旋转机械状态监测及预测技术的发展与研究

0　引言

旋转机械状态监测技术，是近年来研究的热门课题，这里着重考虑的是避免设备的随机性故 障。自动在线监测方式与定期监测方式、在线检测离线分析监测方式相比技术水平先进，既 避免设备突发性故障又无需专业人员现场操作。旋转机械状态在线预测技术，是研究的新 兴课题之一，这里着重考虑的是预测设备的时间依存性故障和改变设备的维护方式。该技术 是在状态监测及故障分析基础上发展起来的，是实现以先进的预知维护取代以时间为基础的 预防性维护的关键技术。本课题着重研究的是设备状态在线监测及趋势预测的方法。

1　旋转机械状态监测技术的发展

1.1　旋转机械状态监测技术的发展历程
旋转机械是工业上应用最广泛的机械。许多大型旋转机械，如：离心泵、电动机、发动机、 发电机、压缩机、汽轮机、轧钢机等，还是石化、电力、冶金、煤炭、核能等行业中的关键设备。 本世纪以来，随着机械工业的迅速发展，现代机械工程中的机械设备朝着轻型化、大型化、 重载化和高度自动化等方向发展。出现了大量的强度、结构、振动、噪声、可靠性，以及材 料与工艺等问题，设备损坏事件时有发生，国内外大型汽轮机严重事故是其典型实例。

大型旋转机械状态监测技术研究是国家重点的攻关项目，目的是提高大型旋转机械的 产品质量，减少突发性事故，避免重大经济损失。50年代，各种类型和性能的传感器和测振 仪相继研制成功，并开始应用于科学研究和工程实际。六七十年代，数字电路、电子计算机 技术的发展、“信号数字分析处理技术”的形成，推动 了振动检测技术在机械设备上的应用。70年代至80年代，机械设备的状态监测与故障诊断 技术在许多发达国家开始研究。随着电子计算机技术、现代测试技术、信号处理技术、信号 识别技术与故障诊断技术等现代科学技术发展，机械设备的监测研究跨入系统化的阶段，并 把实验室的研究成果逐步推广到核能设备、动力设备以及其它各种大型的成套机械设备中去， 进入了蓬勃发展的阶段。例如：日本三菱公司的“旋转机械健康管理系统”（machinery health monitoring，简称MHM），美国西屋公司的“可移动诊断中心”（mobile diagnosi s center，简称MDC），丹麦B＆K公司的2500型振动监测系统等，都具备了机组 信号数据的采集、分析、计算、显示、打印、绘图等功能，并配有专项诊断软件。先进的状 态监测系统把体现机械动态特性的振动、噪声作为主要监测和分析的内容。由 于振动、噪声是快速的随机性信号, 不仅对测试系统要求高，而且在分析中要进行大量的数 据处理， 国内外在80年代用小型计算机或专用数字信号处理机做为主机完成机械动态特性 的数据处理（如:HP5451C）, 该类主机不仅价格昂贵（一般价格为数十万元）而且对工作环 境要求苛刻（需要专用机房），因而通常采用离线监测与分析的方式。

90年代以来，高档微机不断更新且价格迅速下降，适合数字信号处理的计算方法不断优化， 使数据处理速度大为提高，为在工业现场直接应用状态监测技术创造了条件。丹麦、美国、 德国、日本等发达国家的专家学者对旋转机械工作状态监测技术进行了深入研究，研制出不 同系统。该类系统以丹麦 BK公司的2520型振动监测系统、美国BENTLY 公司的3300 系列振动监测系统、美国亚特兰大公司的M6000系统为代表已经达到较高的水平 。在功能上比较典型的系统之一是丹麦BK公司的2520型振动监测系统(vibrati on monitor-type 2520)，主要功能有：自动谱比较并进行故障预警报警；对6％和23％恒百 分比带宽谱进行速度补偿；幅值增长趋势图显示； 三维谱图显示；振动总均方根值（振动 烈度）计算；支持局域网。美国IRD公司的IQ2000系统可认为是至今为止有报道的功能最齐 全的监测与诊断系统。

我国在工业部门中开展状态监测技术研究的工作起步于1986年，在此之前从国外引进的大型 机组，一般都购置了监测系统。而在自行研制的国产设备上，若选用国外的监测系统，由于 价格异常昂贵而难以接受。80年代中后期以来，我国有关研究院所、高等院校和企业开始自 行或合作研究旋转机械状态监测技术，无论在理论研究、测试技术和仪器研制方面，都取得 了成果，并开发出相应的旋转机械状态监测系统。如：西安交通大学、浙江大学、北京理工 大学、北京机械工业学院等。

国内主要有几种类型：a.哈尔滨工业大学等单位联合研制的3MD-Ⅰ、3MD-Ⅱ、3MD-Ⅲ系统 ；b.西安交通大学机械监测与诊断研究室的RMMDS系统；c.西安交通大学润滑理论及轴承研 究室的RB20-1系统；d.郑州工学院的RMMDS系统；e.重庆太笛公司的CDMS系统；f.浙江大学 的CMD-I型及II型系统；g.西北工业大学的MD3905系统；h.北京机械工业学院的BJD-ZⅠ、BJ D-ZⅡ、BJD-ZⅢ系统。其中比较典型的系统有：1985年10月通过鉴定的由哈尔滨工业大学等 单位联合研制的3MD-Ⅰ微机化“汽轮发电机组振动监测与故障诊断系统”，以及后来进一 步开发的汽轮机故障诊断专家系统3MD-Ⅱ、3MD-Ⅲ；1987年通过鉴定的由西安交通大学机械 故障诊断研究室研制的RMMD-S化肥五大机组“微机状态监测与故障诊断系统”等。这些系统 的主要功能有：轴振动监测，包括轴心轨迹分析、轴向串动、轴振动位移峰-峰值计算；壳 体振动监测；频谱分析，包括频率细化、阶比谱分析、阶跟踪谱、三维功率谱分析；自动预 、报警；故障特征提取及诊断。

以上系统的软件功能比较丰富，硬件性能也不断改进，但基本上仍处于研究发展阶段，且价 格依然昂贵，这些系统主要应用于国家重点企业中关键设备的监测或特定设备的监测，如大 型汽轮机组、大型水轮机组等。

从技术发展过程看，现代监测技术大致经历了两个阶段。

第一阶段是以传感器技术和动态测试技术为基础，以信号处理技术为手段的常规技术发 展阶段，这一阶段的技术已在工程中得到了应用，它吸收了大量的现代科技成果，传感器技 术的飞跃发展，使之可以利用振动、噪声、力、温度、电、磁、光、射线等多种信息。由此 产生了设备的振动、噪声、光谱、铁谱、无损检测、热成像等监测和故障分析技术。信号分 析与数值处理技术的发展，结合微计算机技术的发展，使各种方法应运而生，如：状态空间 分析、对比分析、函数分析、逻辑分析、统计和模糊分析方法。近年来，各种数据处理软、 硬件的出现使实时在线监测及故障分析技术成为可能。

人工智能技术为设备监测和故障分析的智能化发展提供了可能，使得现代监测技术发展 步入第二阶段。这一阶段的研究内容与实现方法已开始并正在继续发生着重大变化，以 数据处理为核心的过程将被以知识处理为核心的过程所替代，开展了专家系统、神经网络和 模糊分析等理论、方法和应用技术的研究。这阶段起主导作用的将是人类 专家的知识，包括人类专家所拥有的领域知识、求解问题的方法等。由于实现信号检测、数 据处理与知识处理的统一，使得先进技术不再是少数专业人员才能掌握的技术，而是一般操 作人员所能使用的工具。

1.2　旋转机械状态监测技术的发展趋势

机械设备运行状态的监测技术，已经从单凭直觉的耳听、眼看、手摸，发展到采用现代 测量技术、计算机技术和信号分析技术的先进的监测技术，诸如超声、声发射、红外测温等 ，层出不穷。人工智能、专家系统、模糊数学等新兴学科在机械状态监测技术中也找到用武 之地。

在机械动态信号分析方法和应用技术上，新近的发展有：采用空间域滤波的预处理、采用Vo ld－Kalman滤波的多轴阶比信号分析技术、适于非平稳信号的基于Wigner－Ville分布分析、小波(wavelet)变换方法、混沌分析方法、智能 传感与检测技术、以及与VXI总线仪器平台相关的技术等。

现今，国内外较典型的状态监测方式主要有3种。
(1)　离线定期监测方式。测试人员定期到现场用一个传感器依次对各测点进行测试，并用磁带机记录信号，数据处理 在专用计算机上完成，或是直接在便携式内置微机的仪器上完成；这是当前利用进口监 测仪器普遍采用的方式。采用该方式，测试系统较简单，但是测试工作较烦锁，需要专门的 测试人员；由于是离线定期监测，不能及时避免突发性故障。
(2)　在线检测离线分析的监测方式。亦称主从机监测方式，在设备上的多个测点均安装传 感器，由现场微处理器从机系统进行各测点的数据采集和处理，在主机系统上由专业人员进 行分析和判断。这种方式是近年在大型旋转机械上采用的方式。相对第一种方式，该方式免 去了更换测点的麻烦，并能在线进行检测和报警；但是该方式需要离线进行数据分析和判断 ，而且分析和判断需要专业技术人员参与。
(3)　自动在线监测方式。该方式不仅能实现自动在线监测设备的工作状态，及时进行故障 预报，而且能实现在线地进行数据处理和分析判断；由于能根据专家经验和有关准则进行智 能化的比较和判断，中等文化水平的值班工作人员经过短期培训后就能使用。该方式技术最 先进，不需要人为更换测点，不仅不需要专门的测试人员，也不需要专业技术人员参与分析 和判断；但是软硬件的研制工作量很大。本课题研究的是这种方式。

今后，旋转机械状态监测技术趋向由离线定期监测方式、在线检测离线分析监测方式，发展 为自动在线监测方式。随着人工智能理论的发展及其在实际中的应用、数据处理软件的大量 开发，今后旋转机械状态监测技术正向多目标、多层次监测和网络化方向发展 。

2　旋转机械状态预测技术的发展

2.1　旋转机械状态预测技术的发展历程

当机械设备发生故障时,不仅物质财富遭到破坏，服务逼迫中断，甚至连人员的生存也会受 到威胁。在工业史上，由于机械设备故障造成的灾难和环境事故频频发生。例如，美国阿莫 科.卡迪斯号油轮原油泄漏事故，前苏联的切尔诺贝利核电站事故等等，了解这些事故发生 的过程以及如何加以防范，成为要考虑的重要问题。尤其这些故障大都是由于人为干预和不 当措施所造成的，因而减少维护次数和提高维护的科学性是预防恶性事故发生的重要方面 。

传统的机械设备维护方式概括为：运转至损坏再维护和以时间为基础的预防性维护；前者一 般用于廉价的小型机器，采用后备设备来保证生产；后者也称定期维护，一般用于大中型设 备，不论设备是否有故障都按人为计划的时间定期检修80年代以来，以建立新 的维修体制为目标形成了综合工程学科，这一工程学科在欧美、日本以不同的形式获得了推 广。近年来丹麦、美国、德国、日本等发达国家的专家学者进一步提出了预知维护的基本概 念。90年代以来，开始研究新型旋转机械工作状态分析和状态预测技术，研究采用专家系统 、神经网络等新的应用技术。但是，人工智能状态在线预测和预知维护的研究尚处于研究发 展的起步阶段。

设备预知维护是通过对机械设备运行状态做监测及预测来取代定期检修方式，其原则是：只 有当监测、分析和预测结果表明有必要维修时才进行维修。这种现代化维护方式能监测和预 报设备的故障，在发现故障前兆时能及时停机，甚至能按判别出的故障的性质和部位，有目 的地进行检修。其检测方式通常是定期检测，但理想的方式是在线实时检测；其分析预测方 式通常是在计算机上由专业人员评定完成，但理想的方式是由人工智能系统实时在线判断完 成。

因此，若能在线实时检测和以人工智能分析机械设备经历的和当前的状态，并预测随后的发 展，则可以随时、科学、有效地揭示机械设备当前的工作状态，并预测今后多长时间设备状 态将达到不可接受的程度而应当停机维修，从传统的预防维护上升到预知维护。若对旋转机 械设备实行预知维护，需要在旋转机械状态监测和故障分析的基础上，进一步通过对设备状 态进行频域、时域的综合分析判断以及状态的趋势预测来实现。

国际上有代表性的预测系统是美国Entek Scientific Corporation的预测维修系统(pre ventive maintenance system)，其主要功能有：幅值趋势图显示；时域波形显示，频谱显 示；六段频率频谱自动报警，窄带频谱自动报警；两频谱幅值比显示，两频谱幅值差显示； 三维谱图显示；用旋转机械故障诊断专家系统进行离线故障诊断；支持铁谱分析；支持局域 网。该预测系统，能对频谱进行自动比较，能识别由于旋转机械转速变化所引起的频率漂移 ，并提供报警信号。

随着我国科学技术的发展，一些大型企业正在从单纯的振动测量或巡回检测、定期检测和检 修，逐渐向长期连续监测和预测性维修过渡。有的高等院校和科研院所的研究方向也开始相 应变化，有代表性的是天津大学的基于Windows的IDPM智能诊断与预测维修软件系统的研究。但是国内当前研究的重点仍集中在旋转机械设备的状态监测和故障分析方面 ，而对大型旋转机组的以预知维护为目标的智能状态在线预测技术尚待系统地研究。国内许 多厂家和研究单位研制的监测系统，大多数测量项目单一，甚至还往往限于对温度、压力、 液位、电量等常规参数的检测，不具备对振动量为主的机械动态特性进行检测和分析的功能 ，因而无从反映旋转机械设备重要的工作状态；即便具有检测振动量的功能，尚限于状态的 监测和故障分析，不能对旋转机械设备工作状态发展趋势进行预测。

2.2　旋转机械状态预测技术的发展趋势

从机械设备的检修历史和现状来看，设备检修方式大致有：发生事故停机检修，定期停 机检修亦称预防性维修(preventive maintenance)，预知维修(predictive maintenance)亦 称状态维修或视情维修(condition maintenance or condition-based maintenance)。

预知维修方式可以从根本上改变原有的设备维修制度。在保证设备安全运行、避免人员 伤亡、减少环境污染和避免巨大的经济损失方面将产生巨大的作用。据有关文献介绍，在设 备上应用预测技术，获利与投资比可达17:1。因而，以预知维护取代以时间为基础的预防性 维修，成为关键设备和大中型设备维护方式的发展趋势。国外有代表性的采用旋转机械状态 预测先进技术的系统是美国Entek 公司的IRD－890 PM预测维修系统、丹麦BK公司的COMPAS S TYPE 3540系统、TYPE3560系统，这些系统一般用于设备的离线预测。

在线的预测技术越来越受到人们的重视，并成为目前技术攻关的课题。在现有的设备状态在 线监测系统上附加状态预测功能，由于具有较高的性能价格比，而成为实现设备状态在线监 测及预测的优选方案，本课题研究的是这种采用在线方式的同时进行监测及预测的方案。具 有人工智能的状态在线监测和预测技术是国内外研究的新课题，也是本课题研究的内容。

由于机组状态在线智能化趋势预测技术是国际上90年代以来发展的一项先进技术，国家 自然科学基金工程与材料科学部确定，国内大型旋转机械状态监测及预报研究课题主要针对 大中型旋转机械，研究智能化在线的状态分析和状态预测的有关理论、方法，研究在线检测 、人工智能分析设备经历的和当前的状态并预测发展趋势。国家机械工业技术发展基金委员 会提出的“九五”期间研究工作目标也确定在大型旋转机械状态监测和故障分析的基础上， 研究大型旋转机械状态预测系统，研究大型旋转机械状态趋势预示的技术，开发大型旋转机 械状态趋势预测的系统。

3　旋转机械状态在线监测及预测技术的研究

3.1　问题的提出

以往在工业现场通常通过值班人员对大型机械设备的状态进行监测，监测项目除温度、压力 、电机功率、电流等常规项目外，按规定振动、噪声通常也是需监测的项目，但往往没有检 测手段，只能靠值班人员手摸或耳听；由于缺乏可靠的科学依据，对其状态评价也往往是不 准确的，因而设备损坏等恶性事故时有发生。因停机维修而造成的经济损失往往是很惊人的 。同时，当前大型机械设备的维护方式通常采用的是周期性强制维护，该维护方式到时即更 换零部件，维护费用巨大，停机时影响正常生产，并且仍避免不了恶性事故的发生。此外， 工业现场往往装有若干台大型机械设备，现场噪声很高，通常大大超过国家《工业企业噪声 卫生标准》。

在机械设备状态监测技术应用方面：如我国大型油田以前建的大型采油注水站没有装备 状态监测及预测系统。有的新建注水站虽装备了微机巡检系统，但该系统通常仅对压力、温 度等常规项目进行监测，没有包括机械振动特性的检测，不能进行机组重要状态的监测和分 析。近年来，有的油田输油站等大型设备上，采用了新研制的包括对振动特性进行检测的系 统，实现了在线监测和分析，但尚没有建立机组机械动特性档案，因而难以进行自动在线的 状态判断，而需要专业人员离线进行分析。

在机械设备状态预测技术应用方面：如在我国大型油田广泛使用的大型注水机组的维护 方式仍采用上述的传统的预防性维修。近年来有的维修部门进口了美国Entek 公司预测维修 系统，可对机组进行定期检测和离线分析。但是该仪器内置的预测对象是通用电机，对注水 机组故障率较高的离心泵的预测针对性不强，同时又是定期离线预测方式，不便于进行短期 预测，不能防止机组突发性事故，并且得由专业人员进行检测和分析；因而应用受到限制， 也不能从根本上改变注水机组的维护方式。当前工业生产越来越注重降低成本 ，特别是要求在能避免机械设备突发事故的同时尽量延长设备运行周期。为此，迫切需要研 究大型旋转机械状态自动在线监测及预测技术。

3.2　研究的意义

对旋转机械状态进行在线监测及预测可以有效地避免意外事故，消除续发损坏，节约大 量维护费用；由于减少维修次数，从而增加设备正常运转时间，提高设备利用率，缩减维修 备件的库存及库存时间。

对机械设备状态进行机械动态特性以及压力、温度、流量、液位、电量、润滑油含水等 常规项目的综合自动监测; 同时可进一步研究增加控制功能，调整设备输出使 设备在效率较佳、能耗较低的状态下运行。利用主机系统进行统计和打印日常 报表以及故障报表, 能为生产部门提供现代化的科学管理手段，通过微机联网通讯，还可以 使设备状态监测及预测系统成为企业先进的管理系统中的一个子系统。此外，由于大大减少 值班人员在强噪声环境下工作的时间，即改善了工作条件, 又使企业达到国家有关噪声卫生 标准。

随着人们对设备保护意识的加强和设备维护认识的深入、监测及预测技术的发展及应用成本 的降低，对该项技术的需求也将日益增加。随着该技术带来的经济效益和社会效益日益明显 ，旋转机械状态在线监测及预测技术会进一步受到青睐。若进口国外通用监测及预测系统， 不仅价格昂贵，且针对性不强。本课题涉及的研究内容是根据我国工业生产状况，针对实际 需求而提出来的。

旋转机械状态在线监测及预测研究的技术原理与技术方案适用于普通机械设备，尤其适 于连续运转的大中型旋转机械，如：机械、车辆、电力、石化、冶金、煤炭、核能等许多行 业中的关键设备，从而推广应用领域广泛，经济效益潜力巨大。

3.3　研究的主要内容

本课题着重针对大型旋转注水机械，以揭示机械设备的机械动态特性为手段，研究了机 械设备状态自动在线监测及预测的方法，以及相应的软件系统和硬件系统。通过对机械设备 运行和发展状态的在线检测，实现了对机械设备状态自动分析和判断，对机械设备状态发展 进行在线趋势预测，具体完成的主要内容如下：

(1)提出了大型旋转机械设备状态在线监测及预测的总体方案和技术路线，开发了传感 器、数据采集、现代信号处理、人工智能以及硬件、软件的有关技术。状态监 测研究主要考虑的是针对随机性故障，状态预测研究主要考虑的是针对趋势性故障、可预知 故障。
(2)在故障分析和预报方法的研究上，考虑到传统的布尔逻辑识别、FTA方法（故障树分析 法），因为识别能力差、判据不足，不能满足要求。采用了灰色系统理论、时间系列、神经 网络、遗传算法、小波分析等新技术。
(3)从特征信号中提取有关机组状态的信息；选择的机械设备状态敏感因子（特征参数）具 有较高灵敏度、较高识别能力，采取合适的敏感因子提取装置、提取方式及提取方法。
(4)提出了大型机械设备状态正常与否的准则，选择了安全评定的标准，确定了对机械设备 整体状态及主要零部件状态分别评价的判据；提供能对异常情况做出判断的方法。
(5)研究了时域、频域综合信号处理方法，使信号处理后的特征突出、明显，便于自动比较 、判别；围绕信号处理的实时性、实用性、稳定性进行了相应的设计和改进，探讨了新的谱 估计方法以及小波分析方法。
(6)研究了机械设备状态在线分析及自动判别的技术，能根据历史档案、专家经验、客观依 据，实现机械设备状态决策判断自动化；研究的机械设备状态自动判别智能专家系统，可克 服转速波动影响；开发了振动频谱在线时域、频域报警新技术。
(7)研究了旋转机械设备常见故障特征，建立了机组故障原因集以及故障推理机制。
(8)为对机械设备实行现代预知维护提供科学依据和手段，研究了趋势预测的方法。除对机 械设备整体进行趋势预测外，探讨了对机械设备零部件进行趋势预测的方法。
(9)研究了神经网络ANN在旋转机械设备状态预测上的应用技术，针对现有神经网络对新信 息强调不足的问题，研究出适于预测用途的新型神经网络模型。探索了遗传算法GA在趋势预 测应用的途径。
(10)在趋势预测模型中考虑时间序列模型预测、灰色模型预测、组合模型预测，围绕提高预测精度提出了新型改进模型及有关方法。
(11)为进行旋转机械状态在线监测及预测技术的实验研究，研制完成具有典型机械结构和现代测试分析功能的新型实验系统，该实验系统应能模拟典型旋转机械的运行状态，能再现故障发展过程和预测发展趋势。
(12) 以大型旋转机械设备为对象进行了工业现场的实践验证，并对验证结果进行了分析。

4　结束语

研究大型旋转机组状态在线监测及预测技术，对保证安全生产以及对设备实行预知维护都具 有十分重要的意义。为此，本项课题采用科学分析与实验验证相结合的方法，从信息提取和 信号处理、故障分析、在线预测、人工智能预测方法、实验研究、实践验证以及系统研制几 个方面对智能化自动在线监测及预测技术进行了系统的研究。探索了新的途径，得出了新的 结论，获得了有价值的成果，解决了重要生产实际问题，取得了预期效果。