設備狀態(tài)監(jiān)測與故障診斷技術(shù)是一種了解和掌握設備使用過程狀態(tài)的技術(shù)。它可以確定設備整體或局部是正常還是異常，能早期發(fā)現(xiàn)故障及其原因，并能預報故障發(fā)展趨勢。設水泥螺旋輸送機備狀態(tài)監(jiān)測與故障診斷過程包括狀態(tài)監(jiān)測、故障檢測、故障識別或診斷、故障分析與預測、故障處理對策與建議等
［1擋邊輸送帶］。

　　在汽輪發(fā)電機組的各種故障中，振動故障是一類對生產(chǎn)和運行產(chǎn)生很大影響的故障。一方面，振動故障的診斷比較復雜，處理時間比較長；另一方面，振動故障一旦發(fā)散釀成事故，所造PVC輸送皮帶成的影響和后果是十分嚴重的［2］。 
高頻振動篩 
1　大型汽輪發(fā)電機組狀態(tài)監(jiān)測和故電磁振動篩障診斷

　　由于我國用電的需要和資金制約，降低老機組故障發(fā)生率，延長老機組的使用壽命是非常重要的［3］。目前在國內(nèi)電廠各類大型汽輪發(fā)電機組的運行監(jiān)測方面，只有部分裝有美國本特利公司或德國飛利浦公司的振動監(jiān)視系統(tǒng)，尚有許多機組的監(jiān)視系統(tǒng)是落后和不完善的。由此可見，開展大型汽輪發(fā)電機組微型電磁振動喂料機的故障診斷技術(shù)研究是非常必要的。

　　隨著機組容量增大，所出現(xiàn)的振動故障也越來越復雜，目前采用的在線監(jiān)測裝置一般只具有振動專家系統(tǒng)的很少且很不完善。利用先進的檢測、診斷儀器，采取科學有效的技術(shù)方法開展現(xiàn)場故障診斷工作是目前電廠各類機組故障診斷輸送鏈和預測分析的主要方法［4］。

　　目前在國際上，以美國為主的西方發(fā)達國家在大型汽輪發(fā)電機組在線監(jiān)測與診斷技術(shù)的綜合研究方面處于領(lǐng)先地位：一方面，美國的信號處理與數(shù)據(jù)分析技術(shù)發(fā)展較快，而這些處理機、分析儀和數(shù)據(jù)采集系統(tǒng)是機械設備狀態(tài)監(jiān)測的基礎(chǔ)和核心，是發(fā)展后續(xù)技術(shù)（故障診斷）所不可分割的部分；另一方面，美國的幾家專業(yè)公司，如自動提升機小型提升機Bently，IRD，BEI，從事對大型電站機組的運行和監(jiān)控的研究，以及對機組可靠性、安全性、維修性與經(jīng)濟管理技術(shù)方面的研究，已有了40多年的歷史，建立了龐大的數(shù)據(jù)庫管理系統(tǒng)，并開展了專家系統(tǒng)的研究，具有雄厚的數(shù)據(jù)與軟件實力。此外，國際上還有許多著名的診斷儀器公司，如丹麥的B＆K，德國的申克及日本的武田理研等，生產(chǎn)有多種用于設備診斷的分析儀器及軟件系統(tǒng)。然而國外的在線監(jiān)測系統(tǒng)、現(xiàn)場診斷儀器及診斷管理軟件一般價格十分昂貴，且存在維護不便、因缺少漢化而使用不便等問題，因此還難以在我國基層電廠普及。

　　我國工業(yè)企業(yè)的設備診斷技術(shù)自1983年起步，初期主要應用于石化、冶金及電力等行業(yè)，進入20世紀90年代后，迅速滲透到國民經(jīng)濟的各個主要行業(yè)。其中旋轉(zhuǎn)機械的故障診斷是診斷技術(shù)應用最廣、涉及行業(yè)最多的應用領(lǐng)域，如電力行業(yè)中的汽輪發(fā)電機組，石化行業(yè)的壓縮機，航空工業(yè)的各種航空發(fā)動機等。大型汽輪發(fā)電機組的在線監(jiān)測與故障診斷技術(shù)作為國家“七五”、“八五”重大科技攻關(guān)項目，并在“九五”期間仍繼續(xù)受到支持，其重要意義是顯而易見的。西安交通大學、哈爾濱工業(yè)大學、清華大學等一些高校及西安熱工研究院等一些研究單位在大型汽輪發(fā)電機組故障機理及星型卸料器其診斷技術(shù)研究方面總體上處于國內(nèi)領(lǐng)先水平。但是，由于近年來大型汽輪發(fā)電機組單機裝機容量的不斷增大（如國內(nèi)目前己投產(chǎn)700 MW汽輪發(fā)電機組），而對大型機組許多常見故障的機理、故障特征及現(xiàn)場診斷方法的研究還有待進一步的深入。此外，在現(xiàn)場信號采集與故障診斷儀器及數(shù)據(jù)管理軟件的研制方面，國內(nèi)雖有一些大學及研究所推出了自己的產(chǎn)品，如北京振通檢測技術(shù)研究所推出的902和903便攜式數(shù)據(jù)采集器、重慶大學測試中心的QLSA－W型振動噪聲測試分析儀、大連理工大學推出的PDM2000數(shù)據(jù)采集分析儀及管理軟件等，但隨著計算機技術(shù)尤其是微處理器及軟件技術(shù)的飛速發(fā)展，上述裝置及軟件系統(tǒng)在性能指標、可靠性、軟件對不同公司數(shù)據(jù)采集裝置的適應性等方面均存在一定的局限性。

2　故障診斷技術(shù)研究的主要鏈條輸送內(nèi)容及其概況

　　30多年來，故障診斷技術(shù)不斷吸收各門科學技術(shù)發(fā)展的新成果，診斷的理論與應用有了很大的發(fā)展和進步，它涉及系統(tǒng)論、控制論、信息論、檢測與估計理論、計算機科學等多方面的內(nèi)容，成為集數(shù)學、物理、力學、化學、電子技術(shù)、信息處理、人工智能等基礎(chǔ)學科以及各相關(guān)專業(yè)學科于一體的新興交叉學科。故障診斷技術(shù)研究的主要內(nèi)容包括以下4個方面：故障機理；故障信息處理技術(shù)；故障源分離與定位技術(shù)；人工智能技術(shù)的應用研座式圓盤給料機究。

2．1　故是常用礦用破碎機障機理的研究［5～7］

　　故障機理的研究，是以可靠性和故障物理為理論基礎(chǔ)，研究故障的物理學或數(shù)學模型，進行物理模擬或計算機仿真，其目的是了解故障的形成和發(fā)展過程，明確故障的動態(tài)學特征，從而進一步掌握典型的故障信號，提取故障征兆，建立故障樣板模式。故障機理的研究是故障診斷的基礎(chǔ)，是獲得準確、可靠的診斷結(jié)果的重要保制砂石設備證。

　　為了故障診斷工作的順利開展，國內(nèi)外很多科研人員和科研部門在故障機理方面作了大量的研究工作。例如，具有多年工廠實踐經(jīng)驗的美國人John Sohre是研究渦輪機械故障機理的權(quán)威，他于1968年發(fā)表的論文“高速渦輪機械運行問題的起因和治理”，清晰簡潔地描述了典型的機械故障征兆及其可能成因，并將典型的故障劃分為9類37種。美國Bently Nevada公司的轉(zhuǎn)子動力學研究所對轉(zhuǎn)子和軸承系統(tǒng)典型故障作了大量的試驗研究，并發(fā)表了許多很有價值的論文。日本的故障診斷可逆錘式破碎機專家白木萬博自20世紀60年代以來發(fā)表了大量的故障診斷文章，積累了豐富的現(xiàn)場故障處理經(jīng)驗，并進行了理論分析。國內(nèi)自20世紀80年代中期以來，清華大學、上海交通大學、哈爾濱工業(yè)大　　學、西安交通大學、西安熱工研究院等單位，在故障機理的研究方面做了大量的工作，發(fā)表了許多有價值的文章。

　　雖然在故障機理的研究方面已經(jīng)取得了大量的成果，但大型汽輪機組的振動故障機理仍然沒有全部明確，亟須進一步的深重型板式給料機入研究。

2．2　故障信息處理技術(shù)的研究［8～10］

　　故障信息處理技術(shù)是故障診斷的前提，它在提高診斷的準確性和可靠性方面處于非常重要的地位。常規(guī)的故障信息處理技術(shù)包括故障信號檢測和故障信號分析處理兩個部分。測量的信號通常是振動、噪聲、溫度、壓力、電流、電壓等信號中的一種或幾種。隨著電子技術(shù)和計算機技術(shù)的迅速發(fā)展，各種傳感器越來越小型化、精密化，近年來，一些國外企業(yè)以與一般傳感器同樣的價格推出了智能傳感器，使得故障信號檢測在不影響系統(tǒng)運行的前提下更易于實現(xiàn)，而且在滿足高精度要求的同時提高了其本身的可靠性。最近，日本出現(xiàn)了非接觸式測量技術(shù)，大大地拓寬了故障信號的測量范圍，雖然在測量精度上暫時還未能滿足要求，但它預示了信號檢測技術(shù)的一個發(fā)展方向。

　　故障信號分析處理是對檢測到的各種狀態(tài)信息進行加工、變換，以提取故障征兆。目前，應用最廣泛的故障信號分析處理方法是傅立葉（Fourier）分析和相應的FFT快速算法。借助于FFT算法實現(xiàn)的信號處理有頻譜分析、相關(guān)分析、相干分析、傳遞函數(shù)分析、細化譜分析、時間序列分析、倒頻譜分析、包絡分析等。這些分析方法在故障診斷過程中起到了重要的作用，但傅立葉分析方法只適合于分析連續(xù)的、平穩(wěn)的時域信號。為了有效地分析處理工程應用領(lǐng)域中大量的非平穩(wěn)信號，人們把小波（wavelet）和分形（fractal）這兩種新的工具引入到故障信號的分析處理中。它們的理論和應用研究十分活躍，預示著在故障診斷領(lǐng)域中將獲得廣泛的應用。

　　其實，在故障發(fā)生時，領(lǐng)域?qū)＜彝鶓{五官感覺到一些難以由數(shù)據(jù)描述的事實，他們根據(jù)系統(tǒng)的結(jié)構(gòu)和故障發(fā)生的歷史，就能很快地做出正確的判斷。這種感性知識的獲取和經(jīng)驗知識的表達、處理過程，事實上就是故障信息的智能處理技術(shù)。在模糊診斷系統(tǒng)中，這種基于經(jīng)驗知識的智能化信息處理技術(shù)表現(xiàn)在故障征兆對故障原因的支持程度或否定程度的建立上；而在專家系統(tǒng)中，則表現(xiàn)在各類診斷知識的獲取和組織表達上。近年來，人們對診斷知識的獲取、表達、組織和推理方法作了大量的研究，目前仍沒有獲得突破性進展。

　　由于大型機組的故障機理十分復雜，目前仍難以采用精確的數(shù)據(jù)完備地表達其運行狀態(tài)，因此，研究故障信息的智能處理技術(shù)有著重要的意義。

2．3　故障源分離與定位技術(shù)的研究［11～13］

　　故障源分離與定位也稱為故障模式識別，是將經(jīng)過信號處理得到的有限的或不完整的特征信號與故障原因?qū)饋?，使故障源定位。故障源分離與定位技術(shù)是故障診斷的關(guān)鍵技術(shù)，將故障源定位是故障診斷的最終目標。

　　20世紀60年代以來，隨著故障診斷理論研究的不斷深入，人們克服了越限診斷方法的局限，發(fā)展了多種故障源分離與定位技術(shù)，包括基于系統(tǒng)數(shù)學模型的方法、統(tǒng)計分析方法和模糊綜合評判方法等。根據(jù)診斷知識的利用方式，可以將故障源分離與定位技術(shù)分為基于模型的方法與基于規(guī)則的方法兩大類?；谀Ｐ偷姆椒梢猿浞掷孟到y(tǒng)的內(nèi)部知識，有利于系統(tǒng)整體的故障診斷；其缺點是系統(tǒng)的建模誤差或外部干擾將對故障診斷的結(jié)果產(chǎn)生重大的影響?；谝?guī)則的方法，其適應性廣、靈活，但故障的在線估計比較困難。

　　撇開實際應用場合而去評價某一種故障源分離與定位方法的好壞是沒有意義的。在實際應用中，應根據(jù)具體診斷對象的特點和需要完成的診斷任務，恰當?shù)剡x擇或綜合利用幾種方法，才能取得較好的效果。

2．4　智能診斷技術(shù)的研究［14～15］

　　智能診斷技術(shù)已從實驗室研究階段逐漸走向?qū)嶋H工程應用階段。由于大型復雜系統(tǒng)在工業(yè)生產(chǎn)中的廣泛應用，使得常規(guī)故障診斷技術(shù)越來越難以滿足人們對大型復雜系統(tǒng)提出的可靠性要求，因此，智能診斷技術(shù)是大型復雜系統(tǒng)故障診斷發(fā)展的重點方向。目前，盡管人們在智能診斷技術(shù)的研究方面做了大量的研究工作，但無論是在理論方面還是在實際應用方面都還存在許多問題有待于研究解決。
3　故障診斷系統(tǒng)的研制歷史

　　故障診斷系統(tǒng)是根據(jù)診斷對象故障的特點，利用現(xiàn)有的故障診斷技術(shù)研制而成的自動化診斷裝置。故障診斷的各種理論與方法的研究最終都必須落實到具體的診斷裝置或診斷系統(tǒng)的研制上，只有　　診斷系統(tǒng)的研制成功才能產(chǎn)生真正的經(jīng)濟效益。根據(jù)各類故障診斷系統(tǒng)出現(xiàn)的先后，可將它們分為以下四類：便攜式檢測儀表和分析儀器；在線監(jiān)測儀表系統(tǒng)；計算機監(jiān)測分析與診斷系統(tǒng)；智能診斷系統(tǒng)。其中，便攜式檢測儀表和分析儀器、在線監(jiān)測儀表系統(tǒng)和計算機監(jiān)測分析與診斷系統(tǒng)統(tǒng)稱為常規(guī)故障診斷系統(tǒng)，這三類故障診斷裝置或診斷系統(tǒng)從出現(xiàn)至今，經(jīng)過不斷的改進，己經(jīng)發(fā)展成為成熟的商品，在故障診斷領(lǐng)域發(fā)揮了巨大的作用。

　　便攜式檢測儀表和分析儀器是最早出現(xiàn)的故障檢測裝置，其主要功能是對檢測對象的一些重要運行參數(shù)進行測量，分析人員根據(jù)測量得到的數(shù)據(jù)判斷檢測對象的運行狀態(tài)。如：振動測量儀、溫度測量儀、軸承檢測儀等，生產(chǎn)廠家有丹麥的B＆K公司、瑞典的SPM公司等。

　　在線監(jiān)測儀表系統(tǒng)是繼便攜式檢測儀表和分析儀器之后出現(xiàn)的針對某一具體對象的專用故障監(jiān)測系統(tǒng)，適用于需要實時監(jiān)測運行狀態(tài)的工業(yè)生產(chǎn)系統(tǒng)。比較成熟的產(chǎn)品有：美國Bently公司的7200系列，9000系列，3300系列；西德Philips公司的11 MS700系列以及申克公司的VIBROCON－TROL 2000系列；瑞士Vibro－MetCr公司的MMS系統(tǒng)等。

　　計算機監(jiān)測分析與診斷系統(tǒng)的相繼出現(xiàn)，是由于便攜式檢測儀表和分析儀器和一般的在線監(jiān)測儀表系統(tǒng)無法滿足大型系統(tǒng)故障診斷的要求。計算機監(jiān)測分析與診斷系統(tǒng)不但可以在線實時監(jiān)測大型系統(tǒng)的運行狀態(tài)，還可以根據(jù)現(xiàn)場的檢測數(shù)據(jù)，實現(xiàn)越限報警、實時故障分析與診斷等功能。典型的產(chǎn)品有：美國Bently公司的Trendmaster 2000系統(tǒng)；日本三菱公司的HMH系統(tǒng)；瑞士Vibro－Me－ter公司的Vibro－Turbo系統(tǒng)；加拿大CSI3100系統(tǒng)；中國清華大學的QH－l系統(tǒng)，華中理工大學的HZ－l系統(tǒng)，哈爾濱工業(yè)大學的MMMD－3系統(tǒng)等等。

　　智能診斷系統(tǒng)，是在常規(guī)故障診斷技術(shù)的基礎(chǔ)上，結(jié)合人工智能技術(shù)的研究成果研制而成的自動化診斷系統(tǒng)。智能診斷系統(tǒng)的開發(fā)歷史并不長，美國自20世紀80年代開始首先在這方面開展研制工作，開發(fā)了多種智能診斷系統(tǒng)。例如，1982年EGG．Idaha公司研制成功用于診斷和處理核反應堆的故障診斷系統(tǒng)。此后，Westinghouse公司研制成功電廠人工智能在線診斷大型網(wǎng)絡系統(tǒng)，其中包括汽輪機Turbin AID、發(fā)電機GenAID和水化學ChemAID三個人工智能在線診斷系統(tǒng)，以及電站數(shù)據(jù)中心PDC和診斷運行中心，它在電站機組的安全運行中發(fā)揮了巨大的作用，取得了很大的經(jīng)濟效益，被譽為在線智能診斷系統(tǒng)成功應用的代表。國內(nèi)在故障的智能診斷技術(shù)方面的研究起步較晚，但發(fā)展較快，并取得了不少成果，如華中理工大學研制成功汽車發(fā)動機故障診斷專家系統(tǒng)KB－SED和汽輪機組監(jiān)測與診斷專家系統(tǒng)；哈爾濱工業(yè)大學研制成功大型旋轉(zhuǎn)機械故障診斷專家系統(tǒng)MMMDES；另外，清華大學、上海交通大學、西安交通大學、鄭州工學院、東南大學等院校也先后開展了故障智能診斷系統(tǒng)的研制工作［10，13］。

　　故障機理的研究振動信號分析是機械故障診斷技術(shù)中采用的最主要的方法之一。目前，在振動信號分析與處理方法中，以快速傅立葉變換（FFT）為基礎(chǔ)的調(diào)和分析法應用最為普遍，幾乎所有的動態(tài)分析儀都是以FFT為核心進行信號處理的，F(xiàn)FT分析方法及其派生出的多種有效的振動信號處理方法（如快速卷積、相關(guān)、自譜、互譜、倒譜、細化譜及傳遞分析等）在機械故障診斷技術(shù)應用中起到了非常大的作用。然而，這類基于平穩(wěn)過程的經(jīng)典信號處理方法，分別僅從時域或頻域給出信號的統(tǒng)計平均結(jié)果，無法同時兼顧信號在時域和頻域中的全貌和局部化［16］。

　　為實現(xiàn)對非平穩(wěn)信號的有效表示，解決其時頻局部化分析問題，Gabor提出了加窗傅立葉變換（WFT）或短時傅立葉變換（STFT），但由于其時頻分辨率固定，缺乏細化能力，逐步被20世紀80年代發(fā)展起來的一種新的數(shù)學方法———小波（wavelet）分析所取代。小波分析是一種包含尺度伸縮和時間平移的雙參數(shù)的函數(shù)分析方法，由于小波函數(shù)具時頻局部化特性，多尺度性和“數(shù)學顯微”（“變焦”）特性，伸得小坡變換能夠很好地解體非平穩(wěn)信號的分析問題，它的出現(xiàn)對純數(shù)學和應用科學都具有重要意義。研究表明：小波分析在振動噪聲的去除、非平穩(wěn)振動信號的表示與分析及振動信號多分辨率分析等方面具有較強的優(yōu)勢，是適合機械故障診斷的一種有效方法［17］。

　　隨著人們對小波分析的理論和應用研究的深入，不少新的理論方法被提出。其中，信號自適應小波分解理論和基于基因遺傳算法求解的廣義自適應小波分解方法已經(jīng)具有工程應用背景。但在小波參數(shù)的最優(yōu)化問題上，在將小波分析的理論應用到實際的故障診斷系統(tǒng)中，還有大量的實際工作要做。