陈凯瑞 刘拓

陕西中烟工业有限责任公司宝鸡卷烟厂 陕西宝鸡 721000

近年来，随着科学技术的快速发展，我国工业建设发展非常迅速，现如今各行各业都涉及到机械的运用，一旦机械发生了故障就会带来不良影响。由于机械的使用范围广，一旦机械发生故障，就需要进行大面积的检查。对于机械的检查所要采取的数据非常庞大，机械的故障诊断进入了大数据时代。

1 大数据故障诊断面临的挑战

大数据下，各数据值具有数量多、质量不统一，碎片化的特点，无法精确的进行诊断。同时，在进行机械故障特征的提取时，研究人员往往是有方向有目标的，但是在大数据的模式下，数据值杂而多，无法判定所要提取的特征值。研究人员在进行研究时，有着具体问题具体分析的特点，但是针对大数据下的机器故障问题，研究人员难以判定出现故障的部位及源头，就难以做出针对性的处理，智能从表面上判定机器的好坏，难以解决根本问题。在这种情况下，研究人员需要对大数据进行交互式的研究，当多个数据同时出现时，也能及时的、精确的找到发生故障的部位，并能及时的进行原因的诊断[1]。

2 大数据背景下机械智能故障诊断

2.1 信号获取

进行机械故障诊断的前提是要先了解机械设备在运行时的状态，目前，已经可以利用先进的传感技术将机械设备的运行状态的信号表进行绘制了。国内外学者已经开始从动力学、声学、热力学及摩擦学等多个物理场获取信号，并从中进行故障的分析与诊断。虽然国内外学者已经利用不同的物理信号对机械设备进行了检测工作，但是他们在获取信号的过程中大都没有对信号的可靠性做出验证。

2.2 对于机械设计及其自动化的认知

虽然目前智能制作时代下的机械自动化让很对工人失去了岗位，但是从长远来考虑，是促进了许多新型行业的进步，比如对于机械自动化的智能故障诊断分析，都是要人工来完成的，因此就多出了很多新的就业岗位，让工人可以在更高级的岗位上工作。工人也可以不断的丰富自己的机械自动化知识来科学创新，这样一来就会让人类的工作领域从人工方向进步到智能方向，可以让我们的社会和经济得到长足的发展。

2.3 通过深入学习发现设备故障

大数据智能诊断需要新的理论和方法，大数据在深度学习中创建深度模型，并通过模拟大脑学习过程以实现整合。建议进行以下内容研究：研究如何提取浅层稀疏网络属性，分析如何优化故障数据处理，建立学习网络评估标准，在一个深层结构中创建一个深入学习网络，使用传统的机械信号作为输入，分离过程的抽象缺陷，调整每一层的分离属性，自动区分设备的健康状况；研究机器装备的多标记系统，创建包含多个标签故障的深度学习网络，并使用深度学习网络。

2.4 故障智能诊断融合

根据提取的监测数据特征信息，定位机械发生故障的零部件，并确定故障发生的中心点，对于故障信号集合中存在的遗漏数据或对于机械状态动作没有实现实时记录的情况，需要第一时间进行漏报记录。并根据机械设备的综合运行情况判定其是否需要报停处理，若选择不报停，则需要在原始数据的基础上将数据的可信程度值降低。同时，整理获取的多元故障信号，引入理论论证方法，融合机械工作量信息与开关信息，提出正确的智能融合策略，并利用自动化技术获取出现故障的元件，得到最终的决策诊断结果。

2.5 故障预测和识别

机械智能故障诊断的最终目的是实现机械设备故障的自动预测和识别，将提取出来的特征进行输入，然后利用人工智能模型发现机器发生故障的部位与故障的相关信息进行输出。目前对于这些相关数据值的获取与研究，国内外的学者虽然已经做出了大量的研究结果和判断依据，但是在实际的使用过程中还存在着问题，需要进一步的研究，使其更加的细致，精准度高[2]。

2.6 设备故障信息的智能化展示

在当前机械大数据的背景下，机械设施的故障，在通常情况下具备着隐喻性的规律。在这种情况下，只有以数据驱动作为基础，对其实际的信号构成进行全面的研究，方可在真实有效提取机械故障特征的前提下，将故障信息的智能代表作出有效的落实，从而真正有效利用机械大数据。由此出发，需要在全面遵循机械大数据稀疏属性的前提下，针对稀疏恢复分解等表达模式做出全面的分析，以便全面的研究稀疏表达方式的具体物理含义。通过在全面结合一般高为机械数据所展示出的低维特征属性的前提下，对高维到低维特征的数据提取和转换方式做出全面的提升。并在全面融合故障信息的记录和数据结构研究的前提下，开发出全新的故障代表模式，从而逐步提升故障体系的分析能力。

2.7 促使我国机械制造行业向节约型与环保型方向发展

长期以来，我国经济发展方式主要以粗犷式为主，造成市场环境比较恶劣，同时还容易引起资源短缺的问题，给我国机械制造行业的进一步发展带来了很大的阻碍。为此，我国必须要建立合理的、可持续发展的发展模式，为保证机械制造行业的长久、稳定发展奠定基础，也是我国机械制造行业向智能制造转变必须要经历的过程。在这样的背景下，在促使我国机械制造行业向智能制造转型与发展时，要加强向节约型以及环保型方向转变，最终构建生态型智能制造产业链[3]。

3 结语

在当前机械设备深入到各个行业生产的大背景下，为了保障机械设施可以维持正常运转的状态，就需要建立一个全面完整的智能故障诊断系统，在当前这个机械故障大数据的时代中，除了机械故障的智能诊断系统之外，还包括了深度学习下的健康状况监测系统等。同时在大数据技术不断发展的前提下，未来的机械设施故障智能诊断系统能够实现故障信息的可视化分析以及智能化展示。