旋轉(zhuǎn)結(jié)構(gòu)作為電機(jī)設(shè)備傳輸力和載荷的關(guān)鍵部件正朝著高精化、高性能、高可靠性、智能化方向發(fā)展，廣泛用于工業(yè)生產(chǎn)的各個(gè)環(huán)節(jié)。其中，故障診斷與健康維護(hù)技術(shù)顯得越來越重要，在機(jī)床、機(jī)器人等智能化維護(hù)過程中越來越受到人們的重視。

　　故障診斷技術(shù)的目的

　　故障診斷以及狀態(tài)監(jiān)測(cè)屬于智能技術(shù)大領(lǐng)域中的一個(gè)分支，實(shí)際上跟我們的醫(yī)學(xué)概念特別相似，比如人在看病是，中醫(yī)講究望聞問切，而在電機(jī)系統(tǒng)中，則希望通過傳感器以及智能算法進(jìn)行診斷，也會(huì)涉及到多科“會(huì)診”的情況，我們希望通過振動(dòng)法+電氣法有效結(jié)合，來進(jìn)行綜合診斷。

　　另外，在醫(yī)學(xué)上，更多是疾病預(yù)防，而在電機(jī)系統(tǒng)中，我們希望把故障診斷和維護(hù)從事后轉(zhuǎn)變成事前，增加系統(tǒng)的可靠運(yùn)行周期，降低系統(tǒng)整體成本，另外更重要的是，為將來設(shè)計(jì)以及評(píng)估工控產(chǎn)品系統(tǒng)，提供豐富的歷史數(shù)據(jù)，并朝著大數(shù)據(jù)人工智能方向發(fā)展。

　　電氣法智能化診斷技術(shù)的重點(diǎn)

　　傳統(tǒng)的電機(jī)故障診斷技術(shù)主要有以下幾種方式：如振動(dòng)法、超聲波法、油液法、紅外成像法等等，故障診斷不是一個(gè)新的研究方向，而是傳統(tǒng)機(jī)械學(xué)科幾十年研究的成果。在電氣方面，由于一般需要增加額外的傳感器，傳感器的成本較高，且應(yīng)用環(huán)境也受到一系列制約，包括安裝條件會(huì)影響診斷效果等等。其次是有的場(chǎng)合不允許安裝傳感器，因此需要克服這些傳統(tǒng)傳感器應(yīng)用的弊端。

　　因此，實(shí)際上電氣法主要的研究方向有三個(gè)方面：第一，研究信號(hào)源，振動(dòng)傳感器等各種傳感器都是故障信號(hào)的載體，我們希望用電氣信號(hào)進(jìn)行診斷;第二，特征的提取是重中之重，故障的提取涉及到數(shù)字信號(hào)處理算法和一系列分析方法;第三，狀態(tài)識(shí)別，從簡(jiǎn)單的閾值法到大數(shù)據(jù)分析，借此形成遠(yuǎn)程無損的診斷技術(shù)，從而實(shí)現(xiàn)具有低成本、智能化的應(yīng)用優(yōu)勢(shì)。

　　在目前國(guó)內(nèi)外產(chǎn)品中，一類是以歐美系品牌為代表，已推出了實(shí)際產(chǎn)品，一種是硬件監(jiān)測(cè)系統(tǒng)，需要配數(shù)據(jù)采集卡和傳感器，有硬件支持，其次是分析軟件比較強(qiáng)大，給用戶很好的選擇，可以診斷出故障的特征頻率，包括軸承電機(jī)故障等，也需要一系列傳感器軟件。另一類是日本品牌為代表，例如三菱公司最新的J5系列伺服系統(tǒng)具備自動(dòng)診斷功能，是三菱Maisart人工智能應(yīng)用的體現(xiàn)，接入伺服系統(tǒng)，可診斷滾珠絲杠間隙、振動(dòng)預(yù)測(cè)，皮帶帶打滑、齒形帶張力惡化失效預(yù)測(cè)，傳動(dòng)齒輪故障預(yù)測(cè)等，不需要人為參與，是目前唯一具備這一功能的產(chǎn)品。

　　基于電氣法的故障診斷技術(shù)最新研究動(dòng)向

　　在數(shù)字信號(hào)處理技術(shù)的研究方面，故障特征提取方法，包括從時(shí)域方法、頻域方法和時(shí)頻域方法。

　　電機(jī)傳動(dòng)系統(tǒng)機(jī)械故障大致分為三類：

　　第一，傳動(dòng)機(jī)構(gòu)本身故障，比如齒輪、滾珠絲杠等。各個(gè)傳動(dòng)機(jī)構(gòu)中齒輪應(yīng)用比例最高;而在齒輪故障當(dāng)中，斷齒故障是發(fā)生率最高的。

　　第二，電機(jī)本體故障主要指機(jī)械故障，例如軸承故障等，這是出現(xiàn)率最高的形式。軸承故障有分布式和局部式，早期的故障是局部式，最大的特征是信噪比極低，要比齒輪故障等小一到兩個(gè)數(shù)量級(jí)，除非聽到明顯噪聲才發(fā)現(xiàn)徹底損壞，滾珠是經(jīng)常故障的，主要是跟傳動(dòng)運(yùn)動(dòng)耦合起來。

　　第三，安裝故障。安裝對(duì)中只是相對(duì)的概念，而“不對(duì)中”是絕對(duì)的。不對(duì)中又分為平行不對(duì)中和角度不對(duì)中，德國(guó)西門子工程師一般都會(huì)用到激光對(duì)中儀，國(guó)內(nèi)大多企業(yè)現(xiàn)場(chǎng)工程師都沒有見過激光對(duì)中儀，完全靠人工經(jīng)驗(yàn)來安裝、調(diào)試。因此造成電機(jī)傳動(dòng)系統(tǒng)很多偶發(fā)故障往往是早期安裝不對(duì)中引起的，隨著市場(chǎng)大規(guī)模應(yīng)用，這個(gè)比例越來越高。

　　因此我們根據(jù)前面的故障類型將研究分為以下四個(gè)方面：齒輪故障診斷、軸承故障診斷、不對(duì)中的故障診斷，以及諧振故障診斷，下面主要闡述前三個(gè)故障診斷技術(shù)的最新研究成果。

　　第一，齒輪故障診斷研究。齒輪往往工作在高速重載等惡劣環(huán)境下，容易發(fā)生斷齒、齒面點(diǎn)蝕等局部式故障，影響設(shè)備的傳動(dòng)性能。我們的研究主要是針對(duì)數(shù)字信號(hào)處理算法，提取更多故障特征細(xì)節(jié)，算法的過程有點(diǎn)像發(fā)現(xiàn)微弱信號(hào)的過程，最開使用眼睛看就可以了，最簡(jiǎn)單的分析方法就可以看到;再微弱的故障就需要用復(fù)雜信號(hào)處理算法RSSD(共振稀疏分解)，如借助光學(xué)顯微鏡觀測(cè)一樣;如果更加隱秘更加微弱的信號(hào)，就需要用電子放大鏡設(shè)備一樣，需要更加復(fù)雜的數(shù)字信號(hào)處理算法。這些算法研究的應(yīng)用就是大致按照這樣的思路開展的。

　　下面是我們搭建的一個(gè)實(shí)驗(yàn)平臺(tái)，由一個(gè)健康齒輪和一個(gè)斷齒齒輪組成。

　　通過分析不同運(yùn)行條件下實(shí)驗(yàn)結(jié)果(FFT、RSSD、雙重優(yōu)化RSSD)、基于同步位域運(yùn)動(dòng)誤差分析的齒輪故障診斷，我們得出以下的結(jié)論：

　　第二，電機(jī)軸承故障診斷研究。包括三個(gè)內(nèi)容：MCSA電機(jī)電流特征分析與MSSA的對(duì)比;軸承局部式特征故障提取方案;結(jié)合驅(qū)動(dòng)算法的預(yù)降噪方案。我們搭建出下面的實(shí)驗(yàn)平臺(tái)：

　　從軸承故障機(jī)理的判斷，可以看到故障產(chǎn)生到轉(zhuǎn)速波動(dòng)，引起磁動(dòng)勢(shì)角度調(diào)制，最后影響到傳速的變化，因此，我們?cè)谒欧?qū)動(dòng)系統(tǒng)中利用上位機(jī)采集的轉(zhuǎn)速信號(hào)進(jìn)行軸承故障診斷，并對(duì)軸承內(nèi)外圈故障進(jìn)行了判斷，用基于譜峭度的方式尋找最優(yōu)的濾波器中心頻率和帶寬。我們進(jìn)行了電機(jī)相電流與轉(zhuǎn)速不同故障載體信號(hào)源的對(duì)比，發(fā)現(xiàn)轉(zhuǎn)速信息非常直觀，得到了一個(gè)明確的軸承故障，并且通過對(duì)比，針對(duì)信號(hào)相電流、電機(jī)轉(zhuǎn)距做了大量的對(duì)比測(cè)試。下面是我們對(duì)電機(jī)軸承故障診斷研究的小結(jié)：

　　第三，電機(jī)安裝不對(duì)中故障診斷研究，我們?cè)跈C(jī)理分析的實(shí)驗(yàn)中發(fā)現(xiàn)，電機(jī)安裝不對(duì)中故障有分為：平行不對(duì)中故障、角度不對(duì)中故障、組合不對(duì)中故障;并且電機(jī)安裝不對(duì)中故障會(huì)產(chǎn)生1倍或2倍的轉(zhuǎn)矩波動(dòng)量，由此也找到了電氣法研究方案。在此基礎(chǔ)上，我們搭建出下面一套實(shí)驗(yàn)平臺(tái)：

　　通過故障與健康狀態(tài)FFT幅值的對(duì)比，可以發(fā)現(xiàn)，各種轉(zhuǎn)速下，發(fā)生平行不對(duì)中或角度不對(duì)中故障時(shí)，F(xiàn)FT頻譜中轉(zhuǎn)速1倍、2倍轉(zhuǎn)頻分量都明顯升高，下面是我們對(duì)電機(jī)安裝不對(duì)中故障診斷研究的小結(jié)：

　　針對(duì)首次安裝條件下的不對(duì)中故障診斷，我們通過首次安裝建模，并參考西門子公司對(duì)首次安裝不對(duì)中誤差的限定范圍和標(biāo)準(zhǔn)，得出以下結(jié)論：

　　最后做一個(gè)簡(jiǎn)單的總結(jié)，現(xiàn)在我們的故障診斷技術(shù)正朝著人工智能、大數(shù)據(jù)的方向探索，相當(dāng)于把原來基于故障特征頻率辨識(shí)的數(shù)字信號(hào)診斷，越來越多引入人工神經(jīng)網(wǎng)絡(luò)，這是真正的大數(shù)據(jù)處理故障診斷的具體方式，也是人工智能、大數(shù)據(jù)等學(xué)科在電氣領(lǐng)域的嘗試。在機(jī)器人減速機(jī)故障診斷的研究中，這是真正工業(yè)化應(yīng)用的最復(fù)雜的傳動(dòng)結(jié)構(gòu)形式，特別是國(guó)產(chǎn)減速機(jī)的故障率比較高，現(xiàn)在很多學(xué)者通過這種方式在做建模的工作，我們希望一方面可以通過數(shù)據(jù)模型建模做故障特征，另一方面可以從大數(shù)據(jù)分析的角度，來判斷工業(yè)機(jī)器人減速機(jī)故障診斷，并在此基礎(chǔ)上，實(shí)現(xiàn)對(duì)工業(yè)機(jī)器人減速機(jī)的壽命預(yù)測(cè)。