楊曉敏

摘 要：旋轉(zhuǎn)機械故障診斷技術(shù)己在國內(nèi)外得到了非常高的重視，雖然各種診斷方法都得到廣泛的發(fā)展并且成果豐碩，文章對其進行總結(jié)性分析。

關(guān)鍵詞：旋轉(zhuǎn)機械；故障診斷；方法

DOI：10.16640/j.cnki.37-1222/t.2017.10.026

隨著診斷技術(shù)研究的深入，可以實現(xiàn)故障診斷的方法越來越多，既有對前人研究成果的完善，也有一些原創(chuàng)性的研究成果相繼被提出，根據(jù)各類方法在實現(xiàn)方式上的不同，可以大致將其分為三類，第一種是通過建立合適的模型進行故障診斷，這種方法在實際的生產(chǎn)應(yīng)用中，往往由于設(shè)備結(jié)構(gòu)復(fù)雜，無法構(gòu)建精準(zhǔn)的模型，即便可以獲得合適的參數(shù)模型，其耗資也會相當(dāng)大，所以實際應(yīng)用可行性不大。第二種方法是結(jié)合人工智能技術(shù)的專家系統(tǒng)，在實際應(yīng)用中這種方法得到了一定的肯定，但仍然存在知識獲取不全面、針對性太強、智能水平低等問題，使得故障診斷結(jié)果可靠性不強。而模式識別是故障診斷中應(yīng)用最為廣泛的方法，且目前很多學(xué)者都認為基于模式識別的故障診斷有很大的進步空間。

1 旋轉(zhuǎn)機械故障特點

旋轉(zhuǎn)機械故障的故障特點與其他類型的機械故障存在一定的區(qū)別，且是機械設(shè)備中最為常用的一類，所以有必要對其進行單獨的深入研究。旋轉(zhuǎn)機械故障是指有轉(zhuǎn)子系統(tǒng)的機械設(shè)備在運行過程中出現(xiàn)異常的工作狀態(tài)，比如不正常的噪聲、異常大的振動、溫度急劇升高，或者其他指標(biāo)不正常。旋轉(zhuǎn)機械的結(jié)構(gòu)復(fù)雜，故障發(fā)生具有一定的階段性，并且部分故障的發(fā)生有一個漸進的過程，在進行故障診斷時，必須綜合考慮多項因素，使得進行準(zhǔn)確故障診斷的難度較大。

2 旋轉(zhuǎn)機械故障檢測方法

2.1 模式識別

經(jīng)過多年的發(fā)展，模式識別己是故障檢測的重要理論基礎(chǔ)之一。近十幾年來，模式識別技術(shù)在機械設(shè)備故障診斷領(lǐng)域的應(yīng)用己經(jīng)非常普遍，每年都有相關(guān)的改進方法被發(fā)布。在機器人模仿人類思考能力的研究領(lǐng)域上，模式識別方法一直占據(jù)著十分重要地位，在機械故障診斷方法中模式識別也始終是一個先進且富有挑戰(zhàn)的探索方向。

隨著計算機技術(shù)的迅速發(fā)展，各國在旋轉(zhuǎn)機械故障診斷方面都取得了很大的進步，擺脫了傳統(tǒng)依靠技術(shù)工人經(jīng)驗判斷的主觀臆斷和不準(zhǔn)確性，特別是這幾年，計算機技術(shù)的發(fā)展使得各種更加完善的算法運行更為迅速，進而推進了旋轉(zhuǎn)機械故障診斷的發(fā)展。

美國是最先研究機械故障診斷技術(shù)的國家之一，其診斷技術(shù)在很多方面都屬于世界先進水平，目前美國從事故障診斷研究的機構(gòu)主要有電子能源研究機構(gòu)、西屋電氣、Bently和CSI等公司。其中西屋電氣是最早應(yīng)用計算機網(wǎng)絡(luò)的，該公司自己開發(fā)的汽輪機故障診斷軟件可以對遠程對多臺機組進行診斷。而Bently公司在轉(zhuǎn)子的動力系統(tǒng)和故障的診斷機理方面比較領(lǐng)先。

我國在機械故障診斷方面的研究起步相對較晚，技術(shù)也較為落后。剛開始主要以學(xué)習(xí)研究國外相關(guān)理論為主。直到80年代初期才逐漸有了自己研發(fā)的技術(shù)，在這個階段，大型設(shè)備的出現(xiàn)和各項相關(guān)技術(shù)的發(fā)展也刺激了國人對旋轉(zhuǎn)機械故障診斷技術(shù)的重視，也推動了該技術(shù)的自主研發(fā)。隨著國家和企業(yè)對這項技術(shù)領(lǐng)域的投入逐漸增大，許多學(xué)者開始涉足這個領(lǐng)域，并對其進行大量的探索和實驗，加上與國際交流合作，我國也開發(fā)出了一些在線監(jiān)測與故障診斷的軟件，這也很大程度上減小了與國際上相關(guān)先進技術(shù)的差距，但事實上，我國研究水平總體還是比較落后，故障診斷技術(shù)的可靠性還需要不斷提升。

2.2 人工神經(jīng)網(wǎng)絡(luò)理論

1940年左右，有關(guān)應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的理論開始出現(xiàn)，經(jīng)過多年的發(fā)展，它己經(jīng)被引入到許多領(lǐng)域，比如，智能機器的控制、神經(jīng)網(wǎng)絡(luò)計算機的研發(fā)、算法的優(yōu)化、應(yīng)用計算機進行圖像處理、模式識別、連續(xù)續(xù)語音的識別、數(shù)據(jù)的壓縮、信息處理等領(lǐng)域，在實踐應(yīng)用中取得了很好的效果，作為一項新的模式識別技術(shù)和信息處理辦法，人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用前景十分可觀。

目前，使用人工神經(jīng)網(wǎng)絡(luò)進行故障診斷的方法有很多，最常用方法是：多層感知器神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、自組織Kohonen神經(jīng)網(wǎng)絡(luò)、和徑向基函數(shù)RBF（Radial Bases Function）神經(jīng)網(wǎng)絡(luò)，也有學(xué)者將人工神經(jīng)網(wǎng)絡(luò)與各種其他方法相結(jié)合的實例。在使用人工神經(jīng)網(wǎng)絡(luò)進行故障處理時，首先檢查采集到的故障信息數(shù)據(jù)，剔除多余或者不合理的異常數(shù)據(jù)，再對有效數(shù)據(jù)進行歸一化處理，預(yù)處理工作完成后即可將數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練學(xué)習(xí)和故障識別過程。

2002年，王守覺院士分析傳統(tǒng)模式識別方法的缺點，認為傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)都是假設(shè)特征空間中包括了所有的模式類別，要實現(xiàn)模式識別只需要找到最佳的特征空間劃分方法，但事實上，任何一個特征空間中不可能包含所有的模式類別，特征空間中必然存在模式空白區(qū)域，就像人類對某些事物表現(xiàn)為不認識一樣。認識到這一點后，王守覺院士提出了“仿生模式識別”這一概念，與傳統(tǒng)的基于特征空間最佳劃分的方法相比，仿生模式識別最為突出的特點就是，能構(gòu)造封閉的、復(fù)雜的幾何形體對各類樣本進行覆蓋，從而達到模式識別的目的。

2.3 仿生模式識別

自從仿生模式識別這一概念被提出以來，許多學(xué)者對其進行了深入研究，并將其應(yīng)用到了人臉識別、車牌識別、語音識別、字體識別等領(lǐng)域。并取得了優(yōu)良的識別效果，例如：陸飛在其碩士論文中重點對仿生模式識別中的幾何模型進行了深入分析，并用超香腸神經(jīng)網(wǎng)絡(luò)作為仿生模式識別的實現(xiàn)方法應(yīng)用到了人臉識別中，取得了良好的實驗結(jié)果；劉煥云等人將仿生模式識別應(yīng)用到目標(biāo)識別和跟蹤方面，編寫了自適應(yīng)目標(biāo)算法，與傳統(tǒng)方法相比，跟蹤識別效果有顯著的提升；王守覺院士自己也對仿生模式識別算法進行了一系列的優(yōu)化，先后提出了超香腸神經(jīng)網(wǎng)絡(luò)和多權(quán)值神經(jīng)網(wǎng)絡(luò)識別實現(xiàn)方法，并在文獻中將基于仿生模式識別的多權(quán)值神經(jīng)網(wǎng)絡(luò)應(yīng)用到連續(xù)語音識別中，與目前認可度最高的基于隱馬爾可夫模型（HMM）的識別方法進行比較，表現(xiàn)出了顯著的優(yōu)勢。

目前有許多的編程軟件都加入了神經(jīng)網(wǎng)絡(luò)的功能，其中MATLAB軟件最為方便實用，并且易于操作。它除了擁有對各種圖形和數(shù)據(jù)進行處理的強大功能，其開發(fā)公司一一美國的MathWorks公司一一還專門在軟件中開發(fā)加入了神經(jīng)網(wǎng)絡(luò)工具箱，全面包含了人工神經(jīng)網(wǎng)絡(luò)中常用的激勵函數(shù)，例如線性函數(shù)（purline函數(shù)），感知器函數(shù)（（sigmoid函數(shù)）以及徑向基函數(shù)（radbas函數(shù)），除了這些常用傳遞函數(shù)，還可以自定義相關(guān)的函數(shù)。各層網(wǎng)絡(luò)之間的映射也有嚴格的設(shè)定，映射函數(shù)可自行設(shè)定。鑒于以上優(yōu)點，本文采用MATLAB軟件編寫仿生模式識別的實現(xiàn)程序，以及機械故障信號的特征提取和網(wǎng)絡(luò)測試。

參考文獻：

[1]屈梁生.機械故障診斷理論與方法[M].西安：西安交通大學(xué)出版社，2009.

[2]彭秀琴.旋轉(zhuǎn)機械故障診斷技術(shù)研究[D].西安：電子科技大學(xué)，2011.