摘要：本文闡述了故障診斷技術(shù)這門(mén)學(xué)科的發(fā)展背景和社會(huì)需求及國(guó)內(nèi)發(fā)展?fàn)顩r。闡釋了故障診斷技術(shù)的基本概念，講解了觀察法、聽(tīng)診法、觸測(cè)法等傳統(tǒng)簡(jiǎn)易故障診斷手段和對(duì)比分析法、數(shù)字模型分析法、故障樹(shù)分析法、神經(jīng)網(wǎng)絡(luò)診斷法、專(zhuān)家系統(tǒng)診斷法等基于知識(shí)的精密診斷方法，并對(duì)未來(lái)診斷方法的發(fā)展趨勢(shì)，需要的條件和技術(shù)背景做出了說(shuō)明。

　　關(guān)鍵詞：故障診斷技術(shù),簡(jiǎn)易診斷法,精密診斷法,發(fā)展趨勢(shì)

　　故障診斷技術(shù)是40多年來(lái)發(fā)展起來(lái)的一門(mén)新興的學(xué)科，自20世紀(jì)60年代末美國(guó)國(guó)家宇航局就創(chuàng)立了美國(guó)故障預(yù)防小組以來(lái)，故障診斷技是術(shù)逐漸發(fā)展起來(lái)的以數(shù)學(xué)、物理、現(xiàn)代控制論、模式識(shí)別、人工智能、人工神經(jīng)網(wǎng)絡(luò)等多學(xué)科綜合交叉的新學(xué)科[1]。尤其是電子算機(jī)技術(shù)的應(yīng)用，已經(jīng)使其達(dá)到了智能化應(yīng)用的階段。

　　1故障診斷的概念及診斷方法發(fā)展歷程

　　故障診斷技術(shù)是檢測(cè)設(shè)備或系統(tǒng)運(yùn)行狀態(tài)，發(fā)現(xiàn)異常情況并作出判斷，為故障分析提供依據(jù)。它包括故障檢測(cè)、故障分離和故障辨識(shí)。故障診斷能夠定位故障并判斷故障的類(lèi)型及發(fā)生時(shí)間，進(jìn)一步分析可確定故障程度。

　　1.1傳統(tǒng)簡(jiǎn)易的故障診斷法

　　常用的簡(jiǎn)易狀態(tài)監(jiān)測(cè)方法主要有聽(tīng)診法、觸測(cè)法和觀察法等。這些傳統(tǒng)診斷方法與工人的經(jīng)驗(yàn)豐富程度息息相關(guān)，目前這些簡(jiǎn)易的診斷法仍然在許多大大小小的企業(yè)中應(yīng)用。

　　1.1.1觀察法

　　觀察法是人類(lèi)“視覺(jué)”在工業(yè)生產(chǎn)中故障診斷技術(shù)中的應(yīng)用。該方法是最直觀的判斷方法，機(jī)械設(shè)備上的零部件是否松動(dòng)、是否產(chǎn)生裂紋產(chǎn)生磨損腐蝕，潤(rùn)滑系統(tǒng)是否存在跑、冒、滴、漏現(xiàn)象，是否存在干摩擦，這些基本故障都可以一目了然。

　　1.1.2聽(tīng)診法

　　聽(tīng)診法是人類(lèi)“聽(tīng)覺(jué)”在工業(yè)生產(chǎn)中故障診斷技術(shù)中的應(yīng)用。旋轉(zhuǎn)機(jī)械設(shè)備在冶金、化工、機(jī)械等行業(yè)中約占八成，有設(shè)備運(yùn)轉(zhuǎn)總會(huì)產(chǎn)生振動(dòng)，通過(guò)監(jiān)聽(tīng)有規(guī)律的聲響是否存在有重、雜、怪、亂的異常噪聲，可推斷設(shè)備內(nèi)部出現(xiàn)的松動(dòng)、失衡等隱患。

　　1.1.3觸測(cè)法

　　觸測(cè)法是人類(lèi)“觸覺(jué)”在工業(yè)生產(chǎn)中故障診斷技術(shù)中的應(yīng)用。該方法是工人通過(guò)人手上的神經(jīng)纖維對(duì)溫度的敏感度，直接觸摸被檢測(cè)設(shè)備，從而根據(jù)感知溫度、振動(dòng)及間隙的變化做出判斷。同一工況，不同溫度，給工人的手產(chǎn)生的刺激不同，也就給工人溫度信號(hào)不同。觸摸時(shí)，應(yīng)試觸后再細(xì)觸，以估計(jì)機(jī)件的溫升情況，通過(guò)經(jīng)驗(yàn)的積累，判斷出設(shè)備在什么機(jī)件上出現(xiàn)了什么問(wèn)題。

　　1.2基于知識(shí)的精密診斷法

　　1.2.1數(shù)學(xué)模型分析法

　　隨著計(jì)算機(jī)技術(shù)和應(yīng)用數(shù)學(xué)不斷熔合交叉，利用數(shù)學(xué)模型從最本質(zhì)地表征動(dòng)態(tài)過(guò)程規(guī)律，可根據(jù)模型結(jié)構(gòu)和參數(shù)的變化，研究設(shè)備運(yùn)動(dòng)狀態(tài)。根據(jù)數(shù)學(xué)模型獲得的預(yù)測(cè)形態(tài)和所測(cè)量的形態(tài)之間的差異，推算出診斷系統(tǒng)的最小診斷。該方法具有以下優(yōu)勢(shì)：(1)可以利用設(shè)計(jì)的控制系統(tǒng)數(shù)學(xué)模型直接模擬分析;(2)無(wú)需系統(tǒng)先前運(yùn)行狀況經(jīng)歷積累，直接模擬分析，系統(tǒng)運(yùn)行前排除各類(lèi)故障;

　　1.2.2故障樹(shù)分析方法

　　故障樹(shù)模型是一個(gè)基于研究對(duì)象結(jié)構(gòu)、功能特征的行為模型;是一種定性的因果模型;是一種體現(xiàn)故障傳播關(guān)系的有向圖[2]。該分析方法是把診斷對(duì)象的最大故障作為故障分析的目標(biāo)，查找導(dǎo)致故障的全部要素，按照頂事件、中間事件、底事件逐層展開(kāi)。由于故障樹(shù)分析法把系統(tǒng)故障形成的原因按照總體到部分樹(shù)狀細(xì)化，符合人類(lèi)思維方式，思路清晰，結(jié)構(gòu)明了，所以容易掌握和應(yīng)用。故障樹(shù)是在部件關(guān)聯(lián)和故障模式分析的基礎(chǔ)建立的，嚴(yán)重依賴(lài)于故障樹(shù)信息的完整程度，所以大多與其他診斷方法結(jié)合使用。

　　1.2.3基于神經(jīng)網(wǎng)絡(luò)的診斷法

　　神經(jīng)網(wǎng)絡(luò)模型是在模仿人的大腦神經(jīng)元結(jié)構(gòu)特性的基礎(chǔ)上，建立的一種非線(xiàn)性動(dòng)力學(xué)網(wǎng)絡(luò)系統(tǒng)[3]。具有自學(xué)能力、泛化能力和并行計(jì)算能力，可實(shí)現(xiàn)分類(lèi)、優(yōu)化、自組織、聯(lián)想記憶和非線(xiàn)性映射等功能。因此神經(jīng)網(wǎng)絡(luò)診斷具有以下特征及優(yōu)勢(shì)：①可用網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和權(quán)值分布實(shí)現(xiàn)非線(xiàn)性的映射;②可用全局并行處理，實(shí)現(xiàn)從輸入空間到輸出空間的非線(xiàn)性信息變換;③可用在線(xiàn)數(shù)據(jù)進(jìn)一步學(xué)習(xí)，獲得更精準(zhǔn)的系統(tǒng)或故障類(lèi)型;④可處理繁瑣的非線(xiàn)性問(wèn)題;⑤可不需要統(tǒng)計(jì)模型，進(jìn)入決策環(huán)節(jié)。所以作為一種新的診斷方法，在故障領(lǐng)域具有極大的應(yīng)用潛能。

　　1.2.4專(zhuān)家系統(tǒng)的診斷法

　　專(zhuān)家系統(tǒng)是一種人工智能計(jì)算機(jī)程序，它采用大量專(zhuān)家知識(shí)和推理方法去求解實(shí)際問(wèn)題。在該系統(tǒng)中，診斷問(wèn)題的知識(shí)構(gòu)成單獨(dú)知識(shí)庫(kù)而不是在程序或數(shù)據(jù)結(jié)構(gòu)中，對(duì)問(wèn)題分離、求解具有很好的機(jī)動(dòng)性。一旦推理機(jī)制和某個(gè)專(zhuān)業(yè)領(lǐng)域知識(shí)庫(kù)已建成，該專(zhuān)家系統(tǒng)就可處理該領(lǐng)域內(nèi)的各種不同的情況。

　　對(duì)但不規(guī)范化的設(shè)備，就無(wú)處獲得診斷知識(shí)，所以在自適應(yīng)、學(xué)習(xí)能力及實(shí)時(shí)性方面也有局限性。專(zhuān)家系統(tǒng)的構(gòu)成一般由知識(shí)庫(kù)、推理機(jī)、數(shù)據(jù)庫(kù)、解釋程序、知識(shí)獲取程序五部分構(gòu)成[1]。除了上述的診斷手段外，還有邏輯辨別法、貝葉斯分類(lèi)法、距離函數(shù)分類(lèi)法模糊診斷法等基于模式識(shí)別的方法和各個(gè)方法的衍生及融合出的新診斷技術(shù)。

　　1.3故障診斷技術(shù)未來(lái)發(fā)展趨勢(shì)

　　1.3.1融合多種智能故障診斷技術(shù)

　　隨著科技的迅速發(fā)展衍生許多新的診斷領(lǐng)域，從單一學(xué)科到多種學(xué)科的交叉糅合，將多種的診斷技術(shù)相結(jié)合的混合診斷系統(tǒng)是智能故障診斷研究的一個(gè)發(fā)展趨勢(shì)。融合的幾類(lèi)形式：專(zhuān)家系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，CBR與基于規(guī)則系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相結(jié)合，模糊邏輯、神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng)的結(jié)合等。

　　1.3.2智能BIT技術(shù)研究

　　BIT即機(jī)內(nèi)測(cè)試技術(shù)，就是系統(tǒng)和設(shè)備內(nèi)部提供故障檢測(cè)和隔離的自動(dòng)測(cè)試能力。該技術(shù)發(fā)展方向主要有兩個(gè)方面：與ATE逐步融合，成長(zhǎng)為具有診斷能力的智能化監(jiān)控系統(tǒng)，可實(shí)現(xiàn)最優(yōu)設(shè)計(jì)、信息獲取、分析處理、綜合決策;與IT相結(jié)合，使未來(lái)IT系統(tǒng)成為一個(gè)集檢測(cè)診斷、隔離定位、控制保護(hù)于一體機(jī)電系統(tǒng)。它既豐富了電子設(shè)備的可靠性和檢測(cè)維修能力，又能簡(jiǎn)化維修，降低成本，具有很好的應(yīng)用前景。

　　1.3.3基于internet的遠(yuǎn)程協(xié)作診斷技術(shù)研究

　　隨著微電子、計(jì)算機(jī)、智能技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，基于因特網(wǎng)的設(shè)備故障遠(yuǎn)程協(xié)作診斷的研究成為故障診斷技術(shù)一大趨勢(shì)，亦是人工智能領(lǐng)域的關(guān)注點(diǎn)。基于internet的遠(yuǎn)程協(xié)作診斷技術(shù)需要具備三點(diǎn)[4]:第一，若干臺(tái)中心計(jì)算機(jī)作為服務(wù)器，在關(guān)鍵設(shè)備上建立狀態(tài)監(jiān)測(cè)點(diǎn),采集數(shù)據(jù);第二，建立分析診斷中心，提供遠(yuǎn)程技術(shù)支持和保障;第三，將診斷技術(shù)與網(wǎng)絡(luò)技術(shù)相結(jié)合，實(shí)現(xiàn)數(shù)據(jù)信息、診斷技術(shù)的網(wǎng)絡(luò)共享，使傳統(tǒng)診斷技術(shù)在網(wǎng)絡(luò)上遠(yuǎn)程運(yùn)用。

　　2結(jié)語(yǔ)

　　隨著科學(xué)技術(shù)的不斷發(fā)展，設(shè)備的集成化，智能化，精密化程度越來(lái)越高，設(shè)備故障診斷和經(jīng)濟(jì)效益的關(guān)系更加密切，對(duì)故障診斷技術(shù)的發(fā)展的要求越來(lái)越迫切。因此，故障診斷技術(shù)的研究和發(fā)展任重而道遠(yuǎn)。

　　參考文獻(xiàn)

　　[1] 鐘秉林,黃仁.機(jī)械故障診斷學(xué)[M].北京：機(jī)械工業(yè)出版社，1997.

　　[2] 李瓊哲.故障樹(shù)分析的數(shù)學(xué)基礎(chǔ)[J].核工程研究與設(shè)計(jì)，2009，74(2)：64-66.

　　[3] 陳果.一種實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險(xiǎn)最小化思想的結(jié)構(gòu)自適應(yīng)神經(jīng)網(wǎng)絡(luò)模型[J].儀器儀表學(xué)報(bào)，2007，28(10)：1874-1879.

　　[4] 何嶺松，王峻峰，楊叔子.基于因特網(wǎng)的設(shè)備故障遠(yuǎn)程協(xié)作診斷技術(shù)[J].中國(guó)機(jī)械工程，l999，3(l0)：336-338.

　　相關(guān)刊物推薦：儀器儀表學(xué)報(bào)(月刊)創(chuàng)刊于1980年，是中國(guó)科協(xié)主管、中國(guó)儀器儀表學(xué)會(huì)主辦，中國(guó)儀器儀表學(xué)科最具影響力的學(xué)術(shù)性刊物。