陳凱瑞 劉拓

陜西中煙工業(yè)有限責(zé)任公司寶雞卷煙廠 陜西寶雞 721000

近年來，隨著科學(xué)技術(shù)的快速發(fā)展，我國工業(yè)建設(shè)發(fā)展非常迅速，現(xiàn)如今各行各業(yè)都涉及到機械的運用，一旦機械發(fā)生了故障就會帶來不良影響。由于機械的使用范圍廣，一旦機械發(fā)生故障，就需要進行大面積的檢查。對于機械的檢查所要采取的數(shù)據(jù)非常龐大，機械的故障診斷進入了大數(shù)據(jù)時代。

1 大數(shù)據(jù)故障診斷面臨的挑戰(zhàn)

大數(shù)據(jù)下，各數(shù)據(jù)值具有數(shù)量多、質(zhì)量不統(tǒng)一，碎片化的特點，無法精確的進行診斷。同時，在進行機械故障特征的提取時，研究人員往往是有方向有目標(biāo)的，但是在大數(shù)據(jù)的模式下，數(shù)據(jù)值雜而多，無法判定所要提取的特征值。研究人員在進行研究時，有著具體問題具體分析的特點，但是針對大數(shù)據(jù)下的機器故障問題，研究人員難以判定出現(xiàn)故障的部位及源頭，就難以做出針對性的處理，智能從表面上判定機器的好壞，難以解決根本問題。在這種情況下，研究人員需要對大數(shù)據(jù)進行交互式的研究，當(dāng)多個數(shù)據(jù)同時出現(xiàn)時，也能及時的、精確的找到發(fā)生故障的部位，并能及時的進行原因的診斷[1]。

2 大數(shù)據(jù)背景下機械智能故障診斷

2.1 信號獲取

進行機械故障診斷的前提是要先了解機械設(shè)備在運行時的狀態(tài)，目前，已經(jīng)可以利用先進的傳感技術(shù)將機械設(shè)備的運行狀態(tài)的信號表進行繪制了。國內(nèi)外學(xué)者已經(jīng)開始從動力學(xué)、聲學(xué)、熱力學(xué)及摩擦學(xué)等多個物理場獲取信號，并從中進行故障的分析與診斷。雖然國內(nèi)外學(xué)者已經(jīng)利用不同的物理信號對機械設(shè)備進行了檢測工作，但是他們在獲取信號的過程中大都沒有對信號的可靠性做出驗證。

2.2 對于機械設(shè)計及其自動化的認(rèn)知

雖然目前智能制作時代下的機械自動化讓很對工人失去了崗位，但是從長遠(yuǎn)來考慮，是促進了許多新型行業(yè)的進步，比如對于機械自動化的智能故障診斷分析，都是要人工來完成的，因此就多出了很多新的就業(yè)崗位，讓工人可以在更高級的崗位上工作。工人也可以不斷的豐富自己的機械自動化知識來科學(xué)創(chuàng)新，這樣一來就會讓人類的工作領(lǐng)域從人工方向進步到智能方向，可以讓我們的社會和經(jīng)濟得到長足的發(fā)展。

2.3 通過深入學(xué)習(xí)發(fā)現(xiàn)設(shè)備故障

大數(shù)據(jù)智能診斷需要新的理論和方法，大數(shù)據(jù)在深度學(xué)習(xí)中創(chuàng)建深度模型，并通過模擬大腦學(xué)習(xí)過程以實現(xiàn)整合。建議進行以下內(nèi)容研究：研究如何提取淺層稀疏網(wǎng)絡(luò)屬性，分析如何優(yōu)化故障數(shù)據(jù)處理，建立學(xué)習(xí)網(wǎng)絡(luò)評估標(biāo)準(zhǔn)，在一個深層結(jié)構(gòu)中創(chuàng)建一個深入學(xué)習(xí)網(wǎng)絡(luò)，使用傳統(tǒng)的機械信號作為輸入，分離過程的抽象缺陷，調(diào)整每一層的分離屬性，自動區(qū)分設(shè)備的健康狀況；研究機器裝備的多標(biāo)記系統(tǒng)，創(chuàng)建包含多個標(biāo)簽故障的深度學(xué)習(xí)網(wǎng)絡(luò)，并使用深度學(xué)習(xí)網(wǎng)絡(luò)。

2.4 故障智能診斷融合

根據(jù)提取的監(jiān)測數(shù)據(jù)特征信息，定位機械發(fā)生故障的零部件，并確定故障發(fā)生的中心點，對于故障信號集合中存在的遺漏數(shù)據(jù)或?qū)τ跈C械狀態(tài)動作沒有實現(xiàn)實時記錄的情況，需要第一時間進行漏報記錄。并根據(jù)機械設(shè)備的綜合運行情況判定其是否需要報停處理，若選擇不報停，則需要在原始數(shù)據(jù)的基礎(chǔ)上將數(shù)據(jù)的可信程度值降低。同時，整理獲取的多元故障信號，引入理論論證方法，融合機械工作量信息與開關(guān)信息，提出正確的智能融合策略，并利用自動化技術(shù)獲取出現(xiàn)故障的元件，得到最終的決策診斷結(jié)果。

2.5 故障預(yù)測和識別

機械智能故障診斷的最終目的是實現(xiàn)機械設(shè)備故障的自動預(yù)測和識別，將提取出來的特征進行輸入，然后利用人工智能模型發(fā)現(xiàn)機器發(fā)生故障的部位與故障的相關(guān)信息進行輸出。目前對于這些相關(guān)數(shù)據(jù)值的獲取與研究，國內(nèi)外的學(xué)者雖然已經(jīng)做出了大量的研究結(jié)果和判斷依據(jù)，但是在實際的使用過程中還存在著問題，需要進一步的研究，使其更加的細(xì)致，精準(zhǔn)度高[2]。

2.6 設(shè)備故障信息的智能化展示

在當(dāng)前機械大數(shù)據(jù)的背景下，機械設(shè)施的故障，在通常情況下具備著隱喻性的規(guī)律。在這種情況下，只有以數(shù)據(jù)驅(qū)動作為基礎(chǔ)，對其實際的信號構(gòu)成進行全面的研究，方可在真實有效提取機械故障特征的前提下，將故障信息的智能代表作出有效的落實，從而真正有效利用機械大數(shù)據(jù)。由此出發(fā)，需要在全面遵循機械大數(shù)據(jù)稀疏屬性的前提下，針對稀疏恢復(fù)分解等表達模式做出全面的分析，以便全面的研究稀疏表達方式的具體物理含義。通過在全面結(jié)合一般高為機械數(shù)據(jù)所展示出的低維特征屬性的前提下，對高維到低維特征的數(shù)據(jù)提取和轉(zhuǎn)換方式做出全面的提升。并在全面融合故障信息的記錄和數(shù)據(jù)結(jié)構(gòu)研究的前提下，開發(fā)出全新的故障代表模式，從而逐步提升故障體系的分析能力。

2.7 促使我國機械制造行業(yè)向節(jié)約型與環(huán)保型方向發(fā)展

長期以來，我國經(jīng)濟發(fā)展方式主要以粗獷式為主，造成市場環(huán)境比較惡劣，同時還容易引起資源短缺的問題，給我國機械制造行業(yè)的進一步發(fā)展帶來了很大的阻礙。為此，我國必須要建立合理的、可持續(xù)發(fā)展的發(fā)展模式，為保證機械制造行業(yè)的長久、穩(wěn)定發(fā)展奠定基礎(chǔ)，也是我國機械制造行業(yè)向智能制造轉(zhuǎn)變必須要經(jīng)歷的過程。在這樣的背景下，在促使我國機械制造行業(yè)向智能制造轉(zhuǎn)型與發(fā)展時，要加強向節(jié)約型以及環(huán)保型方向轉(zhuǎn)變，最終構(gòu)建生態(tài)型智能制造產(chǎn)業(yè)鏈[3]。

3 結(jié)語

在當(dāng)前機械設(shè)備深入到各個行業(yè)生產(chǎn)的大背景下，為了保障機械設(shè)施可以維持正常運轉(zhuǎn)的狀態(tài)，就需要建立一個全面完整的智能故障診斷系統(tǒng)，在當(dāng)前這個機械故障大數(shù)據(jù)的時代中，除了機械故障的智能診斷系統(tǒng)之外，還包括了深度學(xué)習(xí)下的健康狀況監(jiān)測系統(tǒng)等。同時在大數(shù)據(jù)技術(shù)不斷發(fā)展的前提下，未來的機械設(shè)施故障智能診斷系統(tǒng)能夠?qū)崿F(xiàn)故障信息的可視化分析以及智能化展示。