大数据下机械智能故障诊断的机遇与挑战

大数据下机械智能故障诊断的机遇与挑战

李忠和

东莞市交建路面工程有限公司广东省东莞市523518

摘要：随着我国社会经济和科学技术的快速发展，工程机械也日趋智能化和复杂化，而在具体使用过程中难免会发生各种各样的故障，以往传统的故障诊断技术已经无法满足系统的实际需求，在此背景之下，智能化的故障诊断技术就应运而生了。工程机械在具体使用过程中会受到振动、高低温以及粉尘等各种外界因素的影响，所以发生故障的频率也就相对比较频繁，这种问题会给社会和企业带来较大经济损失，所以不断提升机器的故障诊断技术势在必行。本文就工程机械故障诊断技术的目的、方法以及发展趋势进行了一定的分析与研究。

关键词：大数据；机械智能；故障诊断；机遇与挑战

1工程机械故障诊断技术的目的

1.1对工程机械使用过程中的各种故障或者是异常情况进行及时且准确的诊断，可以有效避免或者是消除故障，从而实现对工程机械正常运转的有效指导，并可提升工程机械运行的有效性、安全性、可靠性、以及经济性。

1.2高效的故障诊断及其管理系统可以帮助用户在使用工程机械过程中发挥其最优的机械性能参数，并制定出科学合理的检测流程和维修制度，从而可在一定程度上延长机械的使用寿命、降低机械的使用费用。

1.3工程机械从业人员可通过故障诊断技术对机器进行检测监视以及分析评估，从而为其设计、生产和改进工作提供有用的数据。

2现代智能故障诊断方法

2.1故障树诊断方法

故障树诊断方法是从研究系统中最不希望发生的故障状态（结果）出发，按照一定的逻辑关系从总体到部件一层层的逐级细化，推理分析故障形成的原因，最终确定故障发生的最初基本原因、影响程度和发生概率同。它是一种图形演绎法，把系统故障与导致该故障的各种因素形象地绘成故障图表，能较直观地反映故障、元部件、系统及因素、原因之间的相互关系，也能定量计算故障程度、概率、原因等。该方法直观、快速诊断、知识库很容易动态修改，但其缺点是受主观因素影响较大，诊断结果严重依赖于故障树信息的正确性和完整性，不能诊断不可预知的故障。

2.2故障诊断专家系统

专家系统是一种基于知识的人工诊断系统，是利用大量人类专家的知识和推理方法求解复杂的实际问题的人工智能程序。故障诊断专家系统是研究最多、应用最广的一类智能诊断技术，主要用于没有精确数学模型或很难建立数学模型的复杂系统。专家系统存在的主要问题是知识获取困难、运行速度慢。在采用先进传感技术与信号处理技术的基础上研制开发的故障诊断专家系统，将现代科学的优势同领域专家丰富经验与思维方式的优势结合起来，己成为故障诊断技术发展的主要方向。

2.3基于模糊数学的故障诊断方法

工程机械的状态信号传播途径复杂，故障与特征参数间的映射关系模糊，再加上边界条件的不确定性、运行工况的多变性，使故障征兆和故障原因之间难以建立准确的对应关系，用传统的二值逻辑显然不合理，因此选用隶属度函数，用相应的隶属度来描述这些症状存在的倾向性。基于模糊数学的故障诊断方法就是通过某些症状的隶属度和模糊关系矩阵来求出各种故障原因的隶属度，以表征各种故障的倾向性，从而可以减少许多不确定因素给诊断工作带来的困难。但是对于复杂的诊断系统，要建立正确的模糊规则和隶属度函数非常困难，而且需要消耗大量的时间。

2.4基于神经网络的故障诊断方法

神经网络是一种信息处理系统，是为模仿人脑工作方式而设计的，它带有大量按一定方式连接的和并行分布的处理器。由工程机械各个系统的信息提取故障特征，通过学习训练样本来确定故障判决规则，从而进行故障诊断。用于故障诊断的神经网络能够在出现新故障时通过自学习不断调整权值，可以提高故障的正确检测率，降低漏报率和误报率。神经网络具有对故障的联想记忆、模式匹配和相似归纳能力，以实现故障和征兆之间复杂的非线性映射关系图。对于多故障、多过程的复杂工程机械以及突发性故障或其他异常现象，其故障形成的原因与征兆的因果关系错综复杂，借助神经网络系统来解决是行之有效的。

3工程机械故障诊断技术的发展趋势

3.1多传感器数据融合技术

随着工程机械日渐向着复杂化、自动化和大型化方向发展，这就要求对其进行多角度和全方位的监测与维护，从而可以对工程机械的具体运行状态有一个更加全面地了解和掌握。这就需要在对其各种故障进行诊断的时候，可以利用多个传感器对多个位置进行同时监测，并对这些信息进行及时的分析与处理，还可以充分结合各种现代化先进技术不断研发新型的监测仪器和传感器设备，对机械运行过程中的各个物理量和几何量进行更加准确的检测以有效提升故障诊断的准确率。

3.2混合智能故障诊断技术

工程机械故障的发生具有一定的突发性和多样性，而且在实际诊断的时候还需要充分结合一定的专家经验，所以充分利用智能化的诊断系统对相应的故障进行诊断可以获得更好的效果。在现如今的智能化故障诊断发展过程中，不断将各种智能技术进行充分的结合将会成为一个发展趋势。就目前的情况来看，主要是对神经网络系统和专家系统的充分结合，神经网络系统和实例推理的结合，专家系统、模糊逻辑与神经网络的结合等等，最后一种结合方式也是目前最具有发展潜力的一种结合方式。

3.3结合最新信号处理方法的故障诊断技术

由于工程机械在实际运行工程中的负荷、转速以及故障等各个方面都会发生一定的变化，其所引起的振动也具有一定的非线性、非平稳性和不确定性，以往传统的信号处理方式已经不能很好地满足工程的实际需求，近些年多出现的数学形态滤波、小波分析、混沌以及几何分形等多种新型信息处理模式对这种非线性和不平稳性信号可以进行很好的处理。比如小波分析信息处理方式可以将各种信息分解到一个由小波伸缩成的基函数族上，然后在通频范围之内可以获取不同频道的各种分解序列，其在频域和时域方面都具有一定的局部化分析功能。所以可以充分结合故障诊断的实际需求来对故障信息频道序列进行选取，并进一步查找故障源。这种分析方法具有非常好的时频定位效果，尤其适用于瞬态、时变或者是非线性信号，和一般的方法相比较而言，其具有更好的频域和时域定位能力，从而可以为故障诊断检测提供更有效的分析手段。

3.4远程故障诊断技术

由于工程机械工作环境的复杂性和故障发生的随机性，所以这对其现场诊断和维护操作带来较大的难度。除此之外，工程机械在实际应用过程中往往都具有比较大的分散性和流动性，这也会给故障的排除带来一定的难度。而远程故障诊断及监测技术的应用可以有效克服这些困难。远程故障诊断技术主要是利用计算机网络、机载模块、无线通讯等技术对工程机械故障进行实时跨空间长距离的有效诊断。在具体使用过程中，可以通过工程机械上安装的传感器及其相应建立起的状态监测点，对各种状态数据进行及时准确的采集并用来作为远程故障诊断的有效依据。有条件的企业可以建立远程监控平台及大数据分析系统，服务于企业本身和用户，可以实现资源利用充分、成本低和生产效率高的综合目标。

4结语

综上所述，工程机械故障诊断是一项相对比较复杂的工作，具有一定的技术难度，但是只有不断提升故障诊断的智能化水平才能有效避免各种故障发生的频率并节约解决时间，所以加强对工程机械智能故障诊断技术的分析与研究，对于保证工程机械设备运行的安全性、提高工程机械故障诊断水平将会产生积极作用。

参考文献

[1]陶晨.智能断路器机械特性在线监测及故障诊断[D].西安工程大学，2015.

[2]周明新，富景生.农业机械故障诊断技术研究现状及展望[J].新课程（下），2015（01）：173.

[3]秦大力.基于知识管理的设备故障智能诊断模型研究[D].湖南大学，2014.