機電系統故障預測技術的現狀及分析

荀小兵

(北京高隆世紀綠源科技有限公司,北京 100022)

機電系統故障預測技術的現狀及分析

荀小兵

(北京高隆世紀綠源科技有限公司,北京 100022)

隨著社會科學技術的發展,機電系統的運行安全和機電設備的維修成本對高新技術企業的生產發展起著非常關鍵的作用。本文通過對機電系統故障預測技術的現狀以及技術特點進行分析,從而制定合理的機電設備維修方案,以避免機電設備因產生故障而導致的系統問題。

機電系統 故障預測技術 現狀

對于機電工程系統來說，機電系統的安全與穩定，對工程的正常進行有著非常重要的作用。同時，機電系統也逐漸運用與航天、鐵路、軍事、電力以及石化等行業，對企業以及國家的競爭能力有著十分關鍵的作用。對機電系統的故障預測，進而進行維護，保證機電系統的穩定運行，已成為企業和國家發展重要研究和探討的問題。

1 機電系統故障預測技術的現狀

當前，我國多機電系統的維護方式，主要還是在設備出現故障后，進行針對性的維修。另外還對機電設備進行定期的有計劃的維護。這種傳統的維護不能夠對機電設備進行詳細的了解，無法預測機電設備的實際運行狀態，從而也就無法保證設備的穩定運行，給實際的工作和生產帶來嚴重的安全隱患，特別是一些電力、航天以及鐵路行業。另外，定期的計劃性維護方案，不能根據機電設備的實際運行情況，做出準確預判，出現過度的維護或者維護不到位，嚴重影響了工業生產的穩定運行，提高了設備的維護成本和資源的浪費。機電系統故障預測技術可以通過對機電系統的進行監測，了解機電設備的運行狀況，對系統故障進行預測和及時制定維修的決策，能夠有效提高機電系統運行的穩定性。據相關數據顯示，運用機電故障預測技術，能夠有效降低機電系統的故障發生概率，減少設備的維護費用，優化機電設備資源的利用效率，從而提高機電系統的維護效率，節約機電系統的維護成本。但是，現有的機電故障預測技術還存在一定的缺陷。首先，在在故障預測方面，許多對機電故障預測系統的預測方法都十分簡單，大多建立在單一的故障模式下預測，對于各個故障之間的關聯沒有做到有效地結合。其次，在機電系統故障預測過程中，沒有排除人員活動的干擾以及系統外部環境的影響。技術人員在對機電系統的維護過程中，對故障預測產生一定的干擾。另外，在機電系統故障預測的性能評價方面，并沒有一個健全統一的系統評價標準。

北京高隆世紀綠源科技有限公司 ，積極以高、精、尖科技、設備和人才為依托，充分研發和創新機電系統故障預測技術，不斷推出新的產品技術，為機械、航天、鐵路、石化等行業提供安全穩定的機電系統故障預測技術，保障企業的安全穩定生產。

2 機電系統故障預測技術分析

機電系統故障預測技術主要是以當前的機電設備運行狀況作為基礎，然后結合設備的結構特性、設備的參數等具體情況，對機電設備的可能發生的故障進行分析和預判，從而確定故障將會產生的原因以及特點，以便技術人員進行及時的故障排除與維護，保障機電系統的正常穩定運行，確保工業生產的順利進行。在實際的工程活動中，機電系統故障預測方法有許多種。

2.1 基于模型的故障預測技術

基于模型的故障預測方法，可以通過計算機電設備的損傷情況，判斷設備的損傷程度，建立起相關的模型，以評估機電設備的預計使用時間及發生故障的概率。在一般的情況下，對機電系統故障預測與選用的模型參數有很大的關聯。通過對機電系統或者設備的故障演練機理研究，可以修正和調整模型，從而提高機電系統故障預測的準確性。灰色模型是比較常用的一種預測模型，對于機電系統故障的短期預測有著很好的效果。

2.2 基于數據驅動的故障預測技術

在實際的機電系統運行過程中，許多設備工作運行很難建立一個準確的數學模型，這有可能會導致機電系統故障的預測出現誤差，機電設備在傳感器或者測試的數據可以作為機電系統故障預測的一種方法。這種故障預測方法就是數據驅動的故障預測技術，通過利用歷史的機電設備數據記錄以及設備監測的數據，建立起可靠的數學模型。這種故障預測模型能夠解決許多機電系統中故障預測的問題。基于數據驅動的故障預測方法主要有神經網路、模糊系統等等。數據驅動方法主要劃分為人工智能技術和統計技術這兩大類。

2.3 基于概率統計的故障預測技術

基于概率統計的故障預測方法，主要是在不能確定完整動態模型時，通過對機電系統曾經出現的故障數據進行統計與分析，從而進行概率統計，掌握機電系統故障的可能發生情況。基于概率統計的故障預測技術主要有回歸預測法、時間序列預測法等。

回歸預測法主要是更具機電系統的歷史的具體數據和變化規律，找出自變量和因變量兩者之間的回歸式方程，從而確定預測模型的參數據，對機電系統故障進行預測。這種預測方法需要的數據量比較大，而且要有很好的數據分布規律，預測的時間長度過大，很容易導致預測出現偏差情況。

時間序列預測法主要將預測機電系統對象的歷史數據按照一定的時間間隔，進行排列組合，建造一個能夠隨著時間變化的統計序列和數據隨著時間變化的機電系統預測模型，然后利用這個模型，預測機電系統的的可能產生情況。這種方法需要以過去的機電系統發展模式能夠延續到未來，因此這種方法，對機電系統進行短期的預測效果十分明顯。

3 結語

隨著科學技術的迅速發展，高、精、尖科技以及設備的不斷進步，機電系統故障預測技術在工程生產工作過程中，起的作用也越來越大。采用新進的機電系統故障預測技術，能夠以通過對機電系統的進行監測，了解機電設備的運行狀況，對系統故障進行預測和及時制定維修的決策，能夠有效提高機電系統運行的穩定性，保障企業的正常穩定生產。

[1]陶來發,樊煥貞,呂琛,欒家輝.機電系統故障預測技術的現狀與分析[J].控制工程,2011,18(04):636-639.

[2]吳明強,房紅征,伊大偉.復雜系統故障預測方法與應用技術研究計算機測量與控制,2013,05(06):201-203.

[3]薛子云,楊江天,朱衡軍,機械故障預測模型綜述[J].機械強度, 2012,03(16):102-105.

荀小兵(1973—),男,江蘇靖江人,2011年畢業于中南大學工商管理專業,現供職北京高隆世紀綠源科技有限公司總經理,研究方向:機電自動化。