1風(fēng)機故障機理研宄風(fēng)機的故障常從振動狀況方面體現(xiàn)出來，根據(jù)振動信號進行監(jiān)測與診斷是目前風(fēng)機設(shè)備維護管理的主要手段，經(jīng)過多年的發(fā)展與完善，風(fēng)機振動故障診斷已經(jīng)形成了比較完備的理論與技術(shù)體系。近年來，隨著非線性理論的發(fā)展，尤其是信號處理、知識工程和計算智能等理論技術(shù)與故障診斷的融合滲透，使風(fēng)機故障診斷的內(nèi)容得到了進一步的豐富與充實。

　　總體來說，風(fēng)機振動故障產(chǎn)生于4個方面：電機、風(fēng)機本身、基礎(chǔ)和風(fēng)管。其因果分析如所示，其中由風(fēng)機本身原因引起的故障占主導(dǎo)地位。

　　由于風(fēng)機振動信號在頻域內(nèi)具有明顯的分布特征，因此，各種功率譜估計技術(shù)在故障征兆提取中得到了廣泛應(yīng)用。其中，經(jīng)典功率譜估計方法（如周期圖法、自相關(guān)法）在工程實踐中應(yīng)用最為廣泛，但是，該方法存在著方差性能差，分辨率低等局限?，F(xiàn)代功率譜估計中的最大熵譜估計和參數(shù)模型功率估計（如AR，MA，ARMA和Prony模型）提高了頻率分辨率，在振動信號的分析中也得到了應(yīng)用。對于平穩(wěn)信號而言，其頻域的能量分布不隨時間變化，上述功率譜估計方法可以滿足精度要求。

　　為了盡可能全面地獲得風(fēng)機設(shè)備的運行狀態(tài)信息，提取故障征兆，針對類似風(fēng)機等旋轉(zhuǎn)機械還有一些其它的分析技術(shù)。

　　能夠反映轉(zhuǎn)子彎曲和扭轉(zhuǎn)振動的形式，是針對類似風(fēng)機的旋轉(zhuǎn)機械故障征兆提取而提出的一種方法。

　　該方法適用于類似風(fēng)機的旋轉(zhuǎn)機械的非平穩(wěn)狀態(tài)分析，實現(xiàn)的必要技術(shù)是對數(shù)據(jù)采集進行反饋控制，使采樣頻率跟蹤轉(zhuǎn)速變化，將相對頻率非平穩(wěn)的信號轉(zhuǎn)變成相對轉(zhuǎn)子轉(zhuǎn)角為平穩(wěn)的信號，在信號幅值相對時間變化平穩(wěn)的假設(shè)前提下，對數(shù)據(jù)進行譜分析，階次跟蹤分析的依據(jù)就是這種原理。

　　對于旋轉(zhuǎn)機械中常見零部件（如滾動軸承、齒輪）的故障，還有專門的振動信號處理技術(shù)，如包絡(luò)解調(diào)和倒譜分析等方法。為了從被噪聲嚴(yán)重污染的信號中提取有用信息，時域濾波技術(shù)（如Kalman濾波和自適應(yīng)濾波等）也在旋轉(zhuǎn)機械的故障征兆提取中得到了應(yīng)用。

　　基于控制模型的故障診斷對于動態(tài)系統(tǒng)，若通過理論或?qū)嶒灧椒軌蚪⒛Ｐ停瑒t系統(tǒng)參數(shù)或狀態(tài)的變化可以直接反映設(shè)備物理系統(tǒng)或物理過程變化，為故障診斷提供依據(jù)。此方法涉及模型建立、參數(shù)估計、狀態(tài)估計和觀測器應(yīng)用等技術(shù)，其中，參數(shù)與狀態(tài)估計技術(shù)是關(guān)鍵，需要系統(tǒng)的精確模型，在實際生產(chǎn)環(huán)境中，對于復(fù)雜的設(shè)備而言，該方法不是經(jīng)濟可行的。

　　基于人工智能的故障診斷基于人工智能故障診斷的研究主要分為兩類：基于知識（符號推理）的故障診斷和基于神經(jīng)網(wǎng)絡(luò)（數(shù)值計算）的故障診斷。

　　基于神經(jīng)網(wǎng)絡(luò)的故障診斷神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)系統(tǒng)而建立起來的自適應(yīng)非線性動力學(xué)系統(tǒng)，具有可學(xué)習(xí)性和并行計算能力，可以實現(xiàn)分類、自組織、聯(lián)想記憶和非線性優(yōu)化等功能。神經(jīng)網(wǎng)絡(luò)用于故障診斷領(lǐng)域，可以解決趨勢預(yù)測和診斷推理問題。目前，在故障診斷中應(yīng)用較多的有多層感知器（MLP）網(wǎng)絡(luò)、自適應(yīng)共振理論（ART）、自組織特征映射（FM）和雙向聯(lián)想記憶（BAM）等；應(yīng)用剪枝法優(yōu)化網(wǎng)絡(luò)連接方式；將遺傳算法和混沌理論p1應(yīng)用于網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練中，解決局部極小問題；為提高網(wǎng)絡(luò)的泛化能力、加快網(wǎng)絡(luò)學(xué)習(xí)速度，在訓(xùn)練樣本中加入噪聲，或者對樣本數(shù)據(jù)進行優(yōu)化處理?；谏窠?jīng)網(wǎng)絡(luò)的智能故障診斷具有1994-2011ChinaAcademicJournal很多優(yōu)點：知識表達形式統(tǒng)一，知識庫組織管理容易，通用性強，便于移植與擴展；知識獲取容易實現(xiàn)自動化（如自組織自學(xué)習(xí)可以實現(xiàn)并行聯(lián)想和自適應(yīng)推理，容錯性強；能夠表示事物之間的復(fù)雜關(guān)系（如模糊關(guān)系可以避免傳統(tǒng)專家系統(tǒng)的“組合爆炸”和“無窮遞歸”問題；推理過程簡單，可以實現(xiàn)實時在線診斷。但是也存在著一些問題：訓(xùn)練樣本獲取困難；忽視了領(lǐng)域?qū)＜业慕?jīng)驗知識；連接權(quán)重形式的知識表達方式難于理解等。

　　4國內(nèi)外風(fēng)機狀態(tài)監(jiān)測與故障診斷的現(xiàn)狀國外很早就對風(fēng)機的振動進行了研究。20世紀(jì)80年代，一般的風(fēng)機均配有自動檢測系統(tǒng)，不但能判斷工況，還能進行故障診斷，預(yù)測使用壽命，預(yù)報維修極限，成功地對風(fēng)機進行檢測。如美國BentlyNevadaCorporation（BNC）的系列產(chǎn)品、Westinghouse公司的PDS系統(tǒng)、IRD與ENTEK公司聯(lián)合開發(fā)的5911系統(tǒng)、ScientificAtlanta公司的M6000系統(tǒng)以及日本三菱公司的MHM系統(tǒng)、法國的SMAV系統(tǒng)、瑞士的MACC系統(tǒng)、丹麥的Compass系統(tǒng)等。其中美國開發(fā)最早，技術(shù)也最先進。在這方面我國起步較晚，使用的檢測儀器設(shè)備也比較落后。目前大部分廠家使用的是簡易的測振儀（如揚州無線電二廠生產(chǎn)的8900/50轉(zhuǎn)速檢測儀，8900/25機殼振動檢測器）。雖然有些廠礦購買了一些振動分析儀，數(shù)據(jù)采集器等較為先進的儀器設(shè)備，但在大多數(shù)情況下，只對設(shè)備進行簡單的點測。如重慶大學(xué)用CDMS系統(tǒng)對云南錫業(yè)公司芋山選礦廠風(fēng)機進行測試與故障診斷，成功地診斷出了8起軸承故障。還有西安交通大學(xué)的采用光纖維局部網(wǎng)的高速旋轉(zhuǎn)RB20狀態(tài)檢測與故障診斷系統(tǒng)RB20，西北工業(yè)大學(xué)的機器設(shè)備狀態(tài)檢測和故障診斷系統(tǒng)MD3905.近10年來，少數(shù)大中型企業(yè)安裝了專用檢測診斷設(shè)備對風(fēng)機進行長期檢測，1994年東北大學(xué)與黑龍江西林鋼鐵公司燒結(jié)廠設(shè)計的以APPLE-11微機采樣系統(tǒng)為基礎(chǔ)的風(fēng)機在線檢測與動平衡系統(tǒng)，具有顯示、打印、報瞥、狀態(tài)識別、趨勢分析、現(xiàn)場動平衡等功能，在實際應(yīng)用中取得了很好的效果。武鋼公司的故障診斷室也于1996年為武鋼一廠的風(fēng)機安裝了以微機為主體的檢測和故障診斷系統(tǒng)，不但檢測現(xiàn)場狀態(tài)與識別工況，還能預(yù)測壽命。2000年東南大學(xué)和上海交通大學(xué)分別開發(fā)了旋轉(zhuǎn)機械故障診斷專家系統(tǒng)，它們的核心部分是故障診斷專家系統(tǒng)，采用了新一代人工智能語言，具有"預(yù)警''功能，能夠準(zhǔn)確記錄旋轉(zhuǎn)機械的運行情況，根據(jù)監(jiān)測情況及時調(diào)用系統(tǒng)內(nèi)部的“知識庫”，通過數(shù)據(jù)分析與人機對話，進行分級診斷，并應(yīng)用模糊模態(tài)識別、不精確推理與分級綜合評判的診斷策略，得出診斷結(jié)論并給出故障發(fā)生的置信度與解決措施。還有鄭州工業(yè)大學(xué)的MMDS-9000系統(tǒng)、西安交通大學(xué)的RMDS系統(tǒng)和RD-20、哈爾濱工業(yè)大學(xué)及浙江大學(xué)的ZHZ- 10系統(tǒng)、華中科技大學(xué)的HZ-1系統(tǒng)。這些系統(tǒng)也能用于風(fēng)機的故障診斷。

　　采集器，向著高精度、高速度、高集成以及多通道方向發(fā)展，精度從8位到12位甚至16位；采集速度從幾赫發(fā)展到可達到幾萬赫；采集方式從等時采樣到等角度同步整周期采樣方向發(fā)展，這樣可以提供包括相位在內(nèi)的多種信息：采集的數(shù)據(jù)從只有穩(wěn)態(tài)數(shù)據(jù)發(fā)展到包括瞬態(tài)數(shù)據(jù)在內(nèi)的多種數(shù)據(jù)。

　　監(jiān)測系統(tǒng)，向?qū)τ脩舾押玫姆较虬l(fā)展，顯示直觀化，操作方便化，采用計算機技術(shù)的最新成果，使用多媒體技術(shù)，大屏幕立體動態(tài)圖像顯示。

　　數(shù)據(jù)存儲，向大容量方向發(fā)展，存儲方式向通用大型數(shù)據(jù)庫方向發(fā)展。

　　總的來說，在風(fēng)機的在線檢測和故障診斷方面，盡管國內(nèi)己經(jīng)取得了一定的進步，但與國外先進水平相比還有很大的差距，系統(tǒng)所具備的功能不很完善，在形成專用的智能軟件方面也還有一段距離。