机械设备故障诊断与监测的常用方法及其发展

林含笑 臧能义

（新疆工程学院，乌鲁木齐 830023）

随着科学技术的快速发展，各行业自动化机械水平越来越高。生产中要保证设备的安全可靠运行，以免造成重大的经济损失。要实时监控和诊断机器的运行状况，根据诊断结果制定相应的预防措施，从而达到预防和减少机器运行事故的目的[1]。故障检测与诊断技术正是基于此而发展的一门新学科，在机械工程领域中的应用日益广泛，受到了越来越多重视，并获得了快速发展。

1 机械故障诊断和监测技术的发展及现状

机械故障诊断和监测技术是保障机械设备正常运行的重要手段，也是现代化生产发展的必要技术。20 世纪60 年代末，美国国家宇航局创立了美国机械故障预防小组，英国成立了机械保健中心，开始了对机械故障诊断与监测技术的研究。在此后的几十年中，随着理论研究和实际应用的发展，状态监测与故障诊断技术得到了迅速发展，并产生了巨大的经济效益和社会效益。

在国内，设备监测与故障诊断产业起步较晚，但经过多年快速发展，从技术理论到应用实践都取得了巨大进步[2]。国内先后开发了各种类型的传感器，如屯涡流传感器、速度传感器、加速度传感器和温度传感器等，同时在信号分析与处理技术方面引入先进的信号分析手段，如快速傅里叶变换、Wigner 谱分析和小波变换等。此外，人工智能和专家系统在故障诊断中得到了广泛应用，如日常机械故障诊断专家系统等。

随着自动化技术水平的不断提高，工业设备制造和工程系统的复杂性大大增加。系统的可靠性和安全性是保障经济效益和社会效益的关键因素，也是我国先进装备制造业和传统工业自动化升级的重要基础。因此，机械设备故障诊断和监测技术的应用，越来越受到各行业的重视。随着技术的不断发展，机械故障诊断和监测技术的发展呈现出多元化的发展趋势，如基于互联网的远程监测技术、基于人工智能的智能诊断技术等。这些新技术的发展，为机械故障诊断和监测技术的发展带来了新的机遇和挑战。

2 机械设备故障诊断和监测的方法

2.1 振动监测

振动监测是一种广泛应用于机械设备故障诊断和监测的方法。振动监测可以通过安装在设备上的振动传感器监测设备的振动情况，包括振动的频率、振幅、相位等信息。通过分析这些信息，可以判断设备是否存在故障或异常。振动监测可以应用于各种机械设备，如旋转机械、往复机械以及高压电气系统等。对于旋转机械，如电机、压缩机与发电机等，振动监测能够实时监测和预警其运行状态，从而有效避免机械故障和事故的发生[3]。例如，通过监测电机轴承的振动情况，可以判断轴承是否出现磨损或松动等故障，从而及时进行维护和检修。

除实时监测外，振动监测还可以用于设备的故障诊断和预测。通过对设备历史振动数据的分析，可以识别设备的故障模式和特征，进而预测设备寿命和潜在故障。例如，在发电机组中，通过分析发电机的振动信号，可以预测发电机的寿命和维护需求，从而提前进行维修和更换，避免电力中断和设备损坏。除传统的振动监测方法外，随着人工智能和大数据技术的发展，一些新技术被应用于振动监测领域。例如，基于深度学习的振动监测方法可以利用大量历史数据进行分析和学习，从而更准确地预测设备的故障和维护需求。此外，一些新型传感器和监测技术不断涌现，如光纤传感器、智能传感器等，可以更好地监测设备的振动情况。

2.2 温度监测

温度监测是一种常用的机械设备故障诊断和监测方法。通过监测设备的温度，可以判断设备是否正常运行。一般情况下，设备温度升高意味着设备存在过载、摩擦或热故障等问题。温度监测可以利用不同类型的温度传感器实现，如热电偶、红外测温仪、接触式和非接触式温度传感器等。这些传感器可以监测设备的表面温度、内部温度或环境温度等。通过对这些信息的分析，可以判断设备的运行状态和是否存在过载、摩擦或热故障等问题。例如，电机中如果电机轴承出现磨损或松动等故障，会导致电机运行时的摩擦增加，导致电机温度升高[4]。因此，通过监测电机的温度，可以判断电机轴承是否存在故障。同样，在机械设备中，如果设备存在过载或传动系统出现摩擦等故障，会增加设备运行时产生的热量，导致设备温度升高。因此，通过监测设备温度，可以判断设备是否存在过载或摩擦等故障。

除实时监测外，温度监测还可以用于设备的故障诊断和预测。通过分析设备历史温度数据，可以识别设备的故障模式和特征，进而预测设备的寿命和潜在故障。例如，在往复机械中，通过分析气缸的表面温度变化，可以预测气缸的寿命和维护需求，从而提前进行维修和更换，避免设备损坏和生产中断。随着人工智能和大数据技术的发展，一些新技术也被不断应用于温度监测领域。例如，基于人工智能的温度监测方法可以利用大量历史数据进行分析和学习，从而更准确地预测设备的故障和维护需求。此外，一些新型温度传感器和监测技术不断涌现，如高精度测温传感器、无线测温传感器等，可以更好地监测设备的温度情况。

2.3 油液分析

油液分析是一种有效的机械设备故障诊断和监测方法。通过分析设备使用的油液，可以判断设备的磨损、污染、氧化等情况。例如，油液中的金属颗粒可以反映设备的机械磨损，而油液中的水分和酸度可以反映设备的腐蚀情况。

油液分析主要通过采集设备运行中的油液样本，对其进行物理、化学和生物等方面的分析，以获取设备运行状态的信息。油液分析包括油品质量分析、铁谱分析、光谱分析、红外光谱分析以及颗粒计数等[5]。油品质量分析通过检测油液的黏度、闪点、水分、酸值以及机械杂质等参数，判断油液是否污染或氧化。铁谱分析常应用于机械磨损检测，核心原理是利用铁谱仪使油液与杂质分离，并根据各种磨粒数量、尺寸、形状以及分布规律等，定性与定量分析磨屑情况，进而第一时间准确判断系统的磨损部位、磨损程度等。光谱分析通过检测油液中的元素成分，判断设备的磨损程度和摩擦表面材质。红外光谱分析通过检测油液中的有机物质，判断设备的磨损和泄漏情况。颗粒计数通过检测油液中的颗粒数量和尺寸，判断设备的磨损程度和摩擦表面材质。油液分析应用广泛，可以应用于各种机械设备。例如，在液压系统中，通过分析液压油的油液，可以判断液压泵、液压缸等设备的磨损和泄漏情况。在润滑系统中，通过分析润滑油的油液，可以判断轴承、齿轮等设备的磨损和润滑情况。随着科学技术的发展，新技术不断被应用于油液分析领域。例如，基于人工智能的油液分析方法可以利用大量历史数据进行分析和学习，从而更准确地预测设备的故障和维护需求。此外，新型油液传感器和监测技术不断涌现，如在线油液监测系统、智能润滑系统等，可以更好地监测设备的油液情况，并提供更准确的数据。

2.4 噪声监测

噪声监测主要是在实际工作过程中，利用机械运行产生的噪声来反映机械结构信息和运行状态信息，从而监测机械故障。噪声监测通常应用于高温、高腐蚀环境。对于无法使用振动监测的机械设备，采取噪声监测的诊断效果较好。噪声监测可以收集设备噪声信息，以此进行简单的故障诊断。噪声监测是一种非接触式测量方式，可以在设备运行时监测，使用方式较为简单和方便，同时监测速度快，适合早期机械设备故障监测。然而，噪声监测会受到周围环境的影响，如果周围噪声较大，会产生一些信号干扰，导致噪声监测结果存在较大的误差。

3 机械设备故障诊断及监测的发展趋势

随着我国科技的持续发展，机械设备的故障诊断与监测技术取得了一定进步。尤其是近几年，信息技术与智能技术的不断发展，给机械设备故障诊断与监测工作提供了极大便利。

3.1 多学科融合

随着科学技术的发展，学科之间的交叉和融合变得紧密，为故障诊断及监测技术的创新和发展提供了广阔空间。机械工程作为传统的工程学科，为故障诊断及监测技术的发展提供了基础理论和知识。要想研究和应用机械故障诊断及监测技术，不仅需要了解机械系统的基本原理、运行特性、失效机制等，还需要掌握各种机械材料、制造工艺、润滑与密封等机械工程相关知识。电子工程为故障诊断及监测技术的发展提供了传感器、信号处理、控制系统等方面的支持。例如，各种电子传感器可以用来实时监测设备的温度、振动、压力等参数，为故障诊断及预测提供数据来源。电子工程也为故障诊断及监测技术的智能化、远程化发展提供了重要的技术支持[6]。基于计算机科学的故障诊断及监测技术，可以利用大数据、云计算等技术实现对海量数据的处理和分析，挖掘更多有价值的信息，提升故障诊断及预测的准确性。人工智能为故障诊断及监测技术的发展提供了模式识别、预测维护等方面的重要支持。基于人工智能的故障诊断及监测技术，可以利用机器学习、深度学习等方法，学习和分析设备运行数据，实现对设备状态的智能识别和预测，提高故障诊断及预测的准确性和效率。

3.2 智能维护与自动控制

智能维护和自动控制是未来故障诊断及监测技术的重要发展方向之一。通过自动化技术和机器人技术，可以实现设备的自主维护和智能控制，提高设备的生产效率和设备管理水平。智能维护指通过采集设备运行数据，利用专家系统、机器学习等技术对设备进行故障预测和健康评估，提前发现设备存在的潜在故障和性能问题，从而采取相应的维护措施，避免设备损坏和维修成本的增加，提升设备的可靠性和可用性。智能维护需要研究和开发高效、准确的故障预测算法和模型，以及面向设备维护的智能决策支持系统等。自动控制指通过自动化技术和机器人技术，实现设备的远程控制、自主操作等功能，提高设备的生产效率和设备管理水平。例如，利用工业机器人进行自动化生产，可以实现生产过程的自动化和智能化。此外，通过设备的远程控制，可以实现设备的远程维护和在线修复，提高设备的维护效率和响应速度。为了实现智能维护和自动控制，需要研究和开发先进的传感器和监测系统、自动化生产线技术、机器人技术、人工智能等。例如，利用人工智能和机器学习技术，可以实现对设备运行数据的分析和处理，提取与设备健康状态相关的特征信息，实现对设备故障的预测和维护。

4 结语

文章总结机械设备故障诊断与监测的常用方法及其发展，包括振动监测、温度监测以及油液分析等。这些方法可以反映设备的状态和可能存在的故障，如轴承损坏、齿轮啮合不良和不平衡等问题。随着技术的发展，人工智能、大数据分析、神经网络等新技术不断被应用于机械设备故障诊断与监测，可为设备维护和维修提供更加高效和精确的手段。