袁熙凱

（蘭州交通大學(xué)，甘肅 蘭州 730070）

隨著鐵路建設(shè)機(jī)械化程度的提高，越來越多的高科技設(shè)備投入使用，發(fā)揮了極大的作用。由于鐵路機(jī)械設(shè)備工況比較惡劣，機(jī)械設(shè)備使用的過程中，會(huì)有很多故障誘發(fā)因素。設(shè)備復(fù)雜程度與其診斷維修費(fèi)用成正比，為了避免設(shè)備故障帶來的嚴(yán)重?fù)p失，需要有一套科學(xué)的設(shè)備故障診斷技術(shù)對(duì)故障做出預(yù)測(cè)及判斷并及時(shí)維護(hù)。

1 故障診斷技術(shù)的研究的意義

（1）有效保證設(shè)備的安全運(yùn)行。故障診斷技術(shù)最直接的作用就是有效的保證鐵路機(jī)械設(shè)備的安全運(yùn)行及更新，它能快速、準(zhǔn)確的判斷出設(shè)備的故障問題，發(fā)現(xiàn)正在發(fā)生或者是即將發(fā)生的故障，并做出相應(yīng)處理。

（2）提高施工效率，節(jié)約鐵路建設(shè)成本。鐵路建設(shè)中由于空間限制，有時(shí)設(shè)備之間的關(guān)系是一種串聯(lián)關(guān)系，一旦一臺(tái)設(shè)備發(fā)生故障，后續(xù)設(shè)備將不能按節(jié)點(diǎn)進(jìn)行施工。機(jī)械設(shè)備如果不能及時(shí)進(jìn)行維修，一旦投入使用，它就會(huì)影響到整個(gè)設(shè)備系統(tǒng)，耽誤整個(gè)鐵路工程的施工進(jìn)度，浪費(fèi)資金。故障診斷技術(shù)可有效的避免這些問題的發(fā)生。

（3）提高設(shè)備維修效率。設(shè)備故障診斷技術(shù)，能將每次將處理故障設(shè)備的經(jīng)驗(yàn)進(jìn)行積累及總結(jié)，通過分析能發(fā)現(xiàn)設(shè)備故障發(fā)生的規(guī)律。這些經(jīng)驗(yàn)及規(guī)律能很好的指導(dǎo)后續(xù)的設(shè)備故障管理工作，提高設(shè)備的維修效率，減少維護(hù)成本。

2 設(shè)備故障診斷技術(shù)發(fā)展現(xiàn)狀

（1）狀態(tài)監(jiān)測(cè)方面。計(jì)算機(jī)的發(fā)展提高了機(jī)械設(shè)備的自動(dòng)化水平及智能水平，同樣計(jì)算機(jī)技術(shù)在鐵路機(jī)械設(shè)備故障診斷技術(shù)的狀態(tài)監(jiān)測(cè)中也發(fā)揮了重要作用。監(jiān)測(cè)系統(tǒng)能有效的監(jiān)測(cè)鐵路建設(shè)各個(gè)環(huán)節(jié)的運(yùn)轉(zhuǎn)情況，可降低突發(fā)故障發(fā)生的概率。通過一系列的研究、實(shí)際應(yīng)用及優(yōu)化設(shè)計(jì)，一些高科技的監(jiān)測(cè)設(shè)備在故障診斷技術(shù)的狀態(tài)監(jiān)測(cè)方面得到廣泛應(yīng)用。目前常用的檢測(cè)方式有兩種：一種是離線檢測(cè)方式，操作靈活，通過筆記本和便攜機(jī)就可以實(shí)現(xiàn)實(shí)時(shí)、實(shí)地監(jiān)測(cè)；另一種是在線監(jiān)測(cè)方式。

（2）故障診斷方面。隨著信息化的快速發(fā)展，信息化與工業(yè)化已經(jīng)不斷的融合，信息化在鐵路機(jī)械設(shè)備故障診斷技術(shù)中的應(yīng)用也不斷深入。目前常用的鐵路機(jī)械設(shè)備故障診斷分析方法包括軸心軌跡的計(jì)算機(jī)模擬分析及全息譜理論分析等方法。隨著設(shè)備故障診斷的分析方法的不斷發(fā)展，故障的智能診斷方法將是鐵路機(jī)械設(shè)備故障診斷技術(shù)的新方向。這些先進(jìn)的分析方法提高了設(shè)備及時(shí)診斷的質(zhì)量和效率，有效的保證了設(shè)備的穩(wěn)定運(yùn)行。

（3）故障預(yù)測(cè)方面。故障預(yù)測(cè)是設(shè)備故障診斷系統(tǒng)的一項(xiàng)特殊功能，它能根據(jù)目前設(shè)備的運(yùn)行狀態(tài)結(jié)合一些設(shè)定的技術(shù)數(shù)據(jù)，對(duì)設(shè)備潛在風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。預(yù)測(cè)機(jī)器設(shè)備的運(yùn)行態(tài)勢(shì)及運(yùn)行時(shí)間，有利于指導(dǎo)生產(chǎn)。目前故障預(yù)測(cè)這項(xiàng)功能的開發(fā)處于初級(jí)階段，有很大的發(fā)展空間。

3 設(shè)備故障診斷分析法

（1）圖像識(shí)別算法。圖像識(shí)別技術(shù)是一種通過圖像處理、圖像分析及圖像理解來識(shí)別目標(biāo)和對(duì)像的技術(shù)。它的載體是計(jì)算機(jī)。圖像識(shí)別技術(shù)屬于人工智能的范疇，鐵路設(shè)備故障診斷中圖像識(shí)別算法有多種多樣的具體形式，但過程基本類似。如圖1所示，圖像識(shí)別算法的過程一般包括圖樣采集、圖樣預(yù)處理、特征提取及結(jié)果匹配等過程。對(duì)現(xiàn)場(chǎng)設(shè)備故障作出分析之前首先要熟悉機(jī)電各個(gè)功能模塊，立足機(jī)電結(jié)合的角度，根據(jù)各部分的功能及工作環(huán)境等因素，對(duì)機(jī)電設(shè)備故障的癥狀及影響進(jìn)行全面的、逐層的及綜合的分析，找出故障發(fā)生的原因。①系統(tǒng)組成。一個(gè)完整的系統(tǒng)一般由硬件及軟件部分組成，硬件是軟件的載體，軟件是功能的具體體現(xiàn)。硬件及軟件兩部分缺一不可，只有通過兩部分有機(jī)結(jié)合和相互協(xié)調(diào)才能實(shí)現(xiàn)監(jiān)測(cè)、系統(tǒng)識(shí)別功能。圖像識(shí)別系統(tǒng)中的硬件設(shè)備一般包括臺(tái)式機(jī)、線陣相機(jī)或其他工業(yè)相機(jī)；軟件系統(tǒng)一般包括開發(fā)平臺(tái)系統(tǒng)、語言操作系統(tǒng)等。②分析過程。鐵路機(jī)械設(shè)備故障檢測(cè)系統(tǒng)，首先要完成的就是設(shè)備的正常運(yùn)行圖的采集及存儲(chǔ)工作。采集處于正常運(yùn)行狀態(tài)的無故障設(shè)備的原始圖像，將這些圖像存儲(chǔ)在計(jì)算機(jī)軟件中作為標(biāo)準(zhǔn)圖庫，并提取出設(shè)備正常運(yùn)行的特征點(diǎn)便于對(duì)非正常情況進(jìn)行對(duì)比。在故障檢測(cè)系統(tǒng)正常投入使用后，把所采集到的設(shè)備的實(shí)時(shí)運(yùn)行圖像實(shí)施預(yù)處理得到中間圖像，提取出中間圖像的運(yùn)行特征，將這些實(shí)際運(yùn)行特征與正常情況下的運(yùn)行特征狀況進(jìn)行對(duì)比，分析設(shè)備是否發(fā)生故障。當(dāng)確定設(shè)備的故障信息后，圖像識(shí)別故障檢測(cè)系統(tǒng)會(huì)把結(jié)果自動(dòng)傳輸至中央控制臺(tái)。工作人員可通過控制臺(tái)發(fā)出的報(bào)警信號(hào)，及時(shí)對(duì)相關(guān)設(shè)備進(jìn)行全面檢查與維修。另外，圖像識(shí)別診斷技術(shù)可以結(jié)合設(shè)備的實(shí)際管理情況，實(shí)現(xiàn)檢修分離及人、機(jī)結(jié)合的工作模式，提高設(shè)備的檢修效率及檢修質(zhì)量。

圖1 圖像識(shí)別過程示意圖

（2）模糊邏輯方法。模糊性的產(chǎn)生源于對(duì)事物的定義沒有根本性的把握。模糊邏輯是通過模擬人腦的判斷思維和推理模式，應(yīng)用模糊集合和模糊規(guī)則對(duì)不確切的描述系統(tǒng)及滯后的控制對(duì)象進(jìn)行模糊推理和綜合判斷的一種處理方法。模糊邏輯非常適合表達(dá)模糊的知識(shí)，同時(shí)又是對(duì)人腦不確定性判斷思維和推理模式的一種模擬，所以比較接近人的邏輯思維方式。在具體的故障排查操作過程中嚴(yán)格按照操作規(guī)范和科學(xué)的流程執(zhí)行，并基于模糊邏輯方法快速判斷出故障的原因及故障點(diǎn)。

（3）解析模型法。解析模型法的建立是將模型中的模型參數(shù)、原始條件和其他信息與導(dǎo)致的結(jié)果之間的關(guān)系以公式關(guān)系或方程式關(guān)系表達(dá)出來的過程。故障診斷系統(tǒng)中要想運(yùn)用解析模型法，首先就要建立診斷對(duì)象的精確數(shù)學(xué)模型，并運(yùn)用一些數(shù)學(xué)方法，將機(jī)械設(shè)備運(yùn)行信息進(jìn)行處理。解析模型法確立的各種關(guān)系都是精確的數(shù)學(xué)關(guān)系，設(shè)備系統(tǒng)一旦出現(xiàn)故障，系統(tǒng)的輸入輸出關(guān)系就會(huì)發(fā)生變化，利用已經(jīng)建好的數(shù)學(xué)模型，可準(zhǔn)確的導(dǎo)出設(shè)備系統(tǒng)內(nèi)部在的具體問題。通過檢查核對(duì)及時(shí)判斷故障的發(fā)生情況，并采取解決措施。這種方法通過數(shù)學(xué)運(yùn)算方法及計(jì)算機(jī)技術(shù)的科學(xué)合理結(jié)合，有效解決鐵路設(shè)備故障問題。

（4）人工神經(jīng)網(wǎng)絡(luò)分析法。如圖2所示，人工神經(jīng)網(wǎng)絡(luò)是對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行的模擬，是由大量的節(jié)點(diǎn)（激勵(lì)函數(shù)）按不同的連接方式（權(quán)重）組成的網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是一種逼近式算法。人工神經(jīng)網(wǎng)絡(luò)分析法能模仿人腦神經(jīng)處理的方式及思維模式來處理設(shè)備發(fā)生的故障。鐵路設(shè)備監(jiān)控系統(tǒng)的故障診斷常應(yīng)用人工神經(jīng)網(wǎng)絡(luò)分析法。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)功能、聯(lián)想功能及高速找出優(yōu)化解的功能，診斷系統(tǒng)不需要要建立知識(shí)信息庫，就能快速找打破最優(yōu)化的故障解決方案，但前期資金投入大，系統(tǒng)開發(fā)周期長(zhǎng)。

圖2 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

4 故障診斷技術(shù)的優(yōu)化建議

（1）監(jiān)測(cè)儀器與傳感器不斷升級(jí)改進(jìn)。鐵路機(jī)械設(shè)備故障診斷技術(shù)的發(fā)展水平與先進(jìn)的監(jiān)測(cè)儀器與傳感器的引進(jìn)脫不開關(guān)系，這些高科電子設(shè)備安裝在工作現(xiàn)場(chǎng)，擔(dān)負(fù)著數(shù)據(jù)采集及檢測(cè)的重任。監(jiān)測(cè)儀器和傳感器技術(shù)的不斷升級(jí)優(yōu)化，是故障診斷系統(tǒng)故障診斷精確度的保障。檢測(cè)儀器與傳感器的靈敏度及準(zhǔn)確性是數(shù)據(jù)采集有效性的直接影響因素。故障診斷技術(shù)的優(yōu)化離不開監(jiān)測(cè)儀器與傳感器的發(fā)展。

（2）將小波分析法應(yīng)用在故障診斷技術(shù)中。小波分析是利用時(shí)間或空間頻率的局部變換，通過伸縮和平移運(yùn)算對(duì)信號(hào)或函數(shù)逐步進(jìn)行多尺度細(xì)化，捕捉信號(hào)的各個(gè)細(xì)節(jié)并提取信息的分析方法。小波分析是當(dāng)前數(shù)學(xué)中的一個(gè)重大突破，應(yīng)用領(lǐng)域十分廣泛。鐵路機(jī)械設(shè)備的故障診斷技術(shù)中應(yīng)當(dāng)合理引進(jìn)使用小波分析法，不斷的提高故障診斷效率及診斷質(zhì)量。

（3）提高故障診斷技術(shù)的智能化水平，實(shí)現(xiàn)遠(yuǎn)程診斷。計(jì)算機(jī)的進(jìn)步提高了機(jī)械設(shè)備的智能化水平，診斷系統(tǒng)要結(jié)合目前智能化的發(fā)展現(xiàn)狀，科學(xué)的引進(jìn)進(jìn)化計(jì)算及專家系統(tǒng)等智能技術(shù)。同時(shí)結(jié)合現(xiàn)代化的信息技術(shù)，實(shí)現(xiàn)遠(yuǎn)程化及網(wǎng)格化故障診斷，及時(shí)、準(zhǔn)確的進(jìn)行故障監(jiān)控、判斷及處理，形成一個(gè)完善的鐵路機(jī)械設(shè)備故障管理體系。

5 結(jié)語

鐵路機(jī)械設(shè)備的故障診斷技術(shù)需要不斷的發(fā)展和優(yōu)化，一個(gè)合理鐵路機(jī)械設(shè)備的故障診斷體系能為施工部門帶來很大經(jīng)濟(jì)效益。本文論述了故障診斷技術(shù)的重要性及現(xiàn)狀，通過分析各種診斷分析方法提出了優(yōu)化建議。

[1]趙旭東．鐵路機(jī)械設(shè)備故障診斷技術(shù)探討[J]．科技與企業(yè) ,2014(24):143．

[2]顧德明． 對(duì)鐵路工程機(jī)械設(shè)備故障診斷技術(shù)的探討[J]． 低碳世界 ,2016(09):183-184．