智能状态监测与故障诊断教程文件
自动化设备智能监测与故障诊断技术
自动化设备智能监测与故障诊断技术近年来，自动化设备的应用越来越广泛，不仅可以自动完成工作，
而且可以大幅提高生产效率。随着自动化设备的快速发展，如何实现
设备的智能监测与故障诊断成为了一个关键问题。本文将介绍自动化
设备智能监测与故障诊断技术及其应用。
一、自动化设备智能监测技术
自动化设备智能监测技术是指通过各种传感器、信号采集器等装置，实时对自动化设备进行监测并获取各种数据信息。这些数据可以包括
设备的运行状态、温度、压力、振动等参数。在获得这些数据后，可
以通过特定的算法进行处理，从而实现对设备的智能监测。
智能监测技术的实现需要多种技术的相互协作，包括传感器技术、
数据通信技术、数据分析与处理技术等。借助于数据分析与处理技术，智能监测系统可以对自动化设备的状态进行实时分析，对异常状态做
出预警并提出解决方案，从而避免了设备运行中出现的问题。
二、自动化设备故障诊断技术
自动化设备故障诊断技术是指利用各种技术手段对设备出现的问题
进行诊断，并找出故障原因及解决方案的过程。传统的故障诊断往往
需要人工干预，效率低下。而智能化故障诊断技术，可以提高诊断的
效率和准确性，减少设备故障对于生产的影响。
智能化故障诊断技术的实现需要的多种技术相互之间协作，包括传
感器技术、数据库技术、人工智能技术等，可以快速、精准地对设备
进行故障诊断。
三、自动化设备智能监测与故障诊断技术的应用
自动化设备智能监测与故障诊断技术在许多领域得到了广泛的应用。在制造业、石化工业、电力行业等领域，设备是生产的核心，而自动
化设备的智能监测与故障诊断技术的应用，可以保证生产的稳定与高效。
ROZH设备状态监测与故障诊断教材
ROZH设备状态监测与故障诊断教材培训教材
上海容知测控技术有限公司
目录
一、设备状态监测与故障诊断技术概述3
1.1设备状态监测和故障诊断技术的产生和作用3
1.2设备状态监测和故障诊断的含义4
1.3设备修理治理与设备监测诊断的关系8
1.4振动监测诊断技术9
二、设备状态监测的实施10
2.1设备差不多资料11
2.2设备监测点的选择与标注12
2.3设备监测周期的确定13
2.4设备监测信息采集13
三、设备振动监测和诊断的理论基础14
3.1机械振动的分类14
3.2简谐振动及振动三要素17
3.3实际振动及振动的时域指标18
3.4振动的频谱20
四、数据采集22
4.1传感器知识23
4.2采样25
4.3信号处理27
五、设备故障差不多分析方法27
5.1时域分析28
5.2频谱分析28
5.3趋势分析、多趋势分析、频率趋势分析29 5.4瀑布图30
5.5多时域、多频谱31
5.6倒谱分析31
5.7包络解调31
5.8长时域波形32
5.9交叉相位33
5.10轴心轨迹33
5.11波德图34
六、设备状态的评判34
6.1绝对判定标准34
6.2相对判定标准39
6.3类比判定标准39
6.4波峰因素评判法40
6.5频谱图报警法40
七、机械设备常见故障振动监测诊断方法40
7.1不平稳41
7.2不对中45
7.3机械松动47
7.4滚动轴承故障48
设备状态监测与故障诊断技术概述
1.1设备状态监测和故障诊断技术的产生和作用
有三个方面的因素成为设备状态监测和故障诊断技术产生、进展并广泛应用的驱动力，即：流程工业生产的现实需要、测试诊断技术和仪器的进展完善和国家有关的政策。
电气设备的状态监测与诊断技术
智能化监测与诊断技术
发展趋势：智能化、自动化、网络化 技术特点：实时监测、智能诊断、远程控制 应用领域：电力、轨道交通、工业自动化等 技术挑战：数据采集、数据处理、算法优化等
在线监测与远程诊断技术
发展趋势：从离线监测向在线监测转变 技术特点：实时、准确、高效 应用领域：电力、轨道交通、石油化工等 技术挑战：数据采集、传输、处理和分析等技术难题
单击此处添加副标题
电气设备的状态监测与诊
断技术
汇报人：XX
目录
01 02 03 04 05 06
添加目录项标题
状态监测与诊断技术的概述
电气设备状态监测技术
电气设备诊断技术 电气设备状态监测与诊断技术的应
用场景 电气设备状态监测与诊断技术的发
展趋势
01
添加目录项标题
02
状态监测与诊断技术的概述
定义与重要性
基于知识的方法
专家系统：利用专家知识进行 诊断
神经网络：通过训练学习电气 设备的状态特征
模糊逻辑：处理不确定性和模 糊性
遗传算法：优化诊断策略和参 数
基于模型的方法
状态监测：通过传感器实时监测电气设备的运行状态 诊断技术：利用数学模型对监测数据进行分析，判断设备故障 模型建立：根据电气设备的物理特性和运行规律建立数学模型 模型应用：将模型应用于电气设备的状态监测和诊断，提高诊断准确性和效率
人工智能在电力系统中的在线监测与故障诊断方法
人工智能在电力系统中的在线监测与故障
诊断方法
引言
在电力系统中，随着电力负荷的不断增加和电网的复杂性不断提高，电力设备的在线监测与故障诊断成为保证电网稳定运行和提高电力供应可靠性的重要手段。人工智能作为一种前沿的技术，正逐渐应用于电力系统中的在线监测与故障诊断中。本文将介绍人工智能在电力系统中的在线监测与故障诊断方法，包括基于机器学习的电力设备故障预测、基于深度学习的设备故障诊断以及基于智能优化的电力设备状态监测方法。
一、基于机器学习的电力设备故障预测
机器学习是一种通过训练模型来预测未知数据的方法。在电力系统中，可以通过机器学习方法对电力设备的故障进行预测，以便采取相应的措施来避免故障的发生。常用的机器学习方法包括支持向量机（Support Vector Machine, SVM）、随机森林（Random Forest）和深度学习等。这些方法可以通过对历史数据的分析，提取出设备的特征，并根据这些特征来预测设备的故障概率。
二、基于深度学习的设备故障诊断
深度学习是指基于神经网络的学习方法，可以通过多层次的网络结构来提取更高级别的特征。在电力系统中，可以利用深度学习方法来进行设备故障的诊断。与传统的人工判断相比，深度学习可以更准确地识别设备的故障类型，并且可以自动提取设备的故障特征。常用的深度学习模型包括卷积神
经网络（Convolutional Neural Network, CNN）和循环神经网络（Recurrent Neural Network, RNN）。这些模型可以通过对设备故障数据进行训练，来实
机械装备的智能监控与故障诊断
机械装备的智能监控与故障诊断
随着科技的不断发展，机械装备在各个领域扮演着越来越重要的角色。然而，
由于运行环境的复杂性以及长时间的运行，机械装备故障成为了制约生产效率的一个重要问题。为了提高机械装备的稳定性和可靠性，智能监控与故障诊断技术应运而生。
一、智能监控技术
智能监控技术是指通过传感器等装置实时采集机械装备的运行数据，并通过一
系列算法进行处理和分析，以便实现对机械装备状态的监测和判断。最常见的智能监控技术包括振动监测、温度监测、压力监测等。
1. 振动监测
振动是机械装备运行时产生的一种常见信号，其变化可以反映机械装备的状态。振动监测通过将振动传感器安装在机械装备上，实时采集振动信号并进行分析，可以判断机械装备是否存在异常振动。异常振动往往是机械装备故障的先兆，通过及时发现并采取相应的措施，可以避免故障的发生。
2. 温度监测
温度是机械装备故障的常见指标之一。温度监测系统通过布置在机械装备关键
部位的温度传感器，实时采集温度数据，并与预设的正常温度范围进行比较，以判断机械装备是否存在过热等异常情况。及时监测和预警可以帮助操作人员及时采取降温措施，以减少机械装备故障的发生。
3. 压力监测
压力是机械装备运行中不可忽视的因素之一。压力监测系统通过安装在机械装
备关键部位的压力传感器，实时采集压力数据，并进行分析和判断。异常的压力变
化往往是机械装备故障的先兆，及时监测和预警可以帮助操作人员采取措施，以防止故障的发生。
二、故障诊断技术
智能监控技术是对机械装备状态进行实时监测和判断，而故障诊断技术则是在
设备状态监测与故障诊断(教案)
设备状态监测与故障诊断
设备的状态监测与故障诊断是指利用现代科学技术和仪器、根据设备外部信息参数的变化来判断机器内部的工作状态或机械结构的损失状况，确定故障的性质、程度、类别和部位，预报其发展趋势，并研究故障产生的机理。
状态监测与故障诊断技术是近年来国内外发展较快的一门新兴学科，它所包含的内容比较广泛，诸如机械状态量（力、位移、振动、噪声、温度、压力和流量等）的监测，状态特征参数变化的辨识，机械产生振动和损伤时的原因分析、振源判断、故障预防，机械零部件使用期间的可靠性分析和剩余寿命估计等等。
设备状态监测与故障诊断技术是保障设备安全运行的基本措施之一。
一、设备故障的基本知识
1 、定义
设备故障（Fault ）的一般性定义是：设备在规定时间内、规定条件下，丧失规定功能的状况。美国政府《工程项目管理人员测试性与诊断性指南》(AD －A208917)中，则把故障定义为：“造成装置、组件或元件不能按规定方式工作的一种物理状态”。在工程实例中，我们还常常听到另一个词汇：失效（Failure ）。国家标准GB3187—82《可靠性基本名词术语及定义》中规定，失效是产品丧失规定的功能，对可修复产品通常称为故障。国家军用标准GJB451—90《可靠性维修性术语》指出，故障是产品或产品的一部分不能或将不能完成预定功能的事件或状态，对某些产品称为失效。由此可见，“失效”和“故障”均为表示产品不能完成或丧失功能的现象。在实际工程中，对于“失效”和“故障”没有严格的区别，通常对于可修复产品常用“故障”，而对于不可修复产品常用“失效”。对于各种设备系统而言，其包含着大量可修复的零部件，因此常常统一用“故障”来表示各级零部件直至系统不能完成规定功能的事件。
机电设备状态监测与故障诊断教程
加速度传感器测量的是被测物体的绝对振动。
路漫漫其悠远
机电设备状态监测与故障诊断教程
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。
例如：中国设备远程诊断网 http://www.chnpfd.com （天津大学机电科技中心）
路漫漫其悠远
机电设备状态监测与故障诊断教程
机电设备状态监测与故障诊断
状态监测与故障诊断系统：
多机组网络化实时监测模式
远程计算机
局域网
现场工控机
现场工控机
。。。。。。 。。。。。
。。。。。现。 场工控机
。。。。。
路漫漫其悠远
机电设备状态监测与故障诊断教程
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。
现代制造系统的智能控制监控与故障诊断
制造系统智能控制的必要性
智能控制
智能控制是指利用人工智能和自 动化技术，对制造过程进行控制 和管理，以实现制造过程的智能 化和高效化。
必要性
随着制造业的不断发展，制造系 统变得越来越复杂，传统的控制 和管理方法已经难以满足现代制 造系统的要求。因此，智能控制 已成为现代制造系统发展的必要 手段。
主要内容
了更高的要求。
现有技术的不足
传统的控制监控和故障诊断方 法已无法满足现代制造系统的 需求，需要研究新的智能控制
监控和故障诊断技术。
研究意义
智能控制监控和故障诊断技术 对于提高制造系统的可靠性、 稳定性和效率具有重要意义， 能够为企业带来巨大的经济和
社会效益。
文献综述
国内外研究现状
近年来，智能控制监控与故障诊断技术在 国内外得到了广泛的研究和应用。在控制 监控方面，主要涉及模型预测、模糊控制 、神经网络等技术的理论研究和实践应用 。在故障诊断方面，涉及模式识别、故障 树分析、深度学习等技术的研究和应用。
通过物联网技术和数据采集设备，实时监控生产过程中的关键环节和指标， 如生产进度、质量数据、设备状态等，确保生产顺利进行。
智能控制监控与故障诊断在物流与供应链管理中的应用
物流跟踪与优化
通过物联网技术和全球定位系统，实时跟踪物流运输过程，优化运输路线和车辆 调度，提高物流效率和准确性。
高速列车运行状态监测与故障诊断
高速列车运行状态监测与故障诊断
随着科技的发展，高速列车已经成为现代化交通工具的重要组成部分，大大提高了人们的出行效率和舒适度。然而，为了确保高速列车
的安全运行，对其运行状态进行监测和故障诊断变得尤为重要。本文
将探讨高速列车运行状态监测与故障诊断的相关技术和方法。
一、高速列车运行状态监测技术
1. 基于传感器的监测技术：
高速列车运行过程中产生大量的运行状态数据，如速度、加速度、
振动等。利用各种传感器，如加速度传感器、温度传感器、压力传感
器等，可以实时监测列车的运行状态。这些传感器可以安装在列车的
不同部位，如车轮、轴承、车架等，用于监测车辆的振动和温度，从
而了解车辆的运行状况。
2. 图像识别技术：
高速列车的车厢内设施繁多，如座椅、门窗、仪表等。通过安装摄
像头，利用图像识别算法可以实时监测车厢内设施的状态，如座椅的
磨损程度、门窗的打开情况等。同时，还可以利用图像识别技术对轨
道进行监测，检测轨道的损坏程度和杂物等。
3. 音频识别技术：
高速列车运行时会产生各种各样的声音，通过安装麦克风，利用音
频识别技术可以实时监测列车的运行状态。这些声音包括列车的发动
机声、轮轴的摩擦声、风力的声音等。通过分析这些声音的特征，可
以判断列车是否存在异常情况，如轮轴是否磨损、发动机是否正常等。
二、高速列车故障诊断技术
1. 基于数据挖掘的诊断技术：
高速列车的运行状态监测数据包含了大量的信息，通过采用数据挖
掘技术，可以从这些数据中提取出有用的信息，用于故障的诊断和预测。常用的数据挖掘技术包括聚类分析、分类算法、关联规则挖掘等。
设备状态监测与故障诊断技术PPT课件-02-设备故障诊断的基本概念
⑶ 按故障严重程度和危险性分： 破坏性故障（危险性故障） 非破坏性故障（安全性故障）
⑷ 按故障原因分： 外因故障 内因故障
⑸ 按故障相关性分： 相关故障（间接故障） 非相关故障（直接故障）
⑹ 按故障发生的时期分： 早期故障 使用期故障 后期故障（耗散期故障）
“浴盆”曲线（Bath-tub Curve）
故 障 率
早期
使用期
后期
五、设备故障的基本特性
层次性 传播性 放射性 相关性 延时性 不确定性
六、故障管理
做好宣传教育工作，调动全员参加故障管理工作。 从基础工作抓起，紧密结合生产要求和设备现状，确 定设备故障管理的重点。 作好设备的故障记录，填好原始凭证，以保证信息的 及时性、准确性。 进行故障的统计、整理和分析。 采用监测仪器和诊断技术，对重点设备的重点部位进 行有计划的监督活动，以发现故障的征兆和信息。 针对故障的原因、类型，不同设备的特点采取不同的 对策，建立适合本企业的设备维修管理制度。 建立故障查找逻辑程序。
小 结（一）
从系统论的观点，设备是由有限个“元素”，通过元素 之间的“联系”，按照一定的规律聚合而构成的。 设备的故障，是指系统的构造处于不正常状态，并可导 致设备相应的功能失调，致使设备相应行为（输出）超 过允许范围，这种不正常状态称为故障状态。 理解故障原因、故障机理、故障模式、故障分析等概念。 设备故障具有层次性、传播性、放射性、相关性、延时 性、不确定性等基本特性。 对故障进行分类的目的是为了弄清不同的故障性质，从 而采取相应的诊断方法。
最新状态监测与故障诊断技术PPT课件
目前，美国的诊断技术在航空、航天、军事、 核能等尖端部门处于世界领先地位；英国在摩擦磨 损、汽车和飞机发电机监测和诊断方面处于领先地 位；日本的诊断技术在钢铁、化工和铁路等部门处 于领先地位。正是由于诊断技术能够产生的巨大经 济效益，因此故障诊断技术得到了迅速的发展，各 种监测和故障诊断的商业化产品不断推出，如日本 三菱公司的“旋转机械健康管理系统”、美国西屋 公司的“可移动诊断中心”、美国中心发电部的 “透平监视设备”和“试验设备监测”、美国 Scientific Atlanta公司的CHAMMP6000监测系统、 美国Bently公司的7200、3300及3000系列和CSI公司 的系列监测仪器等设备状态监测和故障诊断设备等。
巡回检测
运行维护
停机检修
治理预防
故障诊断是在状态监测与信号分析处理的基础上 进行的。故障诊断需要根据状态监测与信号分析处理 所提供的能反映设备运行状态的征兆或特征参数的变 化情况，有时还需要进一步与某些故障特征参数（模 式）进行比较，以识别设备是运转正常还是存在故障。 若存在故障，则要诊断故障的性质和程度、产生原因 或发生部位，并预测设备的性能和故障发展趋势。
表1-1 故障诊断方法分类
分类依据 诊断对象
诊断目的和要求
诊断手段（信号物理特性）
分类内容
①旋转机械故障诊断 ②往复机械故障诊断 ③机械零件故障诊断 ④工程结构故障诊断 ⑤电气设备故障诊断
电气设备状态监测与故障诊断方法
电气设备状态监测与故障诊断方法
首先，常见的状态监测方法包括使用传感器对设备进行实时监测，监测设备的参数如电压、电流、温度、湿度等。这些监测数据可以通过自动化系统实时采集和处理，然后进行状态
分析，如果发现异常，就可以及时采取措施进行处理。
其次，故障诊断方法可以采用传统的手动检查和测试，也可以通过数据分析和算法识别。
手动检查和测试需要对设备进行拆卸和检查，这种方法操作繁琐，且难以确保对设备进行
全面的检测。而数据分析和算法识别则可以利用监测数据，通过模型识别故障模式，并对
故障进行定位和分析。
对于电气设备状态监测与故障诊断，需要充分考虑实际的应用场景和设备特性，选择合适
的监测方法和诊断手段。同时，还需要不断研究和创新，结合新的技术手段，提高状态监
测和故障诊断的准确性和效率。通过科学的监测与诊断方法，可以确保电气设备的可靠性
和安全性，为电力系统的稳定提供保障。电气设备状态监测与故障诊断是电气工程领域中
非常重要的一个环节。通过监测和诊断，可以及时发现电气设备的异常情况，提前预防故
障的发生，确保设备的正常运行和安全稳定的电力系统。下面将介绍一些常见的电气设备
状态监测与故障诊断方法。
传感器是电气设备状态监测的重要工具。传感器可以监测设备的电流、电压、温度、湿度
等参数，并将这些数据传输至监测系统中。通过分析这些数据，可以得知设备运行状态是
否正常。此外，还可以使用振动传感器来监测设备的振动情况，这对于早期发现设备的机
械故障非常有帮助。
另一种常见的监测方法是热红外成像技术。这种技术可以通过红外相机监测设备的热量分
状态监测和故障诊断的仪器和方法(1)
波形出现许多毛刺。
谱图中噪声水平高。
出现精确的倍频2X， 3X…等成分。
松动结合面两边，振幅 有明显差别。
转速的精确 倍频成分
噪声水平高
松动故障引起的间入谐量
未松动时的频 谱
松动时的频谱
出现0.5X，1.5X， 2.5X，3.5X...等 频率成分
滚动轴承故障的特征频率
d
D
D — 节圆直径
d — 滚珠直径
0.5
0 0 5 10 15 20 25 30 35 40 45 50×R Frequency in order
Displacement in m pk to pk
带滑动轴承的机械的频谱特点
12.5 油膜涡动、碰摩
10.0 不平衡
7.5
不对中 5.0
松动引起的谐波 2.5
0
02
4 6 8 10 12 14 16
投资获得最大和最长远的回报
国家有关的条例摘录
逐步采用现代故障诊断和状态监测技术，发展以 状态监测为基础的预知维修体制。
1983年国家经委《国营公交设备管理试行条例》
企业应当积极采用先进的设备管理方法和维修技 术，采用以设备状态监测为基础的设备维修方法， 不断提高设备管理和维修技术的现代化水平。
1987年国务院《全民所用制公交设备管理条例》
随着故障发展，它的 幅值增加，并有谐波； 谐波两边产生边频。
现代制造系统的智能控制监控与故障诊断
要点二
发展
目前，现代制造系统正朝着更加智能化、绿色化、服务 化的方向发展。未来，现代制造系统将更加注重信息技 术与制造技术的深度融合，实现更加高效、智能、绿色 的制造过程。同时，随着物联网、大数据、人工智能等 技术的发展，现代制造系统将更加注重生产过程的可视 化和智能化，以实现更加精细化的生产管理和质量控制 。
详细描述
智能控制通过运用神经网络、模糊逻辑等技术，对机械制造过程进行实时监控和 调整，以实现最优的生产过程。它还可以通过传感器等设备收集数据，对生产过 程中的异常情况进行识别和预警。
案例二：监控技术在化工生产中的应用
总结词
监控技术在化工生产中起到了安全监控、过程优化和产品质 量控制的作用。
详细描述
02
设备运行监控
03
产品质量监控
实时监控制造系统的生产流程， 确保每个生产环节符合预设的标 准和要求。
对制造系统中各种设备的运行状 态进行实时监控，包括电力、气 压、液压等系统的运行状态。
通过实时数据采集和分析，对产 品质量进行严格把关，确保产品 符合质量标准。
数据采集与处理
数据采集
01
通过传感器、仪表等设备采集制造系统的实时数据。
现代制造系统的智 能控制监控与故障 诊断
2023-11-05
目 录
• 现代制造系统概述 • 智能控制技术在制造系统的应用 • 监控技术在制造系统的应用 • 故障诊断技术在制造系统的应用 • 现代制造系统智能控制监控与故障诊断的挑战
铁路道岔设备状态监测与故障诊断
铁路道岔设备状态监测与故障诊断
铁路交通是现代社会中重要的基础设施之一，而道岔设备作为铁路线路中的重要组成部分，其状态的监测与故障的诊断对于保证铁路运行的安全和可靠具有重要意义。本文将探讨铁路道岔设备状态监测与故障诊断的技术和方法。
一、状态监测技术
1. 传感器技术
传感器技术是铁路道岔设备状态监测的重要手段之一。通过在道岔设备上布置各种传感器，如加速度传感器、应变传感器等，可以实时监测道岔设备的振动、变形等相关参数，并将数据传输给监测系统进行分析和判断。
2. 红外测温技术
红外测温技术可以实现对道岔设备温度的非接触式测量。通过红外测温仪器，可以及时获取道岔设备各个部位的温度数据，从而判断设备是否存在异常情况，如过热、过冷等。
3. 声学信号分析技术
声学信号分析技术是一种较为先进的状态监测技术。通过对道岔设备运行时所产生的声音进行实时分析和处理，可以判断设备是否存在异常，如摩擦、磨损等问题。
二、故障诊断方法
1. 数据分析法
数据分析法是道岔设备故障诊断的常用方法之一。通过对监测系统采集到的数据进行统计和分析，可以发现设备的运行趋势和异常情况，进而进行故障的判断和诊断。
2. 专家系统法
专家系统是一种基于人工智能技术的故障诊断方法。通过建立道岔设备故障模型和知识库，将专家的经验和知识进行编码，从而实现对设备故障的判断和诊断。
3. 图像识别技术
图像识别技术可以通过对道岔设备的照片或视频进行处理和分析，实现对设备状态的判断和故障的诊断。通过比对设备的正常状态和异常状态的图像特征，可以发现设备存在的问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
智能状态监测与故障诊断
测控一班
高青春
20091398
第一章
绪论
在现代化的机械设备的生产和发展中，滚动轴承占很大的地位，同时它的故障诊断与监测技术也随着不断地发展，国内外学者对轴承的故障诊断做了大量的研究工作，各种方法与技巧不断产生、发展和完善，应用领域不断扩大，诊断精度也不断提高。时至今日，故障诊断技术己成为一门独立的跨学科的综合信息处理技术，它以可靠性理论、信息论、控制论、系统论为理论基础，以现代测试仪器和计算机为技术手段，总的来说，轴承故障诊断的发展经历了以下几个阶段：第一段：利用通用的频谱分析仪诊断轴承故障。第二阶段：利用冲击脉冲技术诊断轴承故障。第三阶段：利用共振解调技术诊断轴承故障。第四阶段：以计算机为中心的故障诊断。
国外的滚动轴承的故障诊断与监测技术要先于中国，而且这项技术的发展趋势啊已经趋向智能化状态，因为它机械化迅速，技术和设备都比较先进些，目前的技术也比较完善。但是总体来看，这其中的距离在不断拉近，我们相信不久的将来，中国也会使机械完善大国，也会完善和提高技术的精密度和准确度。【2】【3】
1.1轴承监测与故障诊断的意义
滚动轴承是机械各类旋转机械中最常用的通用零件部件之一，也是旋转机械易损件之一，在机械生产中的作用不可取代，据统计旋转机械的故障有30%是由轴承故障引起的,它的好坏对机器的工作状态影响极大,轴承的缺陷会导致机器剧烈振动和产生噪音,甚至会引起设备的损坏,因此,对重要用途的轴承进行状态监测与故障诊断是非常必要的【3】而且，可以生产系统的安全稳定运行和提高产品质量的重要手段和关键技术，在连续生产系统中，如果某台设备因故障而不能继续工作，往往会影响全厂的生产系正常统运行，从而会造成巨大的经济损失，甚至可能导致机毁人亡的严重后果。未达到设计寿命而出现故障的轴承没有被及时的发现，直到定期维修时才被拆下来报废，使得机器在轴承出现故障后和报废前这段时间内工作精度降低，或者未到维修时间就出现严重故障，导致整部机器陷于瘫痪状态。因此，进行滚动轴承工作状态及故障的早期检测与故障诊断，对于设备安全平稳运行具有重要的实际意义。【14】
1.2滚动轴承故障的分类:
滚动轴承的故障多种多样，有生产过程中产生的也有使用过程中后天造成一系列故障，其失效形式有：
1.2.1疲劳剥落: 指滚动体或滚道表剥落或脱皮在表面上,形成不规则
凹坑等甚至会一定深度下形成能裂纹，继扩展到接触表面发生剥落坑，最后大面积剥落，造成失效。【12】
1.2.2断裂：由于轴承负荷过大,零件材料缺陷,压配过盈大,影热处理
不良等原因.
1.2.3压痕：外界硬粒物质进入轴承中，并压在滚动体和滚道之间，使转动表面形成压痕，凹坑。当轴承的过载或撞击造成表面部凹陷,会产生噪音.
1.2.4磨损: 滚动体由于辊道贺的相对运动和尘埃异物,变卖弄磨损，润滑不良会加剧表面磨损，表面粗糙度加大，运转精度下降从而振动水平和噪声增大。
1.2.5腐蚀和电蚀: 润滑油中水分,湿气的诊断与方法化学腐蚀,电流的电腐蚀,和微振作用下形成的腐蚀【14】
1.2.6胶合: 润滑不良，高速重栽下摸查发热，极端时间温度高，导致表面烧伤及胶合，张梅军，是发生在滑动阶层接触的两个表面, 一个表面的金属粘贴到另外一个表面的现象.会导致高温,噪音。.
1.2.7塑性变形：过大的冲击负荷可以使接触表面局部塑性变形。从而导致明显的形变，造成失效。【2】
1.3滚动轴承监测诊断方法与传感手段
对轴承故障的诊断方法有很多种，但是无论是温度监测，噪音诊断，振动诊断等各方面都需要传感手段来实现，因为现代机械，如滚动轴承，它们都不是人工容易准确监测很诊断的，传感器是感器信息融合，有很多比较好的传感手段在轴承的故障监测诊断很实用。
1.3.1光纤传感器——振动,温度是利用信号光束的光纤输出R端面的
参考光束对比得出故障的部位.简单而又准确.
1.3.2电感式传感器——轴的径向跳动，电感测微仪可以测量小尺度变化的精密测量仪器，可以测量轴的物理性能，如径向跳动等。【9】1.3.3温度传感器——间隙和油流动的会导致温度变化，通常，轴的温
度随着运转开始慢慢上升，1-2小时后达到稳定状态。如果润滑、安装部不合适，则会导致轴承温度急骤上升，出现异常高温，这时必须停止运转，采取必要的防范措施。使用热传感器可以随时监测轴承的工作温度，并实现温度超过规定值时自动报警或停止，防止燃轴等事故的发生【1】
1.3.4超声波传感器——超声波的穿透能力很强,衰减和弱,利用超声波
的入射和反射波形的变化情况可以判断出滚动轴承的故障类型和部位,这项技术现在运用得比较广泛.【8】
1.4故障诊断分析方法:
1.4.1时域分析: 应用时间序列模型及其有关的特性函数，判别轴承
的运行状态及故障形成的原因。振动信号的位移,速度,加速度,构成时域波型,包括统计特征参量分析,相关分析,时域同步平均法, 1.4.2频域分析: 应用频谱分析技术，根据频谱特征变化,以时间为横坐标的时域信号通过傅立叶(flourier),分解为一频率为横坐标的频域信号，从而得到关于原频域和时域成分的复制于相位信息的一种变换方法。包括，复制普分析法，相位谱分析法，平均谱分析法，功率谱分析法，对数谱分析法，倒频普分析法，已经成为诊断的主要内容了。是建立在时间或者是频率上分析所得信号的能量强度,
将其与正常的轴承信号进行对比,得出故障的发生的部位。【12】【13】1.4.3时频域分析（小波分析及分形分析）：小波分析是傅立叶分析的继承和发展，可判别故障性质，当轴承发生故障时,会发出非平稳信号,在滚动轴承的故障分析中,构造了脉冲响应小波,也就是当轴承某部分发生故障时,轴承缺陷产生脉冲冲击响应,通过对尺度-小波能量普的比较来定性判断轴承故障的部位和类型,是通过振动信号的冲激周期,固有振动频率的振动波型,冲激响应小波波型,等方法分析信号【6】
分形分析是将面对的复杂对象看成是分数维数，成一个连续函数，实现了滤波，在有限时间内和某一有限频率下得到的信号都是由不同的分形特征，可监测故障。【13】
1.4.4极大熵谱法: 对于正常轴承和故障轴承的振动曲线，分别取1024个采集点进行图像分析，给出各种状态小啊的他的公路谱曲线及其相对应的极大熵谱曲线，极大熵谱曲线表现出的卓越峰值与理论值比较，得出故障部位。【11】
1.4.5倒频谱及希尔伯特包络分析法: 由倒频谱图，正常和异常状态下的，图中会显示有故障的滚动轴承出现两条醒目的曲线，其倒频谱率和理论上滚珠，内圈的故障频率一致，从而反映出了故障频率特征，可诊断出故障的原因和部位。【12】
1.5人工智能在滚动轴承故障监测中的应用
神经网络是智能控制技术的重要部分，它具有逻辑思维与判断，不需要建立任何数学模型，主要用于非性系统辨识和神经网络控制