故障診斷技術學科發展

來自專欄 感測器技術

20年以來，隨著科學技術的不斷進步和發展，尤其是計算機技術的迅速發展和普及，設備故障診斷技術已逐步形成了一門較為完整的新興邊緣綜合工程學科。該學科以設備的管理、狀態監測和故障診斷為內容，以建立新的維修體製為目標，成為國際上一大熱門學科。設備診斷技術在我國的化工、冶金、電力、鐵路等行業得到應用，取得了較好的效果。隨著診斷技術的發展，出現了與之有關的廠家，部分感測器、數據採集器已接近國際水平，同時研製開發了一些診斷儀器和設備，其中，以感測器為核心的感測技術是數據採集的關鍵。

設備故障診斷技術發展到今天，已成為一門獨立的跨學科的綜合信息處理技術，它以可靠性理論、控制論、資訊理論和系統論為理論基礎，以現代測試儀器和計算機為手段，結合各種診斷對象的特殊規律而逐步形成的一門新興學科。它大體上有三部分組成：

第一部分為故障診斷物理、化學過程的研究；

第二部分為故障診斷信息學的研究，它主要研究故障信號的採集、選擇、處理和分析過程；

第三部分為診斷邏輯與數學原理方面的研究，主要是通過邏輯方法、模型方法、推論方法和人工智慧方法，根據可觀測的設備故障表徵來確定下一步的檢測部位，最終分析判斷故障發生的部位和產生故障的原因。

在機械設備中，大型旋轉機械如風機、壓縮機和汽輪機等設備,是石油、化工、冶金和電力等現代企業中的關鍵生產工具, 對這些設備開展狀態監測與故障診斷工作, 保障設備安全可靠的運行, 可以取得巨大的經濟效益和社會效益。振動故障是旋轉機械故障的主要表現形式, 振動及其頻譜特性的徵兆是最能反映故障特點、最有利於進行故障診斷的手段。

因此, 根據振動信號進行監測與診斷目前仍是設備維護管理的主要手段。對振動特徵信號的分析, 是進行準確診斷的必要前提。

旋轉機械發生故障的重要特徵是機器伴有異常的振動和雜訊,其振動信號從幅值域、頻率域和時間域實時地反映了機器故障信息。

因此, 了解和掌握旋轉機械在故障狀態下的振動特徵, 在監測機器的運行狀態和提高診斷故障的準確度方面具有重要的理論意義和實際工程應用價值。

故障特徵(又稱故障徵兆)的提取是故障診斷領域的關鍵技術之一。故障特徵提取是否準確、是否完備, 直接影響故障診斷結論的準確性。所謂特徵提取, 就是對系統的動態信號預處理後得到的信息進行分析, 提取與系統狀態有關的數據, 再分析這些數據, 提取其中與系統狀態相關性較大的敏感特徵, 這樣一個過程就叫做特徵提取。為了從根本上解決旋轉機械故障特徵信息提取這個關鍵問題, 人們主要是藉助信號處理的方法來提取旋轉機械信號故障特徵。

傳統的旋轉機械故障特徵提取技術主要有: 信號的幅值分析、相關分析, 頻域分析, 時序分析以及特徵分析。這些分析方法是基於信號為穩態和線性的假設基礎上的, 在旋轉機械故障特徵提取中發揮了巨大作用。

實際當旋轉機械故障發生時的振動信號, 大量是非平穩、非高斯分布和非線性的隨機信號, 使上述傳統的信號分析方法遇到了難以克服的困難, 也嚴重影響了故障診斷的準確性。因此用於研究和分析非線性、非因果、非最小相位系統、非高斯、非平穩、非整數維(分形信號)和非白色的加性雜訊的現代信號特徵提取技術, 實現旋轉機械故障的準確診斷是目前研究和發展的重要方向。

現階段主要的信號處理方式有現代譜分析、時頻分析理論、短時傅里葉變換、小波變換以及基於經驗模態分解的時頻分析方法等；同時也有包括主元分析、獨立分量分析、神經網路、模糊控制、高階統計量分析以及將混沌與分形動力系統理論在內的新方法引入旋轉機械故障診斷領域。

人工智慧時代，越來越多的企業致力於開發不同工業領域及不同設備使用場景中的機械故障特徵提取演算法的研究和應用。其中成熟運用人工智慧演算法，高速數據採集技術，先進感測器技術等設計開發的故障監測系統將是未來故障診斷系統的發展方向。

推薦閱讀：