摘要：隨著科技技術發展速度不斷加快，各領域生產經營建設期間涉及到的機械設備種類增多，機械設備運行水平可直接影響到實際生產質量及效率。現有機械設備故障診斷技術日漸成熟，能夠及時發現設備運行期間的異常問題，制定具備針對性的設備管控機制。基于此，本文以復雜機械設備振動系統為例，提出振動系統噪聲源診斷技術應用要點，以供參考。

　　關鍵詞：復雜機械振動系統;噪聲源;診斷技術

　　前言：現階段機械設備逐步趨向于大型化、智能化方向發展，引發設備運行故障的因素更多，難以從根本上保障實際生產質量及安全性。機械設備振動信號與輻射噪聲能夠切實反映出設備運行狀態，因此開展復雜機械振動系統檢驗工作，開發更為成熟的噪聲源診斷技術已然成為各領域重點關注課題。

　　一、復雜機械振動系統噪聲源信息融合技術

　　在復雜機械設備振動系統診斷工作開展期間，信息融合方式較多，對診斷結果具有直接影響。現階段信息融合方式可分為以下幾種類型：

　　第1，統計融合方式。統計融合方式主要就是基于經典推理、貝葉斯法以及證據理論為基礎。其中，經典推理技術需依照數學理論，將其應用在多變量統計過程中，需要開展多維概率密度函數計算工作，在實際信息融合中的應用難度較大[1]。貝斯推理技術需要先驗證似然函數，如果對立假設彼此不相容，在分配時的不確定性更強。證據理論是在貝葉斯理論基礎上演變而來，能夠有效解決一般水平中的不確定性分配問題，還能計算出任意假設條件為真條件的似然函數值;

　　第2，信息論融合方式。信息論主要分為模板法、聚類分析法以及神經網絡法。此類技術的自然分組與目標類型存在密切關聯。其中，聚類分析是各過程總稱，不使用統計理論，可被廣泛應用在生物科學與社會科學中。模板法主要就是將觀測數據與先驗模板進行匹配處理，用以確定觀測數據是否支持模板表征假象。人工神經網絡輸入端的數據矢量需要經過非線性轉換，在網絡輸出端產生輸出矢量，在實際使用過程中可以將傳感器數據轉化為某個實體特征的聯合說明;

　　第3，認識模型信息融合方式。認識模型信息融合方式主要就是包括模糊集合理論以及專家系統，通過模仿人類接收信息辨識過程，提升信息分析水平[2]。由于專家系統主要依賴于知識表示，實際靈活性較強，需要注重開發出一個專門面向復雜機械，振動系統噪聲源診斷的專家系統結構。

　　二、復雜振動系統噪聲源模糊診斷技術

　　模糊推理技術主要就是將一個給定輸入空間通過模糊邏輯的方法映射到一個特定輸出空間中，此映射過程需要涉及到隸屬度函數、模糊邏輯運算等環節模糊邏輯運算。現階段模糊推理系統被廣泛應用于自動控制、數據分類、決策分析以及專家系統中。針對不同特征，模糊診斷技術又包括模糊規則診斷、模糊專家系統、模糊建模以及模糊邏輯控制器。

　　三、復雜機械系統振動噪聲特征提取與故障診斷試驗

　　3.1試驗流程

　　本文以柴油機械設備為例，借助壓電式加速度計，檢測設備基座、變速箱、氣缸、電機以及高壓油泵等設備的縱向振動，配合使用標準水聽器以及四元矢量水準的停器陣測量主機結構的近遠場輻射噪聲值。

　　主機振動噪聲試驗測試系統內部包括壓電加速度計、標準水聽器、四元矢量水聽器陣組成，可以收集設備運行期間的噪聲值[3]。要求在檢測期間應該結合設備實際運行要求做好加速度計測點布置工作，將重要觀測點放置在主機的基角測點、主機與船體相連的基座測點、變速箱測點以及發電機測點等位置，以便擴大振動系統噪聲源的檢測覆蓋面。

　　試驗主要的分為多個工況開展，對背景噪聲測量、對主機的不同轉速進行測量。

　　3.2振動噪聲信號特征提取

　　針對復雜機械設備振動系統噪聲源診斷工作，還需要做好振動噪聲信號特征的提取工作。由于本文工作案例中對輻射噪聲量沒有特殊要求，則不需要矢量水聽器的振動速度信號。

　　通過分析檢測結果數值，發現該機械設備的氣缸蓋測點振動值最大，水泵測的振動值第二，說明該設備的水泵以及氣缸處存在較強的振動源，需要對此些部位進行精密的二次檢測，發現存在與設備運行造成過大的原因，并制定出專項可行解決方案。

　　由于各測點的能量分布不同，基腳與機架位置處的能量主要分布在低頻短，強振動源的能量主要分布在中頻段以及高頻段。通過分析及其殼體的傳遞作用，發現在振源傳遞到設備基腳以及機架位置處時已經被消耗掉絕大部分，因此可判斷出設備的殼體主要起到了低通濾波器的作用。

　　3.3特征信息融合與模糊診斷

　　在建立復雜機械設備振動系統噪聲源融合診斷系統期間，需要首先做好設備各測點處的特征值提取工作，針對不同測量的特征信息變化情況開展診斷工作。將此些診斷結果進行融合，并最終獲得蓋測點的實際診斷結果。

　　注重選取與隸屬函數的計算[4]。對機械設備輻射噪聲量進行手機，建立起隸屬度函數，并繪制出帶有頻帶能量比重、功率譜峰位置、最大功率值以及低頻值得線譜。在條件允許的情況下還需要收集設備故障運行狀態下的數據，綜合此些特征值對設備噪聲源進行最終診斷。

　　建立振動信號隸屬函數，結合設備水泵、氣缸或排氣管等設備運行特征信息變化量，判斷設備噪聲源以及噪聲出現原因。結果實際調查發現，氣缸設備在出現漏氣故障的情況下，振動能量會向高頻方向移動，能量主要來源于高溫燃氣從漏氣處流出二出現的脈沖激磁力。在漏氣量最大的情況下，高頻段的振動能量值也就越大，因此需要結合診斷結果，對高溫燃氣設備處的漏縫處進行及時修補或更換損壞部件，確保設備能夠重新恢復到正常運行狀態。

　　總結：總而言之，傳統復雜機械振動系統故障檢測工作僅依賴單一特征信息，檢測結果的說服力不足。為及時發現存在于設備運行期間的各類故障問題，還需配合使用更為先進的噪聲源診斷技術，發現振動系統異常噪聲問題，針對此問題制定專項可行解決對策。

　　參考文獻

　　[1]費朝陽. 多激勵系統隔振降噪功率流及振聲能量耦合理論與應用[D].沈陽工業大學，2012.

　　[2]張袁元. 車輛多相關振動噪聲源及其路徑識別方法研究[D].南京航空航天大學，2013.

　　[3]邵帥. 非線性機械振動系統的分岔與混沌運動[D].蘭州交通大學，2018.

　　[4]周笛. 機械系統動態可靠性分析方法及其在采煤機動力傳動系統中的應用[D].東北大學，2017.