设备监测与故障诊断.ppt

《设备监测与故障诊断.ppt》由会员分享，可在线阅读，更多相关《设备监测与故障诊断.ppt（84页珍藏版）》请在三一办公上搜索。

1、设备监测与故障诊断,设备监测与故障诊断,现实生活和工业过程中恶性事故时有发生,转子事故,现实生活和工业过程中恶性事故时有发生,透平机械事故,设备监测与故障诊断,现实生活和工业过程中恶性事故时有发生,水轮机事故,设备监测与故障诊断,现实生活和工业过程中恶性事故时有发生,美国哥伦比亚号载人航天飞机失事,设备监测与故障诊断,现实生活和工业过程中恶性事故时有发生,断裂部位,三峡塔带机断裂事故 2002年9月3日,设备监测与故障诊断,机电设备状态监测与故障诊断,对关键设备进行状态监测和故障诊断可以提高设备的可靠性，实现“事后维修”到“预知维修”的转变，提高企业和设备的管理水平，保证产品的质量，避免重大事

2、故的发生，降低事故危害性，从而获得潜在的巨大经济效益和社会效益。,机电设备故障诊断的意义：,日本应用故障诊断技术后，事故发生率减少75%，维修费用降低2550。英国对2000个国营工厂的调查表明，采用状态监测和故障诊断技术后，每年可节省维修费用3亿英镑，而故障诊断系统的成本为0.5亿英镑。,机电设备状态监测与故障诊断,国外诊断技术的发展概况：,美国最早，1967年美国宇航局倡导成立了机械故障预防小组（“MFPG”）70年代英国机械保健中心成立，并用于核发电、钢铁、电力等诊断。71年日本开始发展自己的TPM（全员生产维修）：钢铁、石油、化工、铁路 进而欧美许多国家都在重视发展。如瑞典SPM轴承监

3、测、挪威船舶诊断、丹麦B&K的振动与声发射诊断,机电设备状态监测与故障诊断,国内诊断技术的发展概况：,天津大学从1982年起研究齿轮传动、轴承、齿轮箱、切 削过程等方面的诊断与监控技术，成果主要：1、设备的智能诊断与预测维修系统 2、设备在线自动报警与保护通用监控系统 3、动态测试与信号分析系统 4、模态分析系统 华中理工大学：汽轮发电机组诊断专家系统、钢丝绳诊断系统 西安交通大学：旋转机械故障诊断RB20，用于炼油行业 国防科技大学：望远号远洋考察船的在线监控与故障诊断系统 哈尔滨工业大学：20万KW汽轮发电机组诊断,机电设备状态监测与故障诊断,诊断技术的特点：,技术研究和积累较多 在石化、

4、电力等方面的应用较多，效益好、易诊断 传统机械制造业应用少，主要原因是传动结构复杂、企业效益普遍不好 汽车制造业已经逐步重视，如：玉柴、吉普、桑塔纳、一汽、重庆长安、“九五”攻关项目等,机电设备状态监测与故障诊断,状态监测与故障诊断系统:,离线监测与故障诊断,定期或不定期的巡检的方式采集现场数据，然后回放到计算机，由计算机软件进行监测与诊断分析。特点：离线分析，对突发故障无能为力，但可精细分析 例如：基于便携式数采仪的故障诊断与预测维修系统（天 津大学机电科技中心）,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,离线监测与故障诊断,在线监测与故障诊断,由传感器及高速实时数采硬件、控制计

5、算机及监测分析软件组成。特点：在线监测，可以给出设备的当前状态，捕捉突发故障并进行精细分析。例如：在线故障诊断与自动报警系统（天 津大学机电科技中心）,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,在线监测与故障诊断,机床电源,计算机,监控箱,记录、文件,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,在线监测与故障诊断,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,前瞻性的故障诊断模式：,以网络技术和计算机技术为基础，开发出主从分布式网络化集成在线监控与诊断系统。特点：充分挖掘和发挥网络信息交换、资源共享的优点，充分

6、利用科研院所的专家资源，实现“移动的是数据而不是人”，在网络层面上实现故障信息的挖掘和故障类型的确诊。例如：中国设备远程诊断网 http:/（天津大学机电科技中心）,状态监测与故障诊断系统：,。,.,信号调理,信号调理,信号调理,机组,机组,现场工控机,.,信号调理,信号调理,信号调理,机组,机组,现场工控机,。,.,信号调理,信号调理,信号调理,机组,机组,现场工控机,远程计算机,局域网,多机组网络化实时监测模式,机电设备状态监测与故障诊断,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,前瞻性的故障诊断模式：,机电设备状态监测与故障诊断,设备状态监测与故障诊断主要包括如下几个环节：,

7、测取的信号应能反映设备的状态与故障信息，具体包括：振动、声、力、温度、超声、油污染、锈蚀、转速、扭矩、功率、电流、电压等。其中：振动信号最常用，方法成熟，信息量大；声信号采用非接触测量，测取方便，信息量大，但容易受干扰方法：以振动测量为例，可以测：加速度、速度、位移。通常采用加速度传感器。,机电设备状态监测与故障诊断,一、状态信息的获取,压电加速度传感器,加速度传感器输出的电荷量与振动加速度成正比。传感器必须与前置电压放大器、电荷放大器或测量放大器配用。直接放大可测加速度，经过一次积分可测速度，经过二次积分可测位移。,加速度传感器一般具有很高的固有频率，适于测量高频振动或设备振动中的高频成分。

8、例如齿轮箱的捏合频率、滚动轴承的特征频率等。,加速度传感器测量的是被测物体的绝对振动。,机电设备状态监测与故障诊断,一、状态信息的获取,速度传感器,速度传感器固定在被测物体上，物体振动时，传感器输出的电量与振动速度成正比。经过一次积分可测位移，经过一次微分可测加速度。速度传感器测量的是被测物体的绝对振动。速度传感器的频响范围较加速度低一些，不适合测量太高频率的振动。,机电设备状态监测与故障诊断,一、状态信息的获取,电涡流式位移传感器,涡流传感器属于非接触式传感器一类，在旋转机械中应用最多。可以用来监测转子系统的运动状态，例如转子的径向振动、轴向振动、轴心轨迹、轴心位置、油膜厚度、转子转速等信息

9、。涡流传感器测量的是被测物体与传感器探头端面之间的距离。,一、状态信息的获取,机电设备状态监测与故障诊断,t,0,t,0,t,0,模拟信号,离散,量化,传感器输出的信号一般都是诸如电压、电荷、电阻变化值、电容变化值等模拟信号，在利用计算机对其进行处理之前必须对其进行离散量化成数字信号。模拟信号到数字信号转换的过程如下图所示。,模拟信号的采集,机电设备状态监测与故障诊断,二、状态特征的提取（信号处理）,信号处理的方法：时域分析、幅值域分析、频域分析、时频分析等,信号处理的目的：采用各种技术和手段挖掘信号中内含的本质，即信息。具体到机电设备状态监测和故障诊断中就是提取设备相关信号（包括振动、声音、

10、温度、压力等）的特征，对设备当前状态作出准确的评价和预测，对已发生的故障进行确诊，提出正确的维修建议。,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,均值（一阶矩）：描述信号的 稳定分量,方差（二阶中心矩）：描述信号的 波动分量,信号的时域波形,偏斜度（三阶矩）：反映信号中大幅 值成分的影响,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,峭度（四阶矩）：反映信号中大幅值成分的影响,信号的概率表示：,概率密度函数的物理意义,信号的概率密度函数：,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,应用：直接应用于机器状态的诊断。例如，图为车床变速箱的噪声概率密

11、度函数p(x)，a新车床，b旧车床，显然新、旧车床变速箱噪声概率密度函数p(x)值有较大差异。,车床变速箱噪声概率密度函数a)新车床噪声p(x)b)旧车床噪声p(x),机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,1、自相关函数 是偶函数，即。2、当 时，自相关函数 等于信号的方差3、当 时，自相关函数 的值总是小于，即小于方差,信号的自相关函数：描述信号自身的相似程度,重要规律：周期信号或者其他非随机信号的自相关函数不随变量 的变化而衰减；随机信号的自相关函数当变量 增大时将趋向于零。因此，自相关函数是在机器噪声中查找周期信号或者瞬时信号的重要手段。,机电设备状态监测与故障诊断

12、,二、状态特征的提取（时域分析）,应用：正常运行状态机器噪声是大量的、无序的、大小接近的随机冲击结果，有宽而均匀的频谱。运行不正常状态随机噪声将出现有规则、周期性的脉冲，其大小比随机冲击大的多。例如;机构中轴承磨损间隙增大时，轴与轴盖就会有碰击现象。首先运用自相关函数查找出隐藏的周期分量，进而依靠其幅值和波动的频率可以查找出机器的缺陷所在。,图 C630型车床主轴箱噪声的自相关函数,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,信号的互相关函数：描述两个信号之间的相似程度或相关性,性质：,1、互相关函数 不一定是偶函数。2、当 时，互相关函数 不一定是最大值。3、互相关函数具有反

13、对称性。,重要规律：若互相关函数出现峰值，则表示两个信号相似；若互相关函数几乎处处为零，则表示两个信号不相关。,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,应用一：相关测速,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,应用二：故障定位,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,发动机与司机座的相关性较差，而后桥与司机座的互相关较大，可以认为司机座的振动主要是由汽车后轮的振动引起的。,应用三：传递通道的相关测定,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,信号的幅值参数,（2）平均幅值,（3）均方幅值,（4）峰值,（1）方根幅值,

14、机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,（2）峰值指标,（3）脉冲指标,（4）裕度指标,信号的无量纲指标,=均方幅值/平均幅值,=峰值/均方幅值,=峰值/平均幅值,=峰值/方根幅值,（1）波形指标,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,汽车后桥齿轮加速度信号的无量纲指标,如图所示是对28只汽车后桥齿轮在不同运行状态下振动的加速度信号经过计算得到的无量纲指标。由图课件，波形指标K的变化很小，没有足够的诊断能力；脉冲指标I最好，可以作为齿轮运行状态的优良诊断指标。峰值指标C比起脉冲指标I要差一些。,机电设备状态监测与故障诊断,二、状态特征的提取（频域分析）

15、,将时域信号转换到频域中去进行分析，最普遍的方法就是通过快速傅立叶变换（FFT）进行的,在机电设备状态监测与故障诊断中，一些零部件都有自己的特征频率，我们把时域信号转换到频域中，查找对应的特征频率及其幅值的大小，就可以粗略判断故障的部位和程度。,机电设备状态监测与故障诊断,二、状态特征的提取（其他分析方法）,波德图：波德图是反应及其振幅和相位随转速变化的关系曲线。如图所示。,图中以转速为横坐标，振幅和相位角为纵坐标。这种图形一般用跟踪矢量滤波器在机器起动或停车阶段测得。从波德图上可以得到：（1）转子系统在各种转速下的振幅和相位。（2）转子系统的临界转速。（3）转子系统的共振放大系数。（4）转子

16、振型。（5）系统的阻尼大小。,机电设备状态监测与故障诊断,二、状态特征的提取（其他分析方法）,奈奎斯特图：奈奎斯特图是把振幅与相位随转速的变化关系用极坐标的形式表示出来。如图所示。,图中用一旋转矢量的点代表转子的轴心，该点在各转速下所处位置的极半径表示轴的径向振幅，角度就是相位角。从奈奎斯特图上可以得到比波德图更多的信息，例如转子不平衡质量的方位。,机电设备状态监测与故障诊断,瀑布图：瀑布图是三坐标图，x轴为振动频率，y轴为转速或者时间间隔，z轴为振动幅值。如图所示。,二、状态特征的提取（其他分析方法）,瀑布图常用来表达机器振动在骤变过程或者启动停车过程中各频率成分的幅值变化，可以判断机器的临

17、界转速、振动原因以及系统的阻尼情况。例如，机器过临界转速、轴承发生油膜振荡、零件磨损以及各种突然发生的亚异步振动等，均能在瀑布图上获得分析故障原因的有用信息。,机电设备状态监测与故障诊断,轴心轨迹：轴心轨迹的获取是利用相互垂直的两个非接触式传感器分别安置于转子某一截面上，同时采集数据绘制而成。如图所示。,二、状态特征的提取（其他分析方法）,通过分析轴心轨迹的运动方向与转轴的旋转方向，可以确定转轴的进动方向（正进动和反进动）。轴心轨迹在故障诊断中可以用来确定转子的临界转速、空间振型曲线以及部分摩擦，如不对中、摩擦、油膜振荡等。,机电设备状态监测与故障诊断,二、状态特征的提取（其他分析方法）,轴心

18、位置：借助于相互垂直的两个电涡流传感器，监测直流间隙电压，就可得到转子轴颈中心的径向位置。如图所示。,通过轴心位置图可判断轴颈是否处于正常位置，对中好坏、轴承标准高是否正常、轴瓦有否变形等情况，从长时间轴心位置的趋势可以观察出轴承的磨损情况。轴心位置图是指转轴在没有径向振动情况下轴心相对于轴承中心的稳态位置。,机电设备状态监测与故障诊断,二、状态特征的提取（其他分析方法）,趋势分析：趋势分析是把所测得的特征数据值和预报值按一定的时间顺序排列起来进行分析。如图所示。,这些特征数据可以是通频振动、1倍频振动、2倍频振动、0.5倍频振动、轴心位置等。时间序列可以按前后各次采样、按小时、按天等。趋势分

19、析在故障诊断中起着重要的作用。,机电设备状态监测与故障诊断,三、机电设备故障诊断方法,转轴组件的故障诊断,转轴组件是机器中主要的装配单元。它的振动类型可分为径向振动、轴向振动和扭转振动三类。其中径向振动对机器运转的影响最大，成了振动监测的主要对象。,回转机械中的振动可分为两种形式，其一是同步振动，又称为强迫振动，主要由转子的不平衡、联轴器的不对中、安装不良等引起的。其振动频率为转子的回转频率及其倍频；振动的幅值在转子的临界转速前随着转速的增加而增大；超过临界转速，则随转速的增加而减小。对转子进行动平衡处理，可以有效减轻和抑制这种振动。,机电设备状态监测与故障诊断,三、机电设备故障诊断方法,转轴

20、组件的故障诊断,另一种振动的形式是亚同步振动，又称自激振动。其振动频率低于转子的回转频率。这种振动常常在某个转速下突然发生，具有极大的危害性。常见的亚同步振动有油膜涡动、油膜振荡。,（1）油膜涡动：油膜涡动的频率约为转子回转频率的一般，常称为半速涡动或半频涡动。（2）油膜振荡：随着转子转速增加，油膜涡动频率也增加，两者保持一个近乎不变的恒定比，约为50。但当转速约为转子一阶临界转速的2倍的时候，随着转速增加，涡动频率将保持不变，等于转子的一阶临界回转频率，转子出现强烈的振动现象，称为油膜振荡。,为钢球数；为钢球直径；为滚道节径；为接触角；为回转频率。,滚动轴承的常见故障主要有：磨损、疲劳（点蚀

21、、剥落）、塑性变形、腐蚀以及断裂、胶合等其他失效形式。,机电设备状态监测与故障诊断,三、机电设备故障诊断方法,滚动轴承的故障诊断,轴承的特征频率计算公式：,（1）内圈剥落：,（2）外圈剥落：,（3）钢球剥落：,（4）内滚道不圆：,（5）保持架不平衡：,机电设备状态监测与故障诊断,三、机电设备故障诊断方法,滚动轴承的故障诊断,滚动轴承常用分析方法：带通滤波法 共振解调法包络谱 脉冲冲击法SPM 频谱分析法 油样分析（铁谱、光谱、磁塞）轴承温度：如高速机车的轴温监测,机电设备状态监测与故障诊断,三、机电设备故障诊断方法,滚动轴承的故障诊断,右图为某外圈有剥落206轴承振动信号的频谱和包络谱图。75

22、00Hz附近为测试棒引起的高频固有振动。以15200Hz为中心频率，以带宽3200Hz进行包络分析得到下图。其上408Hz、816Hz谱线非常明显，这分别是外圈故障特征频率的一倍频和二倍频。在三倍频1224Hz处也有谱峰存在，但不明显。,机电设备状态监测与故障诊断,三、机电设备故障诊断方法,齿轮箱的故障诊断,1、啮合频率及其高次谐波2、磨损时谐波较基频幅值增加快3、由调制效应产生的边频带（除磨损外）4、寄生成分：加工分度误差引起，载荷大寄生力大,齿轮箱故障信号特征：,机电设备状态监测与故障诊断,三、机电设备故障诊断方法,齿轮箱的故障诊断,1、啮合频率及其高次谐波,齿轮在啮合过程中载荷的分配是变

23、化的，载荷的变化会引起齿轮刚性的变化，从而引起齿轮的振动，这种振动通常称为啮合振动。该振动在频谱图上会出现啮合频率及其高次谐波。均匀磨损后啮合频率及其高次谐波振动分量的幅值都会上升，但基频增长较慢，而高次谐波分量的增长比基频快。,齿轮传动的振动波形及其频频,2、由调制效应产生的边频带,在一对齿轮啮合过程中，其啮合频率及其高次谐波可以看作一个高频振荡（载波），而那些在每周呈现出一次或二次的振动信号，如齿面上的点蚀、剥落后引起的振动信号（故障信号）可视为缓变信号（调制信号）。两种信号同时出现时，就会产生调制效应。在频谱图中，两谱线间的间隔就是调制信号的频率，这是非常有价值的诊断信号。找出调制信号的

24、频率，就可判断其相应的故障。,机电设备状态监测与故障诊断,三、机电设备故障诊断方法,齿轮箱的故障诊断,幅值调制过程,3、寄生成分（鬼线）,机电设备状态监测与故障诊断,三、机电设备故障诊断方法,齿轮箱的故障诊断,鬼线是频谱图上的一个频率分量，其产生的原因为加工过程给一个齿轮带来的周期性缺陷，缺陷来源于分度涡轮、蜗杆及齿轮的误差。鬼线是由一定的几何误差产生的，载荷改变对其影响很小。磨损使鬼线分量幅值减小，却使其啮合频率下的幅值增大。,齿轮箱的故障诊断(频谱细化法),机电设备状态监测与故障诊断,三、机电设备故障诊断方法,频谱细化分析是近几年发展起来的一项信号处理的新技术。能够以指定的、足够高的频率，

25、分析频率轴上任一窄带信号的频谱结构，获得更高的频率分辨率。右图是某齿轮箱振动加速度信号。细化后发现啮合频率2252Hz附近调制了大量的低速轴的转频谱线，判断齿轮存在严重磨损或断齿。停机检修断定诊断是正确的。,某齿轮箱振动加速度信号波形、频谱及其细化谱,齿轮箱的故障诊断(倒频谱分析),机电设备状态监测与故障诊断,三、机电设备故障诊断方法,倒频谱分析能区别出因调制而引起的功率谱中的周期分量，诊断出调制源。倒谱将信号变换到一个新的时间域倒频域。倒频谱能将原来谱图上成簇的边频带谱线简化为单根谱线，以便观察。从而可是别处复杂频谱图上的周期结构，分离和提取出密集信号中的周期成分。这对于具有周期成分及度成分

26、边频带等复杂信号的识别尤为有效。,倒频谱的基本步骤,齿轮箱的故障诊断(倒频谱分析),机电设备状态监测与故障诊断,三、机电设备故障诊断方法,右上图是某齿轮箱的时域波形，中图是其倒频谱图，下图为低频信号扩展后的频谱图。图中可以清楚地看到主要特征频率对应地时域点，如5轴和6轴啮合频率3.695Hz对应地269.87ms。可以判断这两轴的啮合齿轮之间出现了均匀磨损。同时还可看到点击的转动频率16.93Hz及其2倍频33.77Hz出幅值较大，由此可以判断蹲在电机转子初始不平衡和不对中现象。,机电设备状态监测与故障诊断,四、在线监测与故障诊断系统（系统方案）,上海吴中泵站水泵单机组在线监测,机电设备状态监

27、测与故障诊断,四、在线监测与故障诊断系统（硬件方案）,机电设备状态监测与故障诊断,四、在线监测与故障诊断系统（软件功能）,数,据,库,管,理,模,块,设置巡检路径,数据回放,数据库建立,主,控,模,块,信,号,分,析,模,块,轴承数据库,设备档案库,报表管理,动态报警门限,数字滤波,零均值处理,时域统计,频域分析,故,障,诊,断,模,块,状,态,监,测,与,预,测,特征量提取,神经网络诊断法,线性回归预测模型,时间序列预测模型,灰色预测模型,神经网络预测模型,原始数据管理,去除趋势项,非线性回归预测模型,时频/小波分析,轴心轨迹,特征频率计算,轴心轨迹,加窗处理,趋势提取,机电设备状态监测与故

28、障诊断,四、在线监测与故障诊断系统（系统特色）,采用高性能ICP传感器精度好，抗干扰性能强。抗混滤波、程控增益等信号调理单元，保证信号的正确、可靠采集。实时连续大样本采集，保证信号不丢点。在线连续监测，便于突发故障检测自动数据存储，便于精密分析。16种参数报警、频带窄带多级报警。强大的轴承数据库功能。远程网络化实时监测。时、频域、小波、倒谱等强大信号分析功能。,参数报警,返回,窄带报警,返回,轴承数据库,返回,远程在线监测,返回,频谱分析,返回,下一页,小波分析,返回,下一页,谱阵分析,返回,下一页,包络分析,返回,下一页,谱阵+预测,返回,下一页,在线监测实施效果,返回,下一页,远程数据分析

29、与管理,返回,下一页,现场监测图1,返回,下一页,现场监测图2,返回,下一页,现场监测图3,返回,下一页,现场监测图4,返回,机电设备状态监测与故障诊断,五、相关研究成果,车辆故障诊断与状态监测,车辆变速箱和发动机的振动诊断技术是对机械振动信号进行采集，然后采用各种分析方法和智能诊断与状态预测技术，判断故障源及故障程度，预测设备状态的趋势，从而进行有针对性地维修和保养。,机电设备状态监测与故障诊断,机电设备状态监测与故障诊断,五、相关研究成果,便携式故障诊断分析仪,TD2000系列便携式故障诊断分析仪采用高性能计算机和高速数据采集卡，具有抗振性好、抗干扰能力强、携带方便等优点，特别应用于野外作

30、业及恶劣工况条件下进行故障诊断与状态分析。,机电设备状态监测与故障诊断,五、相关研究成果,嵌入式便携故障诊断分析仪,嵌入式便携故障诊断与预测维修系统是由天津大学机电科技中心开发的，该系统提供了一整套应用于关键设备的状态监测、故障诊断与预测维修的集成解决方案。系统可以实现关键设备的在线采集、故障诊断、状态预测，并与工厂的设备管理系统无缝集成，从而充分满足关键设备的巡检、点检的需要。,机电设备状态监测与故障诊断,五、相关研究成果,便携式故障诊断分析仪,基于笔记本和USB接口的TD2000B型故障诊断分析仪具有热插拔、携带方便、不需外界电源供电、便于维修等优点，强大的软件功能使得该系统可满足各种工况

31、下的设备监测与故障分析。,机电设备状态监测与故障诊断,五、相关研究成果,水泵单机组在线监测系统,机电设备状态监测与故障诊断,机电设备状态监测与故障诊断,五、相关研究成果,汽车行业应用,机床电源,计算机,监控箱,记录、文件,机电设备状态监测与故障诊断,五、相关研究成果,管道漏磁检测,本软件采用频域多条曲线、多模态直接拟合的正交多项式总体拟合的方法识别复模态参数。在开发研制过程中，吸收生产实际经验，用户界面良好，易于操作，适用于科研单位及工矿企业使用。软件包括几何建模、数据管理、传函曲线显示、参数识别、曲线拟合比较、振型动态模拟和辅助模块等几个模块。,机电设备状态监测与故障诊断,五、相关研究成果,

32、模态分析系统,机电设备状态监测与故障诊断,诊断系统由集中式向分布式发展 硬件设计生产应标准化、专业化 软件设计应规范化和模块化 缩短开发周期、提高可靠性由单机向网络化发展 局域主从分布集成监控与诊断网络 一条生产线、工段、车间或分厂的设备构成主从分布监控网络 一个企业可把每一主从监控子系统联系起来构成网络监控与管理系 统，资源、库共享。广域的网络化监控与诊断系统 通过现代信息传输方式，如Internet网、Cable TV网、电话网等可经济便利地实现全市（省），全国乃至全世界的行业网络监控与诊断系统。由状态监控与诊断向进一步的智能诊断预测维修发展。,六、展望,机电设备状态监测与故障诊断,1 设备故障诊断手册机械设备状态监测和故障诊断，徐敏等，西安交通大学出版社，1998，10。2 机械噪声的测试分析与减振降噪技术，王太勇，机械工业出版社，1995，63 设备故障诊断原理、技术及应用，黄文虎、夏松波、刘瑞岩等，科学出版社，1996，84 滚动轴承振动监测与诊断，梅宏斌，机械工业出版社，19955 旋转机械故障机理及诊断技术，韩捷、张瑞林等，机械工业出版社，1997，8,七、主要参考文献：,