機械設備故障診斷與監測的常用方法及其發展趨勢

【關鍵詞】機器設備；故障診斷；監測方法；發展趨勢

引言

隨著各個領域的進步，機械設備的應用越來越普遍，這些設備的運用對于提高工廠的生產效率和推動其向現代化方向的轉變起著至關重要的作用。若機械設備出現問題，無疑會妨礙生產流程的順利進行，甚至可能引發安全事故。因此，為了有效管理機械設備的狀況，人們逐步開發出許多故障診斷和監控的手段，這些都為機械設備的故障預防和及時處理提供了幫助。隨著社會、科技的持續進步，為更有效地管理機器設備，其檢查和檢驗手段也在向智能化和自動化的方向持續推進。

一、機械故障診斷和監測技術的發展及現狀

對機械設備進行故障診斷和監控技術的應用是確保其正常運作的關鍵方法，同時也是現代生產進步的必備技術。1960年，美國國家宇航局成立了美國的機器故障預防小組，英國也創辦了一個機器維護中心，同時也開始研究關于機器故障的診斷與檢測方法。在接下來的幾十年里，伴隨著理論探索和實踐運用的進步，機械設備狀態檢測和故障診斷技術取得了飛速的進步，同時也帶來了顯著的經濟收益和社會影響[1]。

盡管我國的設備監控和故障診斷領域的發展相對較晚，但多年來的快速進步使得無論是在技術理念上還是在實踐運用上，都有了明顯的進步。在國內已經成功開發出了各種類型的傳感器，如電渦流傳感器、速度傳感器、加速度傳感器以及溫度傳感器等。此外，還采用了一些尖端的信息處理方法，例如快速傅里葉變換、Wigner 光譜分析以及小波變換等。此外，許多情況下，還利用人工智能和專家系統進行故障診斷，比如，日常設備故障診斷專家系統。

伴隨著自動化科技的持續進步，工業裝置的生產以及工程體系的復雜度顯著上升。確保系統的穩定與安全，不僅是確保經濟收益與社會收益的核心元素，同時也構成了中國高端設備生產以及傳統產業自動化改革的主要支撐。所以，各個領域對于機械設備故障的診斷與監控技術的運用日益關注。伴隨科技的持續進步，機器設備的故障檢測與監控技術的演變呈多樣性，例如，依賴于網絡的遠程檢查技術、依賴于AI的智能檢查技術等。隨著這些創新科技的進步，對于機器故障檢測與跟蹤科學的進步也帶來了全新的可能性與挑戰。

二、機械設備故障診斷和監控的手段

（一）振動監測診斷技術

振動監測診斷技術是通過對振動信號進行數學運算和處理，提取出能夠反映機械系統振動特征的特征參數。常見的振動特征參數包括峰值、脈沖指數、裕度、峭度等。通過提取振動特征參數，可以更準確地診斷機械系統的故障原因。

（二）溫度檢測診斷技術

一種經常被應用于機器設備的故障檢查與跟蹤技術就是溫度檢測。利用對設備溫度的監控，能夠確定其是否處于正常工作狀態。通常設備的溫度上升表明設備可能出現過載、摩擦或者熱故障等狀況。溫度檢測能夠通過各種類型的溫度探測器來完成，例如熱電偶、紅外線溫度探測器、觸摸式和非觸摸式溫度探測器等。這些傳感器具備對物體的外觀、內在以及周圍環境的溫度進行檢測的功能。通過分析這些信息，可以判斷設備的運行狀態和其是否存在超載、摩擦或熱損害等問題。比如，在電機里如果電機軸承發生了磨損或者松動的問題，這將使得電機在運作過程中的摩擦力增大從而使得電機的溫度上升。所以，能夠通過觀察電機的溫度來確定電機軸承是否出現了問題。同樣，當機器設備的負荷超標或者驅動系統發生磨損等問題都可能使得設備在工作期間釋放更多的熱能，從而使得設備的溫度上升。由此，能夠通過觀察設備的溫度來確定其是否出現了超負荷或摩擦等問題。

在進行實時監控的同時，也能利用溫度檢測來進行設備的故障識別與預警。利用對設備的歷史溫度記錄的研究能夠辨認出其故障類型及其特性，從而推斷出其使用年限及其可能的問題。紅外測溫診斷技術的核心理念便是基于溫度的視點，通過檢查、評估并解讀機器設備的所有部位的溫度數據，并觀察其溫度的波動。這樣，可以確定機器設備的運行狀態，并找到故障原因。

比如，在旋轉機械領域能夠通過觀察氣缸的表面溫度波動來預估其使用年限和保養需求，這樣就能夠提前進行維護和替換，防止設備受損或者生產停滯。又如：檢查機械零件的磨損程度、檢查發動機排氣管道是否出現阻塞情況，還有檢查液壓系統的油液特性等。機械特性與溫度之間存在著密切的關系，因此，對于整個機械設備的監控，溫度檢測的比例超過了一半。

然而，普通的傳感器測溫無法得到精準的溫度數值，只有引入紅外測溫儀才能發揮有效的測溫診斷功效，同普通的傳感器測溫儀器相比，紅外測溫儀具有明顯的測溫優點，體現在能夠實現遠距離、遙控式測溫，同時能夠對所獲得信息進行處理、診斷、運算等，也能夠對機械設備應該在什么樣的環境中工作、具體的工作溫度應該是多少等做出準確的估計[2]。

（三）油液分析

對于機械設備的故障，油液分析被認為是一種高效的檢查與跟蹤手段。通過對設備所用油質的研究，能夠評估出設備的磨損、污染和氧化等狀況。比如，油中的金屬微粒能夠揭示設備的機械磨損程度，同時，油中的水分和酸性也能揭示設備的腐蝕狀態。

主要的油液分析手段是收集在設備操作期間的油質樣品，然后在物理、化學及生物等多個層次上進行研究，從而得出關于設備操作情況的相關數據。對于油液的檢測，涵蓋了對其質量的評估、對其鐵譜的測定、對其光譜的研究、對其紅外光譜的研究，還有對其中的顆粒進行計數等多個方面。

對于油品的質量，會通過評估其粘性、亮度、含水率、酸性和機械顆粒的含量來確定其是否受到了污染或者被氧化。通過運用鐵譜儀，能夠有效地將油液和雜質區別開來，這就是鐵譜分析在機械磨損檢測中的主要作用。此外，還可以依據不同的磨粒數、大小、形態和分布模式，對磨屑的性能和數量做出精確的評估，從而能夠在最短的時間內，對系統的磨損區域和磨損嚴重程度做出精確的判斷。

利用光譜技術，可以對油液的各種元素進行分析，從而評估設備的耐用性以及其摩擦表面的物理性能。利用紅外光譜技術，可以對油液內的有害成分進行探查，從而評估設備的磨損程度及其泄漏狀態。通過對油液內的微粒數目與大小的測定，可以評估設備的磨耗水平以及摩擦表面的物理性能。油質檢測的使用范圍極其廣泛，能夠被運用在眾多的機械裝置上。比如，在液壓系統里，能夠通過研究液壓油的質量，來判斷液壓泵、液壓缸等設備的磨損程度和泄漏狀態。在保養系統里，能夠通過研究保養油的成分，來評估軸承、齒輪等設備的磨損程度和保養狀態。

另外，新的油液檢測設備和監控技術不斷出現，例如在線油液檢測系統、智能潤滑系統等，這些都有助于更精確地了解設備的油液狀態，并提供更精確的信息。

（四）噪聲監測

通常，會通過觀察機器的運動狀態和機器發出的聲音，以獲取其內部的數據，這些數據可以幫助了解機器的設計和操作情況，進一步確定機器的可能出現的問題。一般來說，噪音檢測被廣泛運用在高溫和強酸性的環境中。針對那些不能進行振動檢測的機器，實施噪音檢查的診斷結果相當理想。通過噪音檢測，能夠獲取到設備的噪音數據，從而實現基礎的故障識別。噪音檢測是一種無需直接接觸的檢測手段，能夠在設備運作期間進行檢測，其操作簡潔且易于實施，而且檢測速度迅速，特別適合早期的機械設備故障檢測。盡管如此，噪音檢測仍會受到周邊環境的制約，若周邊的噪音過于強烈，就可能引發一些信號的干擾，從而使得噪音檢測的結果出現較大的偏差[3]。

三、機械設備故障診斷與監測的未來發展趨勢

隨著現代科學的不斷進步，機械設備的故障檢測和監控技術也在不斷提升。尤其在信息和傳感器領域的突破，使得對于機械設備的故障檢測有了更豐富的數據處理手段。未來的故障檢測和監控將會趨于智能和自動化。

（一）研發精度更高的傳感器、監測儀

目前，必須對現有的機械設備的檢測傳感器以及檢測工具的檢測準確率、安全系數以及穩定性等各個環節做出改良與提升。必須設計出精確度和真實性極高的傳感器，以持續提升監測技術的發展水平。為了保證故障檢查與監控的精確度與實用性，必須維護好檢測設備的正常功能。未來的檢測設備與控制設備必須擁有高效運轉以及多元化的特性，并且可以在最短的時間里完成檢查。

（二）利用小波分析作為依據進行科學的故障診斷

小波分析屬于時-頻信號分析法，是建立在數學顯微鏡基礎上的分析法，小波分析的基函數是很多尺度可變的簡諧函數，體現出相應的時-頻定性特征，也能夠針對各種信號進行自我調節，不斷提升適應能力。機械設備故障問題等的診斷分析過程中，因為設備零件具有不同的功能構造，存在很多不確定因素，通過小波分析法能夠確保各種頻率的信號信息被均衡分配到對應的頻道序列中，以此為發現故障問題來供應科學理論，因為小波分析體現出良好的時域分析能力、頻域分析能力等等，這樣就能夠確保其在瞬間變化信號分析中更加精準、更為真實有效。

（三）向著智能化的神經網絡診斷方向發展

人工智能技術是一種創新的現代技術，涉及了自然語言處理技術，生物技術等等。未來的機器設備問題檢測技術肯定會轉向人工智能的神經網絡檢測，該網絡神經系統仿真了人類的大腦結構、作用和特點，并且擁有可調整、靈活和可修復的屬性。

人工智能的神經網絡系統具有非線性映射的能力，能執行多種任務。此外，它的運算過程非常簡單、易操作，能夠對機器設備的某些組成部分的傷痕、破碎等情況做出科學、智能地記載與闡釋。這種能力最大化地發揮了基礎判斷能力，因此能明顯增強診斷的效果，確保故障診斷的精度與效能。

（四）多學科融合

伴隨著科技的進步，各個領域的相互關聯與整合愈加緊湊，這也為故障檢測與監控技術的革新與進步開辟出了寬廣的舞臺。若要深入探索和運用機械故障診斷和監控技術，除了需要掌握機械系統的基本理念、運行特性和失效原理外，還需要熟知各類機械材料、制造流程、潤滑和密封等機械工程相關的知識。

電子科學與技術對于故障檢測和監控技術的進步起到了關鍵作用，這主要得益于傳感器、信息處理和控制系統等領域的協助。比如，各類電子傳感器能夠實時監控設備的溫度、振動、壓力等數據，為故障診斷和預測提供信息。電子科學領域的創新對于故障檢測和跟蹤技術的自動化和遠程化進步起到了關鍵的作用。借助基于計算機科學的故障檢測與跟蹤方法，我們能夠運用大數據、云計算等先進手段來處理并解讀大批的數據，從而發掘出更多的寶貴數據，進一步增強了故障檢查與預判的精度。對于故障檢測和監控技術的進步，人工智能也發揮了重要作用，如模型辨認、預警和保養。

因此，未來的故障檢測與監控技術將主要朝著智能化的維護與自動化的操作方向發展。利用自動化和人工智能技術，我們能夠讓設備進行自動化保養和智能操作，從而增強設備的生產效益和設備管理質量。智慧保養是通過收集設備的操作信息，并結合專業系統、機器學習等科學手段，來預先識別出設備的隱患以及其功能上的缺陷，以便實施適當的保養策略，防止設備的破損以及維護費用的上漲，以此來提高設備的穩定性與使用效率。

結語

總的來說，許多的診斷和監測手段被應用于機械設備的故障處理，它們各自擁有獨特的基礎理論和優越性。伴隨著社會的進步，必須在研究過程中掌握機械設備故障的診斷和監測技術的未來走向，并持續深化對相關檢查和評估手段的探索，這也是該領域應當專注的研究主題。

參考文獻：

[1] 孫昌元， 趙靜靜. 機械設備故障診斷技術及發展趨勢[J]. 百科論壇電子雜志，2018（3）：682，675.

[2] 張婷婷， 賈銘鈺. 機械設備故障診斷技術的常用方法及新技術的應用研究[J]. 自動化與儀器儀表，2017（10）：38-39，42.

[3] 馬驥. 機械設備中的可靠性及故障診斷方法研究[J]. 企業科技與發展，2019（2）：135-136.