Quality China 2018·Zhejiang Expo
【概要描述】Name: Quality China 2018·Zhejiang Expo
Date: June 14-16, 2018
Venue: Hotel El Panama Convention Center & Casino
Organizer:
CCPIT Zhejiang
Panama Chamber of Commerce, Industry and Agriculture
Booth
- 分类：News
- 作者：
- 来源：
- 发布时间：2018-05-21 01:09
- 访问量：
从开展设备诊断的流程来看，设备诊断分为信号拾取、信号处理、故障诊断三个阶段。围绕着这一问题，设备诊断技术在下述方面展开了理论研究。信号拾取技术研究。设备诊断技术从设备的症状入手进行分析研究。设备症状由拾取的信号分析得到。因此，信号拾取技术是设备诊断的基础之一。正如信号领域所言，“进入的是垃圾，出来的必定是垃圾”，可见正确拾取信号的重要性。信号拾取技术包括信号的拾取和放大，其中对传感器的研究是重点。设备诊断中的传感器按功能分为振动传感器、声级计、声发射传感器、温度传感器。以前，对传感器的研究偏重于硬件方面，即要求它具有良好的动态特性，灵敏度，稳定性和抗干扰能力强。但是，随着监测系统的庞大化和复杂化，传感器的类型和数目都急剧增多。例如对大型发电机组的监测，测点有 254个，相应的传感器也要 254 个。东北大学为某冶炼厂研制的风机工作状态监测系统，测点也达32 个，拾取振动、瓦温、风压、电流、流量等 5 类参数。众多的传感器形成了传感器群，这就带来了传感器如何布局方面的研究。Hull 和Srihari 阐述了传感器合理分布的重要性。
信号分析和处理方法研究。这一部分是设备诊断技术的核心之一，也是理论研究的热点之一，它实际上就是诊断技术中的特征因子提取技术。传感器拾取的信号，称为原始信号，一部分可直接利用，如温度，位移等，但大部分不可直接利用，如振动，虽然经过放大，由于含有噪声，一般从单个波形上反映不了问题，必须利用信号分析与处理技术，把信号转化在不同的域内进行分析，才能得到更能敏感反映机器状态的特征因子。滤波技术、频谱分析技术是传统的信号处理方法。近年来出现的数字滤波技术、自适应技术、小波分析技术等大大丰富了信号处理技术的内容。以频谱分析的系列技术为例，如FFT 分析、倒谱分析、短时 Fourier 分析、Wigner 分布等在传统的工程中占有非常重要的地位。Fourier 变换和倒谱分析对平稳信号的分析非常有效。为了对工程中广泛存在的非平稳信号进行分析，引入了短时Fourier 变换和 Wigner 分布，但二者对非平稳信号的分析能力不很理想。近年来出现的小波分析技术为此提供了强有力的工具。它不仅适合分析平稳信号，而且适合分析非平稳信号。从根本上讲，小波分析将有望代替传统的 Fourier 分析技术。另外，近年来发展起来的分形几何技术，也为信号处理提供了崭新的手段。模糊技术的应用也丰富了信号处理的内容。由于特征因子提取的重要性，信号处理中每一种新技术在设备诊断中的应用，都是对诊断技术的一次重大推动。
诊断方法研究。识别设备的状态为正常或异常，这是状态监测的功能范围。判断为异常后再进行原因分析，这才是诊断的实质。原始的诊断方法是“手摸，耳听，眼看”等方法。在设备诊断技术出现以后，这种情况得到了根本的改善。目前，诊断技术根据不同的信号类型，分为振声诊断、温度诊断、油液分析、光谱分析等。受技术的限制，在诊断技术初期，人的因素占绝对主导地位。仪器处理后的信号基本上靠人去分析。如对振动谱结构的分析，对油液中颗粒大小和形状的分析，只有有经验的专家和技术人员才能将它和某类故障联系起来。近年来，随着人工智能 (AI) 的发展，诊断自动化、智能化的要求逐渐变为现实，也是现在研究的重点。其中专家系统的研究起步最早，目前在诊断中已有成功的利用。模糊理论由于具有处理不确定信息的能力，因此通常和专家系统结合。作为前处理和后处理，神经网络技术在诊断中的应用起步较晚，但由于它强大的并行计算能力和自学习功能及联想能力，很适合作故障分类和模式识别，因此在诊断中很受欢迎。大量的文献对神经网络的结构及算法进行了研究。神经网络是基于数值的推理，它擅长大规模的数值计算，具有学习能力，但不具有解释能力。专家系统是基于符号的推理系统，它存在知识获取困难的特点，但具备解释功能，因此神经网络和专家系统可以优势互补，二者的结合发展必然具有良好的前景。总之，诊断方法研究的总体目标是实现诊断的自动化和智能化。这一目标会随着诊断方法的深入研究而实现。
信息融合方法研究。信息融合技术早已有之，目前在军事领域的 C3I 系统中有着广泛的应用，但在设备诊断中的应用还是近年来的事情。诊断问题中信息融合的起因大概有三个：一是多传感器形成了不同通道的信号，二是同一信号形成了不同的特征信息，三是不同的诊断途径得出了有偏差的诊断结论。诊断的最终目标是利用各种信息提高确诊率。单个的信息显然具有其局限性，根据信息论的原理，由单维信息融合起来的多维信息，其信息含量比任何一个单维信息量都要大，因此进行信息融合就显得很有意义。目前，进行信息融合的方法主要有 Bayes 推理。
除上述研究外，对各种故障机理的研究也在深入进行，如振动成因、摩擦机理等。对此方面的研究，有利于新技术、新方法的针对性有效利用。
扫二维码用手机看
