基于動(dòng)態(tài)機(jī)理模型的故障診斷方法分析

（中車戚墅堰機(jī)車有限公司，江蘇常州 213011）

0.引言

動(dòng)態(tài)機(jī)理模型是分析動(dòng)態(tài)變化過程，并從中獲得相關(guān)信息達(dá)到既定目標(biāo)的數(shù)字化模型，基于動(dòng)態(tài)機(jī)理模型的故障診斷方法能夠在機(jī)械設(shè)備、系統(tǒng)的實(shí)際運(yùn)行過程中對(duì)機(jī)械設(shè)備、系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行監(jiān)督和分析，繼而導(dǎo)出故障風(fēng)險(xiǎn)，支持相關(guān)技術(shù)人員進(jìn)行故障隱患的有效排除，形成優(yōu)良的機(jī)械設(shè)備、系統(tǒng)運(yùn)行空間。

1.基于動(dòng)態(tài)機(jī)理模型的故障診斷優(yōu)勢(shì)

當(dāng)前，我國(guó)正處于現(xiàn)代化建設(shè)的關(guān)鍵時(shí)期，在相關(guān)先進(jìn)信息技術(shù)的支持下，工業(yè)化發(fā)展水平大大提升，生產(chǎn)效率也呈現(xiàn)了明顯的上升趨勢(shì)，在工業(yè)化生產(chǎn)中，相關(guān)機(jī)械設(shè)備和生產(chǎn)系統(tǒng)的運(yùn)行狀態(tài)將直接影響生產(chǎn)效率和生產(chǎn)安全。傳統(tǒng)的故障診斷方法以難以滿足多樣性故障診斷需求，以下對(duì)基于動(dòng)態(tài)機(jī)理模型的故障診斷優(yōu)勢(shì)進(jìn)行介紹：

（1）風(fēng)險(xiǎn)規(guī)避優(yōu)勢(shì)?；趧?dòng)態(tài)機(jī)理模型的故障診斷方法能夠支持相關(guān)安全管理人員和生產(chǎn)管理人員結(jié)合實(shí)際生產(chǎn)情況合理配置監(jiān)管時(shí)段，確定監(jiān)管重點(diǎn)，實(shí)時(shí)導(dǎo)出監(jiān)管數(shù)據(jù)，并在系統(tǒng)中將監(jiān)管數(shù)據(jù)與機(jī)械設(shè)備的正常運(yùn)行數(shù)據(jù)進(jìn)行比對(duì)，快速導(dǎo)出風(fēng)險(xiǎn)系數(shù)，支持相關(guān)管理人員快速定位隱患位置，并進(jìn)行精準(zhǔn)排除，切實(shí)降低機(jī)械設(shè)備和系統(tǒng)的癱瘓風(fēng)險(xiǎn)，有助于提升安全生產(chǎn)系數(shù)。（2）高效率優(yōu)勢(shì)。傳統(tǒng)的故障診斷方法多為人工診斷，這種診斷方式對(duì)診斷人員的技術(shù)能力要求較高，同時(shí)，診斷人員需要具備優(yōu)良的職業(yè)精神和良好的職業(yè)操守，盡管如此，也仍難避免出現(xiàn)相關(guān)疏漏診斷現(xiàn)象，使得機(jī)械設(shè)備和系統(tǒng)的運(yùn)行狀態(tài)難以得到有效維護(hù)，而基于動(dòng)態(tài)機(jī)理模型的故障診斷方法可有效取代人工診斷，快速定位機(jī)械設(shè)備的隱患位置，并進(jìn)行故障預(yù)警，支持設(shè)備管理人員對(duì)設(shè)備和系統(tǒng)進(jìn)行針對(duì)性管理。

2.基于動(dòng)態(tài)機(jī)理模型的故障診斷路徑

2.1 混合邏輯故障診斷

基于動(dòng)態(tài)機(jī)理模型的故障診斷方法能夠有效滿足不同機(jī)械設(shè)備和不同生產(chǎn)系統(tǒng)的故障診斷需求，切實(shí)提高故障診斷效率，支持相關(guān)生產(chǎn)管理人員和機(jī)械設(shè)備維護(hù)人員對(duì)故障進(jìn)行預(yù)處理和有效維護(hù)?；旌线壿嫻收显\斷方法主要是指在動(dòng)態(tài)機(jī)理模型的支持下根據(jù)不同的機(jī)械運(yùn)行環(huán)境和生產(chǎn)流程設(shè)置的多樣性診斷程序，混合邏輯故障診斷具有較高的適配性，以下對(duì)其進(jìn)行介紹：

混合邏輯故障診斷方法可切實(shí)滿足混雜性系統(tǒng)和流程的優(yōu)化控制需求，在故障診斷中具有較高的容錯(cuò)率。在混雜MLD系統(tǒng)的優(yōu)化控制中，主要實(shí)現(xiàn)了性能指標(biāo)的簡(jiǎn)化以及基于MLD的二階系統(tǒng)最優(yōu)控制，通過實(shí)現(xiàn)MLD系統(tǒng)的穩(wěn)態(tài)值求解及仿真設(shè)計(jì)，可完成混雜MLD系統(tǒng)的預(yù)測(cè)控制，即根據(jù)故障診斷系統(tǒng)的運(yùn)行狀態(tài)，在系統(tǒng)內(nèi)部快速適配最優(yōu)故障診斷方案，并實(shí)現(xiàn)故障環(huán)境的分析和故障點(diǎn)的定位。同時(shí)，混合邏輯故障診斷還可支持相關(guān)技術(shù)人員在平臺(tái)上進(jìn)一步分析該故障可能引發(fā)的風(fēng)險(xiǎn)，提高技術(shù)人員對(duì)隱患排除的重視程度。

2.2 人工神經(jīng)網(wǎng)絡(luò)故障診斷

人工神經(jīng)網(wǎng)絡(luò)是20世紀(jì)80年代以來(lái)人工智能領(lǐng)域興起的研究熱點(diǎn)，可從信息處理角度對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象處理，建立某種簡(jiǎn)單模型，按不同的連接方式組成不同的網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)故障診斷是利用神經(jīng)網(wǎng)絡(luò)運(yùn)算模型由大量的節(jié)點(diǎn)之間相互連接實(shí)現(xiàn)的數(shù)據(jù)整合和數(shù)據(jù)分析，可判斷相關(guān)機(jī)械設(shè)備和生產(chǎn)系統(tǒng)是否存在故障隱患?；趧?dòng)態(tài)機(jī)理模型的人工神經(jīng)網(wǎng)絡(luò)故障診斷方法具有較高的智能化水平和自動(dòng)化水平，在應(yīng)用人工神經(jīng)網(wǎng)絡(luò)故障診斷方法時(shí)，應(yīng)基于人工神經(jīng)元模型和BP網(wǎng)絡(luò)模型，實(shí)現(xiàn)仿真數(shù)據(jù)的獲取和預(yù)處理，并利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行相關(guān)機(jī)械設(shè)備的狀態(tài)識(shí)別，在數(shù)據(jù)庫(kù)中快速定位該機(jī)械設(shè)備的正常運(yùn)行狀態(tài)，將二者進(jìn)行比對(duì)，有效掌握故障所產(chǎn)生的數(shù)據(jù)變化，支持相關(guān)技術(shù)人員進(jìn)行故障的針對(duì)性排除。另外，人工神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)還可基于動(dòng)態(tài)機(jī)理模型，實(shí)現(xiàn)故障的自動(dòng)化排除，大大減輕故障處理效率。值得一提的是，隨著我國(guó)現(xiàn)代化建設(shè)水平的不斷提升，相關(guān)領(lǐng)域的技術(shù)更新速度逐步加快，使得故障診斷全面臨著全新的變化和挑戰(zhàn)，與其他故障診斷技術(shù)相比，人工神經(jīng)網(wǎng)絡(luò)故障診斷方法具有較高的自主學(xué)習(xí)能力，能夠在故障診斷過程中，根據(jù)系統(tǒng)環(huán)境的變化進(jìn)行診斷方法的學(xué)習(xí)和演進(jìn)，滿足實(shí)時(shí)性診斷需求[1]。

2.3 物聯(lián)網(wǎng)故障診斷

物聯(lián)網(wǎng)技術(shù)具有較高的數(shù)據(jù)整合能力，能夠在傳感器的支持下實(shí)現(xiàn)數(shù)據(jù)環(huán)境感知，以下對(duì)基于動(dòng)態(tài)機(jī)理模型的物聯(lián)網(wǎng)故障診斷方法進(jìn)行介紹：

為充分發(fā)揮物聯(lián)網(wǎng)技術(shù)的數(shù)據(jù)整合能力和數(shù)據(jù)分析能力，應(yīng)完成遠(yuǎn)程故障智能診斷系統(tǒng)設(shè)計(jì)，該系統(tǒng)主要包括感知層、網(wǎng)絡(luò)層和應(yīng)用層，其中感知層包括數(shù)據(jù)篩選模塊、采集模塊和設(shè)備模塊，可連接網(wǎng)絡(luò)層，網(wǎng)絡(luò)層包括數(shù)據(jù)后縮模塊、數(shù)據(jù)加密模塊以及Internet傳輸模塊，在Internet傳輸模塊的支持下，網(wǎng)絡(luò)層將與應(yīng)用層進(jìn)行數(shù)據(jù)連接和數(shù)據(jù)共享。應(yīng)用層主要包括人機(jī)交互模塊、結(jié)果處理模塊、專家診斷模塊、數(shù)據(jù)庫(kù)儲(chǔ)存模塊、數(shù)據(jù)處理模塊。在應(yīng)用層、網(wǎng)絡(luò)層和感知層的支持下，基于物聯(lián)網(wǎng)的故障診斷系統(tǒng)將具備大范圍的故障診斷能力。在遠(yuǎn)程故障智能診斷系統(tǒng)整體設(shè)計(jì)中，還應(yīng)進(jìn)行智能終端硬件設(shè)計(jì)，主要包括核心處理器、ARM芯片選取，WIFI模塊設(shè)計(jì)、數(shù)據(jù)采集模塊設(shè)計(jì)和終端主要電路設(shè)計(jì)。其中，終端主要電路設(shè)計(jì)內(nèi)容包括電源模塊的設(shè)計(jì)、串口電路的設(shè)計(jì)、儲(chǔ)存器模塊設(shè)計(jì)以及LCD液晶觸摸屏的設(shè)計(jì)，在雙坐標(biāo)射帶快速可調(diào)算法的輔助下，數(shù)據(jù)可通過VPN安全傳輸渠道在系統(tǒng)內(nèi)得以整合，支持技術(shù)人員實(shí)時(shí)掌握故障數(shù)據(jù)[2]。

2.4 子空間辨識(shí)輔助故障診斷

基于動(dòng)態(tài)機(jī)理模型的故障診斷方法對(duì)提高系統(tǒng)安全性，降低系統(tǒng)癱瘓風(fēng)險(xiǎn)具有重要意義和深遠(yuǎn)影響，目前，空間辨識(shí)輔助故障診斷在我國(guó)相關(guān)領(lǐng)域中已經(jīng)實(shí)現(xiàn)有效應(yīng)用，并已取得實(shí)質(zhì)性的應(yīng)用成效。該故障診斷方法下的故障診斷主要是通過參數(shù)辨識(shí)實(shí)現(xiàn)的，在相關(guān)算法的支持下子空間辨識(shí)輔助故障檢測(cè)系統(tǒng)可開展故障檢測(cè)，并進(jìn)行仿真分析和實(shí)驗(yàn)驗(yàn)證，深入分析故障環(huán)境和故障誘發(fā)機(jī)理，在動(dòng)態(tài)環(huán)境下也能具有較高的故障檢測(cè)效率和故障定位精準(zhǔn)性。子空間辨識(shí)輔助故障檢測(cè)方法的檢測(cè)流程為：根據(jù)故障檢測(cè)環(huán)境，針對(duì)性訓(xùn)練數(shù)據(jù)，精準(zhǔn)設(shè)置故障識(shí)別對(duì)象，接著，在系統(tǒng)內(nèi)部高效率計(jì)算參數(shù)矩陣，生成殘差和統(tǒng)計(jì)量，得到閾值，在此基礎(chǔ)上，診斷系統(tǒng)將進(jìn)一步進(jìn)行數(shù)據(jù)測(cè)試，并根據(jù)在線的輸入、輸出數(shù)據(jù)，生成相關(guān)測(cè)試內(nèi)容，完成生成測(cè)試數(shù)據(jù)下的殘差和統(tǒng)計(jì)量分析，最終通過故障檢測(cè)邏輯，判斷系統(tǒng)是否發(fā)生故障。子空間辨識(shí)輔助故障診斷方法能夠在系統(tǒng)內(nèi)精準(zhǔn)設(shè)定故障診斷目標(biāo)，因此，該診斷方法具有較高的診斷效率和診斷精準(zhǔn)性，能夠支持相關(guān)技術(shù)人員在系統(tǒng)內(nèi)部輸入實(shí)際測(cè)量值，通過精密計(jì)算導(dǎo)出相關(guān)輸入、輸出以及噪聲狀態(tài)下的輸出測(cè)量值，構(gòu)建系統(tǒng)狀態(tài)空間模型，相關(guān)人員能夠通過比對(duì)狀態(tài)空間模型，完成故障分析[3]。

3.結(jié)語(yǔ)

當(dāng)前我國(guó)正處于現(xiàn)代化建設(shè)的關(guān)鍵時(shí)期，隨著工業(yè)化發(fā)展進(jìn)程的不斷推進(jìn)，可以預(yù)見，基于動(dòng)態(tài)機(jī)理模型的故障診斷方法具有優(yōu)良應(yīng)用平臺(tái)和寬廣發(fā)展空間，可通過混合邏輯故障診斷、人工神經(jīng)網(wǎng)絡(luò)故障診斷、物聯(lián)網(wǎng)故障診斷和子空間辨識(shí)輔助故障診斷提高故障診斷效率和故障診斷的精準(zhǔn)性。