机械设备故障诊断与监测的常用方法及其发展趋势

崔炎陆

摘  要： 随着我国工业化进程的不断加快，机械设备的应用对经济发展的作用越来越明显。提高机械设备故障诊断和监测技术水平是工业生产的有 力保障。因此必须要对机械设备进行故障诊断和监测，从而做好维修和维护工作，避免给机械生产造成影响，也能够保证操作人员的安全，本文对机械 设备故障诊断与监测的常用方法进行了分析，并且对未来的发展趋势进行了讨论。

关键词： 机械设备;故障诊断与监测;方法;发展

引言

近年来，随着机械设备的运行环境逐渐复杂化，机械设备发生故障的 概率显著提高，一旦未能及时发现机械设备的局部故障问题，最终可能导致 机械设备潜伏性故障逐渐发展以致整体性损坏的严重后果。在智能制造的背 景下，对机械设备相关关键部件进行故障诊断和监测成为一个值得思考的现 实问题。因此，以下就机械设备故障诊断与监测方法展开分析与探讨。

1 机械设备故障诊断及监测的常用方法

1.1  红外测温法

在此方法的使用中，主要是使用红外测温的仪器根据机械设备的不同 位置存在不同温度以及温度变化的情况等实现对其运行状态分析与判断。 红外测温的仪器测温原理主要为黑体辐射的定律，即物体温度越高的话， 所发红外辐射的能力就越强。若某些故障的部位往往会体现出温度升高特 征，进而提示此位置出现排烟管阻塞、磨损或者接点的烧坏等故障。此方 法中，红外测温的仪器发挥重要的作用，它能够非接触性和远距离地实现 对机械设备的测温目的，还可以结合信息处理、运算和判断等功能，来对 机械设备工作环境的周围温度和变化状况如实反映。此方法在实践运用 中，能够有效避免户外监测受天气因素的影響，提升测量精确度，且便于 对数据进行存取。

1.2  振动监测诊断技术

机械在运转过程中常常伴随着振动特征的出现，根据机械设备的这个 特点，振动监测技术被广泛应用在机械故障诊断领域中。这种技术通过对 机械运行时的速度、加速度和位移等参数的监测，参照机械运行时的频率 客观地监测出机械工作中的状态信息。在利用振动监测技术时，常常要选 择机械设备中关键部位进行测量，这样能够确保所得的数据更加准确。经 过检测所得的信息经过放大和过滤处理后，会形成数据信息在分析诊断设 备中进行处理判断，通过频谱的方式展示出来，进而形成对设备故障的早 期判断。

1.3  人工智能诊断技术

人工智能故障诊断技术，属于计算机前沿科学领域，在国内外已经得 到了广泛的重视。人工神经网络理论是一种典型的数学模型。它通过模拟人 类大脑的神经分布及感应，以实现智能化的机器决策。在利用神经网络对机 械设备故障进行诊断时，首先采用原始故障数据集对人工神经网络进行训 练，并利用训练好的神经网络对实际故障数据进行诊断分析，最终确定故障 类型及位置。此外，人工神经网络还可以预测可能发生的故障，对每个零部 件的主要参数进行分析计算，使用户更好地了解到设备的使用情况，及时排 除机械设备可能存在的潜伏性故障，避免出现严重事故。但人工神经网络存 在容易陷入局部最优解的问题，而时下大热的深度学习则逐渐取代神经网络 成为智能算法的主流。深度学习基于神经网络发展而来，常见的深度学习算 法包括卷积神经网络、长短时记忆网络、深度置信网络等，这些网络也开始 被引入到机械设备的故障诊断中，并具有良好的效果。

1.4  远程监测诊断技术

在工程应用中，机械设备各种参数的动态信号往往通过传感器来获 得，为了使监测所得的动态信号与机械设备一一对应，工程师会对机械设 备按顺序编号。接着传感器采集的信号通过无线网络技术传输给机械设备 监控中心的计算机服务器，根据动态信号的时域和频域分析结果，实现机 械设备运行状态的远程实时监测功能。在对获得的数据进行时域分析时， 可以通过判断时域信号中是否有周期性脉冲峰值等方法。但这类方法容易 受到机械设备运行时周围噪声信号的干扰，不易判断出机械设备的健康状 态。而将时域信号通过频谱分析转换成频域信号，可以有效减少噪声对诊断的不良影响，把这些振动信号的频谱图与健康状态对应的频谱图进行比 对，以此判断机械设备可能发生的故障类型。中心计算机服务器把发生故 障的机械设备动态参数传输到现场，操作人员以此为依据确定发生故障部 位并及时进行检修。

2 机械设备故障诊断与监测的发展趋势

2.1  机械智能监测

智能监测被广泛应用在船舶制造、石油化工、电力设备和轨道交通等 领域，是较为先进的机械设备故障诊断和监测技术之一。智能检测技术主 要针对旋转机械进行故障诊断和监测，智能监测利用了高精度的数据采集 系统对机械设备的运行数据进行实时记录，能够对机械的运行状态进行实 时监测。旋转机械在工作中，泵和齿轮传动系统是主要的机械构成部分， 在长期的运转构成中会出现部件的磨损和老化，有时也会出现螺栓的松动 或轴对中偏移等情况，这常见的问题发展到最后将会造成设备故障。当设 备一旦被诊断出具有故障发生的可能性，智能监测系统就会产生自动报 警，在提示的同时通过数据分析判断出故障产生的具体原因，避免故障的 发生导致生产环节的中断，甚至能够避免人员和设备的安全事故，起到降 低运行和维护成本的作用。

2.2  信息融合发展

在现代化科学技术迅猛发展下，人们对信号的获取方式也是各种各 样，而在对机械设备的故障信号获取中，如何实现其特征信号的准确和及时 获取是研究重点。在对机械设备故障信号获取中，不仅需要借助信号采集和 传递装置进行相应信号的获取和传输，且还需要通过信息融合的分析技术对 此类信号进行有效处理，才能够更好实现对机械设备的准确诊断。在对信号 频谱的分析中，对信号处理需要实现信息融合发展， 对傅里叶的变换、小波 变换等方式合理使用。通过傅里叶的变换，能够在整个的频域内对信号成分 实现有效分析，但其不能同时对频域以及时域进行分析;但小波变换就能够 同时对频域以及时域进行分析，特别擅长对故障信号的时间与频率方面细节 的分析， 实现对信号局部的特点突出表现，同时小波变换对非定常性瞬态变 化的信号特性能够简单、有效分析，在实际的操作中并不需要借助数学的模 型就能够对信号稳定和迅速分析。在基于小波变换上，和神经网格以及分形 理论结合，还可以进一步实现可靠故障信号的获取。

2.3  网络集成资源

近年来，局域网发展迅速，而且在工业控制方面起到了很大的作用， 尤其是在信息的收集和分析方面展现出了很大的优势。因此在未来的机械 设备故障诊断与监测上，利用局域网技术，将信号监测设备与计算机连接 起来，利用计算机强大的计算能力能够使故障诊断分析更加准确、迅速， 也能够确保机械设备更加稳定的运行。

3 结束语

综上所述，机械设备故障诊断与监测在现代工业中有着举足轻重的重 要作用，在传统的机械设备故障诊断与监测中，方法有很多，但是无论是 哪一种方法都有一定的局限性，因此在未来的发展过程中必须进行更加深 入的研究，不断的优化和完善方法，在现代信息技术的推动下，机械设备 故障与诊断技术的数字化、自动化、智能化程度必然会不断提高，机械设 备的运行效率也会越来越高，对于企业设备管理水平的提高有很大帮助， 也更加有利于现代化工业的发展。

参考文献：

[1]王光宇.机械故障诊断与监测方法的研究[J].现代经济信息，2018，（24）：379.

[2]车立志，刘倩婧.机械设备故障诊断技术研究[J].煤矿机械，2020，37（3）：3-5.

[3]杜阳.机电设备状态监测与故障诊断技术研究[J].环球市场，2019，（10）：172.

2923501705264