旋转机械故障诊断方法
摘要：概述了旋转机械故障诊断的基本方法和国内外的先进技术，分别阐述了各方法的基本原理、优缺点及典型应用，展望了故障诊断技术的发展趋势和前景。
关键字：旋转机械，故障诊断
0引言
机械故障诊断技术是指通过对设备在运行中(或相对静态条件下)状态信息的处理和分析，结合诊断对象的历史状况,识别设备及其部件的实时技术状况，并预知有关异常、故障和预测其未来技术状况,从而确定必要对策的技术，是一门以近代数学、电子计算机理论与技术、自动控制理论、信号处理技术、仿真技术、可靠性理论等有关学科为基础的，应用型的多学科交叉的边缘学科。用于设备故障诊断的方法很多，常用的按检测手段分有振动检测诊断法、噪声检测诊断法、温度检测诊断法、声发射检测诊断法、油液分析诊断法等。国内外还提出了其他一些故障诊断技术方法，主要有专家系统、人工神经网络、Petri网络、粗糙集理论等。
1常用的故障诊断方法
1.1振动检测诊断法
设备的零部件、整机都有不同程度的振动。机械设备的振动往往会影响其工作精度，加剧设备的磨损，加速疲劳破坏；而随着磨损的增加和疲劳损伤的瘇，机械设备的振动将更加剧烈，如此恶性循环，直至设备发生故障、破坏。设备发生故障时，常表现为振动频率的变化，通过检测振动的频率、转数、振动的速度、加速度、位移量、相位等参数，并进行分析，从中可以找出产生振动变化的原因。具有实用可靠,判断准确的特点。振动分析法主要采用时域分析频域分析、时序分析、时频域分析等方法来分析所采集的振动信号。振动检测诊断法仍是当今诊断技术的主题，是最常用的诊断方法，具有实用可靠,判断准确的特点。
1.2噪声诊断检测法
噪声检测诊断法就是以机器设备运行中的噪声作为信息源，在设备运行过程中，通过噪声参数的变化特征判别设备的运行状态。在机器设备的运行过程中，会辐射出一定能量的噪声。当发生故障时，其辐射的噪声信号也往往会发生改变，例如噪声级的加大，噪声信号频率的改变等等。同时，由于可以十分方便地对噪声信号进行非接触式测量，因此利用噪声信号对机器设备进行故障诊断是一种可行、有效的方法。
1.3油液分析检测法
油液分析技术是利用油液所携带的设备工况信息来对设备的当前工作状况以及未来工作状况作出判断，从而为设备的正确维护提供了有效的依据，达到预防性维修的目的。油液在设备中的各个运动部位循环流动时，设备的运行信息会在油液中留下痕迹，这些信息主要包括以下三个方面:①油液本身的物理和化学性质的变化②油液中设备磨损颗粒的分布③油液中外侵物质的构成以及分布。油液分析中，目前应用较多的有光谱分析和铁谱分析两种。油液分析结果有种类多、表征各异、离散与随机性、定量与定性交叉、信息量大、信息冗余和不一致性等特点，因此必须对油液分析的信息加以信息综合及信息融合。 2国内外研究发展状况
2.1基于专家系统的诊断方法
专家系统（expert system）是一中基于知识的人工智能诊断系统，其实质是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。目前专家系统用于旋转机械的故障诊断是比较成功的。尽管目前的专家系统及其开发工具有了较大的发展，但投入实际运行的专家系统并不多，且效率较低，问题求解能力更有待进一步提高。因为目前的专家系统主要是模拟某一领域中求解特定问题的专家的能力，而在模拟人类专家协作求解方面很少或几乎没有做什么工作。
2.2基于人工神经网络的诊断方法
与专家系统相比，基于人工神经网络（artificial neural network简称ANN）的故障诊断方法具有鲁棒性好、容错能力强和学习能力强等特点。目前主要有基于BP算法的前向神经网络和基于径向基函数的神经网络两种主要应用于旋转机械的故障诊断。在故障诊断中，诊断推理可以理解为根据特定的映射关系由故障征兆域到故障原因域的计算求解问题，对于复杂的机械系统而言，这种映射关系一般为非线性的，由于神经网络可以对各种映射进行有效的逼近，因此，神经网络及其相应算法在诊断推理中得到了广泛的应用。
3结语
故障诊断技术是随着现代科学技术的发展而发展起来的一个新的领域，是系统安全性、可靠性的重要保障技术，直接关系到社会效益和经济效益。故障诊断的方法多种多样，各有各的优缺点，只有能针对不同的故障类型选择适合的故障诊断方法，才能及时、快速、准确地排除故障，确保系统的正常运行。 参考文献
[1]王金福，李福才. 机械故障诊断的信号处理方法：频域分析[J].噪声与振动控制，2013.
[2]余建青，臧观建，谢世坤，李强征. 旋转机械故障诊断中的信号处理技术综述[J].机床与液压，2011.
[3]赵中敏. 以振动信号分析方法诊断机械故障[J].中国设备工程，2006.
旋转机械故障诊断方法
摘要：概述了旋转机械故障诊断的基本方法和国内外的先进技术，分别阐述了各方法的基本原理、优缺点及典型应用，展望了故障诊断技术的发展趋势和前景。
关键字：旋转机械，故障诊断
0引言
机械故障诊断技术是指通过对设备在运行中(或相对静态条件下)状态信息的处理和分析，结合诊断对象的历史状况,识别设备及其部件的实时技术状况，并预知有关异常、故障和预测其未来技术状况,从而确定必要对策的技术，是一门以近代数学、电子计算机理论与技术、自动控制理论、信号处理技术、仿真技术、可靠性理论等有关学科为基础的，应用型的多学科交叉的边缘学科。用于设备故障诊断的方法很多，常用的按检测手段分有振动检测诊断法、噪声检测诊断法、温度检测诊断法、声发射检测诊断法、油液分析诊断法等。国内外还提出了其他一些故障诊断技术方法，主要有专家系统、人工神经网络、Petri网络、粗糙集理论等。
1常用的故障诊断方法
1.1振动检测诊断法
设备的零部件、整机都有不同程度的振动。机械设备的振动往往会影响其工作精度，加剧设备的磨损，加速疲劳破坏；而随着磨损的增加和疲劳损伤的瘇，机械设备的振动将更加剧烈，如此恶性循环，直至设备发生故障、破坏。设备发生故障时，常表现为振动频率的变化，通过检测振动的频率、转数、振动的速度、加速度、位移量、相位等参数，并进行分析，从中可以找出产生振动变化的原因。具有实用可靠,判断准确的特点。振动分析法主要采用时域分析频域分析、时序分析、时频域分析等方法来分析所采集的振动信号。振动检测诊断法仍是当今诊断技术的主题，是最常用的诊断方法，具有实用可靠,判断准确的特点。
1.2噪声诊断检测法
噪声检测诊断法就是以机器设备运行中的噪声作为信息源，在设备运行过程中，通过噪声参数的变化特征判别设备的运行状态。在机器设备的运行过程中，会辐射出一定能量的噪声。当发生故障时，其辐射的噪声信号也往往会发生改变，例如噪声级的加大，噪声信号频率的改变等等。同时，由于可以十分方便地对噪声信号进行非接触式测量，因此利用噪声信号对机器设备进行故障诊断是一种可行、有效的方法。
1.3油液分析检测法
油液分析技术是利用油液所携带的设备工况信息来对设备的当前工作状况以及未来工作状况作出判断，从而为设备的正确维护提供了有效的依据，达到预防性维修的目的。油液在设备中的各个运动部位循环流动时，设备的运行信息会在油液中留下痕迹，这些信息主要包括以下三个方面:①油液本身的物理和化学性质的变化②油液中设备磨损颗粒的分布③油液中外侵物质的构成以及分布。油液分析中，目前应用较多的有光谱分析和铁谱分析两种。油液分析结果有种类多、表征各异、离散与随机性、定量与定性交叉、信息量大、信息冗余和不一致性等特点，因此必须对油液分析的信息加以信息综合及信息融合。 2国内外研究发展状况
2.1基于专家系统的诊断方法
专家系统（expert system）是一中基于知识的人工智能诊断系统，其实质是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。目前专家系统用于旋转机械的故障诊断是比较成功的。尽管目前的专家系统及其开发工具有了较大的发展，但投入实际运行的专家系统并不多，且效率较低，问题求解能力更有待进一步提高。因为目前的专家系统主要是模拟某一领域中求解特定问题的专家的能力，而在模拟人类专家协作求解方面很少或几乎没有做什么工作。
2.2基于人工神经网络的诊断方法
与专家系统相比，基于人工神经网络（artificial neural network简称ANN）的故障诊断方法具有鲁棒性好、容错能力强和学习能力强等特点。目前主要有基于BP算法的前向神经网络和基于径向基函数的神经网络两种主要应用于旋转机械的故障诊断。在故障诊断中，诊断推理可以理解为根据特定的映射关系由故障征兆域到故障原因域的计算求解问题，对于复杂的机械系统而言，这种映射关系一般为非线性的，由于神经网络可以对各种映射进行有效的逼近，因此，神经网络及其相应算法在诊断推理中得到了广泛的应用。
3结语
故障诊断技术是随着现代科学技术的发展而发展起来的一个新的领域，是系统安全性、可靠性的重要保障技术，直接关系到社会效益和经济效益。故障诊断的方法多种多样，各有各的优缺点，只有能针对不同的故障类型选择适合的故障诊断方法，才能及时、快速、准确地排除故障，确保系统的正常运行。 参考文献
[1]王金福，李福才. 机械故障诊断的信号处理方法：频域分析[J].噪声与振动控制，2013.
[2]余建青，臧观建，谢世坤，李强征. 旋转机械故障诊断中的信号处理技术综述[J].机床与液压，2011.
[3]赵中敏. 以振动信号分析方法诊断机械故障[J].中国设备工程，2006.