论文部分内容阅读
【摘 要】机电系统状态监测与故障诊断的技术是集合计算机科学，电子测试，人工智能自动化以及机械电子等多学科在一起交叉结合的一门新技术，是现代化冶金企业生产制造技术的发展结晶，也是保障生产设备安全高效运行的最为科学的关键技术。运用机电系统状态监测与故障诊断技术能够有效的预防生产系统中的事故隐患，能够及时的排除机械故障并避免由此所带来的经济损失和人员伤亡。对大型机电装备进行状态监测与故障预警诊断技术研究是保障其可靠健康运行的关键技术之一。
【关键词】机电系统状态监测;故障预警信息化技术;
前言
由于运用状态监测与故障诊断技术能够有效促进经济效益，所以在国际上得到了迅速的发展。随着世界科技的不断进展，计算机性能也在不断提升，数字信号的分析与运算方式也不断的优化，数据处理的运算速度和精准度大为提升，也为机电系统状态监测与故障诊断的现代技术创造了更为便利的条件。
一、状态监测与故障系统的发展
伴随着机电系统状态监测与诊断技术的发展，各式各样的监测仪器、诊断仪器及系统也广为出现，功能也跃为强大，仅以振动测量仪器及系统为例，其功能包括：轴振动监测，如轴心轨迹分析，轴向转动，壳体振动监测。频谱分析，如频率分析，阶比谱分析，阶跟踪谱分析、三维功率谱分析。自动预警、报警。故障特征提取及诊断等。就机电系统状态监测与故障诊断系统的发展，在国际上较为典型的诊断系统主要分为一下三种：
1.离线定期监测与诊断系统。在规定的时间内由测试人员到现场进行操作，依次用传感器对各测试点进行常规监测，并运用记录仪或存储器进行信号记录，将数据存储到专用微机或计算机上完成。由于此类产品系统使用方便，成本低廉，在早起使用中广为采用。但是此类产品系统测试比较繁琐，而离线定期监测，还需要专业测试人员进行测试和故障分析，较难及时避免突发性事故的发生。
2.在线监测、离线分析监测与诊断系统。此类系统称之为主从机监测与诊断系统。设备上安装多个测试点，每个测试点都安装传感器，由工作现场安装的微处理器对设备的每个传感器的数据进行采集和处理，有相关人员在主机系统上进行故障的判断与状态的分析，与离线定期监测系统相比对，虽然能在线进行检测和预、报警并在测试点上免去了更换的步骤，但分析和判断仍需要专业人员对离线数据进行操作。
3.自动在线监测与诊断系统。此类系统运用方便，能够实现自动在线监测设备的工作状态，及时的预报设备故障，且能够在线实现数据处理与分析判断。对值班人员的要求也在短期培训后亦可，此类系统技术先进，不需要专业工作人员对测试点进行检测、分析、判断，该设备能根据相关程序进行智能优化后进行分析、判断。但设备本身软硬件研发制作工作量大，具有较高的应用成本。状态监测与诊断系统可以运用在不同的机电设备系统上，可采取不同的监测与诊断方式。随着计算机技术的成熟与发展，应用成本的降低，也是对设备本身走向自动在线监测与诊断的方向发展，现代技术在设备监测与诊断维护的定检、巡检和检修也逐步迈向长期连续监测与预测性维修方式过度。
二、机电系统状态监测及故障预警的信息化技术
1.揭示机电设备运行状态机械动态特性劣化演变规律。机电系统由稳定运行状态劣化为非稳定运行状态，由非故障运行状态劣化为故障运行状态，其机械动特性通常有一个发展演变过程。需要研究揭示劣化过程及故障变化演变规律及发展特点，分析故障产生机理、发展原因和发展模式，建立故障发展原因与故障发展特性的映射关系。构建设备运行状态劣化演变的机械动态特性模型，这里涉及轻微损伤和磨损等微弱故障发展状态、传动系统调制信号发展状态、运行参数和载荷变化等非线性发展状态、复合故障发展状态等。
2.提取機电设备运行状态发展趋势特征。面向现场设备往往具有的复杂运行状态，进行机电设备运行状态发展趋势信息分析，其中难点问题是面向连续运行大型机电设备长历程变工况故障发展趋势特征提取。设备长历程运行中工况和负载等非故障因素会造成信号能量变化，故障发展趋势信息往往被非故障变化信息所淹没，而通常的基于能量的振动级值及功率谱的发展及变化不一定对应反映故障的发展及变化，且传统的基于能量变化的运行状态发展趋势特征提取方式往往具有不确定性，难以有效实现未来发展状态的趋势预测。因此需要进行机电设备故障趋势特征与变负载状态特征的解耦和分离，较大程度上消除非故障能量变化所造成的冗余信息，使得提取的故障发展趋势特征与机电系统负载变化等非故障变化特征弱耦合或分离，同时与机电系统故障变化强耦合，进而构建预测模型。一种提取长历程变负载设备运行状态发展趋势特征方法。
3.低信噪比微弱信号特征早期故障的信号处理。早期故障趋势信息是一种故障征兆信息，具有明显的低信噪比微弱信号的特征，在早期故障趋势分析中有用信息极易受到设备时变非平稳运行、环境变化、测试系统噪声等干扰。传统分析方法往往难以进行有效的早期故障预测，为实现早期故障发展趋势有效分析，需要采用适于低信噪比微弱信息的信号处理，涉及的方法包括：多传感系统检测及
信息融合，非平稳及非线性信号处理，故障征兆量和损伤征兆量信号分析，噪声规律（幅度、频率、相位等）与信号特点（频谱、相干性等）分析，噪声背景下小位移、微振动分析，针对微弱信息的信号处理方法（如数据挖掘、盲源分离、支持向量机、粗糙集等）以及有关随机不确定性、模糊不确定性、不完备性、不完全可靠性等信号处理方法等。
4.机电设备早期故障趋势预测模型构建。为实现基于智能信息系统的故障预警，需要构建机电设备早期故障趋势预测模型，构建这类模型大致有两个途径，分别是物理信息预测模型（一般是机械动力学预测模型）以及数据信息预测模型，通常这是两条相互独立及并行的研究途径，近年来有学者研究构建这两类趋势预测模型相融合的多信息融合新型趋势预测模型，采用这种多信息融合模型既利用了物理特性信息又融合了数值规律信息，有利于获得较理想的综合预测结果。
5.机电设备运行状态劣化的相关评价参数、模式及准则。这里主要是指对故障发展趋势的评价参数、模式及准则。具体内容涉及：确定能够表征设备状态发展趋势的参数（组合参数及因子）、特征模式（或模型），采用能够对系统状态发展趋势的参量、模式及聚类分析进行分类的方法，分析设备状态发展趋势的评价准则及边界条件，采用面向安全保障的统计决策理论方法并确定相关评价的错误率区间、条件及估计、验证方式等，提出能够从性能老化、传递特征退化和疲劳损伤等多方面综合评价故障演变过程和损伤及磨损积累的方法，提供故障发展趋势预测的稳定性、可靠性及维修性评估依据及判据等。
结束语
随着时代的不断发展，会逐渐的涌现出各种不同的技术，时代和技术之间的关系是相互促进的。因此，企业要想紧追时代的步伐，在激烈的市场竞争中脱颖而出，就需要使用一些先进的科学技术。很多企业经营的过程中都会使用到机电设备，其性能可以决定企业的经济效益以及生产力大小，因此需要大力提高机电设备的质量以及工作效率。将信息化技术应用到机电设备的维护保养中，能够大会出中重要的作用，对机电设备的状态监测和故障预警有重要的价值。信息化技术的应用，能够及时解决机电设备的故障问题，同时还可以促进企业的健康稳定发展。
参考文献：
[1]张毅.基于SOA 的设备状态监测与故障诊断系统的研究[D].上海交通大学，2018.
（作者单位：安徽国祯环保节能科技股份有限公司）
【关键词】机电系统状态监测;故障预警信息化技术;
前言
由于运用状态监测与故障诊断技术能够有效促进经济效益，所以在国际上得到了迅速的发展。随着世界科技的不断进展，计算机性能也在不断提升，数字信号的分析与运算方式也不断的优化，数据处理的运算速度和精准度大为提升，也为机电系统状态监测与故障诊断的现代技术创造了更为便利的条件。
一、状态监测与故障系统的发展
伴随着机电系统状态监测与诊断技术的发展，各式各样的监测仪器、诊断仪器及系统也广为出现，功能也跃为强大，仅以振动测量仪器及系统为例，其功能包括：轴振动监测，如轴心轨迹分析，轴向转动，壳体振动监测。频谱分析，如频率分析，阶比谱分析，阶跟踪谱分析、三维功率谱分析。自动预警、报警。故障特征提取及诊断等。就机电系统状态监测与故障诊断系统的发展，在国际上较为典型的诊断系统主要分为一下三种：
1.离线定期监测与诊断系统。在规定的时间内由测试人员到现场进行操作，依次用传感器对各测试点进行常规监测，并运用记录仪或存储器进行信号记录，将数据存储到专用微机或计算机上完成。由于此类产品系统使用方便，成本低廉，在早起使用中广为采用。但是此类产品系统测试比较繁琐，而离线定期监测，还需要专业测试人员进行测试和故障分析，较难及时避免突发性事故的发生。
2.在线监测、离线分析监测与诊断系统。此类系统称之为主从机监测与诊断系统。设备上安装多个测试点，每个测试点都安装传感器，由工作现场安装的微处理器对设备的每个传感器的数据进行采集和处理，有相关人员在主机系统上进行故障的判断与状态的分析，与离线定期监测系统相比对，虽然能在线进行检测和预、报警并在测试点上免去了更换的步骤，但分析和判断仍需要专业人员对离线数据进行操作。
3.自动在线监测与诊断系统。此类系统运用方便，能够实现自动在线监测设备的工作状态，及时的预报设备故障，且能够在线实现数据处理与分析判断。对值班人员的要求也在短期培训后亦可，此类系统技术先进，不需要专业工作人员对测试点进行检测、分析、判断，该设备能根据相关程序进行智能优化后进行分析、判断。但设备本身软硬件研发制作工作量大，具有较高的应用成本。状态监测与诊断系统可以运用在不同的机电设备系统上，可采取不同的监测与诊断方式。随着计算机技术的成熟与发展，应用成本的降低，也是对设备本身走向自动在线监测与诊断的方向发展，现代技术在设备监测与诊断维护的定检、巡检和检修也逐步迈向长期连续监测与预测性维修方式过度。
二、机电系统状态监测及故障预警的信息化技术
1.揭示机电设备运行状态机械动态特性劣化演变规律。机电系统由稳定运行状态劣化为非稳定运行状态，由非故障运行状态劣化为故障运行状态，其机械动特性通常有一个发展演变过程。需要研究揭示劣化过程及故障变化演变规律及发展特点，分析故障产生机理、发展原因和发展模式，建立故障发展原因与故障发展特性的映射关系。构建设备运行状态劣化演变的机械动态特性模型，这里涉及轻微损伤和磨损等微弱故障发展状态、传动系统调制信号发展状态、运行参数和载荷变化等非线性发展状态、复合故障发展状态等。
2.提取機电设备运行状态发展趋势特征。面向现场设备往往具有的复杂运行状态，进行机电设备运行状态发展趋势信息分析，其中难点问题是面向连续运行大型机电设备长历程变工况故障发展趋势特征提取。设备长历程运行中工况和负载等非故障因素会造成信号能量变化，故障发展趋势信息往往被非故障变化信息所淹没，而通常的基于能量的振动级值及功率谱的发展及变化不一定对应反映故障的发展及变化，且传统的基于能量变化的运行状态发展趋势特征提取方式往往具有不确定性，难以有效实现未来发展状态的趋势预测。因此需要进行机电设备故障趋势特征与变负载状态特征的解耦和分离，较大程度上消除非故障能量变化所造成的冗余信息，使得提取的故障发展趋势特征与机电系统负载变化等非故障变化特征弱耦合或分离，同时与机电系统故障变化强耦合，进而构建预测模型。一种提取长历程变负载设备运行状态发展趋势特征方法。
3.低信噪比微弱信号特征早期故障的信号处理。早期故障趋势信息是一种故障征兆信息，具有明显的低信噪比微弱信号的特征，在早期故障趋势分析中有用信息极易受到设备时变非平稳运行、环境变化、测试系统噪声等干扰。传统分析方法往往难以进行有效的早期故障预测，为实现早期故障发展趋势有效分析，需要采用适于低信噪比微弱信息的信号处理，涉及的方法包括：多传感系统检测及
信息融合，非平稳及非线性信号处理，故障征兆量和损伤征兆量信号分析，噪声规律（幅度、频率、相位等）与信号特点（频谱、相干性等）分析，噪声背景下小位移、微振动分析，针对微弱信息的信号处理方法（如数据挖掘、盲源分离、支持向量机、粗糙集等）以及有关随机不确定性、模糊不确定性、不完备性、不完全可靠性等信号处理方法等。
4.机电设备早期故障趋势预测模型构建。为实现基于智能信息系统的故障预警，需要构建机电设备早期故障趋势预测模型，构建这类模型大致有两个途径，分别是物理信息预测模型（一般是机械动力学预测模型）以及数据信息预测模型，通常这是两条相互独立及并行的研究途径，近年来有学者研究构建这两类趋势预测模型相融合的多信息融合新型趋势预测模型，采用这种多信息融合模型既利用了物理特性信息又融合了数值规律信息，有利于获得较理想的综合预测结果。
5.机电设备运行状态劣化的相关评价参数、模式及准则。这里主要是指对故障发展趋势的评价参数、模式及准则。具体内容涉及：确定能够表征设备状态发展趋势的参数（组合参数及因子）、特征模式（或模型），采用能够对系统状态发展趋势的参量、模式及聚类分析进行分类的方法，分析设备状态发展趋势的评价准则及边界条件，采用面向安全保障的统计决策理论方法并确定相关评价的错误率区间、条件及估计、验证方式等，提出能够从性能老化、传递特征退化和疲劳损伤等多方面综合评价故障演变过程和损伤及磨损积累的方法，提供故障发展趋势预测的稳定性、可靠性及维修性评估依据及判据等。
结束语
随着时代的不断发展，会逐渐的涌现出各种不同的技术，时代和技术之间的关系是相互促进的。因此，企业要想紧追时代的步伐，在激烈的市场竞争中脱颖而出，就需要使用一些先进的科学技术。很多企业经营的过程中都会使用到机电设备，其性能可以决定企业的经济效益以及生产力大小，因此需要大力提高机电设备的质量以及工作效率。将信息化技术应用到机电设备的维护保养中，能够大会出中重要的作用，对机电设备的状态监测和故障预警有重要的价值。信息化技术的应用，能够及时解决机电设备的故障问题，同时还可以促进企业的健康稳定发展。
参考文献：
[1]张毅.基于SOA 的设备状态监测与故障诊断系统的研究[D].上海交通大学，2018.
（作者单位：安徽国祯环保节能科技股份有限公司）