卢工
下载贤集网APP入驻自媒体
鉴于齿轮故障形式多样、齿轮所在系统复杂，人工智能与故障诊断的结合是必不可挡的趋势，它可以突破传统方法在处理多故障、多过程和突发性故障以及高度大型化、复杂化、集成化和自动化的大型设备的系统诊断问题上的局限性，而且更可以与传统故障诊断方法相互结合使用，甚至彼此结合实现混合智能诊断，目前应用比较多且比较成熟的人工智能技术有人工神经网络、模糊理论、支持向量机、遗
传算法、专家系统等。济钢集团的曹文莉研究了神经网络在冶金企业齿轮故障诊断中的应用；同济大学的贾玉玲则研究了BP神经网络这一分支在齿轮故障诊断中的应用，获得了很好的识别效果；华中科技大学的肖建华对支持向量机进行了理论研究并将其应用于齿轮故障诊断；戚晓利在神经网络中同时应用了模糊理论和遗传算法，在齿轮故障诊断中取得了满意的结果。上述实例充分说明了人工智能在齿轮故障诊断的应用上非常成功。
至于故障诊断仪器和设备的开发这个方面，国外有很多状态监测与诊断系统已经被广泛使用，有美国Scientific Atlanta公司的M6000及M8000系列产品、美国本特利公司的DM2000系统、日本三菱重工的MHMS系统等，此外丹麦B&K公司、瑞士ABB公司、德国西门子公司等也都开发出了具有自主知识产权的故障诊断系统。我国也开发了一些具有特色的诊断系统，主要应用在冶金、电力、化工等行业，具有代表性的系统如东北大学的轧钢机状态监测诊断系统、西安交通大学开发的用于炼油行业的RB-20系统、哈尔滨工业大学研发的200MW汽轮机发电机组诊断系统。
