摘要：机器设备的早期诊断，最难的是找到故障信号的特点。由于受到了所在地环境的影响，测量的信号中有很多障碍，信号的强度很弱，很难发现正确的设备状态。如何从混合的信号中检测出模糊故障是目前所研究的问题之一。因此，本文通过与互联网相互结合的智能诊断方法进行故障提取与诊断。
关键词：早期故障预防；微弱信号监测；智能诊断；独立分量分析
引言
随着科技的快速发展，机器设备也在不断的发展、它们更加大型化、尖端化和智能化。结构也很复杂，设备之间的联系也很复杂。若设备的一部分在加工过程中发生了故障，导致系统瘫痪，或者生产的中断，这样会造成巨大的企业灾难。所以，提高机械设备的状态监测与故障诊断技术的研究力量，具有重要的含义与经济价值。机器设备的监控和故障诊断技术能够尽快发现其故障，并且及时的处理设备的问题。提高设备的信赖性，避免发生重大的意外事故，减少事故所带来的的损失。特别是机械设备故障造成的损失。早期的故障的特点相对比较简单,对系统的影响较小，而且保障费用相对较低。早期诊断有助于设备的安全运行，但是在实际监视机械设备的运行过程之中因为大部分的监视环境下噪音很强，而机器各零件的出口信号都有所联系，所以找到故障原因是很难的，特别是发生故障的初期信号相对较弱，可能被噪音淹没，很难被抓到。所以，先进的微细信号测量技术可以提高机械设备故障的正确性，这在社会的发展中具有非常重要的意义。
一、机械故障的弱信号检查研究现状。
机器故障的检查一般包括了三步。一是信号的收集、第二是特点的提取、第三是智能监测。实际的生产生活中，为了满足实际工程的所有需求，需要加强机器设备的故障初期障碍诊断。
早期故障的监视诊断就是传感器诊断，通过传感器合理的部署、然后进行信号处理与特征提取、故障的属性特征的提取等方面实现。最近几年之中，大量的“信号测定的技术”陆续出现，在设备运行的初期会出现各种故障，通过采集设备的状态信息，然后把它们收集在传感器之中，最后进行分析。在监测出的数字信号后，进行测量设备故障的特点。
二、基于降噪及经验模式分解的微弱信号检测
降噪音与EMD的弱小信号的检测。在加工现场会产生强烈的噪音，这样会严重的破坏EMD的质量，形态滤波技术可以降低噪声，奇异值的分解降噪可以去除那些随机的噪音，这两个方法进行结合对采集到的信号信息进行预先监测，再利用EMD技术来处理信号。
EMD：被称为自适应时间频率分析监测方法，它可以用在机械早期的故障中弱小信息提取方法。EMD的层数越多就说明工作环境中噪音就越大，会造成测试的误差,影响实验结果，下面把形态滤波技术与奇异值的分解降噪方法相结合，来组成一个新的方法进行故障的监测处理。对信号使用降噪的预处理，可以减少EMD分出的层数，这样会有效的解决信号不稳定的现象，增强EMD分解的能力。主要研究的内容有：
（一）、采用相互结合的降噪方法对信号进行预先处理。因为形态滤波技术是可以完全去掉信号之中脉冲的噪声，还有奇异值的分解降噪技术可完全去掉信号之中随机的噪声，下面把形态滤波技术与奇异值的分解降噪方法相结合，来组成一个新的方法进行故障的监测处理。
（二）、形态滤波的结构方法与奇异值的分解方法在维数的选择之中，结构元素进行的选取是非常重要的，进行研究人们发现，采用震动信号是正弦型结构的滤波器的效果要比直线型结构的元素取得的效果要好很多。对于奇异分解方法进行降噪，关键是选取什么样的波形进行运算，所以后来就引入奇异值的方法，来进行测验。
期刊文章分类查询,尽在期刊图书馆
（三）、实验的信号经过相互结合的降噪方法处理，再通过EMD进行分解，对仿真的信号与机器的故障信号进行分析，这样能有效的提取出噪声环境之下弱小的信号信息，这对机器故障的测验有很重要的意义。
三、基于随机共振的微弱信号检测研究
目前来说，随机共振的研究成果比较多。特别是要以绝热近似理论上的随机共振的研究，以随机使用共振是工程的实际信号处理时使用的应用范围。但是如何才能够通过自己的适应方法来计算正确出数字信息，获得非线性系统的最好输出方法。通过独立分析的基本理论与计算，集中于盲目相信在单通道信号与多个通道信号的时间推迟的影响，主要方法是：
（一）、研究单独通道ICA分离方法，针对包含噪音的单独通道的问题进行了分析，提出了将噪声视为虚拟的观测信号，和传感器所采集的信号一起分析，进行ICA实验分离。通过某种算法与仿真的信号进行比较说明，虚拟的噪声与信号中拥有的噪声成分不管是否一致都不会减弱原始信号，这就解决了盲分的分离噪音所产生的问题，同时也会将一部分噪声去掉，进而增强了信号特点。在齿轮箱磨损的实验中证明这个方法能够提升故障信息的信噪之比，这有很大的工业应用前景。
（二）、研究多通道的ICA分离法，对多通道的机器设备故障信号进行分离，能够克服信号由于时间的延误或者相位之差对分离结果进行的影响，通过互累的计量方法，确定了次序的不确定性这种问题，可以通过齿轮箱的多故障特征分离方法证明了该方法是可行的。
这种理论发展的历史不过20多年而已。但是研究的领域与应用范围是相当广泛。根据信息的分析与信号处理，可以看到随机共振所拥有的独特特点。这是利用非线性的系统，有效地识别出强大噪音的特点，频率等其他方式充分认识到的特征，并为掌握到信息资源，提供了方便有效的手段。
分析其特有的信息处理功能：随机采集一些的噪音信号或者信息，通过非线性的系统进行分析，在一部分噪音能量转换的信号中强化特征信号。随机共振噪音处理方法与消除所有噪音的方法有明显的不同。随机共振方法，可以充分利用噪音来强化微弱信号，最大限度地消除噪音。而抑制噪音的方法是一种可以使噪音造成损伤的方法。
四、总结
机器设备的前期故障出现频率相对不多，修理的费用也相对比较低廉，所以可在发生事故前排查出来。这样有利于设备的安全运行，提高机器设备的信赖性，避免了严重的事故发生，减少事故所带来的的损失。在机器设备的运行过程之中，大部分的监控环境是复杂的。特别是出现故障的初期阶段，因为机器噪音太大，所以很难进行准确地抓住信号。因此，先进的微小信号测定技术能够使机器设备故障的诊断更加精确，具有准确性的作用。总之，被诊断设备初期缺陷诊断的微小信号技术依然是需要大家解决的。这篇论文希望可以在研究中起一些微弱的作用，吸引更多的研究人员来参与到这一个领域中。期待在实践与科学的研究过程中能够继续完善，然后应用到实际的生产之中。
参考文献
[1]屈梁生，张西宁，沈玉娣.机械故障诊断理论与方法[M].西安：西安交通大学出版社，2009.
[2]钟秉林，黄仁.机械故障诊断学(第3版)[M].北京：机械工业出版社，2007.
[3]钟先友.旋转机械故障诊断时的时频分析方法及其应用研究[D].武汉：武汉科技大学，2014.
[4]陈进.机械设备振动监测与故障诊断[M].上海：上海交通大学出版社，1999.
[5]张澎涛.齿轮箱故障振动信号去噪及特征提取算法研究[D].东北：东北林业大学，2014.
[6]陈克兴，李川奇.设备状态监测与故障诊断技术[M].北京：科学技术文献出版社，1991.
[7]李向前.复杂装备故障预测与健康管理关键技术研究[D].北京：北京理工大学，2014.
论文作者:赖武南,雷冬生
论文发表刊物:《基层建设》2018年第12期
论文发表时间:2018/6/27
标签：信号论文; 故障论文; 方法论文; 噪音论文; 噪声论文; 分解论文; 降噪论文; 《基层建设》2018年第12期论文;