鞏義市鄭建機械廠

    濕煤破碎機http://www.henanzj.com/的設(shè)備故障診斷離不開實際的手段。目前在這方面的發(fā)展主要


在以下兩個方向進行，即便攜式的振動監(jiān)測、診斷儀（包括數(shù)據(jù)采集器）及在線監(jiān)測與診斷裝置。
    提出了一種基于Windows CE的而向大型濕煤破碎機的手持式故障診斷系統(tǒng)實現(xiàn)方案，該系統(tǒng)可實現(xiàn)


實時數(shù)據(jù)采集與管理、在線狀態(tài)監(jiān)測等功能。完成了基于TMSLF2407的濕煤破碎機故障診斷儀下位機系統(tǒng)


的實現(xiàn)。以高壓多級給水泵為對象進行了多次實驗，證明所設(shè)計的下位機和相應(yīng)上位機組成的故障診斷


儀能有效地完成類似濕煤破碎機的機械設(shè)備的故障診斷，具有良好的應(yīng)用前景。綜合利用大型濕煤破碎


機典型故障特征及故障診斷方法、數(shù)據(jù)庫技術(shù)、數(shù)據(jù)傳輸技術(shù)、Java相關(guān)技術(shù)，設(shè)計了遠程診斷中心的


原型和框架結(jié)構(gòu)，建立了摹于Intemet的大型濕煤破碎機遠程故障診斷平臺，實現(xiàn)了對部分現(xiàn)場設(shè)備的遠


程診斷和分析功能。
    模式識別技術(shù)主要包括統(tǒng)計模式識別、句法模式識別和模糊理論等，它們在濕煤破碎機故障診斷中


有著，持久的應(yīng)用。故障診斷另外一個重要研究方向就是模式識別技術(shù)，主要研究內(nèi)容是參數(shù)估計、系


統(tǒng)辨識等，其理論基礎(chǔ)是系統(tǒng)論、信息論和控制論。故障診斷的許多問題都歸結(jié)為模式識別問題。因此


模式識別技術(shù)的研究在故障診斷領(lǐng)域中占據(jù)重要的地位，它也是人工智能研究領(lǐng)域中的一個重要研究方


向。
    提出將粗糙集理論應(yīng)用于加工中心故障診斷技術(shù)，使得故障診斷技術(shù)中的知識獲取瓶頸問題得以解


決。將數(shù)據(jù)挖掘方法引入濕煤破碎機故障診斷領(lǐng)域，提出一種幕于主元分析(PCA)與決策樹相結(jié)合的轉(zhuǎn)子


故障診斷方法。該方法首先利用PCA進行特征約簡，降低特征空間的維數(shù)，然后采用決策樹進行學(xué)習(xí)以及


診斷決策。通過對轉(zhuǎn)子類常見故障的診斷分析，證明該方法具有比BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間更短、診斷準確


率稍高的特點。
    運用廣義維教序列和數(shù)學(xué)方法相結(jié)合提出分形診斷分類方法，并通過實例診斷、識別故障及其故障


程度，該方法具有較好的實效性。將信息融合的層次與故障診斷的功能相對應(yīng)，提出了濕煤破碎機振動


故障診斷的信息融合模型。神經(jīng)網(wǎng)絡(luò)和證據(jù)理論相結(jié)合應(yīng)用于故障診斷的新方法，提高了故障診斷系統(tǒng)


的靈活性、效率和準確性。針對濕煤破碎機故障診斷中的不確定性問題，提出基于多傳感器證據(jù)理論和


模糊數(shù)學(xué)相結(jié)合的信息融合算法；根據(jù)越相似模式間的距離越短的思路，提出采用信息貼近度來建立證


據(jù)理論的基本可信度分配，以基于慕本可倍數(shù)的決策方法來作為故障模式識別方法。
    采用四階累積量迫零算法對機器振動信號進行分離，驗證了盲源分離方法濕煤破碎機振動信號分離


的有效性。
    雖然，目前有關(guān)濕煤破碎機http://www.hnzjjx.com/故障診斷各方面研究中取得了很大的進展，但


在濕煤破碎機故障診斷領(lǐng)域中仍存在著不少問題急待解決，如領(lǐng)域?qū)＜胰狈Χ康脑\斷經(jīng)驗，故障與征


兆之間的復(fù)雜對應(yīng)關(guān)系尚需進一步了解，知識的獲取尚不能自動進行，如何尋找更有效的學(xué)習(xí)算法等。


各種故障診斷方法的信息融合、以及遠程故障診斷系統(tǒng)平臺的構(gòu)建將很有發(fā)展前景。