導(dǎo)語：大數(shù)據(jù)下機(jī)械智能故障診斷研究一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：大數(shù)據(jù)為機(jī)械智能故障診斷的全面使用和更深分析構(gòu)建了全新的機(jī)會。文章全面研究了機(jī)械智能故障診斷的國外、國內(nèi)發(fā)展現(xiàn)狀和動態(tài)分析；明確解讀了在大數(shù)據(jù)時期機(jī)械智能故障診斷的方式和理論挑戰(zhàn)；分析了全面解決該挑戰(zhàn)的發(fā)展趨勢和解決途徑。

關(guān)鍵詞：智能故障診斷；大數(shù)據(jù)；機(jī)械設(shè)備

伴隨物聯(lián)網(wǎng)、互聯(lián)網(wǎng)的迅猛普及和發(fā)展，目前社會數(shù)據(jù)的增長量和速度均呈現(xiàn)出直線增長的態(tài)勢，是以往不能比擬的。2012年，美國花費(fèi)2億美元正式落實“大數(shù)據(jù)研究與發(fā)展計劃”（BigDataResearchandDevelopmentPlan），大數(shù)據(jù)也被當(dāng)做“未來的全新石油”，并正式將大數(shù)據(jù)納入到國家戰(zhàn)略標(biāo)準(zhǔn)。2014年，信息部、工業(yè)部頒發(fā)了“大數(shù)據(jù)白皮書”，代表大數(shù)據(jù)的產(chǎn)生實現(xiàn)了根本性的創(chuàng)新，更改了傳統(tǒng)的信息技術(shù)，改變了人們的日常生活，改變了人們對世界的認(rèn)識。2015年，國務(wù)院正式頒發(fā)“促進(jìn)大數(shù)據(jù)發(fā)展行動綱要”，確定我國的基本戰(zhàn)略資源涵蓋了大數(shù)據(jù)，提倡對大數(shù)據(jù)關(guān)鍵應(yīng)用技術(shù)的研究和分析，明確大數(shù)據(jù)分析方式，實現(xiàn)深入研究。出于機(jī)械化類型大數(shù)據(jù)的獨(dú)特性質(zhì)，當(dāng)下迫切需要在當(dāng)下具備的基礎(chǔ)中憑借社會機(jī)遇進(jìn)行過度。學(xué)術(shù)觀念的改變：將積累知識、觀察、特征提取、算法設(shè)計、決策和分析當(dāng)做主線的全新的學(xué)術(shù)思維，其中心為數(shù)據(jù)、其基礎(chǔ)為機(jī)制、其手段為計算、將智能數(shù)據(jù)決策和分析當(dāng)做全新需求的學(xué)術(shù)思維。研究對象的改變：對擁有多故障互耦或整個設(shè)施的繁雜體系落實多級診斷和監(jiān)測，對軸承、齒輪、轉(zhuǎn)子等關(guān)鍵區(qū)域落實單級診斷和監(jiān)測。轉(zhuǎn)變分析手段為通過人為挑選可靠數(shù)據(jù)，全面的對多隨機(jī)因子干擾中智能分析故障的動態(tài)改變環(huán)節(jié)落實全局研究和分析，進(jìn)而獲得故障弱特征切片分析的信號處理模式。機(jī)械故障診斷指標(biāo)的改變?yōu)椋嚎焖佟⒕珳?zhǔn)的識別機(jī)械故障的演化和發(fā)生，規(guī)避或降低重大災(zāi)難事故的產(chǎn)生，將大數(shù)據(jù)當(dāng)做機(jī)械設(shè)備組動態(tài)、健康的綜合控制兩，對其落實智能優(yōu)化和維護(hù)，實現(xiàn)生產(chǎn)環(huán)境的全面優(yōu)化，確保質(zhì)量品質(zhì)，實現(xiàn)生產(chǎn)效率的提升。綜上，機(jī)械大數(shù)據(jù)當(dāng)下已經(jīng)發(fā)展為呈現(xiàn)機(jī)械故障本質(zhì)和演化環(huán)節(jié)的主要資源，數(shù)據(jù)解釋能力、數(shù)據(jù)量規(guī)模開始發(fā)展為目前診斷機(jī)械故障的主要部分。但是對機(jī)械裝備自身而言，其機(jī)理、結(jié)構(gòu)比較繁雜，且由于受制于繁雜環(huán)境層面的干擾，受制于任務(wù)復(fù)雜導(dǎo)致的工況改變，造成機(jī)械大數(shù)據(jù)處理、分析、診斷具備諸多困難，難以落實。

1大數(shù)據(jù)故障診斷面臨的挑戰(zhàn)

機(jī)械大數(shù)據(jù)涵蓋大知識、大信息，以更加廣泛、高的視角，協(xié)助診斷成員對設(shè)備運(yùn)行情況進(jìn)行了解，實現(xiàn)洞察力的提高，實現(xiàn)決策成效的提升。但該具備價值的知識、信息均隱藏在機(jī)械大數(shù)據(jù)下，需要全面分析，探尋精準(zhǔn)的方法、理論、技術(shù)。基于此，機(jī)械故障診斷開始全面步入大數(shù)據(jù)時期，當(dāng)下的智能故障診斷的方式、理論也遭遇全新的困難和挑戰(zhàn)。①當(dāng)下的研究普遍應(yīng)用單一的物理源信號進(jìn)行某1設(shè)備的診斷，具備較小的數(shù)據(jù)量，基于此對診斷專家而言，其在診斷過程中可挑選具備價值的信號落實。但在大數(shù)據(jù)時期，一般應(yīng)用傳感器獲得很多的物理源信號，真正有效、全面的呈現(xiàn)該設(shè)施的情況。出于多源信號具備很大的不同，且在抽樣過程中形式多樣，數(shù)據(jù)不具備較高的價值密度，質(zhì)量此起彼伏，表現(xiàn)出“片段化”的特性，按照診斷專家，挑選信號宛如大海針，必然會在廣闊的數(shù)據(jù)天空下逐漸的消失。②出于信號處理技術(shù)特征提取，結(jié)合某特殊問題，進(jìn)行專家診斷，有效分析機(jī)械設(shè)施故障體系，掌控處理信號的基礎(chǔ)，在該層面，進(jìn)行特征提取算法的設(shè)計，落實故障特征。但，針對機(jī)器大數(shù)據(jù)而言，其具備多故障信息結(jié)合、多現(xiàn)狀交替、多變化、模式不明確的特性，無法認(rèn)為的落實涵蓋全部信息的故障屬性和特征。③機(jī)械大數(shù)據(jù)涵蓋了并沒有了解、落實的全新知識，也就是機(jī)械故障的演化規(guī)律、機(jī)制為由多源異構(gòu)大數(shù)據(jù)（例如聲場、震動、熱圖像等）代表。當(dāng)下的智能算法只可以針對機(jī)械健康情況進(jìn)行決策，無法肩負(fù)機(jī)械故障演化機(jī)制、故障性質(zhì)的提取和大數(shù)據(jù)信息分析的工作。④僅管諸多文獻(xiàn)資料均應(yīng)用淺智能模型進(jìn)行機(jī)械故障的智能識別，但在大數(shù)據(jù)時期，設(shè)施故障更多的表現(xiàn)出不確定性、耦合、并發(fā)性。出于淺層智能模型不具備較高的自學(xué)技能、建立模型和提取特征進(jìn)行了有效隔離，導(dǎo)致識別故障中不具備較高的精準(zhǔn)性，具備較低的泛化技能?；诖耍诖髷?shù)據(jù)情況下，從初步到深入均需要實現(xiàn)智能診斷模型的改變。⑤當(dāng)下具備的諸多職能診斷模式均對單一標(biāo)記識別進(jìn)行了研究。但在大數(shù)據(jù)時期，單一標(biāo)記體系不但分離了機(jī)械設(shè)施的故障關(guān)系，還很難對設(shè)施故障類型、位置、程度等信息進(jìn)行描述?；诖?，納入多標(biāo)簽體系對多故障識別進(jìn)行研究具備一定的必要性。⑥當(dāng)下的預(yù)測數(shù)據(jù)驅(qū)動壽命的模式為在退化數(shù)據(jù)下探求某單一構(gòu)件的失效問題和規(guī)律，并不考量部件不同的情況下其部件相互作用對系統(tǒng)失效導(dǎo)致的影響。機(jī)械體系為多部件通過耦合產(chǎn)生的整體，某1部件性能喪失或退化必然會導(dǎo)致其他部件產(chǎn)生感染，進(jìn)而造成機(jī)械體系有所聚偏，進(jìn)而導(dǎo)致該機(jī)械設(shè)施的全面運(yùn)轉(zhuǎn)。

2潛在方向與發(fā)展趨勢

結(jié)合機(jī)械數(shù)據(jù)診斷當(dāng)下面對的挑戰(zhàn)，融合其特征，本人表示可在以下層面落實機(jī)械故障診斷的分析工作，為機(jī)械維護(hù)、診斷構(gòu)建比較可靠和穩(wěn)定的技術(shù)方式和理論支撐。進(jìn)而有效釋放機(jī)械數(shù)據(jù)涵蓋的信息潛能。①大型標(biāo)準(zhǔn)數(shù)據(jù)庫的構(gòu)建數(shù)據(jù)為機(jī)械數(shù)據(jù)診斷分析的主要資源和基礎(chǔ)，其數(shù)據(jù)庫的建立和規(guī)劃針對故障演化體系、技術(shù)創(chuàng)新診斷、科研協(xié)作等均具備顯著的戰(zhàn)略含義。公司共享設(shè)施的典型案例和長時間檢測數(shù)據(jù)；主要收集機(jī)械設(shè)施在正常工作到故障發(fā)生的動態(tài)發(fā)展環(huán)節(jié)的數(shù)據(jù)；集中進(jìn)化環(huán)節(jié)和記錄零部件的相關(guān)信息。②評估大數(shù)據(jù)的可靠性。出于信號源的分散、機(jī)械數(shù)據(jù)量比較大、采樣方式的多變性、隨機(jī)干擾因素等諸多層面的影響，導(dǎo)致監(jiān)測大數(shù)據(jù)表現(xiàn)出“不成體系”的形式，基于此，需要提升大數(shù)據(jù)的可靠性，集成智能診斷的設(shè)備方式和理論基礎(chǔ)；研究多源信號的尺度、重采樣、轉(zhuǎn)換維度等規(guī)律性數(shù)據(jù)算法，實現(xiàn)信號一致性的提升；構(gòu)建評價數(shù)據(jù)質(zhì)量的統(tǒng)一標(biāo)準(zhǔn)，全面考量數(shù)據(jù)是否具備準(zhǔn)確性、完整性、及時性；并在子空間聚類的層面提出智能數(shù)據(jù)清理算法，實現(xiàn)大數(shù)據(jù)質(zhì)量的提升。③智能表示設(shè)備故障信息。機(jī)械大數(shù)據(jù)下，設(shè)施故障通常具備隱喻性的規(guī)律。唯有在數(shù)據(jù)驅(qū)動基礎(chǔ)下研究其信號構(gòu)成，實現(xiàn)故障特征的提取，落實故障信息的智能代表，方可有效利用大數(shù)據(jù)時期的機(jī)械價值?；诖?，方可落實下面的工作：按照機(jī)械大數(shù)據(jù)比較稀疏的屬性，分析稀疏非負(fù)分解、究稀疏字典學(xué)習(xí)等表達(dá)模式，研究稀疏表達(dá)方式的物理含義，例如字典可被當(dāng)做某組別的特征波形基函數(shù)等，按照故障信號的產(chǎn)生原理，也就是響應(yīng)信號為隨機(jī)噪聲、故障激勵、系統(tǒng)傳遞函數(shù)卷積的結(jié)果，構(gòu)建反饋體系。結(jié)合一般高維機(jī)械數(shù)據(jù)表現(xiàn)出低維特征的屬性，提升高維特征到低維特征的提取和轉(zhuǎn)換的方式。融合故障信息的記錄和研究數(shù)據(jù)結(jié)構(gòu)，研究全新的故障代表模式，提高故障體系的分析，主要分析了初期故障的組合故障耦合和弱特征的癥狀。④可視化分析?？梢暬癁檫\(yùn)用交互落實理解、呈現(xiàn)、解釋，對機(jī)械大數(shù)據(jù)的內(nèi)涵進(jìn)行解讀，明確故障的規(guī)律，落實精準(zhǔn)的決策，確保在研究機(jī)械故障中了解其新認(rèn)識、新現(xiàn)象。可在智能模型組織的提取特征、可視化參數(shù)、指標(biāo)可視化預(yù)測、預(yù)測結(jié)果可視化識別等當(dāng)做主線，研究故障表達(dá)方式，直觀呈現(xiàn)大數(shù)據(jù)本質(zhì)，通過可視化結(jié)果分析響應(yīng)信號、故障的因果存在，并研究故障模式、特征兩者的關(guān)系。分析預(yù)測結(jié)和識別結(jié)果的表達(dá)模式、交互式集成智能研究、多角度、多層次的表示設(shè)施健康情況等相關(guān)問題。

參考文獻(xiàn)：

[1]雷亞國，何正嘉.混合智能故障診斷與預(yù)示技術(shù)的應(yīng)用進(jìn)展[J].振動與沖擊，2011，30（9）：129-135.

[2]王國彪，何正嘉，陳雪峰，等.機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J].機(jī)械工程學(xué)報，2013，49（1）：63-72.

[3]沈朝萍，尚金秋，胡超，謝中敏，于鵬澎.航空機(jī)械裝備失效分析技術(shù)在專家系統(tǒng)中的應(yīng)用研究[J].內(nèi)燃機(jī)與配件，2018（18）：225-226.

作者:申立新 單位:新興重工（天津）國際貿(mào)易有限公司