泵类产品故障诊断的现状及发展趋势

检查的方法来对泵进行故障诊断。该方法具有操作方便，经济实用的特点。但是要求技术人具有较高的工作经验水平，而且往往要定时检查，浪费人力资源，不能实现实时监测。

2）对于大型的泵和泵站的泵的，目前已有了许多在线监测和故障诊断系统。这些系统能够实现实时在线监测和故障诊断功能 。但是也存在着不足之处，主要表现在以下几点：

（1）对机械密封装置无能为力

机械密封故障是泵的多发故障之一，也是故障中最难解决的难题之一。目前尚无有效的措施予以解决，难点在于它的可监测性差，没有很好的参数来反映它的性能。因此，机械密封装置的监测与故障诊断是泵的在线监测与故障诊断问题中亟待解决得的问题之一。

（2）泵的振动监测及故障诊断技术

泵的振动监测和故障诊断主要内容包括：泵的转轴和滚动轴承的振动监测与故障诊断。目前许多水泵机组缺少振动监测系统，一旦发生振动故障，往往造成检修困难，停机时间长、经济损失较大的后果。虽然有工人定期检查，由于人的主观因素，会造成过度检修，而且，对突发事件无能为力。由于泵的振动机理及表现形式较为复杂，目前需要解决的难题有：（一）监测方式；（二）防潮性能；（三）兼容性能。

（3）润滑油系统

润滑系统是泵设备中较为重要的一部分，它的好坏直接决定了泵的机械性能及其零部件的寿命，而且其零部件的磨损情况也可以通过对润滑油的成分分析获得。因此，选择合适的参数及方法，获得较为全面的故障信息，对泵的整机的在线监测及故障诊断具有较为重要的意义。

（4）轴承温度监测

水泵水轮机的主要监测项目之一是轴承温度，采用的是对温度的绝对值和变化率进行监测，但是这种方式，往往是在轴承状态发生异常，出现温度上升之后才进行监测，所以要在早期的微侯阶段检出异常情况就很困难。另外，由于轴承可能出现在启动时温度高，停止时温度低，也可能在启动时低，停止时高的现象，所以，如何设定轴承的温度警报值也是一个很困难的问题。

3 泵类产品故障诊断技术的发展趋势

故障诊断技术自问世以来，特别时近30年来取得了长足的发展，从对故障的机理研究，以信号分析为基础的诊断方法到现今以知识处理为基础的智能故障诊断系统，特别是近年来迅速兴起的人工神经网络方法在工程实际的应用都取得了可喜的成果。但是现有的诊断方法都是以测取设备工作中的外部特征信号为基础，通过对信号的分析提取特征故障信号（征兆）。特征信号的提取主要是基于状态响应，时域响应或频率响应，这些信号往往受到多种因素的干扰，难以取得可信的信息。而且故障于征兆之间也不是一一对应的（如图2所示），难以根据有限的信息（征兆）判断故障的真正的原因。

计算机技术的日臻完善与成熟，为人工智能故障诊断方法的发展提供了广阔的天地。这也给泵的故障诊断指明了方向。目前，人工智能的诊断方法包括以下几种：（一）基于专家系统的诊断方法；（二）基于人工神经网的方法；（三）基于案例的方法；（四）基于模糊数学的方法；（五）基于故障树的方法。目前还存在以下几个方面的问题 ：

1）以解决强干扰、多故障、多征兆、突发条件下的故障为目的的故障诊断技术

随着科学技术的发展，设备的向着精密、高效和机电一体化的方向发展，故障的类型也增多。强干扰、多故障、多征兆、突发条件下的诊断的不确定性，还需进一步解决和研究。

2）鲁棒性研究

基于模型的各种监测分离方法对模型误差的鲁棒性是影响该类方法应用的重要因素。研究鲁棒型好、算法简单的监测和诊断方法一直是研究的重要内容和方向。

3）神经网络的故障诊断技术

神经网络在故障诊断系统中的应用还有许多问题亟待解决。例如，网络模型结构、学习算法还有待于向可靠性、实用性方向发展，如何提高阶谱 、实时辨别、非线性辨识、符号模型等与神经网络结合来解决故障诊断中的一些实际问题，还有待于进一步解决。

【参考文献】

[1]徐章遂，房立清，王希武，左宪章.故障信息诊断原理及应用[M].北京：国防工业出版社，2001.

[2]王道平，张义忠.故障智能诊断系统的理论与方法[M].北京：冶金工业出版社，2001.

[3]王其成.泵运行状态监测和故障诊断[J].化工装备技术，2001.

[4]李梅.转轴故障诊断的频谱分析和监测系统的研究[J].绍兴文理学院报，2001.

[5]李平康.火电厂旋转机械振动监测与故障诊断技术现状及发展[J].电力自动化.

[6]张雷冲.基于灰色理论的潜水泵的故障诊断及预测系统设计[J].工业控制计算机，2011.

[7]唐友亮.潜水泵的故障诊断系统的研究[J].通用机械，2007.

[责任编辑：杨玉洁]