樂偉偉

摘 ? 要：機械故障診斷在機械維修領域有重要的應用，目前，通過振動信號進行故障分析的技術開始受到關注，這種檢測技術表現(xiàn)出效率高、非損傷、診斷便捷準確等相關優(yōu)勢。在實際的故障檢測領域被廣泛地應用，文章對機械故障診斷技術的原理和應用情況進行了簡要分析。

關鍵詞：機械故障;故障診斷;研究現(xiàn)狀

目前，在科技和現(xiàn)代工業(yè)迅速發(fā)展的帶動下，機械、能源領域的機械化水平也在不斷地提高，大型、高速機械設備開始不斷出現(xiàn)。比如，高速列車、大型連軋機組相關設備的智能化和自動化控制配置水平在明顯提高。在此發(fā)展過程中，隨著設備更加復雜，機械故障診斷的相關要求也在不斷提高，一旦發(fā)生事故會給各方面帶來不利的影響。相關統(tǒng)計結果表明，國內(nèi)外因機械設備故障引發(fā)的事故比例較高，機械事故發(fā)生率不斷提高。如2002年三峽工地處出現(xiàn)的塔帶機斷裂事故，美國的載人航天飛機也出現(xiàn)多次事故。而美國的F15戰(zhàn)機空中解體事件產(chǎn)生了很大的不利影響，波音737也多次出現(xiàn)相關事故，相關的影響也在不斷擴大。因而，很有必要對其進行研究，為機械系統(tǒng)安全運行提供支持，滿足一定安全性要求。

機械設備的故障診斷在機械運動和故障維修領域有重要的應用，起初，此方面的研究側重于機械設備的觸摸，基于特征信息確定出機械設備的振動、聲音等相關信息，為設備的維修提供支持。可以通過經(jīng)驗來判斷機械故障，比如，長年累月聽到這類信號后，可基于此信號判斷出軸承及轉子的相關故障，其后，機械故障診斷技術也開始進入高速發(fā)展階段。

1 ? ?國外研究現(xiàn)狀

美國學者最初進行了機械故障診斷相關的研究，20世紀60年代，美國的阿波羅計劃飛船出現(xiàn)設備故障，這對其后故障診斷技術的發(fā)展提供了支持。1967年，美國成立了機械故障預防中心，其主要的作用是進行故障機理的檢測，在此基礎上分析設備狀態(tài)，為檢修提供支持。美國Bechtel電力公司在測定領域的研究比較深入，其研發(fā)出機械設備診斷的專家系統(tǒng)在實際應用領域表現(xiàn)出很高的應用價值，美國Bently公司則進行了全面的傳感器研究。20世紀60年代，英國也進行了相關研究，并設置了英國機械保健研究所，這也促進了英國故障診斷技術的發(fā)展，同時，有效地促進了維修水平的提高。20世紀80年代，英國創(chuàng)建了沃福森工業(yè)維修公司，與此同時，還對機械故障信號檢測技術進行了規(guī)范化檢修。日本對鋼鐵、化工、鐵路相關領域對故障診斷技術進行了大量的研究，一些理論模型也被建立起來。20世紀70年代，日本學者研發(fā)出一種全員生產(chǎn)維修技術，同時到歐美國家學習診斷技術，之后在其基礎上進行發(fā)展改進，日本的故障診斷技術研究水平不斷提高。歐洲的故障診斷技術的發(fā)展方向存在一定的差異性，比如，瑞典SPM公司專門進行軸承監(jiān)測技術研究，而丹麥則進行噪聲監(jiān)測技術的分析，并在船舶診斷技術方面也進行了深入研究。

2 ? ?國內(nèi)研究現(xiàn)狀

國內(nèi)許多大學開展了機械故障診斷方面的研究工作。清華大學褚福磊課題組對旋轉機械中常見的動靜件碰摩、部件松動、轉軸裂紋等故障的轉子系統(tǒng)非線性動力學行為進行理論與實驗研究，在旋轉機械常見故障的診斷與定位等方面取得了顯著的成果。西安交通大學何正嘉課題組長期致力于小波變換用于故障診斷方面的研究，在大型復雜機電系統(tǒng)早期故障智能預示方面取得重要研究成果。西安交通大學屈梁生課題組長期從事機械監(jiān)測診斷領域的研究，首創(chuàng)全息譜技術，全面集成機器振動的幅、頻、相信息，顯著提高了機器運行中故障的識別率，在此基礎上開發(fā)的軸系全息動平衡技術，改善了現(xiàn)有轉子的現(xiàn)場動平衡方法。上海交通大學陳進課題組在信號處理與機械故障診斷方面進行了大量研究。湖南大學于德介課題組在經(jīng)驗模態(tài)分解（Empirical Mode Decomposition，EMD）與Hilbert譜、多尺度線調(diào)頻基稀疏信號分解等方法用于機械故障診斷方面做了很多工作。哈爾濱工業(yè)大學陳予恕課題組突破了傳統(tǒng)線性理論故障建模和機理分析方法，采用非線性分析技術查明故障機理及原因，并成功應用于大型旋轉機械的故障診斷，解決了7省市23臺汽輪發(fā)電機組的疑難振動故障，取得了4億多元直接經(jīng)濟效益。華中科技大學楊叔子和史鐵林在基于知識的設備診斷基礎理論與方法研究方面，系統(tǒng)深入地研究了設備診斷問題的各個方面，為診斷推理模型的研究建立了一個基本框架。南京航空航天大學李舜酩長期從事振動檢測與診斷的現(xiàn)代理論與方法方面的研究，在將盲源分離技術用于故障診斷方面做了大量工作。此外，浙江大學楊世錫、北京工業(yè)大學青永剛、華北電力大學唐貴基、軍械工程學院鄭海起和唐力偉、哈爾濱工業(yè)大學黃文虎、東北大學韓清凱、北京信息科技大學徐小力、天津大學王太勇和冷永剛、重慶大學秦樹人和湯寶平等學者長期從事機械系統(tǒng)狀態(tài)監(jiān)測與故障診斷技術的研究。

3 ? ?結語

目前，神經(jīng)網(wǎng)絡、專家系統(tǒng)、模糊理論、遺傳算法等人工智能技術應用于機械故障診斷中，都取得了顯著的成效。但是，這些方法各具特色，只在一定的條件和場合下有效，而且每種方法都存在有待解決的問題。混合智能故障診斷技術通過綜合運用多種人工智能技術的差異性和互補性，分而治之、優(yōu)勢互補，并結合先進的信號處理技術與特征提取方法，對機械設備進行故障診斷，能夠有效地提高機械故障診斷的精確性和魯棒性，降低誤診率和漏診率。

[參考文獻]

[1]袁靜.基于提升多小波的機電設備復合故障分離和提取[J].機械工程學報，2010（1）：79-85.

[2]何正嘉.機械故障診斷理論及應用[M].南京：高等教育出版社，2010.

[3]屈梁生.機械故障的全息診斷原理[M].北京：科學出版社，2007.

[4]陳予恕.機械故障診斷的非線性動力學原理[J].機械工程學報，2017（1）：25-34.