基于自動化技術的機械故障診斷系統分析

戴 明

(江蘇大劇院， 江蘇 南京 210000)

0 引言

自動化技術是一門綜合性技術，包含計算機信息技術、自動控制技術、電子信息技術、液壓氣壓技術等[1]。自動化技術主要應用在機械故障診斷與保養的機械結構設計、電氣控制、信息系統管理方面。由于技術、設備等各種原因，在早期的機械設備故障診斷方面，主要靠相關人員的經驗來判斷，如通過聽覺、觸覺、視覺等去分析設備是否有異常。隨著信息化、自動化技術等的巨大進步，機械故障診斷與保養有了質的改變，實現了利用信息化、自動化等技術進行在線檢測。

1 自動化故障診斷系統

通過自動化技術獲取到設備的診斷數據，如何利用這些數據對設備的故障作出分析判斷是實現自動化診斷故障的關鍵，處理和分析診斷數據主要是通過診斷系統實現。診斷系統分析處理數據的能力，決定了自動化解決故障的精確性和效率。目前，診斷系統主要有基于知識領域的專家診斷系統、基于神經網絡的專家診斷系統[3]。

1.1 基于知識領域的專家診斷系統

該專家系統又可分為一般知識領域和復雜知識領域。一般知識主要指對經驗及常識得出結論，復雜知識是指需要通過演算推理等手段得出結論。基于一般知識領域的專家系統是通過對比系統存儲的故障，找出異常，從中可以看出該專家診斷系統具有局限性，故障存儲庫數據越豐富，故障越能被找出。相反，數據庫內容不足，故障也就很難通過比對被發現?；趶碗s知識領域的專家系統是通過集合具有輸入輸出特性的實際環境變量與理論環境變量的不同期望，分析出可能存在的故障及原因?；趶碗s知識領域的專家診斷系統，檢索故障能力更強，但其診斷速度相對較慢。為了優化診斷系統，使診斷結論具有可靠性，通常將兩者診斷方法結合在一起。

1.2 基于人工神經網絡的專家診斷系統

隨著技術的發展，出現了基于人工神經網絡的診斷系統，與傳統的專家系統相比，該專家系統具有自我學習能力，它可以通過專家診斷系統的案例不斷優化自我學習。基于BP神經網絡的診斷流程，主要是通過對數據初始化、輸入訓練樣本、計算中間層以及輸出層的輸出、計算輸出誤差、計算二次系數、對比中間層全值、以及權值對比判斷等技術達到對機械裝置的智能化診斷與保養?；赗BF神經網絡診斷流程，主要是通過多個傳感器判別機械裝置的狀態，反饋對應的算法函數，經過預定閥值的過濾分析提取診斷的結果信號，以提高準確性和穩定性。該專家系統具有自我判斷能力，如果設備出現故障進而引起險情，該專家系統可以迅速反應，向管理中心發送警報信息，并采取相關措施，控制風險[4]。

2 自動化故障診斷系統的應用

機械故障診斷通過運用檢測技術定位，判斷，分析診斷故障后給出解決方案。如圖1所示，完備的自動化故障診斷系統應該是一套完整的閉環反饋系統，通過構建上位機控制系統和下位機數據反饋系統，可以完整地對故障部位進行實時的數據分析，對設備故障作出預警和診斷[2]。下位機系統將采集到的傳感器數據實時反饋到上位機控制系統，上位機控制系統通過比、校驗、分析數據作出故障判斷，得出故障結論。如果是設備參數問題，上位機系統可以進行自適應調整控制下位機，如果設備儀器本身故障，上位機可以發送信息提示安排維修人員維護或更換儀器元器。

圖1 診斷技術的原理與程序

2.1 單模組自動故障診斷

自動化故障診斷系統包含單個模組診斷檢測和集成式綜合檢測兩個方面。企業工廠設備有大型設備和中小型設備，根據經濟效率和運行維護成本，可以針對性地選擇對應的自動化系統。經費有限且設備某些部位具有舉足輕重的作用或者人工檢測較難實現，例如戶外暴雪的極端惡劣環境下電力設備故障診斷，基于單個模組的自動化診斷系統更有性價比。實現單個模組的自動化故障診斷，主要通過相關檢測儀器發送數據，診斷系統對數據進行分析，然后通過對比、專家會診等手段，評估故障狀況并反饋。在線檢測系統就是通過安裝由諸多傳感器構成的硬件檢測系統，利用信息處理技術，對傳感器獲取的數據進行過濾和匯集，進而傳輸到控制中心。

2.2 集成式自動故障診斷

集成式自動化綜合檢測是在單模組檢測技術上發展起來的，解決了單模組檢測只能在有限范圍內的檢測，實現了設備的整體有機分析。同時，集成式自動化綜合檢測可以實現數據的多部門快速流動，讓不同部門可以第一時間了解到相關問題，避免形成信息孤島。集成式綜合檢測將分布在不同節點的數據匯集到信息管理系統中，信息管理系統又是企業內部網絡(MIS)中的一個分支模塊，可以進行整合資源，協調各組織部門。

3 自動化技術在機械故障診斷中的發展

3.1 借助先進的云端技術打造智慧機械診斷系統

隨著5G時代的到來，萬物互聯成為可能，以前通過傳感器收集數據，然后整合傳感器的數據回傳到信息處理系統，這個過程需要單獨的系統對傳感器數據進行收集整理。5G時代的到來，可以實現直接將傳感器采集的數據回傳到系統，減少了中間平臺。同時運用大數據技術，實現對大型設備系統的數據整體分析，提升機械設備性能，強化診斷設備故障能力。運用5G技術的數據傳輸能力，可以大規模實現對設備零部件各參數的實時監控。同時，企業可以整合工廠設備，將各個設備數據上傳云端，利用云計算管理便捷、經濟實惠、通用性強的特性，專屬定制自己的云管理平臺，實現高性價比的智慧機械診斷系統。

3.2 診斷系統融入到智能制造過程中

隨著機器人技術、人工智能技術、機器學習等新興技術的發展，智能制造隨之應運而生。智能制造并沒有準確的定義，但是根據各國的工業規劃大致可以得出智能制造其核心主要是數字化、智能化、網絡化，目的是縮短產品生產周期，提高效率，降低能耗。診斷系統融入到智能制造過程中，一旦生產車間某個模塊出現問題，智能制造系統可以根據診斷系統的分析結果進行生產調配和生產任務調整，智能化降低設備故障期間帶來的經濟損失[5]。

3.3 將視覺處理、虛擬現實運用到機械故障診斷中

機器視覺圖像處理和AR增強現實在機械故障診斷中主要通過將現場獲取的設備圖像與正常設備圖像進行比對作出診斷結論。機器視覺可發現人眼不易察覺的設備損傷，在一些高精密儀器設備上，機器視覺可以快速發現零件表面肌理是否產生損壞[6]。

4 結語

目前我國針對機械設備故障檢測和保養還未制定指導性的標準建議，對機械設備進行自動化故障檢測，要求企業具有一定的科研和資金實力。因此，應該推動行業頭部企業研發系統的自動化解決方案，讓其他企業可通過付費的方式擁有自動化設備故障檢測系統，實現行業的整體進步。