龔嶸

摘 要：針對(duì)機(jī)械設(shè)備中的關(guān)鍵部件——滾動(dòng)軸承、齒輪箱、電動(dòng)機(jī)的故障診斷與監(jiān)測(cè)的發(fā)展現(xiàn)狀進(jìn)行文獻(xiàn)綜述，總結(jié)該領(lǐng)域的研究現(xiàn)狀及主要方法。概述了機(jī)械設(shè)備中一些關(guān)鍵部件，比如軸承、齒輪箱、電動(dòng)機(jī)的故障特點(diǎn)及故障形式，進(jìn)而深入分析相應(yīng)的診斷難點(diǎn)，并結(jié)合國(guó)內(nèi)外相關(guān)文獻(xiàn)系統(tǒng)地介紹并比較了現(xiàn)有的針對(duì)機(jī)械設(shè)備關(guān)鍵部件的故障診斷與健康監(jiān)測(cè)方法，最后對(duì)該領(lǐng)域的發(fā)展方向進(jìn)行了展望。

關(guān)鍵詞：機(jī)械設(shè)備;故障診斷;滾動(dòng)軸承;齒輪箱

近年來(lái)，隨著機(jī)械設(shè)備的運(yùn)行環(huán)境逐漸復(fù)雜化，機(jī)械設(shè)備發(fā)生故障的概率顯著提高，一些看是不起眼的設(shè)備局部故障問(wèn)題，有可能會(huì)導(dǎo)致機(jī)械設(shè)備由階段性小故障、潛伏性的缺陷故障逐漸向設(shè)備系統(tǒng)性的崩潰損壞、報(bào)廢發(fā)展。在當(dāng)前智能制造的背景下，對(duì)機(jī)械設(shè)備相關(guān)關(guān)鍵部件進(jìn)行故障診斷和監(jiān)測(cè)成為一個(gè)值得思考的現(xiàn)實(shí)問(wèn)題。因此，以下就機(jī)械設(shè)備故障診斷與監(jiān)測(cè)方法展開(kāi)分析與探討。

1 機(jī)械設(shè)備故障診斷系統(tǒng)

機(jī)械設(shè)備往往利用分布式傳感器作為故障診斷系統(tǒng)的重要部分，實(shí)時(shí)監(jiān)測(cè)機(jī)械設(shè)備在工作狀態(tài)或相對(duì)靜止?fàn)顟B(tài)下的信號(hào)，將之與監(jiān)測(cè)對(duì)象的歷史狀態(tài)相比對(duì)，通過(guò)數(shù)字信號(hào)處理等手段進(jìn)一步分析和處理所獲信號(hào)，準(zhǔn)確地確定故障的發(fā)生位置及故障類型，從而得以及時(shí)排除機(jī)械設(shè)備的故障。在早期，機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)的方法主要包括振動(dòng)監(jiān)測(cè)法、采樣分析法、測(cè)溫法及超聲波法等。對(duì)于絕大多數(shù)機(jī)械設(shè)備，以振動(dòng)作為主要參考標(biāo)準(zhǔn)的診斷方法最為常見(jiàn)。機(jī)械設(shè)備故障診斷系統(tǒng)主要分為兩大部分：①借助傳感器獲取振動(dòng)等參考信號(hào)進(jìn)行分析處理。傳感器技術(shù)依托電磁感應(yīng)等原理來(lái)測(cè)得機(jī)械設(shè)備的工作狀態(tài)參數(shù)，并將所得數(shù)據(jù)傳輸?shù)轿⑿陀?jì)算機(jī)中，接著微機(jī)將其與數(shù)據(jù)庫(kù)原始標(biāo)準(zhǔn)健康數(shù)據(jù)進(jìn)行比對(duì)，初步診斷機(jī)械設(shè)備的狀態(tài)。但這種僅靠傳感器監(jiān)測(cè)診斷方式是有缺陷的，傳感器只能監(jiān)測(cè)電流、電壓、等有限的狀態(tài)參數(shù)，診斷效果較差。②智能診斷技術(shù)，這類技術(shù)基于第一部分所獲數(shù)據(jù)進(jìn)行更深層次的分析處理，以計(jì)算機(jī)為載體模擬出一種與人類思維運(yùn)算近似的智能診斷系統(tǒng)。它可以實(shí)現(xiàn)基于所測(cè)信號(hào)機(jī)理，設(shè)定診斷規(guī)則，進(jìn)行特征提取、數(shù)字信號(hào)分析等功能，與傳統(tǒng)的簡(jiǎn)單對(duì)比診斷相比，更加科學(xué)實(shí)用。這類技術(shù)目前已經(jīng)相對(duì)成熟，漸漸成為當(dāng)下主流的應(yīng)用技術(shù)。

2 機(jī)械設(shè)備主要故障特點(diǎn)

機(jī)械設(shè)備是工業(yè)生產(chǎn)中不可或缺的一部分，其性能的優(yōu)劣與最終的生產(chǎn)能效直接掛鉤。機(jī)械設(shè)備由各種零部件組合而成。在長(zhǎng)期的運(yùn)轉(zhuǎn)過(guò)程中，它們會(huì)由于衰老退化而不可避免地出現(xiàn)故障問(wèn)題，對(duì)機(jī)械設(shè)備的性能造成影響，導(dǎo)致生產(chǎn)效率降低。由于不同部件的作用、存在比例及故障特點(diǎn)有所差異，下面對(duì)機(jī)械設(shè)備中的關(guān)鍵部件逐一展開(kāi)分析。滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械的重要組成部分，它優(yōu)點(diǎn)眾多，比如潤(rùn)滑冷卻迅速效率高等，因此在機(jī)械行業(yè)廣泛得到應(yīng)用。但它同時(shí)也是旋轉(zhuǎn)機(jī)械中最容易出現(xiàn)故障的部件之一，據(jù)有關(guān)統(tǒng)計(jì)顯示，在旋轉(zhuǎn)機(jī)械故障中有近30%的故障是由于滾動(dòng)軸承故障引起的，因此，深入研究滾動(dòng)軸承的故障診斷方法具有重要意義。工程發(fā)現(xiàn)，疲勞損傷、腐蝕損傷、斷裂等原因都會(huì)導(dǎo)致滾動(dòng)軸承損傷，不同原因?qū)е碌妮S承損傷所反映出的故障特征同樣存在差異，因此，如何在紛繁復(fù)雜的軸承故障中提取出反映軸承故障的一致性特征成為一個(gè)值得深入研究的切入點(diǎn)。在機(jī)械設(shè)備中，用于提高主軸轉(zhuǎn)速的齒輪箱廣泛存在。在機(jī)械運(yùn)行過(guò)程中，齒輪箱內(nèi)的齒輪常常會(huì)出現(xiàn)磨損斷裂的問(wèn)題，如果不及時(shí)、有效地對(duì)這些故障進(jìn)行處理，齒輪箱最終會(huì)失效。與滾動(dòng)軸承的故障特點(diǎn)類似，齒輪箱和滾動(dòng)軸承對(duì)應(yīng)相同故障類型例如斷裂所表征的故障特征具有相似性，對(duì)于需要較大數(shù)據(jù)量的深度學(xué)習(xí)等故障診斷方法，充分利用不同部件的相同故障類型數(shù)據(jù)進(jìn)行診斷方法的訓(xùn)練是一個(gè)實(shí)用而有效的思路。機(jī)械設(shè)備主要是由機(jī)械結(jié)構(gòu)和電動(dòng)機(jī)兩部分組合而成，一旦電動(dòng)機(jī)發(fā)生故障，機(jī)械設(shè)備將無(wú)法正常工作。

3存在的問(wèn)題

歷經(jīng)近一個(gè)世紀(jì)的發(fā)展，可靠性研究在理論和實(shí)踐方面均取得了豐碩的成果。傳統(tǒng)可靠性理論處理隨機(jī)不確定性信息，概率論和數(shù)理統(tǒng)計(jì)是傳統(tǒng)可靠性理論的主要數(shù)學(xué)工具。傳統(tǒng)的可靠性評(píng)估方法利用大量的具有概率重復(fù)性的樣本，確定設(shè)備的失效分布，獲得宏觀意義上一批同類設(shè)備共性的平均可靠性。然而，各個(gè)設(shè)備通常在不同的條件與環(huán)境下運(yùn)行，其零部件的損傷、故障、失效的程度不同，運(yùn)行可靠性也必然不同。針對(duì)某臺(tái)具體的機(jī)械設(shè)備進(jìn)行運(yùn)行可靠性評(píng)估是個(gè)性問(wèn)題，基于大樣本條件并依賴概率統(tǒng)計(jì)數(shù)據(jù)得到的平均可靠性難以滿足個(gè)體設(shè)備的運(yùn)行可靠性評(píng)估需求。2000 年，國(guó)際著名可靠性專家、英國(guó)學(xué)者OCONNOR深入思考了可靠性的過(guò)去、現(xiàn)在和將來(lái)，指出現(xiàn)有的可靠性研究依舊局限于傳統(tǒng)的概率統(tǒng)計(jì)方法，闡述了基于概率統(tǒng)計(jì)的可靠性方法在解決工程實(shí)際問(wèn)題時(shí)容易產(chǎn)生誤導(dǎo)和無(wú)效的原因。2009 年意大利學(xué)者ZIO深刻洞察到可靠性這一老問(wèn)題所面臨的新挑戰(zhàn)，指出復(fù)雜系統(tǒng)可靠性分析是可靠性工程的新挑戰(zhàn)，提出利用狀態(tài)監(jiān)測(cè)來(lái)確保系統(tǒng)可靠的運(yùn)行，以減少故障，提高生產(chǎn)率。我國(guó)學(xué)者黃洪鐘對(duì)常規(guī)可靠性理論進(jìn)行了批判性綜述，指出二值邏輯假設(shè)的不合理性以及概率假設(shè)解決工程實(shí)際問(wèn)題的不現(xiàn)實(shí)性。綜合以上研究及工程實(shí)際，傳統(tǒng)可靠性評(píng)估方法在應(yīng)用于機(jī)械設(shè)備運(yùn)行可靠性評(píng)估時(shí)所面臨的主要問(wèn)題可歸納如下。

3.1傳統(tǒng)可靠性評(píng)估方法的數(shù)學(xué)基礎(chǔ)——概率論與數(shù)理統(tǒng)計(jì)，決定可靠性評(píng)估過(guò)程中必須利用足夠多的樣本數(shù)據(jù)，大樣本失效數(shù)據(jù)、可重復(fù)的大樣本壽命試驗(yàn)或加速壽命試驗(yàn)必不可少。然而在工程實(shí)際中，針對(duì)某臺(tái)具體機(jī)械設(shè)備的運(yùn)行可靠性評(píng)估，往往屬于小樣本問(wèn)題，且對(duì)于如飛機(jī)失事等災(zāi)難性事故又不具有概率重復(fù)性，難以收集大樣本統(tǒng)計(jì)數(shù)據(jù)。

3.2 傳統(tǒng)可靠性評(píng)估方法多依賴設(shè)備的失效分布，準(zhǔn)確求解設(shè)備失效分布參數(shù)、解析設(shè)備的失效概率是傳統(tǒng)可靠性評(píng)估的主要任務(wù)之一。設(shè)備失效分布是一種有限假設(shè)，即使在大樣本情況下，準(zhǔn)確的失效分布也難以估計(jì)。針對(duì)某臺(tái)機(jī)械設(shè)備進(jìn)行運(yùn)行可靠性評(píng)估的小樣本特性，進(jìn)一步加劇了失效分布參數(shù)估計(jì)的難度。

3.3 傳統(tǒng)可靠性評(píng)估方法基于二值假設(shè)或有限狀態(tài)假設(shè)，即假定設(shè)備只有正常和失效兩種狀態(tài)或有限個(gè)狀態(tài)。然而在工程實(shí)際中，機(jī)械設(shè)備的狀態(tài)多是漸進(jìn)連續(xù)退化的，具有很強(qiáng)的不確定性，表現(xiàn)為狀態(tài)變化的模糊性和隨機(jī)性。傳統(tǒng)可靠性評(píng)估的二值假設(shè)和有限狀態(tài)假設(shè)難以準(zhǔn)確描述機(jī)械設(shè)備實(shí)際失效過(guò)程。

3.4 機(jī)械設(shè)備內(nèi)部結(jié)構(gòu)復(fù)雜，各個(gè)零部件之間存在著復(fù)雜的運(yùn)動(dòng)關(guān)系和耦合作用，不同零部件的失效分布規(guī)律不同，基于概率的可靠性數(shù)學(xué)模型往往事后統(tǒng)計(jì)其失效分布規(guī)律，難以獲得設(shè)備零部件失效前可靠性的變化規(guī)律，實(shí)現(xiàn)預(yù)知維修困難。

3.5 對(duì)于正在服役的機(jī)械設(shè)備，關(guān)注的焦點(diǎn)是其運(yùn)行過(guò)程中的可靠性。機(jī)械設(shè)備運(yùn)行條件和環(huán)境多變，傳統(tǒng)的可靠性評(píng)估缺乏分析設(shè)備運(yùn)行過(guò)程中各種變工況、非平穩(wěn)復(fù)雜狀態(tài)，難以實(shí)時(shí)在線評(píng)估設(shè)備的運(yùn)行可靠性。

4 現(xiàn)有改進(jìn)方法

針對(duì)傳統(tǒng)可靠性理論應(yīng)用于機(jī)械設(shè)備運(yùn)行可靠性評(píng)估的局限性，國(guó)內(nèi)外學(xué)者從以下幾個(gè)方面進(jìn)行了改進(jìn)，取得了可觀的研究成果。針對(duì)傳統(tǒng)可靠性評(píng)估方法必須依賴于大量的具有概率重復(fù)性的樣本的問(wèn)題，諸多學(xué)者采用較少依賴概率分布的方法對(duì)傳統(tǒng)的可靠性分析方法進(jìn)行改進(jìn)。2010年，BALAKRISHNAN 等基于Kaplan-Meier 非參數(shù)估計(jì)方法提出了一種新的參數(shù)模型估計(jì)方法來(lái)估計(jì)設(shè)備在截尾時(shí)刻的可靠度函數(shù)。

同年， HUANG 等根據(jù)工程實(shí)際中初期失效數(shù)據(jù)與后期失效數(shù)據(jù)間分布參數(shù)的差異性問(wèn)題，研究了數(shù)據(jù)變異檢測(cè)及混合模型參數(shù)估計(jì)方法。MA等利用更準(zhǔn)確的仿真方法來(lái)研究樣本不足導(dǎo)致大樣本逼近無(wú)法實(shí)現(xiàn)的情況下基于小樣本的加速退化試驗(yàn)特性。2011 年， RAJESH 等建立了基于聚類、模糊集映射和模糊邏輯的運(yùn)行可靠性計(jì)算模型，并將其應(yīng)用于海洋運(yùn)輸系統(tǒng)中。國(guó)內(nèi)，2006年程皖民針對(duì)長(zhǎng)壽命產(chǎn)品在試驗(yàn)過(guò)程中的失效數(shù)據(jù)缺失問(wèn)題，采用Bayes 方法，分析了產(chǎn)品在可靠性增長(zhǎng)過(guò)程中各階段的可靠性水平。2010 年，XING等基于學(xué)習(xí)曲線特性提出一種動(dòng)態(tài)貝葉斯估計(jì)方法改善小樣本情況下系統(tǒng)可靠性評(píng)估精度不高的問(wèn)題。2011 年，唐樟春等基于證據(jù)理論建立了一種概率信息不全時(shí)的可靠性評(píng)估模型。

上述方法在一定程度上緩解了小樣本設(shè)備可靠性分析的難度，但并未完全脫離概率與數(shù)理統(tǒng)計(jì)的范疇，不能從根本解決小樣本和單臺(tái)機(jī)械設(shè)備的可靠性評(píng)估問(wèn)題。

針對(duì)傳統(tǒng)可靠性的二值假設(shè)或有限狀態(tài)假設(shè)不能有效描述機(jī)械設(shè)備漸進(jìn)連續(xù)性能退化過(guò)程的問(wèn)題，有學(xué)者提出監(jiān)測(cè)設(shè)備的性能退化數(shù)據(jù)，通過(guò)假設(shè)產(chǎn)品失效退化路徑或失效分布來(lái)評(píng)估設(shè)備的可靠性，拓展了傳統(tǒng)可靠性理論和應(yīng)用范圍。2005 年，美國(guó)PARK 等利用幾何布朗運(yùn)動(dòng)和伽馬過(guò)程建立了新的加速性能退化模型。2009 年美國(guó)GEBRAEEL 等利用失效數(shù)據(jù)擬合Bernstein 分布并利用其分布數(shù)據(jù)來(lái)估計(jì)初始退化模型先驗(yàn)分布。國(guó)內(nèi)，2005年，王文清等應(yīng)用模糊理論建立綜合傳動(dòng)鑄鐵密封環(huán)的模糊可靠性模型，計(jì)算模糊可靠度，描述密封環(huán)耐磨性可靠度的變化。2006 年，鄧愛(ài)民等提出基于退化軌跡與基于性能退化量分布的兩種可靠性評(píng)估方法，對(duì)高可靠性長(zhǎng)壽命產(chǎn)品進(jìn)行可靠性評(píng)估;2010年，考慮到設(shè)備的隨機(jī)退化特性，YU 等改進(jìn)了兩階段設(shè)備退化分析方法，提出一種新的三階段設(shè)備退化分析方法。2011 年，LIU 等基于高斯混合模型和Logistic 退化模型評(píng)估了機(jī)械設(shè)備的性能退化狀態(tài)。WANG 等在可靠性分析過(guò)程中考慮典型退化與沖擊，建立一個(gè)包含嚴(yán)重故障，退化以及失效沖擊作用導(dǎo)致的故障三種故障模式的可靠性方程評(píng)估產(chǎn)品可靠性。2012 年，PENG 等提出了兩種性能退化度量方法，利用退化隨時(shí)間變化的關(guān)系及部件之間的相關(guān)性，對(duì)關(guān)鍵部件的可靠性進(jìn)行評(píng)估。張根保等運(yùn)用模糊集理論，定義了一種判定模糊真值的函數(shù)并確定隸屬度，建立了數(shù)控機(jī)床模糊可靠性分配指標(biāo)體系和權(quán)重。

5機(jī)械設(shè)備的故障診斷方法

5.1 遠(yuǎn)程監(jiān)測(cè)診斷技術(shù)

在工程應(yīng)用中，機(jī)械設(shè)備各種參數(shù)的動(dòng)態(tài)信號(hào)往往通過(guò)傳感器來(lái)獲得，為了使監(jiān)測(cè)所得的動(dòng)態(tài)信號(hào)與機(jī)械設(shè)備一一對(duì)應(yīng)，工程師會(huì)對(duì)機(jī)械設(shè)備按順序編號(hào)。接著傳感器采集的信號(hào)通過(guò)無(wú)線網(wǎng)絡(luò)技術(shù)傳輸給機(jī)械設(shè)備監(jiān)控中心的計(jì)算機(jī)服務(wù)器，根據(jù)動(dòng)態(tài)信號(hào)的時(shí)域和頻域分析結(jié)果，實(shí)現(xiàn)機(jī)械設(shè)備運(yùn)行狀態(tài)的遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)功能。在對(duì)獲得的數(shù)據(jù)進(jìn)行時(shí)域分析時(shí)，可以通過(guò)判斷時(shí)域信號(hào)中是否有周期性脈沖峰值等方法。但這類方法容易受到機(jī)械設(shè)備運(yùn)行時(shí)周圍噪聲信號(hào)的干擾，不易判斷出機(jī)械設(shè)備的健康狀態(tài)。而將時(shí)域信號(hào)通過(guò)頻譜分析轉(zhuǎn)換成頻域信號(hào)，可以有效減少噪聲對(duì)診斷的不良影響，把這些振動(dòng)信號(hào)的頻譜圖與健康狀態(tài)對(duì)應(yīng)的頻譜圖進(jìn)行比對(duì)，以此判斷機(jī)械設(shè)備可能發(fā)生的故障類型。中心計(jì)算機(jī)服務(wù)器把發(fā)生故障的機(jī)械設(shè)備動(dòng)態(tài)參數(shù)傳輸?shù)浆F(xiàn)場(chǎng)，操作人員以此為依據(jù)確定發(fā)生故障部位并及時(shí)進(jìn)行檢修。

5.2 專家診斷技術(shù)

專家系統(tǒng)作為一種智能化的計(jì)算機(jī)程序系統(tǒng)，在機(jī)械設(shè)備的故障診斷和運(yùn)行狀態(tài)監(jiān)測(cè)中應(yīng)用廣泛。它充分利用專家的先驗(yàn)知識(shí)，通過(guò)模擬人類思維的方法，對(duì)設(shè)備的動(dòng)態(tài)參數(shù)變化作出專家級(jí)水平的診斷。專家診斷技術(shù)特別強(qiáng)調(diào)知識(shí)庫(kù)的儲(chǔ)備，它可以同時(shí)存儲(chǔ)不同領(lǐng)域?qū)＜业墓ぷ鹘?jīng)驗(yàn)和相關(guān)知識(shí)，比如機(jī)械工程專業(yè)的專家知識(shí)、電氣工程專業(yè)的專家知識(shí)等，然后充分發(fā)揮計(jì)算機(jī)強(qiáng)大的記憶存儲(chǔ)能力和信息處理能力并建立對(duì)應(yīng)的知識(shí)庫(kù)，從而得到綜合多領(lǐng)域知識(shí)的專業(yè)診斷意見(jiàn)。專家診斷技術(shù)作為一種自動(dòng)化監(jiān)測(cè)技術(shù)，可以對(duì)大型工程機(jī)械群進(jìn)行統(tǒng)一的狀態(tài)監(jiān)測(cè)，從而實(shí)現(xiàn)集中調(diào)度現(xiàn)場(chǎng)工作的功能，大大提高了機(jī)械設(shè)備運(yùn)維檢修的工作效率，并提高了監(jiān)測(cè)效率和準(zhǔn)確性。

5.3 人工智能診斷技術(shù)

人工智能故障診斷技術(shù)，屬于計(jì)算機(jī)前沿科學(xué)領(lǐng)域，在國(guó)內(nèi)外已經(jīng)得到了廣泛的重視[3-4]。人工神經(jīng)網(wǎng)絡(luò)理論是一種典型的數(shù)學(xué)模型。它通過(guò)模擬人類大腦的神經(jīng)分布及感應(yīng)，以實(shí)現(xiàn)智能化的機(jī)器決策。在利用神經(jīng)網(wǎng)絡(luò)對(duì)機(jī)械設(shè)備故障進(jìn)行診斷時(shí)，首先采用原始故障數(shù)據(jù)集對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)際故障數(shù)據(jù)進(jìn)行診斷分析，最終確定故障類型及位置。此外，人工神經(jīng)網(wǎng)絡(luò)還可以預(yù)測(cè)可能發(fā)生的故障，對(duì)每個(gè)零部件的主要參數(shù)進(jìn)行分析計(jì)算，使用戶更好地了解到設(shè)備的使用情況，及時(shí)排除機(jī)械設(shè)備可能存在的潛伏性故障，避免出現(xiàn)嚴(yán)重事故。但人工神經(jīng)網(wǎng)絡(luò)存在容易陷入局部最優(yōu)解的問(wèn)題，而時(shí)下大熱的深度學(xué)習(xí)則逐漸取代神經(jīng)網(wǎng)絡(luò)成為智能算法的主流。深度學(xué)習(xí)基于神經(jīng)網(wǎng)絡(luò)發(fā)展而來(lái)，常見(jiàn)的深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等，這些網(wǎng)絡(luò)也開(kāi)始被引入到機(jī)械設(shè)備的故障診斷中，并具有良好的效果。中國(guó)研究員在2015 年首次基于變速箱振動(dòng)信號(hào)進(jìn)行信號(hào)對(duì)故障敏感程度的分析，提出了基于卷積神經(jīng)網(wǎng)絡(luò)的變速箱故障識(shí)別方法。通過(guò)仿真數(shù)據(jù)的檢驗(yàn)，說(shuō)明該方法具有較高的可靠性，可用于對(duì)機(jī)械設(shè)備進(jìn)行故障診斷。但深度學(xué)習(xí)網(wǎng)絡(luò)所學(xué)習(xí)的故障特征以及網(wǎng)絡(luò)的實(shí)際泛化能力仍有待進(jìn)一步的工程檢驗(yàn)。此外，模糊集故障診斷系統(tǒng)也是人工智能的技術(shù)類型之一。模糊集理論的“模糊”主要是指事物本身的概念較為模糊，并不指方法具備隨機(jī)性。通過(guò)這一理論可以及時(shí)對(duì)故障類型及位置進(jìn)行診斷。模糊控制理論是將經(jīng)典集合理論模糊化，并將語(yǔ)言變量和近似推理引入模糊控制邏輯中。但當(dāng)前模糊集理論在處理復(fù)雜故障問(wèn)題中的應(yīng)用并不突出，仍有待進(jìn)一步的探索和提高。

6 結(jié)論與展望

在智能制造的背景下，中國(guó)機(jī)械設(shè)備的故障診斷與監(jiān)測(cè)技術(shù)雖已接近國(guó)際水平，但在普及和應(yīng)用程度上與國(guó)際水平任存差距。本文首先介紹了機(jī)械設(shè)備故障診斷系統(tǒng)的組成部分，并對(duì)機(jī)械設(shè)備的故障機(jī)制及原理展開(kāi)分析，總結(jié)不同機(jī)械零部件故障的一致性與差異性，最后引出機(jī)械設(shè)備故障診斷方法的發(fā)展現(xiàn)狀，并對(duì)智能方法在機(jī)械故障診斷中的進(jìn)一步應(yīng)用進(jìn)行了展望。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，機(jī)械設(shè)備故障診斷技術(shù)將不再是單參數(shù)的閾值比較，取而代之的應(yīng)該是基于信息集成、融合、分析、處理等技術(shù)的更先進(jìn)、全面的監(jiān)測(cè)方法。

參考文獻(xiàn)：

[1]周利，余愚.機(jī)械故障診斷中人工智能的應(yīng)用[J].可編程控制器與工廠自動(dòng)化，2007（7）：36，38-40.

[2]毛三華，余峰崗，史振帥，等.工程機(jī)械運(yùn)行狀態(tài)自動(dòng)化監(jiān)測(cè)研究[J].現(xiàn)代制造技術(shù)與裝備，2020（5）：76-78.

[3]張玨.基于人工智能的工程機(jī)械故障診斷技術(shù)[J].智能城市，2019，5（12）：192-193.

[4]鄧華偉.人工智能在機(jī)械設(shè)備故障檢測(cè)中的應(yīng)用[J].內(nèi)燃機(jī)與配件，2020（11）：237-238.

[5]武迪，劉勇.人工智能技術(shù)在電氣自動(dòng)化控制中的應(yīng)用淺析[J].電子元器件與信息技術(shù)，2017，1（3）：4-6.