研究生机械故障诊断理论课程模块化与案例教学研究

姚峰林 赵 婕 高有山 孙晓霞 王全伟

1.太原科技大学，山西 太原 030024

2.太原学院，山西 太原 030032

机械故障诊断理论是20 世纪60 年代以来由相关新兴理论、新兴检测技术与生产实践相结合而发展形成的一门新兴学科。它是监控、检测、诊断和预测机械的各种状态和故障，保障机械设备安全运行的一门科学技术。随着传感检测技术、计算机技术、数字信号处理技术、机器人技术、人工智能技术等的不断发展与进步，机械故障诊断理论课程的研究内容、研究方法和应用领域都取得了突飞猛进的发展。机械故障诊断是“中国制造2025”背景下的新工科建设的重点内容之一，也是实现由传统制造业向现代制造业转型所必备的核心技术。机械故障诊断理论课程是多学科专业交叉融合形成新工科专业中最有发展机遇的一门专业课程。

随着我国在核电装备、航空航天装备、海洋装备、交通装备、风电装备、智能制造装备等高端装备制造业的产业转型升级完成，更多的高新技术产品、优势产品的技术将会达到国际先进水平。这些大型设备的故障诊断对于减少、避免重大或灾难性事故具有非常重要的意义。

一、机械故障诊断理论课程发展现状

机械故障诊断是现在比较热门的研究领域，随着深度学习和人工智能的快速发展，十年或二十年前出版的教材和参考书已经明显跟不上时代和技术的进步，大多数高校的机械故障诊断理论课程中的教学内容显得陈旧落后，教学方法也不够科学有效，内容多是理论，这就会影响学生学习这门课程的效果。

机械故障诊断理论是太原科技大学机械工程专业针对硕士研究生、博士研究生开设的一门选修课程，自开设以来受到研究生的喜爱，每年选修此课程的研究生人数屡创新高。机械故障诊断理论课程的先修课程包括控制工程基础、机械振动、机械测试技术、理论力学、数字信号处理等课程。这门课程与机械相关科学研究、工厂技术实践和日常生活紧密相关。这门课程内容涉及理论模型、信号处理、知识处理和大数据等新技术，具有很强的理论性、应用性、实践性。课程知识点很多而且更新速度还快，但学时却很少，这一矛盾使得课程教学效果不理想。传统的教学方法在各高校还在广泛地被使用，这种方法有利于发挥教师的主导作用，有利于教师系统地讲授知识，有利于师生之间开展情感交流。但是，这种教学方法不利于调动学生自主学习和开拓创新的积极主动性。在“互联网+”的时代背景下，社会各领域的跨界融合将成为必然，教育也受到“互联网+”深刻而长远的影响。

笔者经过对太原科技大学研究生课程学习的跟踪调查与研究发现：研究生对机械故障诊断理论这门新兴学科具有强烈的求知欲望，但是其传统的教材、教学方法已经无法满足当前研究生对新理论、新技术、新方法的学习需求，必须着手进行课程的改革和优化，跟上学科理论发展的新动态、新方向、新水平。

二、机械故障诊断理论课程内容模块化

机械故障诊断理论课程内容丰富，用三十二学时完成教学大纲的任务有困难，所以必须进行课程内容的模块化处理，优化教学内容。

由于MATLAB 在工程和科学计算领域具有丰富的工具箱与功能模块，而且其数值和符号计算功能强大、程序环境简洁，还有数量庞大的开放性源程序，因此笔者选择用MATLAB 来进行机械故障诊断理论课程的模块化。十二个课程模块包括MATLAB 基础与实践，信号处理分析基础与MATLAB 实现，时频分析方法的MAT‐LAB 实现，小波分析的MATLAB 实现及应用，Hilbert-Huang 变换的MATLAB 实现及应用，分数阶Fourier 变换的MATLAB 实现及应用，图像处理技术的MATLAB 实现及应用，人工神经网络的MATLAB 实现及应用，模糊理论的MATLAB 实现及应用，遗传算法的MATLAB 实现及应用，粒子群算法的MATLAB 实现及应用，支持向量机的MATLAB实现及应用。

机械故障诊断理论课程由于学时较少，对于理论性强、公式推导较多、概念比较抽象的内容采用课下学习与课堂学习相结合的办法。教师在超星学习通平台把这些理论和公式推导进行详细阐述并辅以教学视频作为学生学习任务点，学生不完成该任务点的学习就不能进行作业上报。笔者根据超星学习通上学生学习课程次数的统计发现，每次新课上课前后的两天是学生自主学习的高峰，但是随着时间的推移，他们学习的次数和积极性逐步减少，到课程下一次任务点发放，学生又兴起新一轮的学习高峰，如此循环往复，学生不仅仅能完成学习任务，而且还能取得较好的学习效果。另外，教师在超星学习通上可以看出学生的学习进度，根据这些统计数据可以给学生一个非常公正的平时成绩，再结合学生的作业情况可以对学生在整个学期的学习等级和分数进行评定。

三、机械故障诊断理论课程案例教学探索

如果能将机械故障诊断理论与实践相结合，引导学生发现问题、分析问题、解决问题，进而掌握基础理论知识，形成独到的见解，提高自学的能力与效率，促进理论教学与实践教学相融合，促进科研与教学有机融合，这才是最佳教学方案。实施机械故障诊断理论课程案例教学，就是理论与实践相结合的一种大胆尝试与探索。

借助超星学习通可以增加学时数，弥补学时不足的缺陷，就可以有更充足的时间进行案例教学。太原科技大学是一所传统的机械本科院校，是重大技术装备领域重要的人才培养和科技研发基地。其机械故障诊断理论课程关注行业发展，注重实用性和启发性，并且与研究生课题研究紧密结合。这门课程所包含的案例包括柴油机漏油故障诊断，滚动轴承故障诊断，汽车变速器轴承振动，柴油机活塞、活塞销故障诊断，发动机异响故障诊断等。机械故障诊断案例学习具有很高的学术价值和应用价值。这门课程的教学不仅致力于能让学生掌握机械故障诊断的理论、方法和应用的前沿知识，还可以借助MATLAB 提供的虚拟平台开展相关实践，大大提高了学生的学习兴趣和现场问题解决能力以及优化了课程教学效果。

（一）轴承故障诊断技术

轴承是现代机械设备的一种重要的零部件，现代工业通用机械都配备了相当数量的轴承。当轴承发生故障时，往往直接影响整台机器的性能（包括精度、可靠性及寿命等），可能导致机械设备无法正常运转，甚至可能会危及工人生命安全。因此对轴承的故障诊断进行研究可以帮助避免机械设备意外事故发生，延长机械设备使用寿命，提高经济效益。

张兰芳等人提出了基于核主元分析和极端学习机的轴承故障诊断方法，能较好地获取故障响应信号的本质特征，有效提高轴承故障的诊断正确率。周向等人利用经验模态分解（EMD）法将固有模态函数进行Hil‐bert 变换得到Hilbert 谱，通过谱分析识别轴承的故障部位和类型，在实际的故障诊断中更有效地得到故障原因。Gan Meng 等人将小波包多尺度变换与深信度网络（DBN）相结合，提出了一种分层故障诊断网络（HDN），利用小波包能量作为深信度网络的输入，通过支持向量机和BP 神经网络有效识别轴承故障的位置和严重程度。童水光等人以时频分析为基础，结合信息熵理论，提出一种频带多尺度复合模糊熵的故障诊断方法，解决滚动轴承故障的早期受环境噪声影响、故障特征轻微时有效提取滚动轴承的故障信号冲击特征难的问题，引入频带多尺度复合模糊熵基于时频联合分析的思想，通过对共振频带向量的重构分析，实现了对故障特征的提取。顾鑫等人提出了一种深度卷积神经网络与极限学习机（ELM）相结合的滚动轴承自适应故障诊断模型，通过卷积层和池化层提取低阶特征，然后在全连接层合成高层次特征，进而将提取出来的特征通过极限学习机进行轴承故障类别的准确快速分类，实现了自适应“端到端”的故障诊断，具有良好的鲁棒性和实时性。

极限学习机是黄广斌等人提出来的求解单隐层前馈神经网络的学习算法，传统的神经网络学习算法（如BP 算法）不仅需要人为设置大量的网络训练参数，而且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不仅不需要调整网络的输入权值以及隐元的偏置，而且能产生唯一的最优解，因此具有学习速度快且泛化性能好的优点。在本课程结课时，学生基于小波包变换并结合极限学习机方法提出了滚动轴承故障诊断方法。通过小波包变换对振动信号进行降噪处理，这里采用Symlet 小波函数作为小波包变换的基函数，并通过均方根差、平滑度法筛选小波基函数对原始信号进行消噪处理，随后提取消噪后信号的特征值，将特征值作为训练样本和测试样本，通过极限学习机进行学习训练得到了较高的分类精度。该方法能够准确地对轴承故障类别进行诊断，有着较为精确的诊断精度。

（二）齿轮故障诊断技术

齿轮传动是通过两齿轮的轮齿相互啮合来传递运动和动力的一种机械传动方式，齿轮传动系统是目前世界上应用最为广泛的机械传动结构之一。自身结构和工作原理的特点使齿轮的振动信号较为复杂，在对其进行故障诊断时需要从时域和频域上进行分析。齿轮的故障信号具有非线性和非平稳性的特点，其振动信号存在多分量中心频率相近、频带相互重叠的情况。从信号中提取有效的故障特征，抑制并减少谐波及噪声的干扰是故障诊断的关键。

而对于非平稳信号而言，由于其频谱随时间有较大的变化，要求分析方法能够准确地反映出信号的局部时变频谱特性，因此只了解信号在时域或频域的全局特性是远远不够的，或者说是不适合的。加窗的傅里叶变换可以对非平稳信号实现时-频域的分析，但是它的时频窗口大小是固定的，只适用于对缓变的非平稳信号的分析。小波变换采用变尺度的小波基对信号进行变换，可以得到不同尺度上的能量分布，而且尺度越小能量越分散，但是小波谱在不同的尺度上表现出不同的分辨率，即其时间分辨率和频率分辨率是相互制约的。经验模态分解经验模态分解是根据自身的时间尺度特征将非平稳信号分解为若干个瞬时频率和幅值具有物理意义的本征模态函数（IMF）之和，解决了希尔伯特变换的限制。但是经验模态分解方法仍然存在着诸多问题，如模式混淆和端点效应。Dragomiretskiy 和Zosso 提出了变分模态分解（VMD）方法，Cicone等人提出了自适应局部迭代滤波（ALIF）方法来确保模态分解的收敛性。这两种新的时频分析方法虽然解决了经验模态分解方法模式混淆和端点效应问题，但是无法达到最优分解。

针对以上自适应时频分解方法中出现的问题，根据谱峰度理论，学生还提出了一种基于最大重叠离散小波包变换（MODWPT）和故障能量比（FER）的齿轮故障诊断方法。通过平稳仿真信号和非平稳仿真信号的对比分析，验证了基于最大重叠离散小波包变换方法在抗混叠和端点效应以及希尔伯特谱特征提取准确性方面都要优于经验模态分解方法；同时选择基于Teager 能谱计算的故障能量比作为新的评价指标，代替峰度指数。由于此方法具有良好的频带分解性能和故障能量比的频率跟踪特性，因此可以有效地对齿轮故障类型进行识别。

四、课程考核方式的改革

高校学生的课程考核方式通常由平时成绩和期末成绩构成，平时成绩只占20%，期末成绩占80%。这种考核的方式注重学习结果，忽略了对学习过程的考核，对付出努力并取得成功的学生是一种肯定，但对于付出努力还没有取得成功的学生却是一种否定。这是导致学生学习该课程内驱力不足的一个原因。对于研究生来说，机械故障诊断理论实际上是一门理论性和实用性都非常强的课程，因此应该对学生运用所掌握的相关理论与方法解决实际工程问题的能力进行考核。

在课程考核方面，依托超星学习通的统计功能包括任务点、章节学习次数、章节测验、课堂活动、作业统计等，可以对学生的学习进行全方位、全过程的跟踪和评价，在此基础上给出科学合理的平时成绩。对于研究生来说，完成相关理论的学习并不是课程学习的终点，学生可以从中选择与自己课题相近的研究进行机械故障诊断，并写出符合期刊发表规范要求的论文，向全班同学作汇报，此作业在最终成绩中占比达60%。用学术论文写作这种方法全方位地对学生的基本理论掌握情况以及知识应用、学术写作等能力进行考核，对研究生来说这是一种专业能力的综合考核。

通过机械故障诊断理论课程考核方式改革，不但可以调动学生学习的主动性，还可以锻炼学生的科研能力和实际问题解决能力，全方位、全过程、多元化、能力化地考查学生对课程理论知识掌握和应用的真实情况。

五、结语

在教学活动中，学生只有成为学习的主人，才能有真学习、真教育、真发展。教师不能满足于“授人以鱼”，更要做到“授人以渔”。教师的教学方式只有与现代大学生的学习方式相匹配，才有可能让教师成为教学的组织者、指导者、帮助者、促进者。机械故障诊断理论还远没有形成一门完备的学科，随着信息技术、计算机技术、人工智能、大数据等技术的发展，它还在不断与时俱进。这门课程的性质决定了教师必须遵循学科发展规律和当前社会对机械故障理论人才的需求，将工程实践和理论教学二者有机结合起来，实行课程的模块化和案例化教学，才能达到最佳的教学效果和专业培养效果。