目前乳化机故障诊断技术已取得了很大发展,但是由于设备结构复杂,集成化程度高导致的设备故障的复杂性以及故障原因与故障特征之间关系的复杂性,从而使故障诊断具有探索性过程的特点。所以在设备故障诊断中仍存在着一些亟待解决的问题,主要归纳为以下几个方面:
(1) 诊断方法偏向于理论推导,没有考虑到工业实际,或是没有将理论与实际相结合。固然最新的研究理论和诊断技术是在实验室中产生,很多先进的监测手段和诊断技术都是最先通过仿真软件预判其诊断结果,或是在实验室的环境下测试其运行诊断情况,但是故障诊断研究的最终目的是将研究成果应用到实际工业生产中,脱离了实践检测的理论方法,不具备实际工业生产中的应用性与复杂性,有些诊断技术与方法经不起实际生产的检验。盲目的追求新技术新方法,在一定程度上背离了故障诊断技术研究的本质。
(2) 诊断方法与手段运用单一,没有真正完全反映发生的故障与故障特征之间的内在关系和规律。目前的故障诊断技术多种多样,但是其诊断过程基本上都包含信号提取、信号处理、特征提取与分析、故障诊断几个方面。例如,在广泛使用的旋转机械故障诊断中,一般使用振动信号作为监测信号,而信号的分析与处理一般采用频谱分析作为信号处理方法。频谱分析的方法与参数多样,主要是通过分析各频段频谱中包含的故障信息与实际故障的对应关系,运用神经网络等技术来识别故障[10]。然而在设备实际运行中,检测到的故障信号包含了大量不平稳的信号,这与频谱分析中要求检测信号平稳是不符的。若是简单的对故障信号中的不平稳信号进行频谱分析,其分析的结果只是整个分析频域上的平均,不能深入反映信号突变,难以揭示复杂的故障规律[11]。
(3) 诊断的准确率还不是很高。根据分析国内外相关的故障诊断系统,设备故障诊断的准确率还有待提高。特别是一些高复杂度、具有危险性的特种设备,发生的故障必须立即查找并迅速解决,若故障诊断系统出现误诊或是误判,会直接影响到生产线的安全运行,延误维修的最佳时机,也会误导检修人员的检查方向,造成不必要的资源浪费。所以故障诊断系统的准确率的高低很大程度上影响该诊断系统能否广泛地在实际工程中应用。
伴随着当今前沿科技的快速发展,理论研究更加的深入,设备的监测精度更加精密,故障诊断技术也有了显著的发展。诊断技术与方法更加的多元化、智能化,应用的范围更加具有广泛性,其主要表现在以下几个方面:
(1) 运用现代信号处理与分析方法来深入挖掘采集到的信息。以往传统的信息处理方法包含了滤波技术和频谱分析技术,随着现代信号处理技术研究与应用的深入,给信号处理提供了更加丰富有效的手段。特别是小波分析技术的出现,因为其不仅适合分析平稳的信号,而且适合分析非平稳的信号,有望取代传统信号处理中的傅里叶分析技术。
(2) 与现代智能方法的相融合。进入21世纪,人工智能技术的广泛研究与发展也给故障诊断技术带来更多的选择和理论上的支持。研究学者们的研究重点越来越偏向于故障诊断系统的智能化和系统性,从而减少人为因素对诊断结果的影响。目前,神经网络与其他技术
的融合得到了广泛的应用与发展,例如模糊神经网络、小波神经网络、灰色神经网络、信息神经网络、组合神经网络等极大丰富了智能诊断的方法。遗传算法、支持向量机、模糊推理与神经网络及专家系统的融合等智能算法也成为未来研究的一种热门的趋势。
(3) 与多传感器的信息融合。信息融合的方法除了直接基于传感器信息的简单融合外,还有基于等价关系的模糊聚类信息融合、基于证据推理理论的信息融合、基于小波变换的多传感器信息融合、基于神经网络的多信息融合和基于综合诊断思想的信息融合等。它们各有所长,在故障诊断实践中均取得了较好的效果。
诊断系统将由以往的集中式、单一化向分布式、网络化的方向发展。随着计算机网络技术的快速发展,人们能够快捷地进行资源共享和数据的远程交换。通讯方式与方法的多样性也为故障信息的传送提供了更多的有效途径,例如光纤技术、以及微波无线通信技术能够在很多场合代替原有的同轴电缆的通信方式,信息的网络化也更加利于各种信息的融合,高效的计算机控制系统能够对那些复杂的、多维度的信息进行有效的管理与分析。基于故障诊断技术与计算机网络技术相结合的计算机远程状态监测与故障诊断系统已在不少领域研制成功,不断完善并得到使用,因而网络化将是机械故障诊断技术的重要发展趋势之一。