论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　3.3智能诊断系统薄弱
　　随着机械装备的大型化、复杂化、高速化、自动化和智能化，迫切需求融合智能传感网络、智能诊断算法和智能决策预示的智能诊断系统、专家会诊平台和远程诊断技术等。不同类型的智能诊断方法针对某一特定的、相对简单的对象进行故障诊断时有其各自的优点和不足，例如专家系统诊断技术存在知识获取“瓶颈”，缺乏有效的诊断知识表达方式，推理效率低；神经网络诊断技术需要的训练样本获取困难；模糊故障诊断技术往往需要由先验知识人工确定隶属函数及模糊关系矩阵，但实际上获得与设备实际情况相符的隶属函数及模糊关系矩阵存在许多困难。
　　现有的智能诊断系统其诊断能力还比较薄弱。虽然所采用的人工智能诊断方法很多，但大部分智能方法都需要满足一定的假设条件和人为设置一定的参数，因此研究中通过仿真验证故障诊断算法的较多。于是智能诊断方法往往给留人下“黑匣子”和“因人而异”的印象，诊断方法的推广性得不到很好的验证。这也就是说，要真正实现智能诊断，只靠单纯一两种方法是很难满足要求的，其应用也会有一定局限。如果将几种性能互补的智能技术适当组合、取长补短、优势互补，其解决问题的能力会大大提高。因此，需要重点研究影响现有人工智能诊断方法推广使用的关键环节，建立在故障机理等底层基础研究的人工智能方法，才能形成知识丰富、推理正确、判断准确、预示合理、结论可靠的设备智能诊断与预示的实用技术。要极力避免只简单地借助人工智能方法和技术进行设备智能诊断的应用，而忽视底层基础研究。没有底层的机械故障诊断基础研究，上层的人工智能方法和技术就难以解决实际的工程问题。
　　4几点思考
　　综合上述现阶段我国机械故障诊断基础研究存在的问题，总结起来有“八多八少”现象：研究故障表象多，研究故障机理少；研究旋转机械多，研究往复机械少；研究通用机械多，研究专用机械少；研究单一方法多，研究综合诊断少；研究部件故障多，研究系统故障少；研究显著故障多，研究微弱故障少；研究仿真数据多，研究工程数据少。为此，机械故障诊断的基础研究必须实现以下5个方面的突破。
　　4.1实现由表象研究到机理研究的突破
　　基于“所见即所得”的表象研究方法，只能对机械故障的解释和诊断获得一知半解；故障机理是反映故障本质的根本原因，加强故障机理研究是认识客观事物的科学实践。传统的机械设备故障诊断多以研究已有故障的信号特征为基础，对于新的设备故障预警便因没有故障案例可循而不免漏诊[65]。
　　随着科学技术的迅速发展，新颖、大型和高速机械设备层出不穷，如风电装备、工业燃气轮机、铁路动车与高铁、飞行器动力传动和大功率盾构机等。针对这些新型旋转和往复机械的机电液系统，其特殊服役环境下系统的故障机理和故障演化动力学还有待于深入地分析及研究。例如针对典型的不对中故障，建立数学和力学模型，搭建试验平台，研究不对中所对应的故障征兆和频谱特征；例如利用间隙机构动力学的研究成果，研究不同间隙大小对应的信号频谱特征，甚至建立起间隙大小和信号特征的定量关系，用于指导机构间隙的故障诊断。因此，今后故障诊断无疑将要更加注重机理方面的研究。
　　4.2实现由定性研究到定量研究的突破
　　故障诊断的研究工作通常可以划分为四个层次：首先确定故障是否存在，其次是能够确定故障的位置，第三层次是能够确定故障的损伤程度，第四层次是剩余寿命预测与可靠性评估。如果将第一、第二层次的工作称为定性研究的话，那么第三、第四层次就是定量研究。定性研究是定量研究的重要基础，定量研究的第三和第四层次的研究紧密相连，这是因为缺少准确可靠的初始故障尺寸会导致基于材料特性的剩余寿命预测等技术成为无源之水。故障的定量诊断需要识别损伤等故障的部位、种类以及程度，从而揭示设备故障状态的发生、发展及演化规律，从而为机械设备的安全性分析、可靠性评估和寿命预测提供基础性依据。针对重大装备典型结构，如航空发动机转子、大型飞机机身、大型风力机齿轮箱和典型复合材料结构，首先应开展裂纹损伤等故障的动态在线诊断；然后，在裂纹损伤定量诊断的基础上，研究模型与数据驱动的状态退化识别与剩余安全寿命预测、再制造零件的服役寿命评估与预测等。可见，今后故障诊断的研究重点将会从定性研究转向定量研究。