工程机械故障诊断技术的研究现状与发展趋势

　　【论文摘要】回顾了机械故瘅诊断技术的发展历史，阐述了国内外工程机械故障诊断技术的发展现状.针对目前在工 程机械故瘅诊断领域中研究较多的智能故障诊断系统模型进行了分析，并指出各自的技术特点和局限性，最后 指出了智能故障诊断系统今后的发展趋势.

　　【论文关键词】工程机械;故障诊断技术;现状与趋势

　　Abstract: The development course of construction machinery fault diagnosis technology and its current devel-opment situation are reviewed. After having analyzed the intelligent models of fault diagnosis vsystem, the advantages and the limitation of all sorts of intelligent mode! are pointed out. In the end, the trend for the development of the construction machinery fault diagnosis technology is presented.

　　Key words： construction machinery; fault diagnosis technology; present state and perspectives

　　故障诊断的思想[i~6]来自于医学，正如人的疾病一样,设备由于设计、制造、安装以及使用等自然和 人为的因素，会出现某种程度的"病患从理论上讲,并不存在无任何故障的机构，关键是这种故障对设备 的运行性能和所期望达到的预期标准是否构成威胁，因此，故障是指设备不能按照预期的指标工作的一种 状态,而故障诊断的实质则是通过了解和掌握设备的运行状态，预测设备的可靠性，确定其整体或局部运 行是否正常，早期发现故障，并对其原因、部位、危险程度进行识别和评价,预测故障的发展趋势，并针对具 体情况作出实施维护的决策.其诊断的一般过程如 图1所示[7~1<)].

　　由于故障发生时，常使设备的一些特征参数发生 变化，如:振动、噪声、温度、压力、流量等.因而，可根 据设备的性质和工作环境，选择最有可能反映故障 的特征参数作为特征信号，然后选取适当的仪器对 设备的适当部位进行特征信号的监测、采集并进行 适当的变换处理,以便于从不同的角度(时域、频域）进行观察,以获取最直观、最有力的特征信息.然后再应用各种知识和经验，对设备状态进行识别以判断是否有故障.若有故障则给出发生故障的部位、原因、程度以及排除故障的方法和措施等信息;若无故障则要 对设备出现故障的趋势作出判断，以利于设备的安全正常运作.

　　1故障诊断技术在国内外的发展及应用

　　故障诊断技术是以电子信息技术为代表的高新技术发展和社会对工业生产和科技发展需求相结合的 产物.它最早起源于1961年美国阿波罗计划期间由美宇航局(NASA)和美海军研究室(ONR)负责组建的 美国机械故障预防小组(MFPG).随后，英国、挪威、丹麦、瑞典、日本等一些西方国家迅速开始跟进，在船 舶诊断技术、声发射检测系统、轴承监测等方面取得重大进展，并在宇航、钢铁、化工、电力、铁路等部门得 到广泛应用，最终由英国的R.A.Collacott博士于1978年正式提出机械故障诊断与状态监测(mechanical fault diagnosis and condition monitoring)这个新概念并为国际工程界广泛接受和传播.它的出现有着重要 时代背景和内涵，主要有两个因素:一是国际社会的一些重大工程项目迫使人们认识到发展故障诊断技术 的重要性和迫切性，如:美国1961年执行的具有划时代意义的阿波罗计划、原苏联切尔诺贝利核电站泄漏 事故、日本1964年的新干线建设、英国1970年从节省资源和降低成本等角度出发提出的关于设备综合工 程学和寿命周期研究等;再是20世纪60年代为计算机和电子技术大发展的年代，快速傅立叶变换和算法 语言的出现，把信号分析技术从硬件到软件推向到一个新的水平，通过研究和发展,人们可以把机械设备 的可靠性、可用性、可维修性、经济性和安全性等要求都提高到一个新的高度.

　　经过近40年的发展和研究，故障诊断技术主要经历了三个重要的发展阶段早期主要以快速 傅立叶变换、光谱分析、信号处理等技术为基础，以设备状态监测为目标，人们称之为状态监测阶段(CM); 期后随着科学技术的迅猛发展,又逐步过渡到故障诊断阶段(FD)，其特点是以故障分类、模式识别、智能 化专家系统和故障树计算、模糊逻辑计算、神经网络和基因计算等为基础，以设备故障诊断为其目标;今日 故障诊断技术已进人到一个全新的发展阶段，即现代化管理阶段(MM),其特点则是以优化控制、经济运 行、全寿命管理、系统工程等为内容，以设备全过程经济管理为技术核心.目前，国际上除了在故障诊断理 论、技术和方法等方面进行创新研究外，还在实际应用中不断开发出新的监测诊断系统和仪器设备,如:美 国Bently Nevada公司开发的DM2000系统、Westinghouse公司的PDS系统、日本的MHM系统、瑞士 ABB公司的MACS系统、法国电气研究与发展部近年来发展的PSAD系统等，这些设备大多是基于网络 的系统，能通过网络对多台设备同时进行在线监测和智能诊断,使得不同地区不同企业的不同部门都能同 时获取设备运行状态信息，对设备进行在线监测、诊断和维护，从而极大地提高了对设备的科学管理效率.

　　我国对故障诊断技术的研究和应用自20世纪70年代末始11 ~31，经历了起步阶段、发展阶段,现已进 人了髙速发展阶段，在基于模糊理论、人工智能、灰色理论、神经网络和基因优化等先进技术和理论的智能 故障诊断系统的研究和应用中均取得丰硕的成果，如由哈尔滨工业大学振动工程研究中心研制开发的"20 万kW汽轮发电机组振动监测与故障诊断系统2HX- 1",西安交通大学和兰州炼油厂开发的"髙速旋转 机械的状态监测及故障诊断系统RB-20",华中理工大学开发的"汽轮发电机组诊断专家系统"，此外还有 东南大学研制出的"网络化的火电机组振动监测和故障诊断系统"等，这些系统在理论和应用技术方面都 已达到或接近国际先进水平.但是由于起步较晚，与国外工业先进国家相比，还存在一些差距，主要表现在 传感器的性能及可靠性较差、诊断理论和机理的研究尚不很透彻、多参数综合分析诊断应用较少、故障诊 断系统自身的可靠性较低等几个方面.

　　2工程机械故障诊断技术的国内外研究现状

　　工程机械的工况监测及故障预报、诊断是一个十分复杂而丰富的课题[1~101.自20世纪90年代以来, 以计算机、微电子、智能控制为代表的先进技术得到了飞速发展并广泛应用于工程机械领域，使得工程机 械产品的性能及髙科技含量得到不断提高.计算机辅助监测、故障诊断系统在工程机械h得到了广泛应 用.从简单的工况参数显示发展到故障査找提示和早期预报系统.例如：美国卡特彼勒的新型监测系统 (CMS),该系统普遍用于土石方工程机械，能准确地监测机器的各部分参数，采用声光故障报警，保存运 行数据的纪录，CMS是一套密封系统,能承受高低温、湿度、振动和冲击负荷，采用真空莹光屏幕，适合野 外施工作业;德国0&K公司的挖掘机卫星数据传输监控系统,应用卫星通讯技术将各台工作中的挖掘机 状态信息、故障信息，由机载发射机发射到同步卫星上，再由卫星上的转发器发回管理中心,由管理中心的 计算机进行分析处理，该系统给挖掘机作业生产管理、维修带来极大的方便.

　　随着电子测量、信号处理、传感器、计算机等技术的发展，目前国内科研单位研究开发了一些针对不同 应用场合的监测诊断系统.例如:浙江大学与长江挖掘机厂合作开发的智能式工况实施监控与故障诊断系 统，具有汉字显示、故障自动判断、报警纪录与微机通讯等功能;葛洲坝水电工程学院开发的工程机械液压 系统智能故障诊断系统HSFIDS,利用专家知识和经验，通过向用户提问的方式，髙效、迅速地帮助用户找 到故障的原因、部位，并提供相应处理措施;大连理工大学以起重机为模型开发的工程机械工况测取与故 障诊断系统等.

　　工程机械设备及其故障现象本身是非常复杂的，而智能故障诊断系统由于具备模仿人的一些思维，能 有效地获取、传递、处理、再生和利用诊断信息，并对复杂环境下的诊断对象进行正确的状态识别、诊断和 预测，因而已成为目前工程机械故障诊断领域的主流方向.目前主要有两大类别:基于知识的智能故障诊 断系统和基于神经网络的智能故障诊断系统.

　　2.1基于知识的智能故陣诊断系统

　　知识是智能故障诊断系统的核心，其显式表示使系统具有概念明确、适于定性分析、推理路径清晰、易 于用户参与、便于解释等显著优点o存在的问题主要表现在:缺乏有效的诊断知识表达方式,不确定性推理 方法,推理效率低;存在知识获取"瓶颈"、知识"窄台阶",易出现"匹配冲突"、"组合爆炸"及"无穷递归"等 问题，学习能力、自适应能力差;诊断求解过程是一个在超高维空间的搜索过程，对于复杂的诊断对象，由 于搜索空间大、搜索速度慢，使得在线诊断困难、实时性差。

　　2.2基于神经网络的智能故陣诊断系统

　　与基于知识的智能故障诊断系统相比，基于神经网络的故障诊断系统则具有如下优点:具有统一的内 部知识表示形式，大量知识规则都可通过对范例的学习存储于一个相对小得多的神经网络的连接权重中， 便于知识库的组织与管理，通用性强、知识容量大;便于实现知识的自动获取，能够自适应环境的变化;推 理过程为并行的数值计算过程,避免了以往的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,推理速度快； 具有联想、记忆、类比等形象思维能力，克服了传统专家系统中存在的"知识窄台阶"等问题,可以工作于所 学习过的知识以外的范围;将知识表示、存储和推理融为一体o但是，由于神经网络只是从己知样本中得到 解决问题的能力，故仍存在一些局限性，表现在:①由于很难得到完整的关于对象模式的全部样本，使得 应用神经网络只能是一个不断完善的过程，而网络自身对这种自我完善的调度性能较差，造成了网络对奇 异模式的判断能力较差.②神经网络对结论及其过程不能作出解释，权重形式的知识表达方式难以理解, 而这对于基于结论的决策系统的可信性是必不可少的和至关重要的o③单纯对数据的应用使得神经网络 方法缺乏全局观,忽视了领域专家的经验知识，不能在所有层面上进行整体分析，这是神经网络应用中的 主要缺陷.

　　3工程机械故障诊断技术的发展趋势

　　工程机械的工况监测及故障诊断技术是以现代科学技术为先导的多学科交叉的应用性新技 术⑷.20世纪90年代以来，模拟人脑物理结构和直觉联想的人工神经网络智能诊断系统如雨后春笋 般地迅速发展起来，己成为国际上该领域的最新热点.从发展趋势看，当前主要的方向为:各种诊断理论与 神经网络的结合、信号处理与神经网络的集成、基于知识的专家系统与神经网络诊断系统的综合及设备故 庫诊断餐饞系统的微型化和"傻瓜"化智能故障诊断是人工智能研究的一个重要内容，它与知识表示和推 理方法有着密切的关系，其领域知识可用对象模型、经验规则、神经网模型、实例来表示.基于专家系统、基 于模糊理论、基于人工神经网络的诊断方法各有其优势和特点，但同时它们各自也存在着局限性.为克服 现有智能故障诊断方法中的不足，人们正在研究新一代的智能故障诊断系统- 

　　3.1基于学习的智能故陣诊断系统

       对于智能故障诊断系统来讲，知识获取是建造智能故障诊断系统的瓶颈,尤其是知识的自动获取一直 是专家系统研究中的难点.解决知识获取问题的途径是机器学习.机器学习研究的主要目标是让机器自身 具有获取知识的能力，使其能在实际工作中不断总结成功和失败的经验教训,对知识库中的知识自动进行 调整和修改,以丰富、完善系统的知识.机器学习是提髙故障诊断系统智能的主要途径，一旦诊断系统具有 学习能力，它就能从环境的变化中学习新知识，不断实现自我完善.因而，其主要发展方向大致有以下几方 面:①由基于规则的系统到基于混合模型的系统，可综合多种方法，如基于规则、基于功能和深层知识模 型的方法，甚至人工神经网络等方法,以实现多形式、多深度诊断知识的推理;②由领域专家提供知识到 机器学习;③由非实时诊断到实时诊断，实时诊断就是强调在线数据处理与在线诊断推理，要达到诊断的 实时性，需要寻求合理的诊断方法，设计合理的诊断软件结构，实行分级进程推理，尽可能提高硬件的处理 速度;④由单一推理策略到混合推理策略，知识处理系统常用的推理策略包括:数据驱动和目标驱动，前 者的主要缺点是盲目推理，后者的主要缺点是盲目选择目标，有效的办法是综合二者的优点，通过数据驱 动选择目标，通过目标驱动求解该目标，这就是双向混合推理策略的基本思想.

　　3.2基于集成的詧能故陣诊断系统

　　根据上面的分析，依靠单一智能技术的故障诊断系统都有各自的优缺点，难以满足工程机械等复杂系 统诊断的全部要求，因此，将多种不同的智能技术结合起来的集成智能诊断系统是工程机械故障诊断研究 的一个发展趋势.当前进行的集成主要有基于规则的专家系统与神经网络的集成、基于实例的推理(CBR) 与基于规则系统和神经网络的集成、信息融合与神经网络的集成、小波分析与神经网络的集成、模糊逻辑 与神经网络和专家系统的集成等.而神经网络与专家系统集成智能故障诊断系统将是工程机械故障诊断 技术的一个重要发展趋势.神经网络与专家系统的集成主要有两种策略:①将专家系统构成神经网络，把 传统专家系统的基于符号的推理变成基于数值运算的推理，以提高专家系统的执行效率并利用其学习能 力解决专家系统的学习问题;②将神经网络视为一类知识源的表达与处理模型，与其他知识表达模型一 起去表达领域专家的知识.

　　3.3基于网络的智能故陣诊断系统

　　现代大规模基础设施建设是由多品种、多数量工程施工机械、施工机群协同作业的生产过程.施工企 业在追求效率和施工成本的基础上，对设备运行的安全性、可靠性提出了越来越高的要求.现有工程机械 故障诊断方法,比如电子监测器方式、便携式微机的形式、工程机械检测维修车方式等，虽然在一定程度上 解决故障问题，但这些方式主要是针对单机,且不能实现管理者对设备状态的在线监视，现场管理者缺乏 机群设备状态的第一手资料,难以实现对施工机群进行科学的管理和实时调度.因此有必要寻找一种经 济、可靠、易实现的方法来实时地监测施工机械的运行状态,及时发现故障，及时处理，保证施工有效地进 行.而基于网络的智能故障诊断系统则是以工程机械机群为主要研究对象，结合工程机械施工机群的施工 特点和单机设备的结构特点，通过网络对施工机群实施在线状态监测与故障诊断，判断故障原因,提供维 修处理意见;评定故障类型及故障严重程度，为机群设备状态分析提供依据;预测停机维修时间，为机群动 态施工调度提供依据.系统的基本结构可如图2所示.

　　4结论

　　基于网络的集成智能故障诊断系统是一种以分布式网络技术和多媒体技术为支撑系统,以基于实例、 规则和人工神经网络模型的多种故障诊断模型耦合为核心和基础，集信号测试与处理及识别诊断于一体 的综合集成智能故障检测诊断系统，它非常适合处理工程机械故障诊断中由于工程机械结构的复杂性、施 工载荷的不确定性、工作环境条件的恶劣性等因素所带来的负面影响,因而是工程机械故障诊断技术领域 的重要发展方向.

　　【参考文献】

　　[1]丁玉兰,石来德.机械设备故障诊断技术[M].上海:上海科学技术出版社，1993.

　　[2]徐敏,黄邵毅.设备故障诊断手册[M].西安:西安交通大学出版社,1998.

　　[3]虞和济,陈长征，张省，等.基于神经网络的智能诊断[M〕.北京:冶金工业出版社,2000.

　　[4]张正松.旋转机械振动监测与故障诊断[M].北京:机械工业出版社,1991.

　　[5]钟秉林，黄仁.机械故障诊断学[M].北京:机械X业出版社，1997.

　　[6]杨叔子，丁洪,史铁林，机械设备诊断学的再探讨[J].华中理工大学学报,1991(8):1-7.

　　[7]GaborD.Theoryofcommunication[J].ProcIEEE,1946,93:42-45.

　　[8]PotterRK,KoppG,GreenHC.Visiblespeech[M].NewYork：VanNostrand,1947.

　　[9]VilleJ.Theorieetapplicstionsdelanotiondesignalanalytique[J].CablesetTransmission,1948,(2A)；6l-74.

　　[10]牛占文，王树新,郑尚龙.机群智能化工程机械故障诊断系统研究[J].机械科学与技术,2003,122,(6):999-1002.

　　[11]HuangNE'ZhenShen,LongSR,etal.Theempiricalmodedecompositionandthehilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis[J].ProcRoyalSocietyLond,1998,454A：903-995.

　　[12]CohenL.Time-frequencydistributions-areview[J].IEEEPnx:July,1989,77(7)；941-981.

　　[13]RbulO,FlandrinP.Time-scaleenergydistributions：Ageneralclassextendingwavelettranstoims[J].IEEETransSP,1992,40(7)：1746-1757.

　　[14]AlexanderSThomas.Amethodforrecursiveleastsquaresfilteringbaseduponaninverseqrdecomposition[j].IEEETransactbnonSignalProcessing,1993.(l)：2〇-30.

　　[15]AugerF,FlandrinP.Improvingthereadabilityoftime-frequencyandtime-scalerepresentationsbythereassignmentmethod[J].IEEETransSP,1995,43(5)：1746-1757.

　　[16]王奉涛,马孝江.智能故障诊断技术综述[J].机床与液压,2003,(4):6-8.