1.1 设备状态监测与智能维护研究现状

设备状态监测与故障诊断技术包括设备状态监测、故障诊断和预测发展趋势等几个方面。具体过程分为信号采集、信号处理、故障识别、决策支持等几个环节，该技术实现过程如图1-1所示。

这一技术的基本内容可以归纳为以下四个方面：

（1）信号采集 设备在运行过程中必然会有力、热、振动及能量等各种量的变化，由此会产生各种不同信息。根据不同的诊断需要，选择能表征设备工作状态的不同信号，如振动、压力、温度等是十分必要的。这些信号一般是用不同的传感器来拾取的。

（2）信号处理 这是将采集到的信号进行分类处理、加工，获得能表征设备特征的过程，也称特征提取过程，如对振动信号从时域变换到频域进行的频谱分析即是这个过程。

（3）故障识别 将经过信号处理后获得的设备特征参数与规定的允许参数或判别参数进行对比，以确定设备所处的状态，即是否存在故障及故障的类型和性质等。为此应正确制定相应的判别准则和诊断策略。

（4）诊断决策 根据对设备状态的判断，决定应采取的对策和措施。同时应根据当前信号预测设备状态可能发展的趋势。进行趋势分析，估计今后发展和可继续运行的时间。

国外状态监测与故障诊断技术的研究应用已有40多年的历史，美国是最早开展状态监测与故障诊断技术研究的国家。目前，美国已有多家公司从事电站状态监测与故障诊断系统的工作，其中最知名的有西屋公司（WHEC）、Bently公司和IRI公司。在欧洲也有不少公司从事状态监测与故障诊断技术的研究、产品的开发及应用。如瑞士ABB公司目前正在大力发展振动观察系统（Vibro-View），并由诊断软件精确诊断机器故障。法国电气研究与发展部近年来发展了监测与诊断辅助站的PSAD系统，用于大型电站机组监测与诊断。英国在20世纪60年代末，以Collacott为首的机械状态监测中心首先开始故障监测诊断技术的研究，目前已有多家机构从事此项研究。

我国故障监测诊断技术起步较晚，然而得益于国家政府部门的重视和广大学者的努力，该技术得到了快速的发展。目前在理论研究方面，我国形成了特有的故障监测诊断理论，出版了许多相关的论著，研制出了一系列与国际接轨的大型设备状态监测与故障诊断系统。与国外相比，我国虽然在故障监测诊断技术的理论研究上已接近世界水平，但在应用技术方面仍有一定差距。

近年来，设备状态监测与故障诊断技术得到了前所未有的发展。在诊断方法和理论方面，人们不断吸收人工智能、信息工程、系统控制等方面的成果，用于改善和提升它的精度和可靠性；在诊断仪器和手段方面，监测手段的在线式、智能型、数字化等特征日趋明显；在应用方面，监测系统的集成化、分布式、网络型等特点尤为突出。

由前述可知，基于状态维护的关键是状态监测与故障诊断技术，维护人员根据诊断结果制定诊断决策，对设备及其工作进行必要的预测及干预。由于状态监测技术的发展，设备基于状态维护技术得到了飞速发展，在机械（飞机、潜艇、盾构机）、能源（汽轮发电机组、风能涡轮机组）等领域得到了广泛的应用，产生了巨大的经济效益。在吸收计算机技术、通信技术等先进技术后，基于状态维护技术从单机现场维护向多机组网和远程故障诊断维护等方式转变。

在设备的状态监测和故障诊断领域，李江林设计了一套电厂电气设备故障诊断专家系统，解决了徐州垞城电厂电气设备的状态监测与故障诊断；蒋东翔等采用模糊数学、模糊模式识别、模糊人工智能和基于规则的专家系统等混合智能诊断方法，应用于大型汽轮发电机组和电力热力系统的设备的故障诊断；桂中华等人设计了一套水轮机组状态监测与故障诊断的专家系统，应用于丹江口水电厂水轮机组的状态监测与故障诊断；史定国等人为上海宝钢热电厂高炉风站48000kW同步电动机拖动的全静翼可调的轴流大型风机设计了状态监测与故障诊断系统；Peng Yongsheng等人提出采用经典分析方法（Classical Analysis Methods）和高级时频分析方法（Advanced Time-Frequency Analysis Methods）分别处理稳态信号和非稳态信号，建立基于Internet的集中式泵站状态监测和故障诊断系统；Gu等人建立了一套多轴钻机状态监测和故障诊断系统，以振动和力传感器检测设备状态，采用递归优化双线性判别函数（Recursion Optimization Bilinear Discriminant Func-tion, ROBDF）进行信号提取和故障诊断；Twiddle J.A.等人提出基于模糊模型的状态监测和故障诊断系统，并应用于柴油机冷却系统；Zhang Xi等人为基站信号控制设备的故障诊断开发了一套基于人工智能和专家系统的状态监测与故障诊断系统，系统结构由知识获取、设备状态监控数据输入、知识库、机器推理、综合数据库、人机界面等部分组成；Zhao Xiukuan等人针对复杂设备难以建立数学模型的情况，提出基于多级半监督学习的支持矢量机方式实现设备智能状态监测；Marzi Hosein针对高速、高精度机械设备需要持续在线监控这一问题，提出基于神经网络自适应模块的状态监控和故障诊断系统。