旋转机械设备智能故障诊断方法的研究

时间：2019-11-08 10:30:26 所属分类：机械 浏览量:

摘要：针对传统的故障诊断方法不能满足旋转机械设备故障诊断要求的问题，对智能故障诊断方法在旋转机械故障诊断中应用进行研究。 首先介绍国内外智能故障诊断方法的发展及其研究现状，然后将智能故障诊断方法分为基于模型、信号处理以及知识的三类方法，并分

　　摘要：针对传统的故障诊断方法不能满足旋转机械设备故障诊断要求的问题，对智能故障诊断方法在旋转机械故障诊断中应用进行研究。 首先介绍国内外智能故障诊断方法的发展及其研究现状，然后将智能故障诊断方法分为基于模型、信号处理以及知识的三类方法，并分析每类方法的诊断原理和特点。 在此基础上讨论了三种常用的智能故障诊断方法在旋转机械设备的实际应用。 最后对旋转机械故障智能诊断方法进一步研究方向进行展望。

　　关键词：旋转机械，故障诊断，智能方法

　　1 故障诊断技术的国内外发展及研究现状

　　早期的故障诊断技术主要是依靠维修人员的感官和积累的经验，传统的故障诊断方法不仅对操作人员要求高，而且诊断效果欠佳[2]。 随着大型高速旋转复杂机械系统广泛应用，传统的诊断方法难以满足复杂系统诊断要求。 目前旋转机械故障诊断的主要内容有信号的采集、故障信号提取、故障模式识别、诊断决策等。 故障诊断的具体流程如图 1。

　　对故障诊断技术的研究， 欧美起步较早。 在 20 世纪 60 年代， 由美国宇航局倡议成立的机械故障预防小组旨在解决大型军事设备的故障问题。 1971 年，日本的“全员生产维修”(TPM)诊断方法被广泛运用到企业生产中，降低维修成本。 瑞典的埃司彼姆(SPM)仪器有限公司生产轴承故障诊断仪器，并在轴承诊断方面取得领先地位。 德国普卢福(PRUFTECHNIK)公司是无损检测、旋转机械运行状态的诊断测量仪器研发等领域的佼佼者。

　　我国在上世纪 80 年代开始对故障检测与诊断技术进行研究。 杨叔子在先进装备制造和故障诊断领域做出卓越贡献，他研发的钢丝绳断丝定量检测系统解决世界性难题。 高金吉等研发的机泵群检测网络和诊断专家系统 DMS2000，在辽阳石化加氢设备中安装使用的，成功诊断了多起故障。

　　2 智能故障诊断方法的分类

　　现有的智能故障诊断方法总体可以归为三类： 基于模型的诊断方法、基于信号处理的诊断方法以及基于知识的诊断方法。

　　2.1 基于模型的诊断方法基于模型的诊断方法是在已经有清晰模型的诊断系统中，通过模型得到的数值和实际采集的数值对比而得到的残差，通过残差和特定指标对比得到诊断结果。 基于模型的诊断方法包括状态估计、参数估计、等价空间。

　　2.2 基于信号处理的诊断方法传统傅里叶变换的频谱分析诊断技术是建立在信号为周期信号或具有平稳性的基础上的，要求系统为线性系统。 然而复杂的大型旋转机械设备的振动信号往往都是非平稳信号， 以傅里叶变换的诊断方法只能分析出频域信息，丧失了时域信息。 时频分析的目的是建立一种能在时间和频域上同时表示信号的能量的分布，就可以提取故障特征信号[4]。 典型的时频域方法有小波变换、Hilbert 变换等。

　　2.3 基于知识的诊断方法基于知识的诊断方法， 由于其不需要故障系统的精确数学模型， 在旋转机械目前大型化和复杂化很难确定系统模型的背景下越来越受学者的重视。 目前在故障诊断中应用广泛的有专家系统、支持向量机、故障树的诊断法、数据融合等。

　　3 几种智能诊断方法及其在旋转机械故障诊断中的应用

　　3.1 人工免疫在旋转机械设备中的应用 Silva 等[7]对阴性选择定义为模糊机理过程，并用于直流电动机的故障检测。 张韬等[8]提出一种改进的平均信息熵计算模式的人工免疫算法，使得抗体集种群更加多样性并应用于碳纤维生产过程中的牵伸系统，具有很好的故障识别效果。刘长捷等[9]提出一种基于重升温模拟退火算法的检测器分布优化算法，同时在电路故障仿真结果表明该算法提高了检测率同时减低了虚警率。

　　3.2 小波算法在旋转机械设备中的应用李平等[13]建立相位差的故障诊断模型并采用小波阈值法对信号预处理，最后通过用小波包对故障进行分离，成功应用在微小型无人机的故障诊断中。 廖强[14]提出了自适应冗余多小波包算法，实现一次性提取复合故障，有效的应用在轴承复合故障的诊断中。 曾新红[15]针对轴承早期的故障检测和诊断问题，采用小波软阈值去噪以及小波变换奇异值检测技术， 提取出淹没在噪声中的早期故障信号。Kang 等[16]提出一种二维灰度图像的小波算法，在感应电动机故障诊断中得到应用，并在噪声环境中也有较高的分类精度。

　　3.3 支持向量机算法在旋转机械设备中的应用唐明珠等[21]过粒子群优化支持向量机核函数，并将此方法应用在铜转炉吹炼过程诊断中，具有故障敏感性高、泛化能力强等优点。 胡昌华等[22]对支持向量机算法的约束条件进行改进，得到一种训练速度快、 能解决大规模问题的最小二乘向量机回归算法，并应用于陀螺仪的故障预测中。 李征等[23]提出一种基于最小二乘支持向量机的风电机组故障预警方法， 通过实际风场机组采集的数据表明该方法快速有效。

　　4 结束语

　　大型旋转机械设备模型很难建立， 系统内部机构复杂等问题，仍然需要对智能故障方法进行更深入的研究：

　　1)加强智能方法在微小故障背景下的研究。 现在对故障研究大部分都集中在对故障后期的故障机理研究， 而对早期的故障往往研究较少。 然而，无论故障规模多大、来势多凶猛，都是从微小故障开始的[28]。 我们若能在微小故障智能故障诊断方法研究上有所突破，必能对故障发生防微杜渐。

　　2)研究多种智能方法融合的故障集成诊断系统。 现有的智能故障诊断方法都要满足特定的条件和存在不足， 将不同的智能方法合理结合能发挥各自的优点，并将人工智能、模式识别等技术手段应用在故障诊断将是今后需要进一步研究的方向。 融合智能诊断方法、智能传感网络、远程故障诊断技术以及智能预警决策的集成诊断系统成为了研究故障诊断方法的发展趋势。

　　参考文献

　　[1]吕琛.故障诊断与预测：原理、技术及应用[M].北京：北京航空航天大学出版社，2012

　　[2]赵光昌，谢刚，张清华.滚动轴承故障诊断技术[J].轴承，2015(6)： 56-61

　　[3]黄文虎，武新华，焦映厚，等.非线性转子动力学研究综述[J].振动工程学报，2000，13(4)：497-509

　　《旋转机械设备智能故障诊断方法的研究》来源：《工业控制计算机》，作者：谭巨兴 ，张清华， 王钦若 ， 孙国玺 ，熊建斌。

转载请注明来自：http://www.zazhifabiao.com/lunwen/gcjs/jx/45657.html