亓振良
诸城市首新科技服务中心 262200
摘要：社会经济快速发展中，产品生产项目是非常重要的，而产品生产与工厂运行中都会用到大量机械设备。实际生产中，因机械设备长期运行而维修与保养不及时，设备故障时有发生。为了保障企业正常运行，高效诊断与维修设备是十分必要的。结合新一代信息技术应用，针对大数据背景下机械智能故障诊断相关知识，本文进行了简要地研究论述，希望对相关领域有帮助。
关键词：大数据；机械智能故障；诊断
引言
新一代信息技术快速发展，基于大数据的智能故障诊断方法对机械设备数据有很好地处理效果。首先是提取设备故障信息，然后利用专家识别系统预测所识别到的故障剩余使用年限，合理制定维修档案有效保护机械设备。相较之传统诊断方法，对故障诊断专家及专业技术人员有很小的依赖性这是智能诊断技术的明显优势，应用智能诊断系统可快速、高效地完成大量设备数据的诊断。
1、大数据背景下机械故障智能诊断现状
（1）获取信号。机械故障诊断在于机械设备运行状态中，应用先进传感技术提取其状态信号表。声学与摩擦学等领域中机械设备故障信息是极为常见的，所以结合物理领域各信号国内外学者开始分析并研究故障诊断情况。（2）特征提取。机械故障信息标准是根据信号处理技术进行特征提取的。如果机械设备出现故障，其在时域、频域及时频域等领域性能表现也是有所差异的，因而国内外相关学者深入分析了各领域机械故障信息提取。（3）预测并识别设备故障。机械设备运行中，智能故障诊断旨在基于特征提取，采用人工智能模型及故障信息自动预测，对机械设备故障做出准确识别。故障预测及识别研究，国内外学习提供了很多研究结果，然而实际应用还存在一些问题。要想充分应用大数据资源智能化诊断机械设备故障，还有待进一步研究。
2、大数据背景下机械故障诊断出现的挑战
机械大数据中包含的价值性信息与知识比较多，可以指导诊断人员深入了解设备运行情况，应用科学理论与方法深度探究机械大数据中潜在的信息与知识。因而，大数据时代，现有智能诊断理论及方法面临严峻的挑战。
（1）当前，机械设备故障诊断过程中，基于单一物理源信号对单台设备故障进行诊断，以此获得的数据量是很小的，所以此过程中诊断专家可自行分析这些信号的价值。大数据背景下，物理源从单一化项多个转变，利用传感器网络搜集方式全面采集设备信息。然而多方位采集信号时，常因信号有较大的差异、数据价值密度小等问题降低了数据治理，假若单纯依靠专家挑选数据，就会面临很大的难度。
（2）提取信号处理技术特征时，诊断专家要深入了解机械设备的故障机理，掌握一定的信号处理技术再解决特定问题。然而并非所有故障的存在都是单一而独立的，大数据中很多故障是交替存在，以人为方式解决所有故障特点有很大的难度。
（3）机械大数据中，很多新知识还未被发掘，即机械故障机理与演化规律还未通过一定方式得以表现。目前，智能算法只是分析机械健康状态，机械故障根本还无法得到很好地分析结果。
（4）当前，很多研究文献中应用浅层智能模型识别机械智能故障，但浅层智能模型的自学习能力与孤立建设特点与大数据时代装备故障耦合性、不确定性及并发性等特点不相符，很大程度上降低了故障识别的精确性，使得泛化能力有待提高。因而，大数据背景下，逐步深化智能诊断模型显得尤为重要。
（5）很多单标记识别体系都可应用智能诊断程序进行研究。然而大数据背景下，单标记系统断开了机械设备故障间的联系，不利于设备充分释放其设备故障位置、类型与程度，因而要构建多标签系统研究各类故障识别模式。
（6）对于现有数据寿命的预测，采用单个组件故障退化数据与机械故障各组件相互作作用，查找相应的规则。因单个组件被卡住使得其它组件出现退化，造成该机制出现“多个症状”，整个机器设备安全运行受到了严重的威胁。所以，有效应用大数据源技术对所有系统寿命进行预测，这是大数据背景下智能故障诊断面临的新挑战。
3、大数据背景下机械故障智能诊断发展趋势
纵观当前机械数据诊断面临的挑战，结合其特点，实际工作中可从以下几方面入手有效分析机械故障诊断，为机械维护诊断提供可靠而稳定的技术理论支撑，充分发掘机械数据信息潜能。
3.1建立大型数据库与可靠性评估
机械故障诊断分析时，大型标准数据库数据是其主要资源与基础，合理规划、构建和监理该数据库对创新故障诊断技术体系发挥着重要的作用。该大型数据库中包含的数据主要为：（1）机械设施故障中企业共享典型案例。（2）长时间运行中，各项机械设备相关运行监测数据。（3）从正常运行到故障出现期间内机械设施动态变化数据。（4）机械设施内部相关零件信息。
机械设备运行中，应用智能化故障诊断监测系统获得故障大数据，因信号源分散、多元化数据采集方式及其它随机干扰等因素的影响，造成不成体系的局面。此种情况下，提高机械故障大数据可靠性是十分必要的。由此表明未来发展中，全面集成诊断与理论基础上，要深入研究多元化信号尺度、样本采集重复率与转换维度等相关数据规律性算法，以此确保获得一致性的信号。通过有效构建统一的数据治理标准，全面考量机械设备故障大数据的准确性。此外，子空间聚类层面上建立智能化数据清理算法，使得机械故障大数据质量得到提高。
3.2智能化展示设备故障信息
现阶段，随着大数据技术的快速发展，机械大数据背景下机械设备故障一般会有有明显的隐喻性规律。在此基础上基于数据驱动作用全面研究机械设备信号实际构成，才能提取机械故障真实而有效的特点，将设备智能故障信息代表落实到位，为大数据应用效率提高奠定良好的基础。因而实际工作中，对稀疏表达方式具体物理含义进行全面研究是十分必要的。有效融合高维机械设备数据呈现出的低维特点属性基础上，全面提高特征数据提取与转换从高维向低维转换的速度。基于故障信息记录与数据结构研究，加强新故障代表模式研究开发，为故障体系分析能力提高奠定良好的基础。
3.3实现可视化分析
机械故障智能诊断的可视化分析可以作为一个信息系统项目进行开发，以此实现交互全面做好理解、呈现与解释，充分解读机械大数据内涵同时明确机械设备故障规律，将各项精准性决策落实到位，通过研究机械故障提升机械设备管理水平。实际工作中，把智能模型组织特点提取、可视化参数、预测指标及预测结果识别等内容看做主线，全面研究机械设备故障表达方式并直观表现大数据本质，根据可视化结果对响应信号与故障因果进行分析，综合分析故障模式及其与特征间的关系，同时深入研究预测与识别结果两者表达模式的不同与交互式集成智能诊断，从不同角度与层面体现机械设备的健康运行状态。
结束语
综上所述，社会生产中机械设备的地位与作用是不可代替的，一旦机械设备出现故障就会直接影响其作用的发挥，甚至为机械设备后期运行埋下安全隐患。信息化时代，有效应用大数据技术可以进一步加强机械故障智能化诊断。机械故障诊断中智能诊断发挥着重要的作用，实际工作中仍需深入研究智能诊断方法，不断开发新的诊断系统与方法，为社会安全生产效率提升奠定良好的基础。
参考文献
[1]祝俊皓.基于大数据背景下机械智能故障诊断研究[J].时代汽车,2020,(15):167-168.
[2]唐伟峰,宋岩,张颖,茅乐.大数据下机械智能故障诊断的机遇与挑战[J].南方农机,2020,(07):124.
[3]黄小华.大数据下机械智能故障诊断的机遇与挑战[J].时代农机,2019,(12):94-95+102.
[4]申立新.大数据背景下机械智能故障诊断研究[J].内燃机与配件,2019,(18):137-138.