机电设备故障诊断方式论文
摘要：应机电设施故障容易检查维修，而电气方面的故障具有隐蔽性，进而给维修工作人员造成了困扰，甚至阻碍设备以及整个车间的的正常运转，机电结构的自诊断方式，令机电设备的故障迅速精准的被测出，由此提升了维修效率，对今后的研究由很好的参考价值。难遂电子工业与先进制造工艺的进步，机电结构逐渐繁琐、功能逐渐强大、维修保障困难性越来越高。探究设备的自动故障诊断与维修支持技术将极大减少生产者与应用者的机械维修保障成本。
关键词：机电设备；故障诊断；智能技术；分析
引言
机电设施维修属于机电设施管理中的关键环节，就安全生产方面来说，其是延伸机电设施应用时间、避免机电设施故障出现的重要保障，而从经济运营方面来说，其还是决定生产品质、数量以及成本的关键因素。但因为机电结构的电气故障具有隐蔽性，而且其I/O系统、电源系统的复杂性，难以迅速精准的检查：部分机电设施的故障经观察PLC的输入或输出状态反应数据，就能够找出故障主因，进而处理故障。这里采用智能诊断技术，深入研究了机电设施故障诊断。现阶段，设施故障诊断和维修决策措施主要是采取故障树推理途径，缺少表达与推理灵活度，难以把维修、观测等工作融入到模型当中。
1机电设施故障自动诊断设计
自诊断方法是在平台的诊断软件基础上，向被诊断的元件和设施输入一串提前编制好的代码，再观察系统的相关输出信息，或是及时收集的信息，与事先已知的信息进行对比，通过对比统一研究确定故障的方式。与文采取I/O信息检查，使用与处理设备I/O口，相应思维输入/输出缓冲区保存的信息，和已知准确的信息进行对比；针对故障诊断来说，首先要做的就是采集诊断数据。因为工业结构各个构成部分间的功能关系繁琐，故障情况多，故障原在和故障征兆间的数据错综繁琐，所以，精准采集诊断资料，对不同故障诊断数据展开有效的集中与分析，属于故障诊断平台首先要处理的瓶颈问题。为避免信息量过大，而引起的故障诊断失误，可以采用以下三种分时诊断手段：其一，开机扫描途径，就是对各元件的运行电源是否充足，各I/O口原始状态是否正确，展开检查；其二，在线即时检查，根据逻辑运行顺序对I/O运行状态进行检查，并与提前已知的信息进行对比；其三，离线诊断，当机械因故障无法稳定运转时，采取直接向输入/输出缓冲区保存的信息，观察相关的零部件是否准确运转，进行故障诊断。
2故障诊断的基本理论与方法
故障诊断方法已有三十多年的发展历程，但作为一种综合性的学科———故障诊断学，还是近几年才发展出来的。从多种角度着手，有很多故障诊断分类方式，这些方式均有自身独特的特征。就学科综合方面能归纳如下理论与方法：基于机理探究的诊断理论与方法：基于数据处理和特点采集的故障诊断方式；模糊诊断理论与方法；振动信息诊断方式；故障树分析诊断方式；故障诊断灰色系理论与方法；专家网络理论与方法；故障类型判断方式；故障诊断神经元理论与方法；基于数字模型的基本理论与方法。故障诊断理论与方式分类尽管很多，但能归纳成两类：首先，非模型的事故诊断理论与方式，像信号空间特点、模态与数据处理方式的诊断理论和方法。依靠知识推理、人员自动、专家网络的诊断方式；依靠模式判断及神经元的诊断方式。其次，基于系统数字模型与现代管理理论、方式的故障诊断理论与方式，还包含相互之间的统一与集成。
2.1基于人工神经系统的故障诊断方式
人工神经系统是个有效并行的分布式网络，对故障诊断的形式辨别不但处理速度大，还能利用其线性分析能力实现环境与目标识别的目的，其己在机电设施故障诊断中取得了广泛运用。2.1.1人工神经系统的运行原理人工神经系统是对大脑神经功能的数学模拟，主要模仿大脑和神经元的数据处理方法。人工神经元模型的类型很多，其中，常见的模型公式有：其中n个输入xiR，类似其他神经系统的输出值；n个权值ωiR，类似突触的连接强度；f属于非线性函数，能是θ值函数和Siginoid函数；θ属于阙值。神经元函数公式为：yl=i=1nωixi；y=fyl当f是阙值函数时，它的输出是：y=sgni=1nωixi-θ人工神经系统中突触强度用人工神经元中的链接权值ωi来衡量，权值的改变规律由相关学习算法获得。神经系统是个复杂的网络系统。神经元中的互联模式包含两种，分别分前馈网络与反馈网络。前者能有多层，每层依次排序，第i层的神经系统仅接收第i-1层神经网络输出的信号，每个神经元种缺少反馈前馈系统的输入节点不具备计算能力，唯有记录输入矢量每个元素的值，其它各层节点是拥有计算性能的神经网络，即计算单元。各个计算单元可以有很多输入值，但仅允许一个输出，而且一个神经元能将输出发送至多个神经元进行输入，把输入点变为0层，之后各计算单元层从下至上依次是1层，第z层，…，第N层。如此组成的网络叫做N层前馈系统。其中，第0层与第N层叫做可见层，其余每层称作隐含层。通常情况下，前馈系统的隐含层中层数与节点数能够任意确定。2.1.2人工神经系统在机电设备故障中应用的的优缺点通过分析得知，神经元故障诊断方式的优缺点是：优点包含：分布分析，并行操作，具备学习能力；较强的非线性映射性能；能实施多要素预报，预测准确度高。缺点在于：算法繁琐；预测模型很难用公式呈现。
2.2依靠专家网络的故障诊断方式
专家网络属于人工智能的关键分支。专家网络能视为具备专门知识与经验的计算机自动程序系统，其能功能来源于其所具备的专家知识。专家网络通常使用人工智能里的知识表现与知识推理方法来模拟，一般由专家才能处理的复杂问题，得到具有和专家同等处理问题能力的性能。一般情况下，一个专家网络由知识库、推理平台、信息库、解释程序与知识采集程序5部分构成。知识库与推理平台是专家网络的关键部分。机电设备问题诊断专家系统除具有专家网络的常规结构外，还具备自身的独特性。就机电设施故障诊断来说，故障特点的精准说的是实现准确诊断的基础。所以，监测系统和信号分析及信息处理，信息传递与故障特征采集也均是故障诊断专家网络的关键内容，专家系统在机电设备故障诊断方面的运用十分广泛，己获得到成功使用的有旋转机电设备故障诊断专家网络、往复机电设备故障诊断专家网络，发电机组问题诊断专家网络与车辆发动机问题诊断专家网络。专家网络的特征：专家系统属于人工智能的重要研究领域，涉及三个重要的内容：表达知识的新技术、启发式检索、把知识和知识的运用环节分离，专家网络的特点是：①专家知识能储存于任意电脑的软硬件中，一个专家网络是个有效的知识产品，与人脑不同；②专家网络下降了向各个客户提供专家知识的费用；③专家系统能够代替人们在有危险的条件下劳动；④人类专家也许会退体、离去和逝去，而专家系统能够长久保留；⑤集中若干个专家领域知识创建出的专家网络知识水平优于单一专家所具备的知识，知识的稳定性提升了；⑥在要求迅速响应的环境下，专家系统可以比人类专家表现得更快更高效；⑦在部分客观条件的作用下，人类专家会给出激动但不完全的回答，但专家系统可以始终如一的获得稳定且全面的答复。
2.3在支持向量机（SVM）基础上的诊断技术
统计学习知识是个专门探究小样状况下机器学习规律的内容。由CORTES等相关人员于统计学习内容的VC维理论与结构风险最小机理基础上创建出的一种机器学习新方式：SVM已表现出很多优于当前模式分类方式的功能。支持向量机是从现行可分条件下的'最优分类面衍生出现的，为处理二类分类情况而提出来的，无法直接进行多类划分。把支持向量机算法使用在机电设备故障诊断方面的研究已得到工程界的高度重视。支持向量机方式具有使用小样本信息集就能够展开故障诊断、使用结构风险最小激励、便于实现模型结构与参数均靠近最佳的故障诊断模型等优势。支持向量机是借助特征参量表现的相似度来开展故障分类的途径，特征参量对故障表现的得越精确，其分类性能就更好，泛化水平也就越高。其缺点也非常显著，支持向量机无法诊断出未学习过的问题，所以对故障分类过程参数的选取十分关键。
2.4集成方式故障诊断技术
集成方式故障诊断技术是一个集成若干种故障诊断方式策略，对繁琐故障展开诊断与监控的有效途径。虽然基于传统构造框架与组织策略下的自动故障诊断平台可以对机械某些特殊部位出现的故障进行全面诊断，但针对故障表现多样、诱因繁杂的诊断情况，有时有简单方式难以得出全面准确的判断，如此就要求集成各种诊断数据、诊断知识、诊断方式等，因为每种诊断方式都有自身的特征与优点，也存在一定的缺点与不足，能够集中各种方式的优势，突破其局限性，更有助于提升故障诊断的准确性与工作效率。由此，集成方式为处理顾咋机电设施故障诊断带来了一种新的方法。集成方式的瓶颈在于如何找出各种诊断方式的结合点，得到更准确的故障诊断。相关研究人员提出了一种依靠智能互补结合的智能故障诊断方式，即ACA，对反映运转情况的特征参数实现属性约简，清楚不需要的属性。结合约简结果，创建RBF神经系统的故障诊断平台。网络的训练比较结果显示，基于ACA的约简处理简便了输入神经元的信息维数，提升了网络的训练效率与故障分类正确性。
3智能故障诊断技术的发展方向
伴随机电设施故障诊断方法和当前先进传感系统、最新型号分析、非线性原理与方法的结合；伴随知识进度的发展和信息库、模拟现实、神经系统等技术的日益进步，势必会引起自动故障诊断方法在多个方面的进一步发展，其发展方向主要表现在以下几个方面：①多项知识表现方式的融合。在具体的诊断平台中，要求多种方法的组合方可表达明确诊断知识，如此就有很多表达方法之间的数据穿梭、数据转变、知识组织的维护和理解等内容这些问题都影响到对诊断主体的描述和表现。②经验知识和原理知识的有效统一。为了让故障自动诊断平台具有和人类专业功能相似的知识，研究者在建立智能诊断平台时，逐渐强调不但要注重领域专业的浅知识，还应重视诊断主体的结构、作用、原理等深知识，忽略任意一点均会极大影响系统的诊断效果。③专家网络和神经元的融合。神经元理论给故障自动诊断技术的发展带来了全新的途径，其中，专家网络理论和方法得到左半脑逻辑思维的性能，两者具有较强的互补功能。④模拟现实技术会获得重视与使用。模拟现实技术是基于多媒体系统之后另一个的计算机领域引起广泛重视的探究重点，是人类通过电脑对复杂信息实施可视化处理和交互的一种全新技术。使用这一技术后，客户、计算机与控制主体被当做一个总体，经多种直观的设备将数据实现可视化。由此而言，伴随模拟现实技术的逐渐进步以及在故障自动诊断平台中的有效使用，其将给故障自动诊断带来全新的技术性改革。⑤信息库技术和人工智能技术有效渗透。应人工智能技术缺少像信息库技术那样比较完善的理论与实用技术。因此，融合信息技术能够克服人工智能无法跨越的阻碍，这也是智能技术成功的重点。针对故障诊断系统而言，知识库通常非常庞大，所以能够借鉴信息库关于数据保存、共享、并发管理与故障恢复系统，优化诊断系统质量。综上所述，把多种不同的自动系统统一起来的混合诊断平台，已经变成智能诊断技术开发的发展方向。
参考文献：
[1]郭文波.故障诊断技术在现代矿山机电设备维护中的应用[J].机械管理开发，2017，32（11）：52-53.
[2]廖学兵，杨云飞，龚长虹，吴建磊.新型自行火炮机电设备故障诊断与维修保障系统的设计[J].计算机测量与控制，2014，22（01）：131-133.
[3]唐建荣，杨敏.浅谈煤矿机电设备故障检测中小波分析的应用[J].科技创新与应用，2014（02）：299.
[4]徐光华，梁霖，张庆，景敏卿，温广瑞，高志勇，金颖，李文海.智能动力装备的全生命周期诊断和服务技术与系统研制[J].中国工程科学，2013，15（01）：79-86.
[5]陈业初，寇蔚.面向对象的船用机电设备信息管理与红外诊断系统的研制[J].机电设备，2017（04）：12-16.
【机电设备故障诊断方式论文】相关文章：