如何進行機械故障診斷？機械故障診斷方法

　　機械故障診斷是一種了解和掌握機器在運行過程的狀態，確定其整體或局部正?；虍惓?，早期發現故障及其原因，并能預報故障發展趨勢的技術。油液監測、振動監測、噪聲監測、性能趨勢分析和無損探傷等為其主要的診斷技術方式。

　　我國診斷技術的發展始于70年代末，而真正的起步應該從1983年南京首屆設備診斷技術專題座談會開始。雖起步較晚，但經過近幾年的努力，加上政府有關部門多次組織外國診斷技術專家來華講學，已基本跟上了國外在此方面的步伐，在某些理論研究方面已和國外不相上下。目前我國在一些特定設備的診斷研究方面很有特色，形成了一批自己的監測診斷產品。全國各行業都很重視在關鍵設備上裝備故障診斷系統，特別是智能化的故障診斷專家系統，在電力系統、石化系統、冶金系統、以及高科技產業中的核動力電站、航空部門和載人航天工程等。工作比較集中的是大型旋轉機械故障診斷系統，已經開發了20種以上的機組故障診斷系統和十余種可用來做現場故障診斷的便攜式現場數據采集器。透平發電機、壓縮機的診斷技術已列入國家重點攻關項目并受到高度重視；而西安交通大學的“大型旋轉機械計算機狀態監測與故障診斷系統”，哈爾濱工業大學的“機組振動微機監測和故障診斷系統”。東北大學設備診斷工程中心經過多年研究，研制成功了“軋鋼機狀態監測診斷系統”，“風機工作狀態監測診斷系統”，均取得了可喜的成果。

　　可用于機械狀態監測與故障診斷的信號有振動診斷、油樣分析、溫度監測和無損檢測探傷為主，其他技術或方法為輔的局面。這其中又以振動診斷涉及的領域最廣、理論基礎最為雄厚、研究得最為充分。目前，在振動信號的分析處理方面，除了經典的統計分析、時頻域分析、時序模型分析、參數辨識外，近來又發展了頻率細化技術、倒頻譜分析、共振解調分析、三維全息譜分析、軸心軌跡分析以及基于非平穩信號假設的短時傅里葉變換、Winger分布、Hilbert-Huang變換和小波變換等。而當代人工智能的研究成果為機械故障診斷注入了新的活力，故障診斷的專家系統不僅在理論上得到了相當的發展，且己有成功的應用實例，作為人工智能的一個重要分支，人工神經網絡的研究己成為機械故障診斷領域的一個最新研究熱點。

　　隨著計算機技術、嵌入式技術以及新興的虛擬儀器技術的發展，故障診斷裝置和儀器己經由最初的模擬式監測儀表發展到現在的基于計算機的實時在線監測一與故障診斷系統和基于微機的便攜式監測分析系統。這類系統一般具有強大的信號分析與數據管理功能，能全面記錄反映機器運行狀態變化的各種信息，實現故障的精確診斷。隨著網絡技術的發展，遠程分布式監測診斷系統成為目前的一個研究開發熱點。