隨著我國城市化進程的加快，城市生活垃圾的快速遞增。如何高效、低成本處理城市生活垃圾是目前國內(nèi)外專家試圖解決的一個重要課題。垃圾環(huán)保再生煤是在處理城市生活垃圾過程中產(chǎn)生的一種可供利用的新型再生能源。垃圾破碎是垃圾環(huán)保再生煤中的一道重要工序。國內(nèi)的一些公司借用礦石破碎等礦山設(shè)備原理，設(shè)計并制造了以剪切為主的臥式旋轉(zhuǎn)垃圾破碎機。然而，我國城市垃圾成分復(fù)雜，結(jié)構(gòu)變化大且極不均勻，增大了破碎設(shè)備故障的診斷及維修難度。在實際生產(chǎn)中，操作人員只能通過耳聽、眼看、手摸來判斷故障。一方面人員依賴性強，另一方面診斷準(zhǔn)確度不高，使故障診斷不徹底，甚至失敗，嚴(yán)重影響了企業(yè)的生產(chǎn)效率。因此，對其開展故障診斷研究有著重要的實際意義。本文總結(jié)了目前有關(guān)垃圾
破碎機故障診斷的方法，分析了這些方法的特點及局限性，最后指出了該領(lǐng)域有待進一步研究的問題和發(fā)展趨勢。
破碎機故障診斷技術(shù)始于20世紀(jì)60年代，至今已經(jīng)歷了從直觀故障預(yù)測到人工智能，再到人機協(xié)作的發(fā)展過程，快速發(fā)展的故障診斷技術(shù)已在工程應(yīng)用中發(fā)揮了重要作用。
1．基于直觀的故障診斷方法
故障預(yù)測主要是基于直接主觀的故障診斷方法，又稱主觀診斷法，主要是指診斷人員憑借個人的的踐經(jīng)驗，通過看、聽、摸、聞、問，或借助簡單的儀器、儀表，判斷系統(tǒng)故障發(fā)生的部位和原因。該方法需要利用系統(tǒng)或元件的結(jié)構(gòu)、模型、功能等方面的知識進行綜合分析與判斷，因此對診斷人員有兩點要求：一是要掌握大量的故障機理知識；二是要具備豐富的診斷經(jīng)驗。但該方法對人的依賴性較大，故障診斷率低。
2．基于故障樹的故障診斷方法
故障樹方法是從邏輯上對零部件與復(fù)雜系統(tǒng)或裝置的相互關(guān)系進行定性分析及定量分析，它有靈活性大、邏輯性強、直觀性好等優(yōu)點，是目前公認(rèn)的對復(fù)雜系統(tǒng)進行安全性分析、可靠性分析的一種好方法。
文獻根據(jù)破碎機液壓傳動系統(tǒng)結(jié)構(gòu)的特點及工作原理，建立了故障樹，然后根據(jù)結(jié)構(gòu)函數(shù)，將故障樹用簡單的數(shù)學(xué)表達(dá)式表示出來，對故障樹進行了分析，實踐證明通過故障樹分析結(jié)果進行故障診斷，能有效快速地找到故障發(fā)生所在，并能及時排除，為工人作業(yè)和維修工作帶來很大方便。
3．基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷方法
人工神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域中的一個重要分支，它是由大量的、很簡單的處理單元（或稱神經(jīng)元）廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷方法，就是通過對故障信息和診斷經(jīng)驗的訓(xùn)練學(xué)習(xí)，用分布在網(wǎng)絡(luò)內(nèi)部的連接權(quán)值來表達(dá)所學(xué)習(xí)的故障診斷知識，因此它具有對故障模式的聯(lián)想記憶、模式匹配和相似歸納能力，實現(xiàn)故障與征兆之間復(fù)雜的非線性映射關(guān)系。神經(jīng)網(wǎng)絡(luò)技術(shù)與傳統(tǒng)的信息處理方法不同，神經(jīng)網(wǎng)絡(luò)是自適應(yīng)和可以被訓(xùn)練的，它有自修改能力，同時有對信息并行處理及并行推理的能力，從原理上就比傳統(tǒng)的方法要快得多，并且具有高度的非線性、模擬并行性、高度容錯性、魯棒性、自聯(lián)想、自學(xué)習(xí)和自適應(yīng)等許多特點。
文獻[4]將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于破碎機故障診斷系統(tǒng)，它的柔性信息處理特點，較好地解決了傳統(tǒng)故障診斷中遇到的問題。在破碎機故障診斷中取得了很好的效果，極大地改善了神經(jīng)網(wǎng)絡(luò)訓(xùn)練的收斂性，有利于破碎機的故障診斷。但神經(jīng)網(wǎng)絡(luò)的不足之處是問題的解決要依賴于網(wǎng)絡(luò)模型的選擇，同時訓(xùn)練過度或不足、收斂速度慢等都可能影響診斷結(jié)果。
4．問題討論與展望
近些年來，由于計算機技術(shù)、信號處理、人工智能、模式識別技術(shù)的發(fā)展，促進了故障診斷技術(shù)的不斷發(fā)展。特別是智能故障診斷方法得到廣泛的研究。目前故障診斷研究主要集中在以下幾個方面：
(1)將一些新的理論引入故障診斷之中，如信息融合故障診斷、基于進化算法的故障診斷、基于Agent故障診斷、基于圖論的模型推理方法、基于核方法的故障診斷等，隨著新理論的不斷發(fā)展，這方面的工作仍是故障診斷的重要內(nèi)容之一。
(2)診斷系統(tǒng)集成化，將幾種診斷方法融合到一起的集成故障診斷研究，實現(xiàn)多種診斷方法的融合。如將小波變換、模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)綜合到一起的故障診斷方法。由于每種方法都有其優(yōu)點和不足，這種集成故障診斷方法必然有其獨特的優(yōu)點。這也是有待深入研究的內(nèi)容之一。
（3）診斷系統(tǒng)綜合化，由過去單純的監(jiān)測和診斷，向集監(jiān)控、測試、診斷、管理、預(yù)測和訓(xùn)練于一體的綜合系統(tǒng)化方向發(fā)展。
（4）隨著人工智能的發(fā)展，人們越來越意識到操作人員的常識及人的自然智能的優(yōu)越性，在故障診斷系統(tǒng)中適當(dāng)考慮人的作用會降低故障誤報率和漏報率。故障診斷是一門實用性很強的技術(shù)，因此只有在實際應(yīng)用中才能體現(xiàn)它的價值。目前在理論研究方面雖有不少進展，但真正在工程實踐中成功應(yīng)用的實例還較少，因此，如何將先進的故障診斷理論與方法應(yīng)用到實際中去還有待深入的研究。
