大数据背景下机械故障的智能诊断发展研究

来源:用户上传      作者:

　　摘 要：互联网技术的发展与科技的进步使得整个社会生产水平取得了突飞猛进的发展，特别是大数据的出现为各行各业提供了有力展开，通过海量数据的整理与分析能够准确发现客观规律与发展动态，用科学的数据指导活动进行，当前和未来大数据必将进入各个领域。机械制造行业与社会生产息息相关，机械故障是导致机械失效和无法正常运行的重要原因，故障原因的分析与诊断会直接影响到故障解决的效率及效果，而如何进行故障诊断也是机械故障处理中的核心问题。大数据的发展使得数据获取和分析更加便捷，机械故障的智能诊断有效打破了传统故障诊断方式对技术人员依赖度过高及诊断效率偏低的现状，在未来将具有更加广阔的应用前景。
　　关键词：大数据;机械故障;智能诊断
　　
　　大数据时代的数据产生量超越了以往任何时代，数据种类更加丰富，结构更加复杂，产生速度更加迅猛，这也为各项生活与生产活动提供了更加准确而有效的数据参考，故障诊断也由此而进入了全新发展时期。我国机械行业在过去几十年时间里保持了高速发展状态，机械设计与机械应用均取得了较好成果。
　　一、大数据的发展概述
　　（一）大数据定义
　　大数据是指由数量众多、类型纷杂而结构繁复的数据形成数据集合，利用云计算对这些数据进行收集和处理，最终得到的数据集合能够成为一种非常宝贵的资源。各个领域有效应用大数据能够形成丰富多样的数据成果，决策力和洞察力在大数据的帮助下将得到极大地提升，数据资源的利用率也将不断提高。大数据就是在海量数据中挖掘和利用有利用价值的数据资源，通过数据资源的整合与处理来推动科技的发展，促使某个行业进入高速发展状态，同时也能够进一步获得更具有价值的数据资源，这也形成良性循环。
　　（二）大数据技术构成
　　大数据技术主要由数据处理、数据分析、数据可视化及分布式计算等四种技术构成，大数据需要处理的数据数量远远超出了传统数据库能够承载和处理的份额，而如何将海量的数据收集并进行处理也成为大数据技术关注的重点内容。数据处理能够将纷杂众多的数据进行分析和梳理，从中提取最有价值的部分;数据分析技术则能够将数据转化为图像，有效应对不同数据的使用需求;可视化技术能够将数据转化为图像，用更加直观的方式呈现和表达数据;普通计算机已经无法处理如此众多的数据，而分布式计算架构能够有效解决这个问题。社会发展及社会生产的需要使得大数据技术革命以前所未有的姿态发展和进步，智能制造依托大数据技术进入了全新阶段。
　　（三）大数据及时特点
　　大数据具备了多样性、时效性及大容量的特点。首先大数据涉及到民众生活、社会生产、高新科技的方方面面，每一个行业都会出现海量的数据，数据种类呈现多样性;其次大数据的收集与处理必须要在短时间内完成，这才能够保证数据的应用价值，数据也才能更好地用于实际;最后大数据必须要通过大量数据分才能够具有实用价值，数据越多也就越能准确地反应现实情况;另外大数据要求在最短时间内在海量的数据中找到最需要的数据，保证数据查找的精准性。
　　二、机械故障智能诊断的发展现状分析
　　机械故障的诊断首先要利用先进传感技术获取机械的运行状态参数，同时检测各个部件的运行情况，从中发现异常信号并展开进一步分析诊断及故障处理。机械故障的判断需要利用声学、信号学和摩擦学等等领域知识，通过不同途径获得的信号必须要经过分析才能够具有应用价值。以信号处理基础为基础特征的机械故障信息表能够帮助技术人员在最短时间内做出判断，这也是大数据技术应用于故障诊断的雏形。国内外专家围绕机械故障信息提取展开了一系列研究并积累了丰富经验，在故障诊断时可以根据时域、频域及时频方面的典型特征做出及时判断，在最短时间内提取问题，为问题的解决奠定基础。机械智能故障诊断主要为了获取机械故障的典型特征，利用智能模型对故障做出判断或进行预测，争取在最短时间内解决机械故障或将机械故障消灭于萌芽。在实际研究过程中，研究者取得了一定成果，但仍然需要进行优化和深入探索。
　　三、大数据用于机械故障智能诊断的可能困难
　　大数据作为传导媒介能够逐渐反应机械故障，而智能诊断的发展层次决定了我们只能够通过数据了解机械设备是否存在故障，却无法准确判断机械故障的具体情况。目前的研究主要针对单一物理信号源进行诊断，能够利用的数据数量还不够多，技术人员可以自己进行数据分析和价值判断，确定哪些数据是有用的。但大数据时代的机械故障数据获取主要通过传感器获取，从更加全面的程度对数据进行收集，这就导致数据差异明显而数量众多，技术人员或专家无法在短时间内完成数据的处理与诊断。另外单标签式样的数据收集与分析导致机械的故障被分隔处理，无法准确而全面地表述系统化的设备故障，这也是大数据时代机械故障智能诊断面临的主要困难。
　　四、大数据背景下机械故障智能诊断的发展方向
　　机械涉及到的数据数量众多而类型多样，大数据呈现非常杂乱的状态，这个数据收集与分析带来了很大困扰，未来需要建立明确的数据质量评估标准，根据标准去选择最有价值的数据，同时对多元数据的算法进行研究，将机械传感器获取的数据有效利用起来。机械的智能诊断需要依托数据进行，这时就需要建立数据库，大型数据库的建立能够非常有效地提升数据利用有效性，为了达到这个目标，我们要注意观察和记录机械部件的信息状态，特别是机械从正常运行到出现故障的变化过程。可视化研究有助于发现机械故障的内在规律，同时将故障直观地呈现在我们面前，做出更加有效地故障解决决策，因此交互式一体化智能分析对于机械故障智能诊断发展是非常重要的。大数据的智能诊断也需要创新，深度学习也是处理大数据的一种方法，实现一些未解决的难题，到最后把丰富的数据内在消息识别得极为准确。建议从以下几个方面进行研究：建立深层结构的深度学习网络;分析机械多源异构大数据的内容;建立数据重组理论的监督学习准则。
　　参考文献：
　　[1]李天舒.大数据下机械智能故障诊断的机遇与挑战[J].湖北农机化，2019（13）：16.
　　[2]李洪涛，孟凡强，成鑫，卜林海.大數据模式下关于机械智能故障的相关思考[J].大众投资指南，2018（13）：246.
　　[3]雷亚国，贾峰，孔德同，林京，邢赛博.大数据下机械智能故障诊断的机遇与挑战[J].机械工程学报，2018，54（05）：94-104.
　　作者简介：丁科（1978-），男，技师，教师，研究方向：机电类。
转载注明来源:https://www.xzbu.com/1/view-15222404.htm