顆粒物的污染造成的。所以，油液污染物的測定是預(yù)防機(jī)件破壞的有效途徑。而氣體污染是在故障形成過程中或故障形成后產(chǎn)生的故障，這種檢測方法主要用于電氣故障、發(fā)動機(jī)故障及空壓機(jī)故障的監(jiān)測。
故障診斷與監(jiān)測技術(shù)的發(fā)展趨勢
近十幾年來，模糊診斷、故障樹分析、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等新的診斷技術(shù)不斷出現(xiàn)，從而產(chǎn)生了模式識別、故障樹分析和小渡分析等分析方法。故障樹分析法是對系統(tǒng)故障形成的原因采用從整體至局部按樹枝狀逐漸細(xì)化分析的方法。它通過分析系統(tǒng)的薄弱環(huán)節(jié)和完成系統(tǒng)的最優(yōu)化來實現(xiàn)對機(jī)械設(shè)備故障的預(yù)測和診斷。模糊診斷法是建立在模糊數(shù)學(xué)基礎(chǔ)上的，它利用癥狀向量隸屬度和模糊關(guān)系矩陣求故障原因向量隸屬度，故障原因隸屬度就反映了造成機(jī)器故障原因的多重性和它們的主次關(guān)系程度，從而可以減少許多不確定因素給診斷工作帶來的困難。專家系統(tǒng)是人工智能的一個重要分支，是一種以知識為基礎(chǔ)的智能化的計算機(jī)程序系統(tǒng)，為計算機(jī)輔助診斷的高級階段，研制專家系統(tǒng)是故障診斷技術(shù)的必然發(fā)展趨勢。人工神經(jīng)網(wǎng)絡(luò)基于神經(jīng)學(xué)研究的最新成果，是對人腦某些基本特征的簡單數(shù)學(xué)模擬，它具有對故障的聯(lián)想記憶，模式匹配和相似歸納能力，以實現(xiàn)故障和征兆之間復(fù)雜的非線性映射關(guān)系 這些方法在機(jī)械故障診斷領(lǐng)域的應(yīng)用研究正蓬勃興起，但尚處于發(fā)展和不斷完善的過程中，將使機(jī)械設(shè)備狀態(tài)監(jiān)測朝系統(tǒng)化和智能化方向發(fā)展。
隨著計算機(jī)網(wǎng)絡(luò)化的飛速發(fā)展，人們共享資源和遠(yuǎn)程交換數(shù)據(jù)成為可能 利用光纖光纜、微波、無線通信及計算機(jī)網(wǎng)絡(luò)等通信方式，將故障診斷系統(tǒng)與數(shù)字信號系統(tǒng)結(jié)合起來組成網(wǎng)絡(luò)，從而實現(xiàn)對多臺機(jī)組的有效管理，減少監(jiān)測設(shè)備的投資，提高系統(tǒng)的利用率，因而網(wǎng)絡(luò)化將是發(fā)展趨勢之一。
總結(jié)
隨著知識經(jīng)濟(jì)的來臨，世界經(jīng)濟(jì)的全球化和一體化，人類對環(huán)境的要求越來越高 這對機(jī)械設(shè)備狀態(tài)監(jiān)測和故障診斷技術(shù)的要求也越來越高，不僅要滿足實現(xiàn)診斷性能的要求，還要滿足有利于保護(hù)環(huán)境、節(jié)約能源、節(jié)省資源、使用簡單可靠的要求。這使得機(jī)械設(shè)備狀態(tài)監(jiān)測和故障診斷技術(shù)將朝著與環(huán)境相協(xié)餌的方向發(fā)展。
參考文獻(xiàn)
[1] 崔彥平，傅其鳳，葛杏衛(wèi)，劉玉秋。 機(jī)械設(shè)備故障診斷發(fā)展歷程及展望[J]. 河北工業(yè)科技. 2004(04)
[2] 劉全心。 LabVIEW實現(xiàn)機(jī)械設(shè)備狀態(tài)監(jiān)測與故障診斷[J]. 現(xiàn)代機(jī)械. 2008(03)
[3] 梁丹。 小波分析在機(jī)械故障監(jiān)測與診斷中的應(yīng)用[J]. 現(xiàn)代冶金. 2009(06)
【關(guān)鍵詞】綜合航空電子系統(tǒng) 故障診斷 健康管理技術(shù)
綜合航空電子系統(tǒng)在當(dāng)今航空事業(yè)的發(fā)展中占領(lǐng)著重要的位置，它功能強(qiáng)大，能夠承擔(dān)許多與航空有關(guān)的任務(wù)。由于綜合航空電子系統(tǒng)所存在的環(huán)境存在一定的復(fù)雜性，所以在發(fā)揮作用的過程中會出現(xiàn)故障，嚴(yán)重影響到航空器的安全。因此，為了有效地減少危險性的發(fā)生，就必須對綜合航空電子系統(tǒng)進(jìn)行故障診斷，才能夠起到降低危險性的作用，保證航空器飛行時的安全。故障診斷與健康管理技術(shù)也被稱為PHM技術(shù)，在綜合航空電子系統(tǒng)的維護(hù)方面也有著積極影響，這項技術(shù)極其重要，能夠降低維修成本，更大限度地保證航空器運(yùn)營時間。
1 綜合航空電子系統(tǒng)故障診斷與健康管理技術(shù)研究現(xiàn)狀
1.1 國外研究
在國內(nèi)，對故障診斷與健康管理技術(shù)的研究已經(jīng)達(dá)到了前所未有的高度，其中的原因在于國外科學(xué)技術(shù)的發(fā)展非常迅速，這為PHM技術(shù)的研究提供了技術(shù)支撐。此外，國外優(yōu)秀的研究人士也為此做出了巨大的貢獻(xiàn)，不僅探索出了當(dāng)今綜合航空電子系統(tǒng)的發(fā)展特征，而且針對其中的疑難問題，進(jìn)行討論與鉆研得到了滿意的答案。以美國為例，不僅有自己獨(dú)特的監(jiān)控系統(tǒng)，而且通過應(yīng)用PHM技術(shù)，讓直升機(jī)在完成任務(wù)中獲得了更高的效率，充分發(fā)揮了PHM技術(shù)的作用。
1.2 國內(nèi)研究
我國對PHM技術(shù)的研究遠(yuǎn)遠(yuǎn)不及國外，其中，科技的發(fā)展落后于國外，而且在優(yōu)秀人才方面，我國也處于弱勢地位。我國對PHM技術(shù)大多限于理論研究，在實際的應(yīng)用中，還處于比較薄弱的階段，在完整理論的構(gòu)建方面，也還需要做出更多的努力。綜合航空電子系統(tǒng)的發(fā)展具有多面性，必須通過科學(xué)的研究找出故障診斷與健康的管理技術(shù)，才能夠讓我過航空事業(yè)的發(fā)展迎來更好的前景。國內(nèi)對PHM技術(shù)的研究還應(yīng)該加大力度，才能夠不斷滿足我國社會的發(fā)展需要。
1.3 整體需要加強(qiáng)
科技的發(fā)展非常迅速，國家和社會也處于不斷上升的發(fā)展趨勢之中。綜合航空電子系統(tǒng)也會得到不斷的進(jìn)步，就需要更加先進(jìn)的故障診斷與健康管理技術(shù)來與之相適應(yīng)，共同推動國家航空事業(yè)的進(jìn)一步騰飛。因此，不管是對于國外，還是對于國內(nèi)來講，都不能停止研究與探索的腳步，而是應(yīng)該在原來的基礎(chǔ)上不斷創(chuàng)新，研究出更加具有權(quán)威性的PHM技術(shù)，在現(xiàn)今以及將來的社會發(fā)展中創(chuàng)造更多的效益，不斷推動本國航空事業(yè)的發(fā)展與進(jìn)步。
2 綜合航空電子系統(tǒng)故障診斷與健康管理技術(shù)面臨的挑戰(zhàn)
2.1 數(shù)據(jù)獲取困難
在綜合航空電子系統(tǒng)的故障診斷中，有許多地方都會應(yīng)用到數(shù)據(jù)，這些數(shù)據(jù)是航空器在發(fā)生故障時由于信號的改變而產(chǎn)生的，但是要通過特定的運(yùn)算方法才能夠得到。因為在航空器發(fā)生故障時，存在突發(fā)性的情況，所以就難以根據(jù)信號的變化得到準(zhǔn)確的估算值，用于系統(tǒng)的故障診斷，這就增加了診斷的難度。由于具備突發(fā)性特征的航空故障發(fā)生的頻率較高，所以就會對綜合航空電子系統(tǒng)的正常運(yùn)行造成嚴(yán)重的不良影響，難以在規(guī)定的時間之內(nèi)完成相應(yīng)的任務(wù)。
2.2 故障模型建立困難
綜合航空電子系統(tǒng)在發(fā)生故障時，往往是多種因素共同作用的結(jié)果，所以，要想準(zhǔn)確地診斷航空系統(tǒng)的故障，就必須弄清楚各種因素所造成的損傷度有何種聯(lián)系。這就需要建立故障模型，對各類損傷的數(shù)據(jù)進(jìn)行分析，并且找出其中存在的聯(lián)系，判斷各類因素的疊加會造成何種損傷的后果。但是在現(xiàn)實中往往會因為各種因素的復(fù)雜性而導(dǎo)致故障模型建立的失敗，無法根據(jù)模型來有效地診斷綜合航空電子系統(tǒng)的故障。
2.3 電子元件各不相同
在綜合航空電子系統(tǒng)中，電子元件發(fā)揮著重要的作用，它是航空系統(tǒng)正常發(fā)揮作用的關(guān)鍵所在，必須保證其質(zhì)量，才能夠保證航空系統(tǒng)的安全性。目前在我國，科技的發(fā)展促進(jìn)了電子元件的發(fā)展進(jìn)步，它的質(zhì)量有了很大的提升。但是，由于電子元件來源的不同，生產(chǎn)標(biāo)準(zhǔn)的不統(tǒng)一，也導(dǎo)致了電子元件在具體的質(zhì)量方面存在許多差別，比如使用壽命會有所不同。這會影響到航空電子系統(tǒng)故障診斷的精確性。
3 綜合航空電子系統(tǒng)故障診斷與健康管理關(guān)鍵技術(shù)分析
3.1 分類監(jiān)測技術(shù)
綜合航空電子系統(tǒng)具備極強(qiáng)的復(fù)雜性，其中電子元件眾多，且具有難以監(jiān)測的特點，就導(dǎo)致了航空電子系統(tǒng)監(jiān)測的復(fù)雜性。基于這個問題，PHM技術(shù)具備巨大的優(yōu)勢，因為它能夠針對航空電子系統(tǒng)中的不同部分，分別展開監(jiān)測工作，獲取準(zhǔn)確的數(shù)據(jù)，以此作為航空電子系統(tǒng)故障診斷的依據(jù)。分類監(jiān)測技術(shù)的存在能夠為綜合航空電子系統(tǒng)故障檢測帶來巨大的益處，對于當(dāng)今的我國來講，是技術(shù)上的一個巨大進(jìn)步。
3.2 故障預(yù)測技術(shù)
綜合航空電子系統(tǒng)在構(gòu)造方面的特征決定了其故障診斷需要一定的技術(shù)，系統(tǒng)中元器件數(shù)量大、種類多，并且在發(fā)生故障時，每一個組成部分都呈現(xiàn)出不同的特點。在故障狀態(tài)時，元器件處于檢測階段的時間非常之短，難以在有限的時間之內(nèi)得到準(zhǔn)確的檢測數(shù)據(jù)，進(jìn)而利用數(shù)據(jù)建立故障模型。而故障預(yù)測技術(shù)就能夠解決這個問題，雖然當(dāng)前在我國這項技術(shù)的發(fā)展仍然不成熟，但是也能夠起到一定的作用。這項技術(shù)中所采用的累積法、預(yù)警監(jiān)測法都是航空電子系統(tǒng)故障預(yù)測技術(shù)中的不二選擇。
3.3 故障診斷技術(shù)
綜合航空電子系統(tǒng)的故障診斷需要一系列的程序，不僅要通過預(yù)測、計算這些步驟，而且在必要時還要對監(jiān)測的數(shù)據(jù)進(jìn)行分析與結(jié)果的估測，在故障位置的判斷方面，也要做到精準(zhǔn)無誤。在航空電子系統(tǒng)內(nèi)部，故障診斷法需要利用系統(tǒng)內(nèi)部各個結(jié)構(gòu)之間的關(guān)系，辨識相關(guān)矩陣，才能夠促進(jìn)故障模型的形成。在故障診斷技術(shù)中，常用的主要是根據(jù)數(shù)據(jù)通過推理得出結(jié)論，或者是通過分析模型來探究出航空電子系統(tǒng)的故障所在。
參考文獻(xiàn)
[1]楊德才.綜合模塊化航空電子系統(tǒng)的故障預(yù)測與健康管理技術(shù)[J].現(xiàn)代電子技術(shù)，2015，05：125-128.
[2]盧海濤，王自力.綜合航空電子系統(tǒng)故障診斷與健康管理技術(shù)發(fā)展[J].電光與控制，2015，08：60-65+86.
[3]楊軍祥，田澤，李成文，楊濤，王純委，劉宇.新一代航空電子故障預(yù)測與健康管理系統(tǒng)綜述[J].計算機(jī)測量與控制，2014，04：972-974+978.
論文關(guān)鍵詞：模擬電路；故障診斷；小波神經(jīng)網(wǎng)絡(luò)
論文摘要：分析了模擬電路故障診斷的重要性和目前存在的困難，對基于小渡分析理論和神經(jīng)網(wǎng)絡(luò)理論的模擬電路故障診斷方法進(jìn)行了綜述．指出了小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于模擬電路故障診斷存在的問題和未來的應(yīng)用前景。
模擬電路故障診斷在理論上可概括為:在已知網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、輸人激勵和故障響應(yīng)或可能已知部分元件參數(shù)的情況下，求故障元件的參數(shù)和位置。
盡管目前模擬電路故障診斷理論和方法都取得了不少成就，提出了很多故障診斷方法，如故障字典法、故障參數(shù)識別法、故障驗證法等。但是由于模擬電路測試和診斷有其自身困難，進(jìn)展比較緩慢。其主要困難有:模擬電路中的故障模型比較復(fù)雜，難以作簡單的量化;模擬電路中元件參數(shù)具有容差，增加了故障診斷的難度;在模擬電路中廣泛存在著非線性問題，為故障的定位診斷增加了難度;在一個實用的模擬電路中，幾乎無一例外地存在著反饋回路，仿真時需要大量的復(fù)雜計算;實際的模擬電路中可測電壓的節(jié)點數(shù)非常有限.導(dǎo)致可用于作故障診斷的信息量不夠充分，造成故障定位的不確定性和模糊性。
因此，以往對模擬電路故障診斷的研究主要停留在中小規(guī)模線性無容差或小容差的情況，有些方法也已成功地應(yīng)用于工程實際。但如何有效地解決模擬電路的容差和非線性問題，如何解決故障診斷的模糊性和不確定性等是今后迫切需要解決的問題。小波神經(jīng)網(wǎng)絡(luò)則因其利于模擬人類處理問題的過程、容易顧及人的經(jīng)驗且具有一定的學(xué)習(xí)能力等特點，所以在這一領(lǐng)域得到了廣泛應(yīng)用。
1小波分析理論在模擬電路故障診斷中的應(yīng)用現(xiàn)狀分析
簡單地講，小波就是一個有始有終的小的“波浪”小波分析源于信號分析，源于函數(shù)的伸縮和平移，是Fourier分析、Gabor分析和短時Fourier分析發(fā)展的直接結(jié)果。小波分析的基木原理是通過小波母函數(shù)在尺度上的伸縮和時域上的平移來分析信號，適當(dāng)選擇母函數(shù).可以使擴(kuò)張函數(shù)具有較好的局部性，小波分析是對信號在低頻段進(jìn)行有效的逐層分解，而小波包分析是對小波分析的一種改進(jìn)，它為信號提供了一種更加精細(xì)的分析方法，對信號在全頻段進(jìn)行逐層有效的分解，更有利于提取信號的特征。因此，它是一種時頻分析方法。在時頻域具有良好的局部化性能并具有多分辨分析的特性，非常適合非平穩(wěn)信號的奇異性分析。如:利用連續(xù)小波變換可以檢測信號的奇異性，區(qū)分信號突變和噪聲，利用離散小波變換可以檢測隨機(jī)信號頻率結(jié)構(gòu)的突變。
小波變換故障診斷機(jī)理包括:利用觀測器信號的奇異性進(jìn)行故障診斷以及利用觀測器信號頻率結(jié)構(gòu)的變化進(jìn)行故障診斷。小波變換具有不需要系統(tǒng)的數(shù)學(xué)模型、故障檢測靈敏準(zhǔn)確、運(yùn)算量小、對噪聲的抑制能力強(qiáng)和對輸入信號要求低的優(yōu)點。但在大尺度下由于濾波器的時域?qū)挾容^大，檢測時會產(chǎn)生時間延遲，且不同小波基的選取對診斷結(jié)果也有影響。在模擬電路故障診斷中，小波變換被有效地用來提取故障特征信息即小波預(yù)處理器之后，再將這些故障特征信息送人故障分類處理器進(jìn)行故障診斷。小波分析理論的應(yīng)用一般被限制在小規(guī)模的范圍內(nèi)，其主要原因是大規(guī)模的應(yīng)用對小波基的構(gòu)造和存儲需要的花費(fèi)較大。
2神經(jīng)網(wǎng)絡(luò)理論在模擬電路故障診斷中的應(yīng)用分析
人工神經(jīng)網(wǎng)絡(luò)(ANN)是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出來的，是一種抽象的數(shù)學(xué)模型，是對人腦功能的模擬。經(jīng)過十幾年的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)已形成了數(shù)十種網(wǎng)絡(luò)，包括多層感知器Kohomen自組織特征映射、Hopfield網(wǎng)絡(luò)、自適應(yīng)共振理論、ART網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)等。這些網(wǎng)絡(luò)由于結(jié)構(gòu)不同，應(yīng)用范圍也各不相同。由于人工神經(jīng)網(wǎng)絡(luò)本身不僅具有非線性、自適應(yīng)性、并行性、容錯性等優(yōu)點以及分辨故障原因、故障類型的能力外，而且訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)能儲存有關(guān)過程的知識，能直接從定量的、歷史故障信息中學(xué)習(xí)。所以在20世紀(jì)80年代末期，它已開始應(yīng)用于模擬電路故障診斷。隨著人工神經(jīng)網(wǎng)絡(luò)的不斷成熟及大量應(yīng)用，將神經(jīng)網(wǎng)絡(luò)廣泛用于模擬電路的故障診斷已是發(fā)展趨勢。BY神經(jīng)網(wǎng)絡(luò)由于具有良好的模式分類能力，尤其適用于模擬電路故障診斷領(lǐng)域，因而在模擬電路故障診斷系統(tǒng)中具有廣泛的應(yīng)用前景，也是目前模擬電路故障診斷中用得較多而且較為有效的一種神經(jīng)網(wǎng)絡(luò)。
3小波神經(jīng)網(wǎng)絡(luò)的應(yīng)用進(jìn)展分析
3，1小波分析理論與神經(jīng)網(wǎng)絡(luò)理論結(jié)合的必要性
在神經(jīng)網(wǎng)絡(luò)理論應(yīng)用于模擬電路故障診斷的過程中，神經(jīng)網(wǎng)路對于隱層神經(jīng)元節(jié)點數(shù)的確定、各種參數(shù)的初始化和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)造等缺乏更有效的理論性指導(dǎo)方法，而這些都將直接影響神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用效果。小波分析在時域和頻域同時具有良好的局部化特性，而神經(jīng)網(wǎng)絡(luò)則具有自學(xué)習(xí)、并行處理、自適應(yīng)、容錯性和推廣能力二因此把小波分析和神經(jīng)網(wǎng)絡(luò)兩者的優(yōu)點結(jié)合起來應(yīng)用于故障診斷是客觀實際的需要。
目前小波分析與神經(jīng)網(wǎng)絡(luò)的結(jié)合有兩種形式，一種是先利用小波變換對信號進(jìn)行預(yù)處理，提取信號的特征向量作為神經(jīng)網(wǎng)絡(luò)的輸人，另一種則是采用小波函數(shù)和尺度函數(shù)形成神經(jīng)元，達(dá)到小波分析和神經(jīng)網(wǎng)絡(luò)的直接融合第一種結(jié)合方式是小波神經(jīng)網(wǎng)絡(luò)的松散型結(jié)合，第二種結(jié)合方式是小波神經(jīng)網(wǎng)絡(luò)的緊致型結(jié)合。
3.2小波分析理論與神經(jīng)網(wǎng)絡(luò)理論的結(jié)合形式
小波與神經(jīng)網(wǎng)絡(luò)的松散型結(jié)合，即:用小波分析或小波包分析作為神經(jīng)網(wǎng)絡(luò)的前置處理手段，為神經(jīng)網(wǎng)絡(luò)提供輸人特征向魚具體來說就是利用小波分析或小波包分析，把信號分解到相互獨(dú)立的頻帶之內(nèi)，各頻帶內(nèi)的能童值形成一個向覺，該向童對不同的故障對應(yīng)不同的值，從而可作為神經(jīng)網(wǎng)絡(luò)的輸入特征向量一旦確定神經(jīng)網(wǎng)絡(luò)的輸入特征向童，再根據(jù)經(jīng)驗確定采用哪種神經(jīng)網(wǎng)絡(luò)及隱層數(shù)和隱層單元數(shù)等，就可以利用試驗樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，調(diào)整權(quán)值，從而建立起所需的小波神經(jīng)網(wǎng)絡(luò)模型。
小波與神經(jīng)網(wǎng)絡(luò)的緊致型結(jié)合，即:用小波函數(shù)和尺度函數(shù)形成神經(jīng)元，達(dá)到小波分析和神經(jīng)網(wǎng)絡(luò)的直接融合，稱為狹義上的小波神經(jīng)網(wǎng)絡(luò)，這也是常說的小波神經(jīng)網(wǎng)絡(luò)。它是以小波函數(shù)或尺度函數(shù)作為激勵函數(shù)，其作用機(jī)理和采用Sigmoid函數(shù)的多層感知器基本相同。故障診斷的實質(zhì)是要實現(xiàn)癥狀空間到故障空間的映射，這種映射也可以用函數(shù)逼近來表示。小波神經(jīng)網(wǎng)絡(luò)的形成也可以從函數(shù)逼近的角度加以說明。常見的小波神經(jīng)網(wǎng)絡(luò)有:利用尺度函數(shù)作為神經(jīng)網(wǎng)絡(luò)中神經(jīng)元激勵函數(shù)的正交基小波網(wǎng)絡(luò)、自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)、多分辨率小波網(wǎng)絡(luò)、區(qū)間小波網(wǎng)絡(luò)等。
3.3小波分析理論與神經(jīng)網(wǎng)絡(luò)理論結(jié)合的優(yōu)點
小波神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)點:一是可以避免M LY等神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的育目性;二是具有逼近能力強(qiáng)、網(wǎng)絡(luò)學(xué)習(xí)收斂速度快、參數(shù)的選取有理論指導(dǎo)、有效避免局部最小值問題等優(yōu)點。
在模擬電路故障診斷領(lǐng)域，小波神經(jīng)網(wǎng)絡(luò)還是一個嶄新的、很有前途的應(yīng)用研究方向。隨著小波分析理論和神經(jīng)網(wǎng)絡(luò)理論的不斷發(fā)展，小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于模擬電路故障診斷領(lǐng)域?qū)⑷找娉墒臁?/p>
關(guān)鍵詞：礦山機(jī)電；智能故障；故障檢測診斷
中圖分類號：TD4 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-2374（2013）14-0097-02
近年來由于礦山機(jī)電設(shè)備故障造成的安全事故屢見不鮮，礦山機(jī)電設(shè)備的安全性問題日益凸顯，并得到了高度重視。針對該安全問題，只有加大對礦山機(jī)電設(shè)備的故障檢測和安全診斷，采用合理的故障診斷理論，建立科學(xué)的機(jī)電設(shè)備故障預(yù)測、預(yù)警系統(tǒng)，提高礦山機(jī)電設(shè)備運(yùn)行安全可靠性才能從根本上減少甚至避免礦山機(jī)電設(shè)備故障造成的安全事故。
1 故障檢測診斷技術(shù)
故障檢測診斷技術(shù)是以信號分析處理技術(shù)、計算機(jī)技術(shù)和傳感器技術(shù)等為基礎(chǔ)的綜合性技術(shù)。現(xiàn)代工藝?yán)碚摗⑾嚓P(guān)基礎(chǔ)學(xué)科理論和檢測技術(shù)與理論的快速發(fā)展促進(jìn)了故障檢測診斷技術(shù)的不斷發(fā)展和完善。
故障檢測診斷技術(shù)主要通過檢測礦山機(jī)電設(shè)備運(yùn)行狀態(tài)的各信號數(shù)據(jù)和參數(shù)，從而對礦山機(jī)電設(shè)備的運(yùn)行性能和安全可靠性進(jìn)行預(yù)測，以識別設(shè)備故障的原因和判斷危害等級等問題，從而提出針對性的處置對策和技術(shù)方法。
2 礦山機(jī)電設(shè)備故障檢測診斷技術(shù)的步驟
礦山機(jī)電設(shè)備故障檢測診斷技術(shù)的主要步驟分為信息采集、信息處理、分析識別、數(shù)學(xué)模型和預(yù)測。
2.1 信息采集
準(zhǔn)確測量反映礦山機(jī)電設(shè)備狀態(tài)的信號數(shù)據(jù)和參數(shù)，采集機(jī)電設(shè)備上安裝各類傳感器的實時信息數(shù)據(jù)，并及時將測量和采集的數(shù)據(jù)存入數(shù)據(jù)存儲器或計算機(jī)，以方便
調(diào)用。
2.2 信息處理
現(xiàn)場采集的煤礦機(jī)電設(shè)備的數(shù)據(jù)信息，并不能直接用來判別設(shè)備的狀態(tài)，其中存在著有用信息和無用信息，因此必須將采集的信息進(jìn)行轉(zhuǎn)換，提煉出有用信息并做出數(shù)據(jù)分析，轉(zhuǎn)變成人或機(jī)器能讀懂的信息。
2.3 分析識別
對處理后的煤礦機(jī)電設(shè)備數(shù)據(jù)信息進(jìn)行分類、識別和分析，與機(jī)電設(shè)備正常運(yùn)行時的標(biāo)準(zhǔn)參數(shù)進(jìn)行比對，確定當(dāng)前設(shè)備狀態(tài)及可能出現(xiàn)的故障部位、故障類別以及故障原因。
2.4 數(shù)學(xué)建模
礦山機(jī)電設(shè)備在運(yùn)行中很多的參數(shù)和數(shù)據(jù)信息，與機(jī)電設(shè)備的狀態(tài)以及機(jī)電設(shè)備是否存在故障隱患有一定關(guān)系。因此，需要建立數(shù)學(xué)模型來準(zhǔn)確反映出機(jī)電設(shè)備狀態(tài)與產(chǎn)生故障的參數(shù)間的數(shù)學(xué)關(guān)系。
2.5 預(yù)測技術(shù)
對機(jī)電設(shè)備部件的剩余壽命和機(jī)電設(shè)備的故障情況等方面進(jìn)行預(yù)測，可以為日常機(jī)電設(shè)備的保養(yǎng)工作和故障維修工作提供可靠依據(jù)，能夠有效避免礦山機(jī)電設(shè)備故障的發(fā)生。
3 礦山機(jī)電設(shè)備智能故障檢測診斷方法分類
礦山機(jī)電設(shè)備故障診斷技術(shù)分為主觀診斷、儀器診斷和智能化診斷三個階段。下面主要介紹五種礦山機(jī)電設(shè)備智能診斷方法。
3.1 模糊診斷法
礦山機(jī)電設(shè)備的模糊診斷法是將數(shù)學(xué)集合論的概念，包括模糊關(guān)系矩陣以及隸屬度函數(shù)，應(yīng)用到機(jī)電設(shè)備的故障診斷中，從而解決機(jī)電設(shè)備征兆與故障間的不確定關(guān)系。礦山機(jī)電設(shè)備的模糊診斷法的優(yōu)點主要表現(xiàn)為模糊推理邏輯嚴(yán)謹(jǐn)，能有效地解決礦山機(jī)電振動故障中遇到的模糊性問題。但是，由于在很多情況下，較難確定相應(yīng)的模糊關(guān)系，獲取模糊診斷知識也非常困難，因此機(jī)電設(shè)備模糊診斷方法的應(yīng)用還缺乏一定的準(zhǔn)確性和普遍適用性。
3.2 故障診斷專家系統(tǒng)
礦山機(jī)電設(shè)備故障診斷專家系統(tǒng)是用計算機(jī)將采集到的機(jī)電設(shè)備信號數(shù)據(jù)和參數(shù)，通過專家經(jīng)驗進(jìn)行推理，運(yùn)行過程中可以隨時索取相關(guān)信息數(shù)據(jù)和參數(shù)。礦山機(jī)電設(shè)備故障診斷專家系統(tǒng)的優(yōu)點是適應(yīng)于人的思考方式，不用輸入非常多的知識細(xì)節(jié)，個別事實發(fā)生變化時也很容易修改。但是，礦山機(jī)電設(shè)備故障診斷專家系統(tǒng)目前存在一定的局限性：機(jī)電設(shè)備故障診斷的準(zhǔn)確度與專家診斷系統(tǒng)中專家知識的水平高低以及豐富程度有很大的關(guān)系；而且有些礦山機(jī)電設(shè)備的故障很難通過具體的方式描述，使得建立準(zhǔn)確的知識庫也會非常的困難。
3.3 人工神經(jīng)網(wǎng)絡(luò)故障診斷法
利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行礦山機(jī)電設(shè)備故障診斷的基本思想是：以礦山機(jī)電設(shè)備的故障特征信號作為神經(jīng)網(wǎng)絡(luò)輸入，礦山機(jī)電設(shè)備的診斷結(jié)果作為神經(jīng)網(wǎng)絡(luò)輸出。通過調(diào)整人工神經(jīng)網(wǎng)絡(luò)節(jié)點間的權(quán)值和閾值，利用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)，來實現(xiàn)礦山機(jī)電設(shè)備故障的診斷等，并且由于人工神經(jīng)網(wǎng)絡(luò)診斷法自身所具有的自學(xué)習(xí)、自適應(yīng)和并行性能力等優(yōu)點，因此該故障診斷法在礦山機(jī)電設(shè)備智能故障診斷中的應(yīng)用越來越廣泛，并且也逐漸得到相關(guān)專家學(xué)者的深入研究。
3.4 基于仿生算法的故障診斷法
遺傳算法是一種隨機(jī)優(yōu)化算法，它的兩個重要特點是群體搜索策略和群體中個體之間的信息相互交換，其本質(zhì)是模擬由個體組成的群體之間的學(xué)習(xí)過程，其中每個個體表示給定問題搜索空間中的一個解。該算法具有并行計算、快速尋找全局最優(yōu)解等優(yōu)點。
將生命科學(xué)中的免疫概念及其相應(yīng)的理論應(yīng)用于遺傳算法中，并進(jìn)行有目的性地抑制遺傳算法在優(yōu)化過程中出現(xiàn)的退化現(xiàn)象，這種算法被稱之為免疫算法。通過理論分析，免疫算法具有全局收斂特性，能夠更好地抑制遺傳算法出現(xiàn)的退化現(xiàn)象。
3.5 信息融合智能診斷方法
信息融合智能診斷方法是一種新型的礦山機(jī)電設(shè)備智能診斷技術(shù)。該診斷方法是通過多傳感器測量和采集礦山機(jī)電設(shè)備的多種相關(guān)信息數(shù)據(jù)和參數(shù)，利用計算機(jī)對有關(guān)礦山機(jī)電設(shè)備運(yùn)行狀態(tài)的不同信息進(jìn)行自動分析，準(zhǔn)確并及時地預(yù)測礦山機(jī)電設(shè)備的運(yùn)行狀態(tài)。
4 結(jié)語
礦山機(jī)電設(shè)備的故障檢測診斷技術(shù)可以為礦山機(jī)電設(shè)備的相關(guān)維護(hù)人員和維修人員及時并有效地進(jìn)行機(jī)電設(shè)備的故障預(yù)測，發(fā)現(xiàn)機(jī)電設(shè)備的故障源頭，分析并找到機(jī)電設(shè)備的故障原因以及給出機(jī)電設(shè)備的故障解決方案，防止并預(yù)防煤礦機(jī)電設(shè)備安全事故的發(fā)生。因此煤礦企業(yè)應(yīng)該大力推動礦山機(jī)電設(shè)備智能診斷檢測技術(shù)的研究和發(fā)展，以保證礦山機(jī)電設(shè)備的安全性與可靠性，減少并力爭避免安全事故的產(chǎn)生。未來，將多種人工智能檢測診斷技術(shù)相結(jié)合，開發(fā)應(yīng)用的礦山機(jī)電設(shè)備混合智能檢測診斷系統(tǒng)，將會逐漸成為數(shù)字化礦山機(jī)電設(shè)備智能故障檢測診斷技術(shù)研究的一個重要方向。
參考文獻(xiàn)
[1] 孫新城.淺析煤礦機(jī)電設(shè)備維修中故障檢測診斷技術(shù)的應(yīng)用[J].企業(yè)技術(shù)開發(fā)，2011，（17）：70-71.
[2] 井學(xué)慶.礦山機(jī)電設(shè)備故障診斷技術(shù)的研究與探討
[J].黑龍江科技信息，2012，（2）：34.
[3] 辛晟，郭磊.水力發(fā)電機(jī)組振動故障診斷技術(shù)綜述
[J].機(jī)電技術(shù)，2010，（2）：42-44.
【關(guān)鍵詞】煤礦機(jī)電產(chǎn)品；檢測；自動化
中圖分類號：X752文獻(xiàn)標(biāo)識碼： A
一、前言
近年來，煤炭開采逐步機(jī)械化，涌現(xiàn)出了很多大型復(fù)雜的機(jī)械化設(shè)備，提高了勞動生產(chǎn)率，增加了煤炭產(chǎn)量，減少了重大惡性事故的發(fā)生。隨著現(xiàn)代工業(yè)的不斷發(fā)展，煤礦生產(chǎn)設(shè)備結(jié)構(gòu)越來越復(fù)雜，功能越來越多。由于各種不可避免的因素的影響，導(dǎo)致設(shè)備出現(xiàn)各種異常，以致降低或失去其預(yù)定的功能，造成嚴(yán)重的甚至災(zāi)難性的事故，國內(nèi)外接連發(fā)生的由設(shè)備故障引起的各種爆炸、倒塌、斷裂、毀壞等惡性事故，造成了極大的人員傷亡和經(jīng)濟(jì)損失。生產(chǎn)過程中接連發(fā)生的設(shè)備事故，使機(jī)器設(shè)備遭受損壞或生產(chǎn)過程不能正常運(yùn)行，造成極大的經(jīng)濟(jì)損失。所以確保設(shè)備的安全運(yùn)行，防止突發(fā)性事故發(fā)生，減少事故損失，是十分迫切的問題。故障檢測診斷技術(shù)是一項集合了信息技術(shù)、傳導(dǎo)技術(shù)和電腦技術(shù)等多個領(lǐng)域為一體的先進(jìn)技術(shù)手段，近年來在煤礦行業(yè)中得到了廣泛應(yīng)用與普及。機(jī)械設(shè)備故障診斷技術(shù)是了解和掌握設(shè)備的運(yùn)行狀態(tài)、識別設(shè)備的異常表現(xiàn)、早期發(fā)現(xiàn)設(shè)備潛在故障并預(yù)報故障發(fā)展趨勢的技術(shù)，它涉及機(jī)械、信息、計算機(jī)人工智能等許多學(xué)科知識，已經(jīng)成為一門獨(dú)立的跨學(xué)科的綜合技術(shù)，是以可靠性理論、信息論、振動理論、控制論和系統(tǒng)論為理論基礎(chǔ)，以現(xiàn)代測試儀器和計算機(jī)為技術(shù)手段，結(jié)合各種診斷對象的特殊規(guī)律而形成的一門新興學(xué)科。由于煤礦井下工作環(huán)境惡劣，對各種設(shè)備的機(jī)械性能、使用可靠性以及安全性能的要求很高，因此對煤礦機(jī)電產(chǎn)品進(jìn)行合理地檢測與故障診斷就顯得尤為重要和迫切。
二、故障檢測技術(shù)在煤礦機(jī)電產(chǎn)品中的應(yīng)用
1、采煤機(jī)故障診斷技術(shù)
采煤機(jī)是煤礦生產(chǎn)的關(guān)鍵設(shè)備，它增加了煤炭產(chǎn)量，減少了事故發(fā)生率。由于煤礦環(huán)境惡劣，加上采煤機(jī)自身結(jié)構(gòu)復(fù)雜，在工作時不但容易受到來自煤、巖石等沖擊，而且還受到煤塵和水霧的污染，出現(xiàn)故障比較頻繁。采煤機(jī)一旦出現(xiàn)故障，將會造成整個煤礦生產(chǎn)系統(tǒng)癱瘓，因此對采煤機(jī)進(jìn)行正確的故障診斷是具有非常重要的意義的。隨著當(dāng)前煤礦工業(yè)的發(fā)展，采煤機(jī)功能越來越多，且自身的結(jié)構(gòu)和組成愈發(fā)復(fù)雜，導(dǎo)致故障發(fā)生的原因也隨之復(fù)雜化。同國外先進(jìn)的采煤機(jī)比較，國產(chǎn)的采煤機(jī)在故障檢測診斷技術(shù)方面還相對落后，主要表現(xiàn)在檢測參數(shù)的缺少和檢測范圍的不全面，并且無故障診斷功能。目前常用的采煤機(jī)故障診斷方法有：溫度監(jiān)測，對于采煤機(jī)而言，采用在線溫度監(jiān)測比較實用，比如當(dāng)采煤機(jī)截割滾筒內(nèi)軸承損壞發(fā)生嚴(yán)重摩擦?xí)r，滾筒溫度將急劇上升，通過溫度監(jiān)測可以快速地定位故障部位，連續(xù)對這些部位進(jìn)行溫度監(jiān)測并記錄歷史變化數(shù)據(jù)，不但能夠監(jiān)測采煤機(jī)的現(xiàn)況，還能夠預(yù)測采煤機(jī)的故障發(fā)展趨勢；專家系統(tǒng)，采煤機(jī)故障具有復(fù)雜性和隱蔽性，傳統(tǒng)的診斷方法難以做出快速準(zhǔn)確的判斷，存在著誤判的可能。專家系統(tǒng)能夠綜合運(yùn)用領(lǐng)域內(nèi)專家的知識，模擬專家的思維過程，從而對故障進(jìn)行分析。利用專家系統(tǒng)對采煤機(jī)進(jìn)行故障診斷，首先要對現(xiàn)場故障診斷數(shù)據(jù)進(jìn)行歷史記錄和分類總結(jié)，然后建立知識庫，但是專家系統(tǒng)在知識獲取及推理技術(shù)等方面存在著缺陷；人工神經(jīng)網(wǎng)絡(luò)，由于采煤機(jī)從故障初始征兆到故障源的映射通常具有復(fù)雜的非線性映射關(guān)系，將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用到采煤機(jī)故障診斷中，可以從監(jiān)測到的采煤機(jī)故障信號中，找到故障原因和故障部位的非線性映射關(guān)系，但是由于人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)周期較長及收斂速度慢等缺點，會影響采煤機(jī)故障診斷的及時性。
2、礦井提升機(jī)故障診斷
礦井提升機(jī)常被人們稱為礦山的咽喉，是礦山最重要的關(guān)鍵設(shè)備，是地下礦井與外界的唯一通道，它在整個綜合機(jī)械化生產(chǎn)中占有非常重要的位置，提升機(jī)不僅是它的重要組成部分，同時也是礦山重要的大型固定機(jī)械設(shè)備。肩負(fù)著提升煤炭、下放材料、升降人員等的重要運(yùn)輸責(zé)任。提升機(jī)運(yùn)行的安全可靠性不僅直接影響整個礦井的生產(chǎn)能力，影響整個礦山的經(jīng)濟(jì)效益，而且還涉及到井下工作人員的生命安全。一般來說，主井提升設(shè)備只負(fù)責(zé)將井下采掘到的有用礦物從井底提升到地面；副井提升設(shè)備負(fù)責(zé)提升巖石、下放材料、升降設(shè)備和人員等工作。現(xiàn)代提升設(shè)備的提升容器一次有效提升量可達(dá)到 30 到 50 噸之巨，其在井筒內(nèi)運(yùn)行的速度可達(dá)每秒 20 到 25 米，一臺提升機(jī)的驅(qū)動電機(jī)的容量最大可達(dá) 1 到 1.5 萬千瓦。所以使它們安全、可靠、經(jīng)濟(jì)地運(yùn)轉(zhuǎn)對確保礦井安全，經(jīng)濟(jì)生產(chǎn)就具有非常重要的意義。目前，各種以計算機(jī)為主體的自動化診斷系統(tǒng)問世并相繼投入使用，反應(yīng)了當(dāng)前設(shè)備診斷技術(shù)發(fā)展方向。把分散的診斷裝置系統(tǒng)化，與電子計算機(jī)相結(jié)合，實現(xiàn)狀態(tài)信號采集、特征提取、狀態(tài)識別自動化，能以顯示、打印繪圖等各種方式自動輸出診斷報告；利用人工神經(jīng)網(wǎng)絡(luò)、遺傳算法及專家系統(tǒng)組成的智能化專家系統(tǒng)是診斷技術(shù)發(fā)展的必然趨勢；集機(jī)電液一體化的診斷技術(shù)得到了迅速發(fā)展；信息融合技術(shù)已成功應(yīng)用于眾多領(lǐng)域，其理論和方法已成為智能信息處理及控制的一個重要研究方向，信息融合技術(shù)的發(fā)展和應(yīng)用為診斷技術(shù)注入了新的活力，使基于多傳感器或多方法綜合的診斷技術(shù)具備了系統(tǒng)化的理論基礎(chǔ)和智能化的實現(xiàn)手段，以傳感器技術(shù)和現(xiàn)代化信號處理技術(shù)為基礎(chǔ)，以信息融合技術(shù)為核心的智能診斷技術(shù)代表了當(dāng)今診斷技術(shù)的發(fā)展方向。
3、煤礦通風(fēng)機(jī)的故障診斷
在煤礦生產(chǎn)中，礦井風(fēng)機(jī)是一種非常重要但又耗能較多的設(shè)備，它必須 24 小時不停運(yùn)轉(zhuǎn)。煤礦通風(fēng)的目的，是為井下作業(yè)區(qū)域輸送適量的新鮮空氣，是保證煤礦安全生產(chǎn)很重要的一環(huán)，瓦斯及火災(zāi)的防治，都是建立在良好的通風(fēng)之上的。煤礦通風(fēng)機(jī)是氣體壓縮和輸送的機(jī)械設(shè)備，煤礦通風(fēng)機(jī)主要由葉輪、電機(jī)、軸承、機(jī)殼、導(dǎo)流片等部件組成。由于煤礦的生產(chǎn)條件十分惡劣，煤礦通風(fēng)機(jī)經(jīng)常發(fā)生各種故障，所以應(yīng)對煤礦通風(fēng)機(jī)故障展開故障診斷研究，這樣可以有效地減少瓦斯事故和其他類事故的發(fā)生概率，促進(jìn)煤礦安全穩(wěn)定的生產(chǎn)。傳統(tǒng)上對煤礦故障診斷常采用快速傅里葉變換的分析方法。快速傅里葉變換，是信號頻域分析的有效工具。但是快速傅里葉變換無法分析通風(fēng)機(jī)故障的暫態(tài)特征，而這些暫態(tài)特征信號里往往包含著故障的重要信息，同時快速傅里葉變換對故障的局部信號分析也無能為力。在煤礦通風(fēng)機(jī)設(shè)備故障診斷中，利用小波變換進(jìn)行動態(tài)系統(tǒng)故障檢測與診斷具有良好的效果，小波分析可以將一個信號分解成多個不同尺度的信號，所以在信號檢測中得到了廣泛應(yīng)用。小波分析能將采集到的通風(fēng)機(jī)振動信號， 小波變換具有空間局部化性質(zhì)，利用小波變換能有效分析突變信號的時頻局部特征。同時神經(jīng)網(wǎng)絡(luò)具有非線性擬合能力，因此可以構(gòu)建出小波神經(jīng)網(wǎng)絡(luò)，建立起故障特征分量和故障類型之間的映射，從而正確診斷出煤礦通風(fēng)機(jī)故障。
三、結(jié)語
煤礦機(jī)電設(shè)備是煤礦生產(chǎn)的重要環(huán)節(jié)。由于煤炭行業(yè)和礦井開采條件的特殊性，機(jī)電故障現(xiàn)象比較復(fù)雜。目前，我國煤礦行業(yè)因為各種因素，機(jī)電設(shè)備故障檢測診斷技術(shù)仍處于較為簡單的階段，煤礦設(shè)備故障檢測診斷技術(shù)應(yīng)用尚不廣泛，但尚有許多研究成果，應(yīng)綜合考慮有關(guān)機(jī)電設(shè)備可靠性和經(jīng)濟(jì)性等因素，合理適當(dāng)選擇監(jiān)測和診斷方法。同時，還應(yīng)加強(qiáng)與各個行業(yè)間故障檢測診斷技術(shù)的交流與合作，并進(jìn)行新技術(shù)的推廣與應(yīng)用，使煤礦機(jī)電設(shè)備的安全性、可靠性得到進(jìn)一步提高。
參考文獻(xiàn)：
[1]王琳.機(jī)械設(shè)備故障診斷與監(jiān)測的常用方法及其發(fā)展趨勢[J].武漢工業(yè)大學(xué)學(xué)報， 2000 （3）
[2]周東華，王桂增.故障診斷技術(shù)綜述[J].化工自動化及儀表， 2008 （1）
關(guān)鍵詞：多元支持向量機(jī) 離心式壓縮機(jī) 故障診斷
The Application of Multi-Support Vector Machines in Fault Diagnosis for Compressors
Yu Huiyuan
（Well-Tech R&D Institutes， COSL， Yanjiao 065201， China）
Abstract： For solving the defect of traditional classificatory with many samples， a new classificatory recognizing faults based on Multi-Support Vector Machine （MSVM） is proposed for centrifugal compressors. SVM is a new machine study method which has excellent advantages in small-sample and multi-dimension binary classification. The new MSVM classificatory can be studied in a few samples rapidly to recognize several kinds of new faults. At the same time， the experiments showed that recognizing correct rate increased more greatly compared with traditional BP method.
Key words： MSVM； centrifugal compressor； fault diagnosis
一、引 言
壓縮機(jī)在工業(yè)生產(chǎn)領(lǐng)域中具有非常重要的作用，由于故障原因造成的啟停機(jī)一次所產(chǎn)生的經(jīng)濟(jì)損失是非常巨大的。如果能夠事先準(zhǔn)確診斷和預(yù)測出設(shè)備出現(xiàn)的各種故障，根據(jù)故障類型和實際情況采取相應(yīng)的措施，就可以避免或減少經(jīng)濟(jì)損失。機(jī)械故障診斷學(xué)就是通過研究故障和征兆之間的關(guān)系來判斷設(shè)備故障的。旋轉(zhuǎn)機(jī)械的故障形式多種多樣，故障產(chǎn)生的機(jī)理和原因也非常復(fù)雜[1]，加之實際因素的復(fù)雜性，故障和征兆之間表現(xiàn)出的關(guān)系也較為復(fù)雜，即各類故障所反映的特征參數(shù)并不完全相同，這種關(guān)系很難用精確的數(shù)學(xué)模型來表示，這就給現(xiàn)場診斷帶來了極大的困難。雖然神經(jīng)網(wǎng)絡(luò)具有充分逼近任意復(fù)雜非線性關(guān)系的能力和分類能力，但存在局部極小值、算法收斂速度慢、受網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜性和樣本復(fù)雜性的影響較大、容易出現(xiàn)“過學(xué)習(xí)”或泛化能力低等缺點[2，3]。
支持向量機(jī)是一種新的機(jī)器學(xué)習(xí)方法，它較好的解決了非線性數(shù)據(jù)的分類問題，在小樣本和二元分類方面有非常突出的優(yōu)點。本文在分析了支持向量機(jī)的特點后，提出一種基于多元支持向量機(jī)的離心式壓縮機(jī)轉(zhuǎn)子故障分類識別方法，可以在較少樣本情況下完成對分類器的學(xué)習(xí)訓(xùn)練工作，從而達(dá)到提高故障診斷效率的目的。
二、支持向量機(jī)分類原理
支持向量機(jī)不同于神經(jīng)網(wǎng)絡(luò)基于經(jīng)驗的算法，它是實現(xiàn)結(jié)構(gòu)風(fēng)險最小化原則的一種學(xué)習(xí)算法，是利用核函數(shù)把特征樣本映射到高維特征空間，然后在此空間中構(gòu)造分類間隔最大的線性分類超平面，所以支持向量機(jī)比較適合于小樣本數(shù)據(jù)的分類。其基本思想如圖 1 所示，圖中圓點和三角點分別表示兩類訓(xùn)練樣本，H 為把兩類樣本完全無誤分開的分類線，H1、H2 分別為通過樣本中離分類線最近的樣本且平行于分類線的直線，它們之間的間隔為分類間隔，圖中的樣本點就是支持向量。該最優(yōu)面不但可將兩類樣本無誤的分開，而且還要使分類間隔最大。前者保證經(jīng)驗風(fēng)險最小，后者使問題的真實風(fēng)險最小[4]。
不同的核函數(shù)將導(dǎo)致不同的支持向量機(jī)算法，常見的核函數(shù)包括多項式內(nèi)積函數(shù)、徑向基函數(shù)、S型內(nèi)積函數(shù)等[5]。
三、基于MSVM的故障識別分類器
（一）基于MSVM的故障識別分類模型
由于SVM是二元分類器，診斷過程中，故障通常有多種類型。要對多種故障模式進(jìn)行識別，必須構(gòu)造一種多元分類器才能進(jìn)行這種多種模式的識別。通常通過組合多個兩類分類器的方法來實現(xiàn)多值分類器的分類，目前此類方法主要有以下幾類算法：一對一算法（one-against-one，簡稱1-v-1）、一對多算法（one -versus-rest，簡稱1-v-r）和決策導(dǎo)向無環(huán)圖算法（Decision Directed Acyclic Graph，DDAG）等幾種，可參見文獻(xiàn)[5，6]。通過比較分析，筆者采用一對一方法構(gòu)造多元分類器[5]，其基本思想是：對N元分類問題建立N（N-1）/2個SVM，每兩類之間訓(xùn)練一個SVM將彼此分開。這種方法優(yōu)點是單個SVM訓(xùn)練規(guī)模較小，分類器的推廣能力強(qiáng)。
采用多元分類器訓(xùn)練數(shù)據(jù)樣本后，在預(yù)測新樣本時，使用成對的SVM進(jìn)行比較，每次產(chǎn)生一個優(yōu)勝者（即獲得一個類別），然后在優(yōu)勝者之間再次進(jìn)行比較，直到最后僅剩一個優(yōu)勝者。實際上，在預(yù)測新樣本時，并不需要對每兩類之間的優(yōu)勝者再次進(jìn)行競爭淘汰，只需比較兩類之間獲勝次數(shù)最多的類，即為新樣本所屬的故障類別。
（二）分類器的學(xué)習(xí)訓(xùn)練方法
本文的MSVM分類器訓(xùn)練程序采用的是LIBSVM開發(fā)函數(shù)庫，在沒有先驗知識前提下使用徑向基函數(shù)作為核函數(shù)。實驗表明，通常情況下該核函數(shù)的分類效果略優(yōu)于其他核函數(shù)。基于MSVM的故障分類識別分類器工作過程主要有學(xué)習(xí)訓(xùn)練和識別兩個階段，如圖2所示。
圖2 模分類器的工作過程
四、壓縮機(jī)故障診斷實例
在離心式壓縮機(jī)等旋轉(zhuǎn)機(jī)械中，不平衡、不對中及油膜振蕩是轉(zhuǎn)子部件幾種較常見的故障。目前人工智能方法在故障診斷領(lǐng)域已經(jīng)得到較好的應(yīng)用效果。但是，基于神經(jīng)網(wǎng)絡(luò)的診斷方法通常需要用大量的故障特征樣本對模型進(jìn)行訓(xùn)練，才能得到較為可靠的識別模型。然而，在機(jī)械設(shè)備實際故障樣本的收集過程中，采集到的樣本比較有限，尤其是某些故障樣本的收集十分困難，這極大地限制了檢測模型在模式分類過程中對訓(xùn)練樣本的需求。而支持向量機(jī)在小樣本和高維特征分類方面有突出優(yōu)勢，本文以離心式壓縮機(jī)組轉(zhuǎn)子故障為例，采用上述MSVM方法建立故障診斷模型。
（一）壓縮機(jī)轉(zhuǎn)子故障診斷模型設(shè)計
以轉(zhuǎn)子不平衡、不對中及油膜振蕩三種常見故障作為示例樣本建立故障識別模型，將轉(zhuǎn)子不平衡故障作為一類，轉(zhuǎn)子不對中作為一類，油膜振蕩作為一類。由于SVM是二元分類器，對于多種故障形式識別，必須構(gòu)造一種多元分類器才能進(jìn)行識別。由于本文采用一對一方法構(gòu)造多元分類器建立故障識別模型，當(dāng)需要對以上三種故障形式進(jìn)行識別時，共需要構(gòu)建3個SVM分類器。用SVM1來區(qū)分轉(zhuǎn)子不平衡與不對中，SVM2識別轉(zhuǎn)子不對中與油膜振蕩，SVM3識別油膜振蕩與轉(zhuǎn)子不平衡。通過每兩類樣本分別對三個SVM分類器進(jìn)行學(xué)習(xí)訓(xùn)練來尋求最優(yōu)分類函數(shù)，以達(dá)到對建立識別模型的目的，模型如圖3。
圖3 多類故障識別模型
對于部件的有更多種故障模式存在的情況下，只需獲取該部件對應(yīng)故障狀態(tài)下的特征樣本，在原有模型基礎(chǔ)上增加分類器即可，方法同上。不過對于多種故障模式下多元支持向量機(jī)模型的選擇需要在速度、模型復(fù)雜度、識別效率等方面進(jìn)行綜合考慮。
（二）測試結(jié)果
為了考查模型的泛化能力，對診斷模型進(jìn)行學(xué)習(xí)訓(xùn)練后，用訓(xùn)練后的分類器對45個測試樣本進(jìn)行分類試驗。利用兩類之間比較獲勝次數(shù)最多的類，即為新樣本所屬的故障類別，如勝次相等，則為識別失敗。表1為各類故障的分類識別結(jié)果。除3個待測故障的識別結(jié)果不太理想外，其余故障類型的識別結(jié)果都相當(dāng)理想，本分類器的總體泛化能力為93.3%，結(jié)果令人滿意。由此可見，該模型具有較好的泛化識別能力。
表1 識別結(jié)果
（三）與神經(jīng)網(wǎng)絡(luò)方法比較
為了與神經(jīng)網(wǎng)絡(luò)方法進(jìn)行比較，同樣利用故障樣本對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時發(fā)現(xiàn)，由于樣本數(shù)量較少，網(wǎng)絡(luò)訓(xùn)練陷入局部極值點，訓(xùn)練失敗。因而表明MSVM能在較少樣本情況下實現(xiàn)對分類器的學(xué)習(xí)訓(xùn)練。利用兩組樣本總和重新訓(xùn)練，在與BP神經(jīng)網(wǎng)絡(luò)同樣的樣本集均方誤差情況下，發(fā)現(xiàn)其測試集均方誤差一般比BP神經(jīng)網(wǎng)絡(luò)精度高；當(dāng)訓(xùn)練樣本集數(shù)目增加時，兩者的泛化能力都有所提高，但BP神經(jīng)網(wǎng)絡(luò)提高速度要快于支持向量機(jī)；當(dāng)樣本集變化時，MSVM的測試集均方誤差變化幅度小于BP神經(jīng)網(wǎng)絡(luò)，這些都說明了MSVM對訓(xùn)練樣本數(shù)據(jù)的依賴程度比神經(jīng)網(wǎng)絡(luò)小。
取不同的收斂閾值對神經(jīng)網(wǎng)絡(luò)分類模型進(jìn)行訓(xùn)練，并將它與MSVM方法的識別結(jié)果進(jìn)行對比，如表2所示。從表中可以看到，支持向量機(jī)分類器的泛化識別能力明顯優(yōu)于神經(jīng)網(wǎng)絡(luò)分類器，可能是由于神經(jīng)網(wǎng)絡(luò)方法往往陷入過學(xué)習(xí)，即所謂的經(jīng)驗風(fēng)險最小化，造成分類器推廣能力泛化差于支持向量機(jī)。
表2 MSVM方法和BP神經(jīng)網(wǎng)絡(luò)方法識別結(jié)果對比
五、結(jié)論
由于支持向量機(jī)在小樣本分類識別方面有獨(dú)特優(yōu)勢，基于此設(shè)計了多元支持向量機(jī)的壓縮機(jī)故障分類識別模型。試驗證明，利用支持向量機(jī)對壓縮機(jī)轉(zhuǎn)子故障模式進(jìn)行識別的方法是可靠和有效的，即使在小樣本情況下，該方法仍可以有效地診斷出壓縮機(jī)關(guān)鍵部件的工作狀態(tài)和故障類型，解決故障診斷中少樣本情形下模型訓(xùn)練不足和識別效率低的問題。因此，支持向量機(jī)在故障診斷領(lǐng)域是一種值得推廣的方法。
參考文獻(xiàn)
[1] 李小彭，羅躍綱，白秉三.模糊綜合評判在機(jī)械故障診斷中的應(yīng)用[J].沈陽工業(yè)大學(xué)學(xué)報.2002，24（5）：439-442
[2] 朱君，高宇，葉鑫銳. 基于BP神經(jīng)網(wǎng)絡(luò)的螺桿泵井故障診斷方法[J].石油機(jī)械. 2008， 36（1）：42-44
[3] 趙海洋，王金東，劉樹林，等.基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的復(fù)合故障診斷技術(shù)[J].流體機(jī)械，2008，36（1）：39-42
[4] 張學(xué)工.關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機(jī)[J].自動化學(xué)報.2000，26（1）：32-42
工程機(jī)械的液壓系統(tǒng)由行走裝置液壓系統(tǒng)、作業(yè)裝置液壓系統(tǒng)和操縱裝置（含轉(zhuǎn)向、制動等）液壓系統(tǒng)等幾部分組成，其中每一部分一般又由若干個子系統(tǒng)組成。基于上述要求，工程機(jī)械液壓系統(tǒng)一般是多泵、具有壓力與流量適應(yīng)能力和先導(dǎo)操縱功能的液壓系統(tǒng)。
隨著科技的發(fā)展與環(huán)保節(jié)能日漸嚴(yán)格的要求，作為工程機(jī)械液壓技術(shù)的關(guān)鍵技術(shù)，故障檢測與診斷技術(shù)、工作介質(zhì)替代技術(shù)、系統(tǒng)仿真技術(shù)都取得了新的發(fā)展。
1、故障檢測與診斷技術(shù)
由于工程機(jī)械產(chǎn)品系統(tǒng)結(jié)構(gòu)復(fù)雜，工作環(huán)境十分惡劣，故障發(fā)生頻繁，種類繁多，檢測復(fù)雜。。工程機(jī)械的故障檢測與診斷技術(shù)成為工程機(jī)械液壓系統(tǒng)研究的重要內(nèi)容。按照檢測對象的不同可以分為基于液壓裝置信息和基于油液污染的故障檢測與診斷兩類。隨著液壓技術(shù)向電子化和智能化不斷發(fā)展，以及液壓系統(tǒng)的不斷復(fù)雜，人工巡回檢測和人工故障診斷等傳統(tǒng)故障檢測診斷技術(shù)已經(jīng)無法適應(yīng)液壓技術(shù)的發(fā)展，逐漸被智能化、實時在線故障診斷技術(shù)所取代。
1.1基于液壓裝置信息檢測的故障檢測與診斷
基于液壓裝置信息的故障檢測與診斷技術(shù)利用傳感器對單個液壓元件和整個系統(tǒng)的溫度、壓力、流量、振動等動態(tài)特征信號進(jìn)行實時在線檢測、分析處理，利用特征信號進(jìn)行故障診斷。由于實際液壓系統(tǒng)元件常常具有嚴(yán)重的非線性特征，使得傳統(tǒng)的故障診斷方法無法對故障準(zhǔn)確診斷。隨著計算機(jī)技術(shù)的發(fā)展和數(shù)學(xué)方法的運(yùn)用，基于小波分析、魯棒法、模糊診斷、神經(jīng)網(wǎng)絡(luò)診斷和專家系統(tǒng)診斷等現(xiàn)代智能診斷方法開始逐步在液壓故障診斷中得到應(yīng)用，逐步實現(xiàn)智能化、實時在線的故障檢測與診斷。
1.2基于油液污染檢測的故障檢測與診斷
基于油液污染檢測的故障檢測診斷方法可分為基于油液的顆粒污染度和基于油液理化性質(zhì)分析的檢測與診斷方法。
兩者都是根據(jù)經(jīng)驗或?qū)＜抑R，分別建立油液顆粒污染度和油液理化性質(zhì)變化與液壓系統(tǒng)及元件狀態(tài)參數(shù)間的關(guān)系庫，運(yùn)用專家推理機(jī)制，預(yù)測和判定系統(tǒng)故障。由于基于油液理化性質(zhì)分析的故障診斷方法需要對油液理化性質(zhì)進(jìn)行細(xì)致分析，檢測周期長，因此不適合在線檢測，但在重要液壓系統(tǒng)的準(zhǔn)確可靠診斷方面有較大的發(fā)展前景。而基于油液污染度檢測方法的發(fā)展經(jīng)歷了實驗室取樣分析檢測―便攜式檢測儀檢測―在線檢測儀檢測的過程，向智能化、實時在線診斷與檢測方向發(fā)展。
2、工作介質(zhì)替代技術(shù)
液壓系統(tǒng)工作介質(zhì)是液壓系統(tǒng)的重要組成部分，其物理化學(xué)性質(zhì)直接影響到液壓系統(tǒng)的工作效能。液壓介質(zhì)性能水平的提高對于現(xiàn)代液壓技術(shù)的發(fā)展功不可沒[4]。隨著節(jié)能環(huán)保要求的不斷嚴(yán)格，替代工作介 質(zhì)具有更為廣闊的應(yīng)用前景，并且呈現(xiàn)多樣化的趨勢。這里只介紹兩種典型的替代工作介質(zhì)：磁流變液和水。
2.1磁流變液
磁流變液能夠在磁流變液壓閥（轉(zhuǎn)換器）的控制作用下，完成驅(qū)動器（執(zhí)行裝置）的動作。在這種系統(tǒng)中，液壓閥是一種無移動元件的比例控制閥，它主要由裝有線圈、鐵芯的導(dǎo)磁體及連接入口、出口并穿過導(dǎo)磁體的流體通道等元件構(gòu)成。當(dāng)磁流變液流經(jīng)磁流變閥門時，磁場作用于磁流變液，使磁流變液的粘度隨外加磁場強(qiáng)度變化而變化，導(dǎo)致流經(jīng)閥門的阻力及閥門入口的壓力增加，因而可減慢或停止液體的流動。磁流變液壓閥具有結(jié)構(gòu)緊湊、價格便宜、易于控制等優(yōu)點，相比之下，傳統(tǒng)的液壓比例閥顯得即昂貴又易磨損。
2.2水
隨著材料科學(xué)和制造技術(shù)的發(fā)展，液壓元件密封、自、抗腐蝕等能力的提高，采用普通水或天然海水作為工作介質(zhì)成為可能。水壓傳動在歐、美國家已經(jīng)被廣泛應(yīng)用于食品、醫(yī)藥、化學(xué)、造紙、木材加工、環(huán)境工程等一些對安全和清潔要求較高的行業(yè)。隨著新型材料液壓元件的應(yīng)用，采用水壓傳動的工程機(jī)械的比例會不斷增大。
3、液壓系統(tǒng)仿真技術(shù)
伴隨著液壓系統(tǒng)的廣泛使用，液壓系統(tǒng)仿真技術(shù)也逐漸得到發(fā)展。現(xiàn)行液壓仿真軟件主要特點有圖形操作界面、多領(lǐng)域建模仿真、數(shù)據(jù)庫技術(shù)的應(yīng)用、標(biāo)準(zhǔn)化模型庫。從仿真軟件的發(fā)展和仿真軟件的功能可以看出，仿真技術(shù)出現(xiàn)了如下幾個發(fā)展趨勢：
（1）向三維仿真發(fā)展
隨著液壓技術(shù)的發(fā)展，傳統(tǒng)的一維和二維仿真技術(shù)已經(jīng)無法滿足液壓技術(shù)仿真的需要，三維流場分析能夠更加準(zhǔn)確的反映液壓系統(tǒng)中液壓流場的真實情況，配合分析結(jié)果和分析過程三維流場的可視化技術(shù)，能夠更加直觀的描述液壓系統(tǒng)中的三維流場。
（2）向流場耦合分析仿真發(fā)展
由于液壓系統(tǒng)涉及到機(jī)械和流體（隨著磁流變液技術(shù)的發(fā)展，還涉及到電磁），液壓流場中包括液-固、液-氣（液-磁）的多相耦合。因而同時考慮熱力場和應(yīng)力場等多場耦合問題的求解越來越成為液壓流場分析的重要研究內(nèi)容。
（3）向機(jī)電液一體化系統(tǒng)分析仿真發(fā)展
隨著液壓系統(tǒng)電子技術(shù)的廣泛運(yùn)用，液壓系統(tǒng)機(jī)電液一體化趨勢明顯，因此能夠同時建立機(jī)械、電氣及液壓結(jié)構(gòu)的數(shù)學(xué)模型，并能把三者有機(jī)地結(jié)合起來的仿真軟件將越來越受到青睞。
5 結(jié)論
綜述了液壓系統(tǒng)的故障檢測與診斷技術(shù)、工作介質(zhì)替代技術(shù)以及液壓系統(tǒng)仿真技術(shù)的研究現(xiàn)狀和發(fā)展趨勢，得出了液壓技術(shù)的發(fā)展趨勢主要有以下幾個方面：
（1）故障檢測與診斷技術(shù)向智能化、實時在線檢測與診斷方向發(fā)展。
（2）工作介質(zhì)多樣化，采用水壓傳動的工程機(jī)械的比例會不斷增大。
（3）液壓系統(tǒng)仿真技術(shù)向三維仿真、多流場耦合分析仿真、機(jī)電液一體化系統(tǒng)分析仿真發(fā)展。
（作者單位：1.中國人民裝甲兵工程學(xué)院，2.中國人民軍事交通學(xué)院）
