摘要：應機電設施故障容易檢查維修，而電氣方面的故障具有隱蔽性，進而給維修工作人員造成了困擾，甚至阻礙設備以及整個車間的的正常運轉，機電結構的自診斷方式，令機電設備的故障迅速精準的被測出，由此提升了維修效率，對今後的研究由很好的參考價值。難遂電子工業與先進製造工藝的進步，機電結構逐漸繁瑣、功能逐漸強大、維修保障困難性越來越高。探究設備的自動故障診斷與維修支援技術將極大減少生產者與應用者的機械維修保障成本。
關鍵詞：機電設備；故障診斷；智能技術；分析
引言
機電設施維修屬於機電設施管理中的關鍵環節，就安全生產方面來說，其是延伸機電設施應用時間、避免機電設施故障出現的重要保障，而從經濟運營方面來說，其還是決定生產品質、數量以及成本的關鍵因素。但因爲機電結構的電氣故障具有隱蔽性，而且其I/O系統、電源系統的複雜性，難以迅速精準的檢查：部分機電設施的故障經觀察PLC的輸入或輸出狀態反應數據，就能夠找出故障主因，進而處理故障。這裏採用智能診斷技術，深入研究了機電設施故障診斷。現階段，設施故障診斷和維修決策措施主要是採取故障樹推理途徑，缺少表達與推理靈活度，難以把維修、觀測等工作融入到模型當中。
1機電設施故障自動診斷設計
自診斷方法是在平臺的診斷軟件基礎上，向被診斷的元件和設施輸入一串提前編制好的代碼，再觀察系統的相關輸出資訊，或是及時收集的資訊，與事先已知的資訊進行對比，透過對比統一研究確定故障的方式。與文采取I/O資訊檢查，使用與處理設備I/O口，相應思維輸入/輸出緩衝區儲存的資訊，和已知準確的資訊進行對比；針對故障診斷來說，首先要做的就是採集診斷數據。因爲工業結構各個構成部分間的功能關係繁瑣，故障情況多，故障原在和故障徵兆間的數據錯綜繁瑣，所以，精準採集診斷資料，對不同故障診斷數據展開有效的集中與分析，屬於故障診斷平臺首先要處理的瓶頸問題。爲避免資訊量過大，而引起的故障診斷失誤，可以採用以下三種分時診斷手段：其一，開機掃描途徑，就是對各元件的執行電源是否充足，各I/O口原始狀態是否正確，展開檢查；其二，在線即時檢查，根據邏輯執行順序對I/O執行狀態進行檢查，並與提前已知的資訊進行對比；其三，離線診斷，當機械因故障無法穩定運轉時，採取直接向輸入/輸出緩衝區儲存的資訊，觀察相關的零部件是否準確運轉，進行故障診斷。
2故障診斷的基本理論與方法
故障診斷方法已有三十多年的發展歷程，但作爲一種綜合性的學科———故障診斷學，還是近幾年才發展出來的。從多種角度着手，有很多故障診斷分類方式，這些方式均有自身獨特的特徵。就學科綜合方面能歸納如下理論與方法：基於機理探究的診斷理論與方法：基於數據處理和特點採集的故障診斷方式；模糊診斷理論與方法；振動資訊診斷方式；故障樹分析診斷方式；故障診斷灰色系理論與方法；專家網絡理論與方法；故障類型判斷方式；故障診斷神經元理論與方法；基於數字模型的基本理論與方法。故障診斷理論與方式分類儘管很多，但能歸納成兩類：首先，非模型的事故診斷理論與方式，像信號空間特點、模態與數據處理方式的診斷理論和方法。依靠知識推理、人員自動、專家網絡的診斷方式；依靠模式判斷及神經元的診斷方式。其次，基於系統數字模型與現代管理理論、方式的故障診斷理論與方式，還包含相互之間的統一與集成。
2.1基於人工神經系統的故障診斷方式
人工神經系統是個有效並行的分佈式網絡，對故障診斷的形式辨別不但處理速度大，還能利用其線性分析能力實現環境與目標識別的目的，其己在機電設施故障診斷中取得了廣泛運用。2.1.1人工神經系統的執行原理人工神經系統是對大腦神經功能的數學模擬，主要模仿大腦和神經元的數據處理方法。人工神經元模型的類型很多，其中，常見的模型公式有：其中n個輸入xiR，類似其他神經系統的輸出值；n個權值ωiR，類似突觸的連接強度；f屬於非線性函數，能是θ值函數和Siginoid函數；θ屬於闕值。神經元函數公式爲：yl=i=1nωixi；y=fyl當f是闕值函數時，它的輸出是：y=sgni=1nωixi-θ人工神經系統中突觸強度用人工神經元中的連結權值ωi來衡量，權值的改變規律由相關學習算法獲得。神經系統是個複雜的網絡系統。神經元中的互聯模式包含兩種，分別分前饋網絡與反饋網絡。前者能有多層，每層依次排序，第i層的神經系統僅接收第i-1層神經網絡輸出的信號，每個神經元種缺少反饋前饋系統的輸入節點不具備計算能力，唯有記錄輸入矢量每個元素的值，其它各層節點是擁有計算性能的神經網絡，即計算單元。各個計算單元可以有很多輸入值，但僅允許一個輸出，而且一個神經元能將輸出發送至多個神經元進行輸入，把輸入點變爲0層，之後各計算單元層從下至上依次是1層，第z層，…，第N層。如此組成的網絡叫做N層前饋系統。其中，第0層與第N層叫做可見層，其餘每層稱作隱含層。通常情況下，前饋系統的隱含層中層數與節點數能夠任意確定。2.1.2人工神經系統在機電設備故障中應用的的優缺點透過分析得知，神經元故障診斷方式的優缺點是：優點包含：分佈分析，並行操作，具備學習能力；較強的非線性映射性能；能實施多要素預報，預測準確度高。缺點在於：算法繁瑣；預測模型很難用公式呈現。
2.2依靠專家網絡的故障診斷方式
專家網絡屬於人工智能的關鍵分支。專家網絡能視爲具備專門知識與經驗的計算機自動程序系統，其能功能來源於其所具備的專家知識。專家網絡通常使用人工智能裏的知識表現與知識推理方法來模擬，一般由專家才能處理的複雜問題，得到具有和專家同等處理問題能力的性能。一般情況下，一個專家網絡由知識庫、推理平臺、資訊庫、解釋程序與知識採集程序5部分構成。知識庫與推理平臺是專家網絡的關鍵部分。機電設備問題診斷專家系統除具有專家網絡的常規結構外，還具備自身的獨特性。就機電設施故障診斷來說，故障特點的精準說的是實現準確診斷的基礎。所以，監測系統和信號分析及資訊處理，資訊傳遞與故障特徵採集也均是故障診斷專家網絡的關鍵內容，專家系統在機電設備故障診斷方面的運用十分廣泛，己獲得到成功使用的有旋轉機電設備故障診斷專家網絡、往復機電設備故障診斷專家網絡，發電機組問題診斷專家網絡與車輛發動機問題診斷專家網絡。專家網絡的特徵：專家系統屬於人工智能的重要研究領域，涉及三個重要的內容：表達知識的新技術、啓發式檢索、把知識和知識的運用環節分離，專家網絡的特點是：①專家知識能儲存於任意電腦的軟硬件中，一個專家網絡是個有效的知識產品，與人腦不同；②專家網絡下降了向各個客戶提供專家知識的費用；③專家系統能夠代替人們在有危險的條件下勞動；④人類專家也許會退體、離去和逝去，而專家系統能夠長久保留；⑤集中若干個專家領域知識創建出的專家網絡知識水平優於單一專家所具備的知識，知識的穩定性提升了；⑥在要求迅速響應的環境下，專家系統可以比人類專家表現得更快更高效；⑦在部分客觀條件的作用下，人類專家會給出激動但不完全的回答，但專家系統可以始終如一的獲得穩定且全面的答覆。
2.3在支援向量機（SVM）基礎上的診斷技術
統計學習知識是個專門探究小樣狀況下機器學習規律的內容。由CORTES等相關人員於統計學習內容的VC維理論與結構風險最小機理基礎上創建出的一種機器學習新方式：SVM已表現出很多優於當前模式分類方式的功能。支援向量機是從現行可分條件下的'最優分類面衍生出現的，爲處理二類分類情況而提出來的，無法直接進行多類劃分。把支援向量機算法使用在機電設備故障診斷方面的研究已得到工程界的高度重視。支援向量機方式具有使用小樣本資訊集就能夠展開故障診斷、使用結構風險最小激勵、便於實現模型結構與參數均靠近最佳的故障診斷模型等優勢。支援向量機是藉助特徵參量表現的相似度來開展故障分類的途徑，特徵參量對故障表現的得越精確，其分類性能就更好，泛化水平也就越高。其缺點也非常顯著，支援向量機無法診斷出未學習過的問題，所以對故障分類過程參數的選取十分關鍵。
2.4集成方式故障診斷技術
集成方式故障診斷技術是一個集成若干種故障診斷方式策略，對繁瑣故障展開診斷與監控的有效途徑。雖然基於傳統構造框架與組織策略下的自動故障診斷平臺可以對機械某些特殊部位出現的故障進行全面診斷，但針對故障表現多樣、誘因繁雜的診斷情況，有時有簡單方式難以得出全面準確的判斷，如此就要求集成各種診斷數據、診斷知識、診斷方式等，因爲每種診斷方式都有自身的特徵與優點，也存在一定的缺點與不足，能夠集中各種方式的優勢，突破其侷限性，更有助於提升故障診斷的準確性與工作效率。由此，集成方式爲處理顧咋機電設施故障診斷帶來了一種新的方法。集成方式的瓶頸在於如何找出各種診斷方式的結合點，得到更準確的故障診斷。相關研究人員提出了一種依靠智能互補結合的智能故障診斷方式，即ACA，對反映運轉情況的特徵參數實現屬性約簡，清楚不需要的屬性。結合約簡結果，創建RBF神經系統的故障診斷平臺。網絡的訓練比較結果顯示，基於ACA的約簡處理簡便了輸入神經元的資訊維數，提升了網絡的訓練效率與故障分類正確性。
3智能故障診斷技術的發展方向
伴隨機電設施故障診斷方法和當前先進傳感系統、最新型號分析、非線性原理與方法的結合；伴隨知識進度的發展和資訊庫、模擬現實、神經系統等技術的日益進步，勢必會引起自動故障診斷方法在多個方面的進一步發展，其發展方向主要表現在以下幾個方面：①多項知識表現方式的融合。在具體的診斷平臺中，要求多種方法的組合方可表達明確診斷知識，如此就有很多表達方法之間的數據穿梭、數據轉變、知識組織的維護和理解等內容這些問題都影響到對診斷主體的描述和表現。②經驗知識和原理知識的有效統一。爲了讓故障自動診斷平臺具有和人類專業功能相似的知識，研究者在建立智能診斷平臺時，逐漸強調不但要注重領域專業的淺知識，還應重視診斷主體的結構、作用、原理等深知識，忽略任意一點均會極大影響系統的診斷效果。③專家網絡和神經元的融合。神經元理論給故障自動診斷技術的發展帶來了全新的途徑，其中，專家網絡理論和方法得到左半腦邏輯思維的性能，兩者具有較強的互補功能。④模擬現實技術會獲得重視與使用。模擬現實技術是基於多媒體系統之後另一個的計算機領域引起廣泛重視的探究重點，是人類透過電腦對複雜資訊實施可視化處理和交互的一種全新技術。使用這一技術後，客戶、計算機與控制主體被當做一個總體，經多種直觀的設備將數據實現可視化。由此而言，伴隨模擬現實技術的逐漸進步以及在故障自動診斷平臺中的有效使用，其將給故障自動診斷帶來全新的技術性改革。⑤資訊庫技術和人工智能技術有效滲透。應人工智能技術缺少像資訊庫技術那樣比較完善的理論與實用技術。因此，融合資訊技術能夠克服人工智能無法跨越的阻礙，這也是智能技術成功的重點。針對故障診斷系統而言，知識庫通常非常龐大，所以能夠借鑑資訊庫關於數據儲存、共享、併發管理與故障恢復系統，優化診斷系統質量。綜上所述，把多種不同的自動系統統一起來的混合診斷平臺，已經變成智能診斷技術開發的發展方向。
參考文獻：
[1]郭文波.故障診斷技術在現代礦山機電設備維護中的應用[J].機械管理開發，2017，32（11）：52-53.
[2]廖學兵，楊雲飛，龔長虹，吳建磊.新型自行火炮機電設備故障診斷與維修保障系統的設計[J].計算機測量與控制，2014，22（01）：131-133.
[3]唐建榮，楊敏.淺談煤礦機電設備故障檢測中小波分析的應用[J].科技創新與應用，2014（02）：299.
[4]徐光華，樑霖，張慶，景敏卿，溫廣瑞，高志勇，金穎，李文海.智能動力裝備的全生命週期診斷和服務技術與系統研製[J].中國工程科學，2013，15（01）：79-86.
[5]陳業初，寇蔚.面向對象的船用機電設備資訊管理與紅外診斷系統的研製[J].機電設備，2017（04）：12-16.