在数据驱动下机械故障诊断的一些方法（一）

        机械故障是风力发电设备、航空发动机、高档数控机床等大型机械装备安全可靠运行的“潜在杀手”。故障诊断是保障机械装备安全运行的“杀手锏”。由于诊断的装备量大面广、每台装备测点多、数据采样频率高、装备服役历时长，所以 获取了海量的诊断数据，推动故障诊断领域进入了“大数据”时代。

        机械大数据不仅具有大数据的共性，更有本领域的特性：（1）大容量，数据量达到PB级以上，依靠诊断专家和专业技术人员手动分析很不现实，需要新理论与新方法进行自动分析；（2）低密度，机械装备在服役过程中长期处于正常工作状态，导致监测数据蕴含的信息重复性大，数据价值密度低，需要数据提纯；（3）多样性，数据涵盖了多种装备不同工况下多物理源辐射出的大量信息，信息之间相互耦合，导致故障信息表征十分困难；（4）时效性，机械装备各部分紧密关联，微小故障就可能快速引起连锁反应导致装备受损，需要保证数据处理的时效性，高效诊断故障并及时预警。

        机械大数据的特性促使故障诊断亟需在现有基础上做出转变，并带来前所未有的机遇。（1）学术思维的转变：由以观察现象、积累知识、设计算法、提取特征、分析决策为主线的传统学术思维转向以机理为基础、数据为中心、计算为手段、智能数据解析与决策为需求的新学术思维。（2）研究对象的转变：由针对齿轮、轴承、转子等机械装备关键零部件的单层次监测诊断转向针对各零部件相互作用、多故障相互耦合的整机装备或复杂系统的多层次监测诊断。（3）分析手段的转变：由人为选择可靠数据、采用信号处理方法提取故障微弱特征的切片式分析手段转向多工况交替变换下、多随机因素影响下智能解析故障整个动态演化过程的全局分析手段。（4）诊断目标的转变：由准确及时识别机械故障萌生与演变，减少或避免重大灾难性事故发生转向利用大数据全面掌控机械装备群的健康动态，整合资源进行智能维护，优化生产环境，保障生产质量，提高生产效率。

        从广义上讲，机械智能故障诊断通常包括如图1所示的三个环节：

        （1）信号获取：获取机械装备辐射出的多物理监测信号，反映机械装备的健康状态；

        （2）特征提取：通过分析获取的监测数据，提取特征揭示故障信息；

        （3）故障识别与预测：基于提取的特征，通过人工智能模型与方法识别并预测故障。

图 1   机械智能故障诊断流程图[1]

 

一、信号获取

        由于机械装备故障信息常常表现在动力学、声学、摩擦学、热力学等多物理场，利用先进的传感技术获取响应信号表征机械装备的运行状态，是机械故障诊断的前提。

（1）振动信号

        设备自身动力学特性外在表现形式之一就是振动，设备的运行状态信息也包含在振动信号之中，因此我们可以通过分析和处理设备的振动信号来判别其运行状态。振动分析法是被广泛应用的故障诊断方法，具有测试和处理简单，诊断结果直观可靠的优势。但是，振动信号容易受到切削时其他因素的影响。

        刀具与工件在切削时产生的振动信号与刀具状态改变存在着很高的相关性。伴随着刀具磨损程度的加深，刀具与工件之间的接触面积增大并且表面平整度降低，随着磨损量的变化，振动幅度和频率相应有不同程度的改变。

表1-1  振动测量方法分类

方法	原理	优缺点及应用
电测法	将被测对象的振动量转换成电量，然后用电量测试仪器进行测量	灵敏度高，频率范围及动态、线性范围宽，便于分析和遥测，但易受电磁场干扰，是目前最广泛采用的方法
机械法	利用杠杆原理将振动量放大后直接记录下来	抗干扰能力强，频率范围及动态、线性范围窄，测试时会给工件加上一定的负荷，影响测试结果，用于低频大振幅振动及扭振的测量
光学法	利用光杠杆原理、读数显微镜、光波干涉原理，激光多普勒效应等进行测量	不受电磁场干扰，测量精度高，适于对质量小及不易安装传感器的试件作非接触测量

（2）声音信号

       在加工中刀具与工件之间互相摩擦产生声音，在新刀具刚开始执行切削任 务时，其比较锋利并产生的声音较为刺耳；在度过了初期磨损之后，刀具开始正常切削，此阶段是刀具寿命最长的一个阶段，加工产品的废品率最低并且精度都是最高的。在加工过程中，相对而言声音变得平稳；随着刀具磨损程度的加深，磨损量达到一定程度之后，刀具的磨损速度迅速增加，工件的加工质量也是急剧下降，此时声音开始变得很响并且也是变得不平稳。因此，声音对刀具磨损量的变化也是较为灵敏。

        但是在一般工况条件下，声音容易受到外界环境的影响，使得采集的数据受到污染，增加后期处理的难度。

（3）声发射信号

        金属材料在发生破裂的时候，其内部会释放应变能而产生弹性应力波。刀具在切削时，也会释放应力波，其中必然包含有关刀具磨损信息，借助其监测刀具工作状态。声发射监测技术是一种潜力巨大的新型检测技术，其有效频率一般在 100 kHz以上，可以过滤掉在切削加工中产生的环境的干扰，机床驱动电机的振动干扰等，具有灵敏度高、抗干扰能力强等特点。

（4）切削力信号

       切削力信号是指在切削过程中工件与刀具之间产生一种大小相等、方向相反的力，切削力对刀具磨、破损状态的反映十分灵敏。刀具磨损带宽度逐渐增大时，刀具参与切削的表面积也会逐渐增加，切削力发生显著变化。刀具开始逐渐磨损直到破损或磨钝整个周期中，切削力会随之剧烈变化。

（5）电流信号

       由于切削力随着刀具磨损的增加而增加，因而机床电动机消耗的电流也相应的增加，电机电流信号被认为比切削力传感器更适合工业制造环境，因为它们的应用相对简单，并且对加工操作没有安装影响，可以直接将电流传感器安装在机床的供电柜里。