机械故障诊断综述

中国自动化学会中南六省（区）２０１０年第２８届年会・论文集机械故障诊断综述Survey on Faults Diagnosis of Machine赵宏伟１，２，张清华１，夏路易２，邵龙秋１（１广东石油化工学院　计算机与电子信息学院，广东　茂名５２５０００；２太原理工大学　信息工程学院，山西　太原０３００２４）摘要：本文较系统的介绍了故障诊断的基本过程、原理，在此基础上对故障诊断方法做了详细、系统的论述，并进一步对故障诊断技术的发展做了展望。

关键词：故障诊断；诊断原理；维修制度Ａｂｓｔｒａｃｔ：　Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，　ｔｈｅ　ｂａｓｉｃ　ｐｒｏｃｅｓｓ　ａｎｄ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ａｒｅ　ｉｎｔｒｏｄｕｃｅｄ．　Ｏｎ　ｔｈａｔ　ｂａｓｉｓ，　ｔｈｅ　ｍａｉｎ　ｍｅｔｈｏｄ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｉｓｉｎｔｒｏｄｕｃｅｄ　ｉｎ　ｄｅｔａｉｌ．　Ｆｉｎａｌｌｙ，　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｎ　ｔｅｃｈｎｉｑｕｅ　ｏｆ　ｆａｕｌｔｓ　ｄｉａｇｎｏｓｉｓ　ｉｓ　ｌｏｏｋｅｄ　ｆｏｒｗａｒｄ．Ｋｅｙ　Ｗｏｒｄｓ：　Ｆａｕｌｔｓ　Ｄｉａｇｎｏｓｉｓ；　Ｄｉａｇｎｏｓｉｓ　Ｐｒｉｎｃｉｐｌｅ；　ｍａｉｎｔｅｎａｎｃｅ１ 引言七十年代以来，计算机和电子技术飞跃发展，促使工业生产向现代化、机器设备向大型化、连续化、高速化、自动化发展。

与此同时，现代化机械设备的应用一方面大大促进了生产的发展；另一方面也潜伏着一个很大的危机，即一旦发生故障所造成的直接和间接的损失将是十分严重。

为解决这一问题，机械故障诊断技术孕育而出。

这门新技术也是一门以高等数学、物理、化学、电子技术、机电设备失效学为基础的新兴学科。

它的宗旨就是运用当代一切科技的新成就发现设备的隐患，以期对设备事故防患于未然。

如今它已是现代化设备维修技术的重要组成部分，并且成了设备维修管理工作现代化的一个重要标志。

２ 设备维修制度目前，与故障诊断技术紧密相关的设备维修制度共有三种：（１）事后维修制度（ＰＯＭ）：这是一种早期的维修制度。

主要特点是“不坏不修，坏了再修。

”这种维修制度对发生事故难以预料，并往往会造成设备的严重损坏，既不安全且又延长了检修时间。

（２）预防维修制度（ＰＭ）：又称以时间为基础的设备维修制度（ＴＢＭ）或计划维修制度。

这是一种静态维修制度，主要特点是当设备运行达到计划规定的时间或吨公里时便进行强制维修。

它比前一种维修制度大大前进了一步，对于保障设备和人身安全，起到了积极作用。

同时，这种维修制度也存在明显的缺陷，即过剩维修和失修的问题。

以滚动轴承为例，同一型号的滚动轴承，其实际的使用寿命有时相差达数十倍。

在预防维修制度行监测与诊断故障的方法，具体包括声音监听法、频谱分析法和声强法。

温度信号监测诊断技术包括物体温度的直接测量和热红外分析技术。

实际工业中不恰当的温度变化往往意味着热故障的发生。

从被测设备的某一部分的温１３０两化融合、综合开发与应用度异常变化可以判断设备是否存在故障。

润滑油的分析诊断技术即监测润滑系统中的某些物化特性，从中获取设备内部的故障信息。

主要有：油品的理化性能分析技术、油样所含磨损金属颗粒的铁谱分析技术以及润滑油的光谱分析技术。

其他无损检测诊断技术是在不损坏工件或原材料工作状态的前提下，对被检验部件的表面和内部质量进行检查的一种测试手段。

常规无损检测方法有：超声检测（Ｕｌｔｒａｓｏｎｉｃ　Ｔｅｓｔｉｎｇ，ＵＴ）；射线检测（ＲａｄｉｏｇｒａｐｈｉｃＴｅｓｔｉｎｇ，ＲＴ）；磁粉检测（Ｍａｇｎｅｔｉｃ　ｐａｒｔｉｃｌｅＴｅｓｔｉｎｇ，ＭＴ）；渗透检验（ＰｅｎｅｔｒａｎｔＴｅｓｔｉｎｇ，ＰＴ）；涡流检测（Ｅｄｄｙｃｕｒｒｅｎｔ　Ｔｅｓｔｉｎｇ，ＥＴ）。

非常规无损检测技术有：声发射（Ａｃｏｕｓｔｉｃ　Ｅｍｉｓｓｉｏｎ，ＡＥ）；泄漏检测（ＬｅａｋＴｅｓｔｉｎｇ，ＬＴ）；光全息照相（ＯｐｔｉｃａｌＨｏｌｏｇｒａｐｈｙ）；红外热成像（Ｉｎｆｒａｒｅｄ　Ｔｈｅｒｍｏｇｒａｐｈｙ）；微波检测（ＭｉｃｒｏｗａｖｅＴｅｓｔｉｎｇ）。

第二个阶段诊断技术的发展出现了两个比较明显的分支：这就是以人工智能（ＡＩ）技术为支持的基于知识的智能诊断和以新的信息处理工具为基础的新型信息诊断。

在智能诊断中，以数据处理为核心的诊断过程被以知识处理为核心的诊断过程所代替。

虽然此时的信号检测与数据处理仍起着十分重要的作用，甚至占着诊断工作的大部分或绝大部分，然而在诊断过程中起主导作用的是人类专家的知识（包括人类专家所拥有的领域知识，求解问题的方法和能力）。

诊断过程从信息检测到特征提取，从状态识别到故障分析，从干预决策到维修计划都实现了知识化，达到了信号检测、数据处理与知识处理的统一。

这一分支发展很快，目前对它的研究也很多，在各行各业均有大量的应用成果出现。

但是由于ＡＩ技术本身有很多的分支，所以诊断当中根据采用的ＡＩ技术的不同又形成了很多的诊断技术，如基于案例的诊断技术、基于产生式规则的诊断技术、基于模型的诊断技术等等，这些诊断技术分别可以表示不同类型的诊断，分别适用于某种特定的环境。

与此同时，传统的信息诊断在新的信息处理工具的出现下，重新焕发出新的活力，成为诊断领域发展的另一分支。

目前，小波分析、分形、混沌等新的信息处理工具在诊断中的应用报道很多，模糊理论和人工神经网络（ＡＮＮ）作为信息软处理的最新技术在诊断领域中也得到了广泛的应用。

小波分析作为“数学显微镜”，具有很优秀的“探微”能力，无论多么复杂的信号，只要选取适当的小波，进行适当次数的变换，就可以发现其中所包含的诊断信息，从而应用于诊断领域；分形和混沌则模拟自然界的方式来处理信息；ＡＮＮ模拟人类大脑神经网络的方式来处理信息，以其优秀的非线性映射和万能逼近能力为工程界提供了一条有很大潜力的解决问题的捷径；而模糊理论的出现则解决了不确定性问题。

这些工具的成功运用，解决了传统的诊断技术不能解决的一些问题，给诊断领域的发展带来了新的活力［２］［３］［４］。

４ 故障诊断技术的发展展望故障诊断多种方法各有利弊，有许多学者融合不同方法的优点也颇有成就，有人将模糊诊断和人工神经网络结合，借助神经网络逼近能力来实现模糊系统的功能，使结合的系统同时具有神经网络并行处理、分布存储、自组织、低层次学习、计算能力和模糊系统的高层次推理、决策能力。

即在故障检测系统中融入模糊神经网络技术，通过人工智能的控制，从而实现检测的稳定准确［５］［６］。

也有些学者将小波分析和模糊理论结合，采用二进离散小波变换获取有效的故障特征向量，利用模糊诊断方程进行故障模式分类。

通过选择足够的样本对故障诊断方程进行训练，将代表故障的信息输入训练好的诊断方程，由输出结果判定故障类型［７］。

有些由于应用场合或故障的特殊性，也采用特殊的故障诊断技术，比如在石化工业领域符号定向图ＳＤＧ（Ｓｉｇｎｅｄ　Ｄｉｒｅｃｔｅｄ　Ｇｒａｐｈ）方法得到广泛重视，在危险识别、故障诊断和安全评价方面取得了重大进展［８］。

为解决齿轮多重状态或故障分类中的特征提取问题，有学者提出了利用频域特征和遗传编程对齿轮箱盖多类状态振动信号进行特征提取的方法。

为了使诊断结果更好地可视化，利用遗传编程结果的固有随机性，提取两个新特征指标。

该方法对振动数据可以进行准确的多重故障分类［９］。

遗传编程（Ｇｅｎｅｔｉｃ　Ｐｒｏｇｒａｍｍｉｎｇ，简称ＧＰ）算法其灵活的动态模型结构表示和借鉴生物界自然选择与遗传机制的全局搜索能力使得它在数据挖掘、控制理论、电子工程、模式识别等研究领域取得了广泛的成功，它是计算智能理论中进化算法的重要分支之一，它让计算机自动发现系统内在的规律并自动建立故障诊断系统模型已成为计算智能的研究热点［１０］。

对旋转机械智能故障诊断，有学者提出用数据１３１中国自动化学会中南六省（区）２０１０年第２８届年会・论文集库知识发现（ｋｎｏｗｌｅｄｇｅ　ｄｉｓｃｏｖｅｒｙ　ｉｎ　ｄａｔａｂａｓｅ，ＫＤＤ）和粗糙集理论结合的思路［１１］。

也有学者提出人工免疫结合无量纲指标的想法，人工免疫系统（Ａｒｔｉｆｉｃｉａｌ　ＩｍｍｕｎｅＳｙｓｔｅｍ，　ＡＩＳ）是对生物免疫系统的模拟，具有强大的信息处理能力。

生物免疫系统在缺乏先验知识的情况下，能准确地识别和记忆各种非己物质，在自主学习过程中不断提高免疫功能，对机体进行在线自主故障检测和健康监控。

由此衍生而来的免疫算法能有效地识别被检测对象。

该算法为故障诊断领域提供了新思路和方法［１２］。

实际中人们发现有些时候往往并不是单一故障发生，有多种故障并发的情况，在这种情况下常用的方法有两种：一是Ｂ－Ｊ检测滤波器法，即将观测器的残差固定于不同的方向，使之敏感于不同的故障。

二是降阶观测器法，由于其实时性差，有学者提出基于动态观测器的诊断方法，其思想是只设计一个动态观测器，但其结构可不断变换，使每次变换后的动态观测器对相应的故障具有鲁棒性，而对其他故障都敏感，通过判别残差来实现故障检测和诊断。

通过“组合”多种故障分配矩阵的方法重构故障模式，可有效地诊断出耦合故障［１３］。

还有学者对传统的振动信息时域分析做改进，利用并发故障与单一故障基于无量纲参数的关系，提出无量纲参数诊断法［１４］。

还有学者结合误差反向传播并行ＢＰ和自适应谐振理论ＡＲＴ两种神经网络对故障进行诊断识别，其中ＢＰ网络具有较强的非线性逼近能力，而ＡＲＴ模型采用无监督的竞争学习规则，不存在ＢＰ算法对样本知识的强烈依赖性问题，能正确识别出新故障，且识别速度快［１５］。

发展至今，关于故障诊断的研究范畴正在被扩展。

其中数据分类、优化故障模式搜索途径、提高故障模式的搜索匹配效率等问题，已被融入了智能故障诊断技术的研究中，而且多种故障诊断方式的优势互补也为故障诊断的研究提供了新的思路。

故障诊断技术也逐渐由理论性研究发展到与实际紧密结合，发展至将来故障诊断技术将会实现诊断与控制的结合，根据当前设备的健康状况决定设备运行方式或策略，最终要预知故障，从而防止故障的发生，是最高级的集成化趋势，它是把诊断系统和控制系统进一步的结合，达到了集监测、诊断、控制、管理于一身。

参考文献［１］王桂荣．机械故障诊断技术简介［Ｊ］，电气设备自动化，２００６（０４）［２］郑君，张冬泉．故障诊断技术［Ｊ］，电气时代，２００８（０５）［３］罗锦，孟晨，苏振中．故障诊断技术的发展和展望［Ｊ］，　自动化与仪器仪表，２００３（０２）［４］赵中敏．机械设备故障特征提取分析及维修决策研究［Ｊ］，起重运输机械，２００８（１０）［５］李冬辉，叶利涛．基于模糊神经网络的故障诊断方法研究［Ｊ］，组合机床与自动化加工技术，２００５（０４）［６］金林，张洪才．一种基于模糊神经网络的故障诊断方法的研究［Ｊ］，西北工业大学学报，２００４（０５）［７］沈颂华，刘强．基于小波模糊网络的电厂汽轮发电机组故障诊断［Ｊ］，电网技术，２００５（１６）［８］王春利，张卫华，吴重光．故障诊断技术理论与发展趋势及其在石化领域的应用［Ｊ］，石油化工自动化，２００８（０６）［９］轩建平，史铁林，廖广兰等．利用遗传编程提取齿轮多重故障分类特征［Ｊ］，振动工程学报，２００６（０１）［１０］章政．基于遗传编程的电力变压器绝缘故障诊断模型研究［Ｄ］，博士学位论文，上海：上海交通大学，２００７［１１］赵荣珍，黄义仿，张力等．旋转机械智能故障诊断技术的发展趋势［Ｊ］，兰州理工大学学报，２００８（０５）［１２］李红芳，张清华，谢克明．旋转机械的并发故障诊断技术研究进展［Ｊ］，噪声与振动控制，２００８（０３）［１３］张晓梅．多重故障诊断方法研究［Ｊ］，计算机应用研究，２００４（０７）［１４］张清华，邵龙秋，李红芳等．基于无量纲指标的旋转机械并发故障诊断技术研究［Ｊ］，华中科技大学学报（自然科学版），２００９（Ｓ１）［１５］景敏卿，张晓丽．基于ＡＲＴ－并行ＢＰ神经网络的柴油机故障诊断研究［Ｊ］，机械科学与技术，２００７（０４）基金项目：广东省自然科学基金项目（８１５２５００００２００００１１）；广东省省部产学研结合项目（２００９Ｂ０９０３００３５０）；广东石油化工学院青年创新人才培育项目（２０１０ｙｃ０５）．１３２。