摘要：目前，我国的机械设备智能诊断技术应用逐步普及，成为现代机械设备运转故障处理的有效方式。传统意义上机械设备故障诊断效率较低，且安全性不足，智能诊断技术应用在诊断速度及参数分析全面性等诸多方面优势明显，进一步为我国机械设备使用提供维护管理帮助。
关键词：机械设备；故障；智能诊断技术
一、机械故障诊断方法的概述
伴随着机械设备在人们生活生产中的广泛应用，对于机械的故障诊断来说，也有很多诊断的方法出现。机械设备在使用的过程中容易出现各种各样的故障和问题，因此开展故障的诊断非常关键。虽然从表面上来看，关于机械故障诊断的方法非常多，并且在日常的机械设备的故障诊断中，也有很多应用，但是能够真正地进入到实际中，使故障的诊断能够获得及时性和准确性呈现的方法却寥寥无几。对机械设备的故障诊断来说，首先我们要进行常规的诊断。这方面主要是利用一些动态性的检测技术和传感器来开展相关的工作，在信号处理手段的帮助下进行。伴随着科学技术的发展，该类型诊断技术慢慢地在机械设备的故障诊断中逐渐被取代。目前，人们经常使用的故障诊断方法是智能的诊断方法，并且在这种方法中，人工智能是它的核心和基础。对智能诊断技术来说，它是无法和原有的诊断技术进行脱离然后单独存在，需要获得原有技术的支持才能进行运转。人工智能的方法主要是在计算机和软件技术的帮助下，利用知识化的诊断过程把故障的诊断问题尽量降到一个最低门槛的状态，这样可以使诊断结果在准确性方面得到提高。
二、机械故障自动化诊断系统总体设计
1、系统整体结构设计
本文所设计的机械故障自动化诊断系统主要由旋转类转子故障诊断系统所构成，该子系统之下又由专家系统以及神经网络所构成，使系统对故障诊断结果的存档、打印等一系列功能，实现该系统的自动化目的。在机械故障自动化诊断系统的设计过程中，本文主要采用iVsualBasic6.0作为主要开发工具对该系统进行开发设计，使该系统具备良好的动态图形界面以及人机对话界面。在系统内部数据库方面，本文将通过AccesS进行数据库的建立及维护。同时，笔者还将选用Maltab的神经网络工具箱来实现系统神经网络模块对数据的识别、计算等操作，并以此获得转子故障诊断模块诊断所需要的各个节点值，为转子故障诊断的进一步操作提供依据，从而实现本系统对机械故障类型、故障原因以及故障解决方法的自动化诊断。
出于对本次设计在后续发展过程中可持续发展性的考虑，本文在该系统的设计过程中，为建筑结构故障诊断建立了一个接口,以此保障机械故障自动化诊断系统今后功能的扩充。使系统的设计符合可续性发展的设计理念。具体设备与结构故障智能诊断系统如图1所示。
图1 设备与结构故障智能诊断系统
2、专家系统
专家系统主要通过可视化的人机界面为系统提供机械可能发生故障的相关现象集。用户在使用专家系统进行机械故障诊断时，该系统可通过诊断对象以往发生故障的征兆以及故障现象，从系统中挑选出与诊断对象类似或是相同的故障现象集，给出诊断对象的故障类型、故障发生原因以及相关的解决对策及建议，并为用户提供对故障诊断结果的存储及打印功能。
三、机械设备故障智能诊断技术方式
现阶段，机械设备种类繁多，涉及的机械生产制造内容相对广泛，所以针对机械故障智能诊断的应用，必须根据机械设备使用需求及操作管理需求等各方面要素，做好综合性智能诊断优化。目前我国所主要采用的机械设备故障智能诊断模式主要有神经元网络诊断、向量机。
1、基于神经网络模块诊断处理模式
神经网络智能诊断模块依赖于网络数据信息库，通过模拟拟人化神经元系统，对机械设备各元器件运行稳定性进行分析，各系统模组间可利用中央数据信息库及中央处理系统做一体化连通，采取数据监控、异常数据反馈及波动数据日志记录等方法，及时的将机械设备故障问题做全面整合。神经网络智能诊断系统更大意义上是采用系统监控的方法，解决传统机械设备运行操控性不足问题，从数据分析角度及监控管理角度，实现对系统运行状态的评估，从而保障机械设备可以良好的状态下稳定运行，为技术维修及维护管理人员提供有效的数据参考帮助。
2、基于向量机开发应用的智能诊断处理模式
向量机支持的机械设备智能诊断系统开发，主要采用统计计算、概率运算及参数计算等多种数据算法实现机械设备的故障智能诊断处理。向量机诊断相比于神经网络诊断而言诊断风险相对较小，且数据诊断的真实性更高，具备一定的理论结构学习能力，可以将各模组故障问题做归类划分。根据不同的故障处理优先级选择最佳的数据诊断方案，从技术角度分析向量机智能诊断系统开发将使有限的系统诊断资源发挥出更大故障诊断处理价值。但从运用特征方面分析，向量机智能诊断对于相关计算算法的学习具有一定的机械性，系统诊断控制灵活性不高，未经学习的计算算法难以在机械设备故障智能诊断方面加以应用，因此成为局限向量机智能诊断技术发展运用的重要要素。
3、基于专家团队建设的专业技术智能诊断模式
所谓专家团队建设的专业智能诊断，即通过网络系统远程协助，实现多种端口的系统诊断操作。该诊断模式基于电信号传导建设，将多个网络端口进行并联，采取物理诊断处理及数字化诊断分析，整合多方面人工诊断意见，根据诊断内容选择适宜的故障解决方案。相比于电子设备诊断方法专家团队建设的专业智能诊断模式，更适用于处理大型机械设备的复杂故障问题，对于轻微故障处理实际应用意义较低，但作为机械设备故障诊断的重要组成部分，对于解决机械设备故障问题仍有一定的实际效用。
4、基于机械故障处理需求的集成模板处理诊断模式
故障处理需求的集成模板处理诊断通常采用主控芯片定制诊断处理。根据生产客户的机械设备制造需求，将电子主控模板植入数字操作系统，利用电信号检查将机械设备运行数据做反馈分析，实现机械设备故障诊断的一体化结构管理。集成模板的智能诊断处理无需外接诊断处理设备，机械设备本身便具备一定的故障诊断能力，结合参数特征分析及数据特征等内容，找出系统故障原因所在，为技术操作人员提供更为便捷的机械设备智能化故障诊断服务。
结束语
综上所述，目前在机械设备的故障智能诊断当中，它可以有效地对各种各样不同的智能技术进行综合利用，然后形成一个比较强大的，有着混合诊断能力的系统。伴随着智能化发展趋势的不断推进，在一些机械设备的日常使用中，依然会有一些问题的存在，需要人们通过各种各样的方式去解决。因此，在今后机械设备故障诊断工作开展的过程当中，需要人们通过比较前沿的科学技术水平进行利用，并且在一些新的方法和思维的帮助之下，从实际当中进行经验的寻找，这种把机械设备故障的诊断，从理论层面的分析，朝着故障诊断处理的方向进行发展和迈进。
参考文献
[1]徐广生.机械设备故障智能诊断技术的现状分析[J].城市建设理论研究：电子版，2013，（24）：101.
[2]别云成，张斌.机械设备故障监测与智能诊断[J].电子技术应用，1999，（11）：42-44.
论文作者:张建军,裴模超
论文发表刊物:《电力设备》2018年第25期
论文发表时间:2019/2/13
标签：机械设备论文; 故障论文; 系统论文; 智能论文; 故障诊断论文; 机械论文; 神经网络论文; 《电力设备》2018年第25期论文;