一种基于噪声功率检测的机械设备故障预测方法

狄增文

在新型故障预测的仪器出现之前，人们主要是利用听声音来辨别故障方式，这种方式因为其具有较为简单的操作形式而被广泛使用且流传至今。而故障预测主要发生于危险事故发生之前，利用系统内的主要方式来对整个单位内将会发生危险情况的附件进行更替，将未来发生的故障现象直接扼杀在期初时间。对于这种新型故障的预测方式，国内外的许多研究学者已经得出许多有依据的研究结论，其中对于马尔可夫理论而言，主要是指利用声音来判断故障发生的主要特点，主要是根据信号之间具有传导性和高效率性，来更好地实现故障的预判，更好地发挥整个滚动轴承的作用。

1 故障诊断技术概念简述

在使用故障诊断技术时，通常需要保持在一定的环境状态下，利用信息收集仪器来对各种发生故障的信息与现象进行有效的收集，并对这些部件进行预估和评判，甚至有时候还能提前预测，可能会发生故障的具体地点，具有较强的科技性和智能化特点。这种故障诊断技术主要是可以利用信息的传递和传导来提高故障诊断的速率并缩短时间，却并不会给整个设备带来实质性的损失，能够帮助操作人员更快的到达指定故障地点。这种故障诊断技术因为其具有较强的简便性和优越性而被广泛使用到机器制造行业内，能够有效的提高机器的使用年限，还能够为整个生产技术的未来发展提供有效的发展方向，降低安全事故以及故障发生的概率。

2 机械设备故障产生的原因

机械设备出现故障主要是由于机械中的部分零件不能完成规定的功能，导致设备运行出现问题，在设备的寿命年限之内，设备使用的时间越长磨损就越严重，而且在设备长时间满负载运行状态下会存在超负荷工作的情况。目前机械设备故障出现的原因包括以下三点：第一，零件磨损长时间使用后零件的磨损程度和运行时间成正比，时间运行越长磨损程度就越大，当设备运行到一定阶段后，设备零件就会存在老化等状况，从而无法满足零件设计的功能，导致机械设备出现故障；其次，故障与维护，当设备出现故障后，若不能按照程序完全操作，很容易给设备带来更大的伤害，比如出现故障后立马关闭设备很可能导致电流或电压突变，让比较脆弱的零件遭到破坏，而不科学的维护也会进一步损坏设备，比如维护不适当、维护不足、不及时维护等；第三，超负荷工作，部分企业为了追求经济效益或其他的因素，让机械设备长期超负荷工作，这会让机械的使用寿命大大缩减，同时还会让设备在使用期间出现频繁的故障。

3 机械设备故障诊断与监测的常用方法

3.1 红外测温法

红外测温法的主要优越性就是可以对温度进行检测，而判断具体故障的地点，这种分析方式主要使用的物理定律为黑体辐射，因为红外线的原理与物体温度之间呈现正比反向发展关系，操作人员可以根据红外线的曲折程度来判断故障地点，甚至还可以判断磨损和破坏的程度。红外线仪器可以具有远程操作的特征，不用到故障地点，深入到机器内部来进行检测，具有较高的便捷性和简单操作性。还能够利用这种方式来对搜集到的数据信息进行有效的整理，对实际情况做一个真实的反应，还能够防止因外界天气变化而产生的数据不稳等状态。

3.2 异常震动诊断技术

异常诊断震动技术主要检测的目的则是机器设备在发生过程中出现的震动频率变化，因为这种震动频率每当操作处于正常运行状态下，就会保持一个稳定的发展形式，操作人员也可以在频率的记录下来对整个操作设备进行有效的判断。震动数据一旦超出合理范围之内，就需要引起操作人员的重视，因为这种与规律性误差较大的现象，可能就会存在许多故障现象和问题，可以帮助维修管理人员及时到达检修现场。异常震动诊断技术，还可以发挥监督和监测的作用，在整个设备运动过程中，可以做好震动频率图表的展示，对整个过程中的数据进行有效的收集和整理，以更加直观的方式来向操作人员进行表达，这种诊断技术也因为其具体的优越性而被广泛使用，且获得较高的社会信誉度。

3.3 噪声故障的监测法

噪声故障监测法主要的分析目标是噪声，对于日常生活中的居民而言，噪声具有极大的干扰性，但是在机器运作过程中，免不了会出现许多噪音，这些噪音因为频率的变化往往能透露出一些最根本的信息，操作人员就可以利用这些信息来确定机器设备是否处于故障状态下。但是这种噪声检测方法的仪器，可能会受到外界影响而并不能确保顺利安装，而且也无法及时地收集到来自震动频率内的信号。造成故障的检测方法在早期出现时，主要是利用听诊法来判断故障信号，但是这种方式对于操作人员的知识水平和技术能力具有较高的要求，如果无法正确的发挥操作技能将会得到错误的诊断结果。而对于新型的听诊方式而言，对于操作人员的具体要求则大大降低，虽然依然会受到许多来自外界环境的干扰，而出现最终结果的误差，但其精准性已远远高于早期时代，也能够对于整个企业的发展具有促进作用。

3.4 借助常用仪表展开判断

检修人员可以借助合适的电工仪器，测出电路运行的基本参数，例如电压，电流，电阻等等，然后再与设备正常运行的相关参数做出比较，由此来判断故障产生的位置。具体来讲，检修人员可以使用电压测量法，采用电压分接测量或者电压分段测量的形式，先把万用表的转换开关调拨到合适的测量档位上，然后再针对产生故障的电路，检测出负荷电压或者是电器元件的电压，并比较正常的运行数值。另外，检修人员也可以使用电阻测量法，先把电气设备的电源断开，同样把万用表的开关调拨到合适的测量档位上，如果线圈元件包含在测点间，那么电阻的数值就代表着线圈电阻，如果电阻数值比线圈电阻值大，那么就可以判断出现了接线接触不良的问题。如果待测电路之间只有导向和触点，测得的电阻值就应当是0。如果测得的电阻无穷大，那么就意味着电路呈现出了断开的状态。同时，检修人员可以利用短期测量法，在电路带电的状态下，针对所怀疑的断路或者是接触不良的部位，使用绝缘性能优越的导线展开短接，如果短期之后线路能够通电，那么表明该处线路为断路

4 技术路线

在使用机械故障声信号的方式时，会受到来自外界环境的影响而出现许多不便。本文则会利用傅里叶算法模型来进行具体的分析，并提出主要的解决方式。在这里，我们主要是利用三种提取方式来表达，做好三样特征的信号取样，但是在实际的信号采集时，可能由于无法及时的标注来源与分类，就会造成后期数据分析时出现许多误差现象。在解决这一问题时，可以使用卷积神经网络模型，不仅能够将信号以类别来进行输出和标注，还能够降低因其他环境干扰而出现的影响。在实验的后期，通过对实验结果进行阐述和分析之后将进行最终的结论。

5 特征量的计算

频谱分析是设备故障诊断应用中常见的信号处理方法之一，故障的发生、发展往往会引起信号频率结构的变化。此部分工作在麦克风端的小型处理器上进行，可以大幅度减少传输数据需要的成本。由于麦克风直接录制到的声音内掺杂有较多来自较远部件的噪声及环境本底噪声，需要对原始信号进行滤波。在2000Hz 以下频段，存在较为明显的特征谱线，而2000Hz 以上频段，白噪声占据了音频的绝大部分。因此使用低通滤波器对2000Hz 以上频段的噪声滤波，去掉高频部分的白噪声，提高有效信号占比。对滤波后的信号进行标记，计算得出声波携带的功率，由于需要将48000Hz 的声音信号转化成24Hz 的声波功率特征值，每一时间点的声波功率将由2000 个采样点的原始信号计算得出。最终计算出的功率E 来源主要为环境本底噪声和部件运转噪声，如果设备内出现松动类故障，通常表现为噪声功率偏离正常值，或出现震荡现象。因此分析声波携带的功率，即可实现对松动类故障的检测。

6 机械设备故障诊断与监测发展趋势

6.1 机械设备维修管理制度的专业化

在我国机械设备管理工作中仍然沿用传统的管理模式，这种管理方式虽然设备故障和安全事故的产生数量减少，同时也因人员操作水平不过关而无法正常发挥管理模式的作用，甚至由于管理人员采用的方法不恰当而导致设备经常存在故障，使得设备的使用寿命大量缩短。因此，企业要重视对管理人员进行定期培训和考核，保障管理人员对设备的使用技能和维修技术水平能够不断提高，从而保障员工综合素养在不断进步。另外，通过构建完善的管理制度来合理分配管理人员的工作，保障机械设备的高效管理。

6.2 信息融合发展

随着科学技术进步的发展，人们在进行信号的获取和收集时，采用的方式逐渐智能化，甚至还可以在强烈的外界干扰环境下，筛选出许多对于自身发展具有重要意义的信号。但是如何从众多信号中筛选出更加重要的信息是当前许多研究学者主要的研究考题。在对机器设备进行诊断时，可以使用信号判断的方式，但是操作设备需要集中于信号采集设备和传导装置上，并且还要对后期的信息进行筛选和剔除之后才能够得以应用。而操作人员在对各类信号的频谱进行研究时，可以利用傅立叶的具体研究结果，来进行整个领域内的实际分析，拓宽研究领域的方式。数学模型往往对信号分析具有一定的辅助作用，但不能得到百分之百的精准结果，能在一定区域内扩大研究领域和信息的精准性，利用更为精确的数据分析，来得到对自身发展有用的信号。其中的小波变化操作方式，就可以改变一定的频率领域，能够将故障信号和正常信号得以区分，还可以运用各种信号的不同和差异，来得到最终的分形理论结论。

6.3 使用人工智能神经网络来进行故障诊断

人脑领域的研究一直是当前人们在社会发展过程中的主要问题，在对于人脑特点和虚拟化方式进行有效分析之后可以发现，许多大脑优越特点可以与人工智能神经网络进行互通与融合，从而可以形成一定方式的人工智能技术判断故障的方式，而且在投入使用之后，可以具有良好的效果。这种判断能力中采用和使用的人脑虚拟特点主要有大脑皮层内部的敏感性和较强的适应能力，还能够利用较强的组织纪律性来适用更多繁杂的学习，这些技术的研究，对于当前的科研成果发展而言，具有一定的挑战性，但是依然可以将这种精确化的显著特征投入到后期的发展应用中。人工智能神经网络设备具有较高的容错率，对于发生的故障问题，可以进行及时分析后，将其中的优点筛选出来，可供后期参考，而且可以较为客观和平等的评价方式，来对整个结果进行有效的测评。后期的操作和诊断结果也不会因为前期的干扰而出现许多误差，对于推动当前整体故障诊断技术具有重要作用。

6.4 灰色系统诊断

在机械设备系统具有大量历史故障统计数据的情况下，采用传统经典概率统计法进行故障诊断处理较为有效，但对于数据量少的信息机械设备系统的分析则较为棘手。而大多数处于运行中的机械设备都具有信息的灰色系统的特征,因此需要用已知的信息去分析这个含有未知信息的系统特征、状态和发展趋势,从而达到对整个机械设备系统状态获取的目的。而灰色系统诊断的目的就是对“信息贫乏”或存在大量“不确定信息”的机械设备系统,作不同因子间的量化、序化，进行有参考系的、有测度的比较,进行故障分析。机械设备故障灰色系统诊断的实质是对故障模式的识别,采用灰关联分析方法,通过设备故障与某参考模式之间的接近程度,进行状态识别与故障诊断。其优势在于建模简单、所需数据少，对解决少数据、弱条件下机械设备故障诊断具有普适性。但需要注意的是,在机械设备故障分析中运用灰色系统诊断技术时，正确合理选取被诊断对象的特征参数及建立参考状态模式是关键之举。

6.5 构建机械设备运行状态的数据库

数据库作为各大工业生产的主要信息储存的设备，一旦发生故障问题和现象时，可能会带来许多无法估量的经济损失，这时就需要人们投入更多的精力和资金在研究数据库的故障诊断方面，将后期的处理和维修时间缩短到最佳时段。对于当前的数据库诊断技术分析而言，主要包含数据库的自我检修和故障检测理论两种方式，在数据库自身无法得到最终的检测结果时，就需要人们利用分析模型来进行良好的问题判断。在实际操作过程时，机电运行装置可能会因为预测的精准性和操作的经验来进行科学合理的预测，能够将发生故障的时间和具体位置限制在较小的范围内，为后期维修操作人员节约时间，保持整个数据库处于长期且稳定的运行状态下，还能够有效的降低因外界环境的干扰，出现的许多故障问题。数据库自身的判断模拟和外界判断方式之间的相互融合和互通协作，可以对后期预警装置和体系进行一定的辅助，在保障后台技术人员安全性的同时，来提高整个维修检测的效率与质量，对于发现的问题能够及时的将其消灭在初期时段，还能够为未来人员的操作提供良好的经验可供参考，帮助整个行业拓宽未来的发展方向。

6.6 提高机电维修人员的素质

技术人员要有好的专业素养才能够做好故障诊断。通常来说，机械设备的故障类型很多，相关单位工作人员要做好维修养护工作及专业养护操作，明确传感器及仪表的具体维修内容，维修人员结合相应的具体要求，做好维修养护。提升维修人员本身的专业素养，能更好把控故障维修以及效率。企业应招聘有专业素养、专业水平的员工，保证整个维修队伍的专业性。

7 结语

综上所述，故障诊断技术在当前企业生产过程中被广泛使用，通过故障智能技术能让繁琐的设备拆装工作被直接省去，减少检修时间，让企业的生产效率得到有效提高，同时还减少了故障停机对生产经营的经济损失。因此，为了有效保障企业的生产效率和经济效益，企业有关部门需要重视机械设备的维修管理工作，保障设备正常运行，不断优化发展故障诊断技术。