基于智能控制的機械設備金屬結構故障診斷研究

邵 璽

（甘肅能源化工職業學院，甘肅 蘭州 730207）

在我國現階段的各類產品加工以及處理的過程中，最為關鍵的工藝設備就是機械設備，它能夠有效滿足我國各產業生產中繁雜的生產勞動要求對生產質量和效率方面的提高起到推動作用。通過調查研究可以了解到在現階段我國的機械設備的儲存上，大多都是被放在露天的場所當中，因此它的金屬結構很容易受潮而導致腐蝕銹損，進而無法正常地工作，并且會在其應力相對來說比較集中的地方出現很多的裂紋，從而影響生產效率以及對操作人員的生命安全無法保證，所以必須加強對機械設備金屬結構的故障診斷研究。

基于人工智能之下的模糊推理法、神經網絡法、專家系統法以及遺傳算法都開始被越來越多的關注并且發展起來，特別是將其應用在我國金屬結構故障診斷研究當中更是體現了我國設備故障診斷技術伴隨著時代發展的潮流和結合人類專家的經驗以及知識的一個整體提升，進而使其診斷水平達到一個智能化。傳統的金屬結構故障診斷方法難以更好的掌握控制系統故障中動態突變性以及非線性的問題，并且對于構建數學模型方面無法達到一個更加科學準確化。

1 ANSYS有限元的建模基礎以及要求分析

1.1 關于ANSYS 有限元的建模理論基礎

ANSYS 有限元法是我國在順應時代發展潮流以及機械設備故障解決需求下通過結合計算機技術創新出的具備高效率高能力的數值分析方法。它的主要分析過程分別是首先對設備故障建立一個定義模型以及載荷，其次對其存在的問題進行求解，最后將過程結果綜合分析得出最終的定論。再通過將連續的求解域離散，組合成為固定一組單元的組合體，來將各個單元內的近似函數，進行分片進而利用未知函數和導數在單元結點上的函數方程，表達在解域上仍然未知的函數問題，從而可以通過利用離散的有限自由度的問題代替連續的無限自由度的問題，來更好的對其求解。在我國的農業機械設備金屬結構當中的焊接部件通常是采用Q235-B 薄鋼板，并且可以選取梁單元，桿單元等四種單元應用。在單元庫當中具備十分多的單元類型可以滿足各種不同的應用場景。以下通過利用Shell63 單元，對薄板進行建模，來降低計算量，并且通過定義常數來利用變量分析薄板賦予的厚度。

1.2 有關金屬結構的具體參數化建模

在對金屬結構建立參數化模型時需要提前確定主梁和端梁的幾何尺寸等參數，并且將其參數值作為模型的設計參數來對幾何特征進行描述，再通過利用各幾何元素之間存在的關系來結合計算機編輯APDL 語言程序，進而能夠具體的對結構進行描述以及創建，完善金屬結構模型。其主要的參數化建模過程可依據以下條件進行分析：

（1）金屬結構模型中對主梁建模的初始值。通過結合主梁結構的基本特點可將其高度也就是上下蓋板之間的間距設置為H=1.2m；將其寬度也就是左右腹板之間的間距設置為B=0.50m；并且設置t1=0.015m 的上蓋板厚度；設置t2=0.015m 的下蓋板厚度；設置t3=0.005m 的腹板厚度；設置t4=0.005m 的大隔板厚度。

（2）金屬結構模型中對于單元選擇。在該金屬結構模型當中采用Shell 63 彈性殼單元類型。

（3）在金屬結構模型中輸入實常數。首先設置實常數1 作為上蓋板的厚度T1；設置實常數2 作為下蓋板的厚度T2，再設置實常數3 作為腹板的厚度T3；設置實常數4 作為大隔板的厚度T4。

（4）金屬結構模型中的定義材料屬性。在機械設備當中其材料屬性是自身存在的屬性特點與構建幾何模型沒有關系，所以針對農機箱型主梁需要對其材料密度，彈性模量以及泊松比有嚴格的定義，具體定義屬性可參照表1。

表1 定義材料屬性

（5）構建金屬結構參數化模型。要根據真實情況來創造最為真實的模型，通過利用模型抽象材料和邊界條件等設定，結合ANSYS有限元方法，轉化成可以有效處理的問題，最后再將其計算的結果轉化成可以直觀理解的信息數據或者動畫等。

1.3 構建結構系統的可靠性

在傳統建模過程中利用一次二階句法進行分析時會使面對存在非線性較大的結構系統中的極限狀態函數是無法更加準確合理，因此可以通過利用蒙特卡羅法來對其進行數字分析模擬，結合ANSYS軟件來隨機的進行仿真模擬，最后得到問題的近似解值[1]。在對機械設備金屬結構進行可靠性分析的過程當中，可以設置X1，X2，X3，.....，Xn組來作為其結構系統中的隨機變量，并且設置功能函數Z=g（X1，X2，X3，.....，Xn）來描述其極限狀態。另外。在確定機械結構的可靠性中，主要是結構強度σ，以及結構應力S的研究，因此表示Z=σ-S。將結構強度和結構應力看作一個呈正態分布的狀態，由此得到功能函數便也是一個呈正態分布的狀態，創建概率密度函數為：

那么在功能函數大于0 的時候機械結構可靠，因此其可靠度可以表示為：

2 通過結合智能控制條件下的機械設備金屬結構故障能夠有效診斷的具體方法措施

（1）在智能控制下可以通過利用模糊推理對機械設備金屬結構故障進行診斷。采用模糊推理故障診斷的方法只需要能夠確定故障征兆后的情況來對其建立一個模糊診斷的矩陣，并且進行求解模糊關系方程組得到產生故障的真正原因，這樣的方式相對來說具備更加強的抗干擾性以及魯棒性，并且在對于非線性以及高噪聲干擾等復雜系統的處理當中也相對來說具備更多的優勢。

（2）在智能控制下可以通過利用專家系統對機械設備金屬結構故障進行診斷。專家系統診斷方法能夠充分的掌握被診斷對象以及各個客體組成部分所具備的基本特性和它們之間所存在的聯系，進而可以通過利用人類專家對信息以及知識的模糊性進行推理，這樣的方式主要是通過由5 部分組成，它相對來說可以在解決問題時能夠比較少的受到環境的影響，并且具備高效率和高質量的特點。

（3）在智能控制下可以通過利用神經網絡對機械設備金屬結構故障進行診斷。在機械設備金屬結構故障診斷時，采用神經網絡系統可以采用多個簡單的處理單元，來進行相互連接的方式，以此形成計算機系統，使其可以從外部輸入信息，進而能夠依據動態響應來處理信息。其中BP 算法模型神經網絡是相比較來說常見的，它通過由正向傳播和誤差反向傳播這兩部分組合而成。

（4）在智能控制下可以通過利用遺傳算法對機械設備金屬結構故障進行診斷。這種方法是通過利用隨機的辦法，來將若干個求解問題的數字編碼綜合形成一個初始的種群，再對適應度較高的個體進行有效繁殖交叉，使其得到滿足的條件，這樣的方法能夠有效的提升優化特征參數，進一步的實現對設備中的故障進行有效識別。

3 在金屬結構建模當中開展仿真實驗

（1）通過結合上文所提到的基本隨機變量，利用蒙特卡羅方法，來對其進行隨機抽樣，可以滿足金屬結構建模的可靠性。并且在參數化建模下利用ANSYS軟件能夠使其得到相應的金屬結構模型樣本值應用到結構系統的統計中，可以得出在圖中顯示的，下翼緣板和腹板交匯處是產生最大應力的主要部分。

圖1 金屬結構可靠性分析

（2）通過觀察圖所示的具體過程可以進行了解到，在利用MATLAB 中的FIS 模糊邏輯控制方式下，來進行一個仿真，能夠真正有效的使故障診斷系統，可以在達到穩定狀態時保持在0.2 秒之內，并且能夠始終維持輸出值是1。

圖2 FIS 模糊邏輯控制仿真過程

4 結語

總之通過全文我們可以了解到，利用有限元ANSYS 軟件來對機械設備金屬結構進行一個可靠性的分析，能夠實現判斷出其故障所發生的具體位置并且對其采用模糊推理智能診斷。這樣的方式能夠實現在線時代發展潮流之下對于金屬結構故障診斷的需求，加大了其診斷過程中的效率和水平并且節省了大量時間。相較于傳統下的故障診斷方法，在本文中所提出建立模糊數學模型的方式通過對參數的優化能夠得到有效的控制系統實施性，進而推動不確定性系統的解決措施研究。