1.1 设备故障诊断与状态维修

1.1.1 设备诊断技术

“诊断”最早出现于医学上，设备诊断技术是从医学诊断技术移植过来的。对设备进行的定期检查，就相当于对人体进行的健康检查；在设备定期检查中发现的设备状态异常现象，则相当于人体检查中发现的各种症状。根据设备状态，对设备劣化程度与故障部位、故障类型、故障原因所做的分析判断，就相当于根据人体症状对病位、病名、病因所做的识别鉴定即诊断。不难明白，设备故障的诊断和人体疾病的诊断在实质上是完全相同的，也是利用了温度、噪声、振动、压力、气味、形变、泄漏和磨损等表示设备状态的各种特征。

1. 设备诊断技术的概念

设备诊断技术又称为设备状态诊断技术（Equipment condition diagnosis technology），是一种通过监测设备的状态参数，发现设备异常情况，分析设备故障原因，并预测、预报设备未来状态的一种技术。其基本功能是在不拆卸或基本不拆卸设备的情况下，掌握设备运行现状，定量地检测和评价设备的以下状态：①设备所承受的应力；②强度和性能；③故障和劣化；④预测设备的可靠性。在设备发生故障的情况下，对故障原因、故障部位、危险程度进行评定，并确定正确的修复方法。

2. 设备诊断技术的工作原理和工作手段

设备诊断技术的基本原理及工作程序如图1-1所示，它包括信息库和知识库的建立，以及信号检测、特征提取、状态识别和预报决策等4个工作程序。

1）信号检测 按照不同诊断目的和对象，选择最便于诊断的状态信号，使用传感器、数据采集器等技术手段，加以监测与采集。由此建立起来的是状态信号的数据库，属于初始模式。

2）特征提取 将初始模式的状态信号通过信号处理，进行放大或压缩、形式变换、去除噪声干扰，以提取故障特征，形成待检模式。

3）状态识别 根据理论分析结合故障案例，并采用数据库技术所建立起来的故障档案库为基准模式。将待检模式与基准模式进行比较和分类，即可区别设备的正常与异常。

4）预报决策 经过判别，对属于正常状态的可继续监视，重复以上程序；对属于异常状态的，则要查明故障情况，做出趋势分析，估计今后发展和可继续运行的时间，以及根据问题所在提出控制措施和维修决策。

按照状态信号的物理特征，设备诊断技术的主要工作手段可分为10种，见表1-1。选用工作手段应根据对象的不同而有所区别，其中以振动、温度、油液及声学的诊断方法应用最多。

3. 设备诊断技术的组成和功能

设备诊断技术由简易诊断技术和精密诊断技术两种技术组成。

（1）简易诊断技术

简易诊断技术（Simple Diagnosis Technique）是指使用简单的方法，对设备技术状态快速地做出概况性评价的技术。它能够迅速而概括地检查、了解设备状态，由现场维修人员施行，普遍应用于各种设备。简易诊断技术一般有以下特点：

1）使用各种较简单、易于携带和便于在现场使用的诊断仪器及检测仪表；

2）由设备维护、检修人员在生产现场进行；

3）仅对设备有无故障、严重程度及其发展趋势做出定性初判；

4）涉及的技术知识和经验比较简单，易于学习和掌握；

5）需要将采集的故障信号储存建档。

（2）精密诊断技术

精密诊断技术（Precise Diagnosis Technique）是指使用精密的仪器和方法，对简易诊断中难以确诊的设备故障进行精确的定量检测与分析，找出故障位置、原因和数据，以确定应采取的技术。一般有以下特点：

1）用各种比较复杂的诊断分析仪器或专用诊断设备；

2）由具有一定经验的工程技术人员及专家在生产现场或诊断中心进行；

3）需对设备故障的存在部位、发生原因及故障类型进行识别和定量；

4）涉及的技术知识和经验比较复杂，需要较多的学科配合；

5）进行深入的信号处理，以及根据需要预测设备寿命。

近年开发的计算机辅助设备诊断系统及人工智能与诊断专家系统等，都属于精密诊断技术范畴，一般多用于关键机组和诊断比较复杂的故障原因。设备简易诊断和精密诊断两者的关系相当于护士与专科医生的关系。

在一般情况下，多数设备都采用简易诊断技术来诊断设备现时的状态。只有对那些在简易诊断中提出疑难问题的设备（包括关键、高精度、大、重型设备），才进行精密诊断。这样使用两种诊断技术，才是既有效又经济的。

4. 设备故障诊断的基本方法

由于设备故障的复杂性及设备故障与征兆之间关系的复杂性，形成了设备故障诊断是一种探索性的过程这一特点。故障诊断过程由于其复杂性，一般不可能只采用单一的方法，而需要采用多种方法。

（1）传统的故障诊断方法

1）利用各种物理和化学原理和手段，通过伴随故障出现的各种物理和化学现象，直接检测故障。例如：可以利用振动、声、光、热、电、磁、射线、化学等多种手段，观测其变化规律和特征，用以直接检测和诊断故障。这种方法形象、快速，十分有效，但只能检测部分故障。

2）利用故障所对应的征兆来诊断故障是最常用、最成熟的方法。以旋转机械为例，振动及其频谱特性的征兆是最能反映故障特点、最有利于进行故障诊断的手段，为此，要深入研究各种故障的机理和研究各种故障所对应的征兆。在诊断过程中，首先应分析设备运转中所获取的各种信号，提取信号中的各种特征信息，从中获取与故障相关的征兆，利用征兆进行故障诊断。由于故障与各种征兆间并不存在简单的一一对应关系，因此利用征兆进行故障诊断往往是一个反复探索和求解的过程。

（2）故障诊断的数学方法

设备故障诊断技术作为一门学科，尚处于发展之中。必须广泛利用各学科的最新科技成果，特别要借助各种有效的数学工具，其中包括基于模式识别的诊断方法、基于概率统计的诊断方法、基于模糊数学的诊断方法、基于可靠性分析和故障分析的诊断方法，以及神经网络、小波变换、分形几何等新发展的数学分支方法在故障诊断中的应用等。

（3）故障的智能诊断方法

在上述传统的诊断方法的基础上，将人工智能的理论和方法用于故障诊断，发展智能化的诊断方法，是故障诊断的一条全新途径，目前已广泛应用，成为设备故障诊断的主要方向。

人工智能的目的是使计算机去做原来只有人才能做的智能任务，包括推理、理解、规划、决策、抽象、学习等功能。专家系统是实现人工智能的重要形式，目前已广泛用于诊断，获得了很好的效果。

5. 设备诊断的判定标准及其制定方法

设备诊断的判定标准是用以评价设备技术状态的一种标准。据此可以判定设备的正常、异常和故障，以实施超限报警或自动停机。常用的判定标准有以下三种。

1）绝对判定标准 根据对某类设备长期使用、维修与测试所积累的经验，并由企业、行业或国家归纳而制定的一种可供工程应用的标准。这类标准一般都是针对某类设备，并在规定了正确的测定方法后制定的，故在使用时必须掌握标准的运用范围和测定方法。

2）相对判定标准 对同一台设备，在同一部位定期测定参数，并按时间先后进行比较，以正常情况下的值为原始值，用实测值与该值的倍数作为判定标准。

3）类比判定标准 数台同样型号、规格的设备在相同条件下运行时，通过对各台设备的同一部位进行测定和相互比较来掌握异常程度。