【智能制造】设备故障诊断基础知识：振动、噪声、温度、探伤

会员服务 ·

【智能制造】设备故障诊断基础知识：振动、噪声、温度、探伤

2017 年 12 月 24 日 产业智能官 设备管理中华联盟

一、描述故障的特征参量

1.设备或部件的输出参数：设备的输出与输入的关系以及输出变量之间的关系都可以反映设备的运行状态。

2.设备零部件的损伤量：变形量、磨损量、裂纹以及腐蚀情况等都是判断设备技术状态的特征参量。

3.设备运转中的二次效应参数：主要是设备在运行过程中产生的振动、噪声、温度、电量等。

设备或部件的输出参数和零部件的损伤量都是故障的直接特征参量。而二次效应参数是间接特征参量。使用间接特征参量进行故障诊断的优点是，可以在设备运行中并且无需拆卸的条件下进行。不足之处是间接特征参量与故障之间的关系不是完全确定的。

二、故障诊断的实施过程

1.状态监测：通过传感器采集设备在运行中的各种信息，将其转变为电信号或其它物理量，再将获取的信号输入到信号处理系统进行处理。

2.分析诊断：根据监测到的能够反映设备运行状态的征兆或特征参数的变化情况或将征兆与模式进行比较，来判断故障的存在、性质、原因和严重程度以及发展趋势。

3.治理预防：根据分析诊断得出的结论确定治理修正和预防的办法。

状态监测是故障诊断的基础和前提;故障诊断是对监测结果的进一步分析和处理，诊断是目的。

三、振动测量

根据能否用确定的时间关系函数来描述，振动分为确定性振动和随机振动。

1.振动的基本参数

振幅：振动体或质点距离平衡位置的幅度。
频率：每秒振动的次数，用HZ表示。
周期：振动一次所需要的时间，频率和周期互为倒数。
相位：表示振动部分相对与其他振动部分或固定部分所处的位置。

2.振动位移对时间的一阶导数是速度、速度对时间的一阶导数是加速度。加速度对时间积分得速度、速度对时间积分得位移。因此，位移、速度、加速度这三者，只要测得其中之一，即可通过微分积分的关系求出另外的两个物理量。

3.常用的测振传感器(结构和应用)

压电加速度传感器是基于压电晶体的压电效应工作的，压电式加速度计无需外电源，属于能量转换型传感器。它由压紧弹簧、质量块、压电晶片和基座等部分组成，其中，压电晶片是加速度计的核心。压电晶体输出电荷与振动的加速度成正比。灵敏度高而且稳定。

磁电速度传感器是基于磁电感应工作的，无需外电源也属于能量转换型传感器。由磁钢、线圈、阻尼环、弹簧片、芯轴、壳体和输出线组成。当传感器随被测系统振动时，传感器线圈与磁场之间产生相对运动，切割磁力线而产生感应电动势，从而输出与振动速度成正比的电压。

振动位移信号通常采用涡流位移传感器提取。由线圈、壳体和引线组成。它基于金属体在交变磁场中的电涡流效应工作。工作时，将传感器顶端与被测对象表面之间的距离变化转换成与之成正比的电信号。这种传感器不仅能测量一些旋转轴系的振动、轴向位移，还能测量转数。涡流位移传感器属于非接触式测量，但需要外电源，属于能量控制型传感器。

4.异常振动分析方法

振动总值法：通过传感器直接测量，以表格或图形表示趋向，并对照"异常振动判断基准"判别设备工作是否正常。

频率分析法：把测量的振动信号取出进行频率分析，再将频谱图与正常谱图比较，可以找出振源、部位和严重程度。

傅立叶变换的目的是将时域信号转变为频域信号。在时域信号中，横坐标是时间;在频域信号中，横坐标是频率或圆频率。频率分析仪是一种将时域信号转变为频域信号的仪器。

频率分析仪可以将振动信号的波形分解为各个频率的分量，获得信号的频率结构和组成信号的各个谐波的幅值、相位，从而确定信号特征。

振动脉冲测量法：主要用于滚动轴承的测量，以振动峰值作为判断依据。

四、噪声测量

噪声：不规则的机械振动在空气中引起的振动波。

声压级、声强级和声功率级，是噪声强弱的客观量度;频率或频谱表示噪声的成分。也可以用主观的感觉，例如响度进行测量。

1.噪声的物理量度

声压：声波传播时，空气质点随之振动所产生的压力波动出现的压强增量(Pa)。
声压级(dB)：声压与基准声压之比的以10为底的对数的20倍。
声强：单位时间内，单位面积上的声波能量--声强(W/㎡)。
声强级：声强与基准声强之比的以10为底的对数的10倍--声强级(dB)。
声功率：声源在单位时间内辐射出来的总声能--声功率(W)。
声功率级：声功率与基准声功率之比的以10为底的对数的10倍--声功率级(dB)。

2.噪声的主观量度

(1) 等响曲线

人耳对燥声的感觉不仅和声压级有关，还和燥声的频率有关。

响度曲线：典型听者感觉响度相同的纯音，其声压级和频率之间的关系曲线。将各个频率下相同响度的听阈声压相连而得到的曲线，即为听阈曲线，其响度规定为0 ，所以听阈曲线也称为零方响度线。

同理，不同频率时，痛阈的声压级和频率关系曲线称为痛阈曲线，也称为120方响度线。在听阈和痛阈之间，共有13个响度级，其响度分别为0、10、20、30 ┉┉ 110、120。同一条曲线上的各点，频率和声压级不同，但响度相同。

(2) 计权声级

声级计利用不同线路对不同频率声音实行不同程度的衰减，从而能够近似地表达人们对声音的感受和反映。

声级计中常常采用A、B、C三个计权网络。其中，C计权网络让所有频率的可听声音程度相同地通过，所以它代表总声级;B计权网络使低频段的声音在通过时有一定程度的衰减;A计权网络使声音的低频段有更大的衰减。噪声测量中，若：

LC = LB = LA 时：表明噪声的声能主要集中在高频段;
LC = LB>LA时：表明噪声的声能主要集中在中频段;
LC > LB> LA时：表明噪声的声能主要集中在低频段。

装备保障管理网http://www.zbbzgl.com/_中国工业设备管理维修专业门户网站

3.噪声测量仪器

(1) 传声器：它的作用是将声能转换成电能。通常用膜片感受声压，把声压的变化成膜片的振动。传声器分为三类：

压强式，膜片感受的是声压;
压差式，膜片振动取决于膜片两侧的压差;
压强和压差组合式。

电容传声器：灵敏度高，动态范围宽，输出特性稳定，对周围环境适应性强，外形尺寸小。

压电传声器：结构简单成本低，输出阻抗低，电容量大，灵敏度较高。性能受温、湿度影响较大。

(2) 声级计：声级计可以用来测量声级，进行频谱分析，记录噪声的时间特性和测量振动。被测量的声压信号通过传声器转换成电压信号，经过衰减器和放大器以及计权网络等，最后由分贝表显示。

4. 故障的噪声识别方法

可以根据噪声信号的特征量制定一个限值作为有无故障的标准。
要识别故障的性质、发生的部位以及严重程度，还需要提取噪声信号作频谱分析。
对噪声判断有绝对标准、相对标准和类比标准。三种方法分别对应于将测量所得到的噪声信号的特征量值和标准特征量值、正常运行的特征量值或同类设备相同工况时的特征量值进行比较。

五、温度测量法

1.测温仪表

接触式测温装置：测温元件与被测对象直接接触，通过热交换进行测温。

热膨胀式(水银、双金属、液体、气体等)。
压力式。
热电阻式(铂、镍、铜、半导体等)：材料的电阻随温度的变化而变化，利用这个特性，可以将温度转换成为电量。
热电偶式(镍铬-考铜、镍铬-镍硅、铂铑-铂等)：基于热电效应进行测量，即两种不同材料的导体组成回路时，若两端温度不同，则产生感应电动势，其大小与材料以及两端温差有关。当材料确定时，热电动势只是被测温度的函数而与直径、长度无关。

非接触式测温装置：辐射高温计、光学高温计、比色高温计和红外测温仪器

红外测温仪器由红外探测器、红外光学系统、信号处理系统以及显示系统等组成。

常用的红外测温仪器有：红外测温仪和红外热像仪(可测温度在物体表面或空间的分布情况)。

红外测温仪器的核心是红外探测器，它能将入射的红外辐射转变为电能或其它能量。按照辐射响应方式的不同，分为光电探测器和热敏探测器两类。

红外光学系统有反射式、折射式和折-反射式。

常用的红外测温仪器有：红外测温仪和红外热像仪。后者可以测量温度在物体表面或空间的分布情况。被测对象的红外辐射经光学系统汇聚、滤波、聚焦到红外探测器上，再由光学--机械扫描系统将对象观测面上各点的红外辐射通量按时间顺序排列，经过红外探测器转变为电脉冲，通过视频信号处理送到显示器显示出热像。

2. 通过测温测量所能发现的常见故障有轴承损坏、流体系统故障、发热异常、污染物质积聚、保温材料损坏、电器元件故障、非金属部件的故障、机件内部缺陷、裂纹探测等。

六、裂纹的无损探伤法

裂纹是机器零部件最严重的缺陷。

裂纹可能在原材料生产、零部件加工以及设备使用等各个阶段产生。可以采用的方法有目视 - 光学检测法、渗透探测法、磁粉探测法、射线探测法、超声波探测法、涡流探测法和声发射探测法。

其中，声发射探测法为动态检测、在加载或运行状态下进行;裂纹主动参与，提供裂纹活动的信息;灵敏度高、覆盖面大、不会漏检;但是，不能反应静态缺陷情况。而涡流探测法：适用于导电材料表面或近表面探伤;灵敏度高，可自动显示报警;非接触式，可用于高温测量对象典型零件故障诊断;可用于显示、记录和报警，并可估算缺陷的位置和大小。不足：深层缺陷难以探测、影响因素多、存在边界效应。

声明：本文由声振论坛根据会员fool168分享的资料整理而成，资料的分享仅仅出于非商业性的教育和科研目的，并不意味着赞同其观点或证实其内容的真实性。版权归原作者所有

邓钦：人工智能在智能制造当中的应用

中国人工智能学会

2017年12月8日，由中国人工智能学会承办的2017世界智能制造大会---制造业+人工智能技术论坛顺利召开，来自全球知名专家、学者、业界精英汇集于此，展开一场制造业＋人工智能技术主题论坛，带领参会听众们共同开启全新视角，展示中国制造向中国“智造”迈步的重要转变。

本文根据论坛嘉宾IBM电子行业全球工业4.0及智能制造总经理邓钦带来的名为《人工智能在智能制造当中的应用》的主题演讲整理。

在生产流水线上的质检员，他们需要每天花10个小时以上的时间去判断质量。很多工厂这个工作岗位两三个月就要轮一次岗，因为肉眼确实受不了。

现在大家都在搞智能制造、智能工厂，工厂前端的自动化程度非常高，很多的工作岗位完全由机器人来代替。但是大家没看到的是工厂的后端，需要给工厂做产品质检那一段。很多这种类型的工厂，后端的人黑压压一片。

为什么之前没用技术的手段帮助解决质检的问题呢？主要原因是误判率比较高。大概是有百分之二十，甚至三十的误判率。这也就是为什么工厂没有办法大规模的推广和使用这种技术。

而现在人工智能介入了以后，工厂的这种误判率会在上线时达到3%-4%的水平，并且会逐步减少到最低。

人工智能的质检员怎么判断出划痕呢？

在生产中一个划痕会有很多种不同类型的定义。比如：这个划痕的位置，它的长度、它的深度，这都需要预先做好一些判断。

在传统的工具中，它会以类似一个九宫格的方式去给它画这种不同类型的缺陷，然后类似一种算术的方法去作对比，然后定义它的各种缺陷类型。

实际生产过程中，很多缺陷类型，哪怕是划痕都会有一些模棱两可的一些比较难判断的状况出现。这样的话，传统方法就会有很高的一些误判率。

但是人工智能最重要的一个能力，它具备学习能力。比如说，同样一个划痕，它会和传统系统一样，第一次都犯错误。但是人工智能第二次、第三次，它不会犯一样的错误，它具备一个学习能力。同样的问题或者类似的问题，下次它会做出非常精准的判断。而传统的系统除非你改程序，同样的问题，下次它一样会犯错误。

基于人工智能的系统可以自主的、自动的去学习，从过去的一些判断失误中学习。从一些有经验的质检员那儿学习，这是完全自动的方式，不需要人工干预的，生产线可以正常的运行下去。

认知质检员需要不断地被训练

很多人把IBM的认知系统理解成一个套装软件，即插即用，装好立马就可以做。

其实任何一个认知系统，都跟传统的软件有非常大的区别，它需要一些开发的过程。拿认知质检员做例子来说就是，它有三个主要的一些开发过程。

第一个阶段，IBM已经做出来了，就是开发了一套具有学习能力的图象识别系统，用数百万GB的相片，日常工作中或者生活中的相片，手机、苹果、梨子、火车，这种相片去培训出来一个有图片识别能力的基础模型。这个过程用的基本上不会是工厂的图片去培训它，这就是日常生活中的图片。这样的一个基础模型，它的认知能力基本上类似于一个七八岁的孩子。

第二个阶段，需要工厂产品特定的照片来，去培训这个模型。一般会需要数万张照片，让这个模型接受培训。基本上通过这个阶段，这个模型的能力相当于一个技校毕业的学生的水平。

也就是说，基本上有一些生产工经验知识了，但是放到工厂上立马让他工作，可能还有一点难度。这也是为什么会需要第三个阶段。

第三个阶段，就是用比较有经验的质检员来培训这个模型。就像老师傅带学徒一样。因为每一个模型，让它去做一次判断，它总会有一些失误存在。一旦这些失误产生，就会让老师傅去跟它说：“我为什么判断错了，主要原因是哪些？”

这样，这一套模型或者说系统，就具备了老师傅刚才传授的经验，下一次遇到类似的问题，就不用再找老师傅了。

因此，第三阶段培训结束后，认知质检员基本就具备上岗能力了。

并不是所有的人工质检员都会被取代

认知质检员来了，会不会一个质检员都不需要了呢？

不是的。

其实就是认知质检员的上岗也是需要一个过程的，就跟新的学徒上岗一样，您可能不敢100%的放手让他去干，还是让一个老员工在他后面去做一些监督、做一些观察工作。所以说我们在实际生产的过程中，一个认知质检员系统上岗，通常还会有一个人工在旁边去帮它做一些监督检查。但是经过一段时间之后，这一部分需要监督或者检查的人工就会逐步的节省下来。

另外一个非常关键的点，是这一套人工智能系统每一次判断，它会给一个“自信度”。所谓“自信度”就是“我有多大的信心，这个判断是对的，但是我可以量化它”，比如：我看到这个划痕，基于它的长度和它的位置，我有99.9%的信心这个划痕是一个必须检查到的问题，需要下一步去做处理的。这样的话，就给到生产线上的同事一个比较清晰的信息，这一块东西我不用人再看了。但是会有模棱两可的问题出来，我们的质检员也会有信心比较低的时候。

比如：我这个划痕有80%的信心，它是这里错误。师傅，您能不能帮我再看一下。

这时候人类师傅拍板，不简简单单是“对”和“错”这样的拍板。人工智能质检师更需要的是，师傅您得告诉我，这个为什么对了，这个为什么错了？这样才能学。

具备人工智能技术的认知质检员，是不会100%替代现有的人工质检员的，但是它能够大大的减少人力在这种有害健康的工种上的投入，对企业来讲也会大大的提高它的生产效率。

这一套系统在生产线上是一个逐步迭代和提高的过程，一般一开始可能能帮助工厂节省20%-30%的人力，还需要相当一部分人力去做一些比较复杂的判断。但是随着时间的推移，这个百分比会逐渐到五十、六十、八十，甚至更高，但是永远不会100%的取代所有的人，因为还需要企业保留最有经验的一部分质检员，帮人工智能质检员去做一些最复杂的判断。这样的话，这个系统才能不断的去提高。

人工智能质检员效益如何？

这套系统已经开始在一家中国的LCD面板工厂实施了，给他带来的效益真是按千万级来计算的。不光是人力的成本减少，更多的是一些生产力的提高，是让他工厂的生产能力得到了释放。

只要涉及到外观检测的行业，这套系统都有应用。不光是电子行业，这套系统已经开始在汽车行业的一些汽车外观、喷漆的检测得到了应用。

制造业之外，其实在建筑业方面，也有一些应用。

比如说，一些比较高危的部位的检测，人爬上去可能比较困难，而且效率也不高。IBM在跟另外一家公司合作，用无人机带着摄像机上去拍摄，然后再去判断工程质量的问题。所以说这个应用，真是方方面面都有。只要是需要人去做外观判断检测的，这一套技术都用得上。

简单的总结一下。只要能拍出来照片，在照片上能识别问题的这一类场景都可以去运用。

无论是食品外观出现了问题，比如：一个苹果上出现了斑点，能不能上架；还是服装上的一个线头露出来太长，能不能让它判定为质量合格。

这样的场景太多了，认知质检员都可以用起来。

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。