智能状态监测与故障诊断
研究船舶电力系统的智能监控与故障诊断技术
研究船舶电力系统的智能监控与故障诊断技术摘要：船舶电力系统的智能监控与故障诊断技术涵盖了基于数据库系统和数据驱动的两大核心技术。
基于数据库系统的故障诊断技术依赖领域知识和规则推理，通过逻辑匹配和规则推断实现系统故障的快速定位；而数据驱动的故障诊断技术则借助大数据分析和机器学习算法，基于历史数据模式识别和故障预测，实现对系统故障的自动监测与诊断。
综合运用这两种技术，船舶电力系统能够实现智能化监控与精准诊断，提升船舶安全性与可靠性。
关键词：船舶电力系统、智能监控、故障诊断、大数据分析、安全性1船舶电力系统概述1.1船舶电力系统组成和特点船舶电力系统是船舶重要的能源供给系统，主要由主发电机、辅助发电机、配电系统、电动机和电气设备等组成。
其特点包括复杂性、高度集成化、动态性和稳定性要求高、供电可靠性要求比较高等等。
船舶电力系统需要满足不同航行状态下的能源需求，保证船舶设备的正常运行和航行安全，因此在设计和管理中需要考虑船舶的结构、功能、负载特性及动力需求等因素，以确保系统的高效运行和稳定供电。
船舶电力系统通常采用多机多回路的并联结构，以提高系统的可靠性和容错能力。
在船舶电力系统中，还需要考虑电气设备的防护、绝缘等特殊要求，以适应海洋环境的恶劣条件。
此外，为了提高能源利用效率和减少能源耗费，船舶电力系统还需要配备节能设备和技术，如智能化监控系统、能量管理系统等，以实现对电力系统的实时监测、优化调度和故障诊断，从而提高系统的运行效率和可靠性，同时降低运行成本和环境影响。
船舶电力系统的复杂性和特殊性使其成为船舶设计和运行中一个关键的环节，值得持续深入研究和改进。
1.2船舶电力系统智能监控的重要性船舶电力系统智能监控的重要性主要体现在提高船舶运行效率、确保船舶安全可靠和降低运营成本等不同的方面。
通过智能监控系统实时监测电力系统的运行状态、性能参数和故障信息，可以及时发现问题并采取相应的措施，避免或减少故障的发生，确保船舶电力系统的稳定运行。
电力设备状态监测与故障诊断
电力设备状态监测与故障诊断电力设备是电力系统供电的关键组成部分，其性能稳定可靠性对供电系统的正常运行至关重要。
然而，随着电力设备使用时间的推移和工作环境的变化，设备的磨损与老化等问题开始逐渐显现，这些问题可能导致设备的故障甚至损坏，给供电系统带来不同程度的影响和损失。
为了及时发现电力设备的异常状况，并进行及时处理，实现设备的状态可视化监测和故障诊断已成为现代电力系统运维的重要手段之一。
这里我们将介绍电力设备状态监测与故障诊断的基本概念、方法和应用。
一、电力设备状态监测基本概念电力设备状态监测是指通过采集设备运行的各项指标、参数，建立设备状态模型，对设备的运行状态进行监测和评估的过程。
设备状态模型是描述设备性能状态的模型，由获得的数据通过计算和处理得到，通常采用数学模型或神经网络模型等来描述设备状态。
设备状态监测的目的是发现设备的异常状态，并给出预警，以便及时采取相应的措施防止设备故障的出现，从而提高供电系统的可靠性。
设备状态监测的主要内容包括：1、数据采集与处理：包括采集设备各项指标、参数，并进行数据处理，建立设备状态模型；2、设备状态评估：基于设备状态模型，对设备的状态进行评估和比较，寻找设备的性能异常；3、异常诊断与预测：针对设备异常状态，进行诊断和预测，给出预警和故障处理建议；4、状态监测报告：根据监测结果，生成状态监测报告，给出详细的监测结果和建议。
电力设备状态监测方法有多种，根据设备的类型和监测的具体要求不同，可采用不同的方法。
以下是常用的电力设备状态监测方法：1、振动分析法：运用振动计、加速度计等传感器对设备的振动情况进行监测和分析，根据设备的振动特征，进行异常诊断和预测，推测设备的潜在故障或故障来源，为设备的维修保养提供依据。
2、红外热像法：采用红外热像仪对设备进行热像扫描和分析，通过对设备温度变化的监测和诊断，寻找热量异常区域，确定设备的问题和潜在故障。
3、声波分析法：利用设备发出的声波信号，通过声学传感器将声波信号采集并分析，推测设备的故障源头和结构异常。
设备状态监测与故障诊断
5 设备状态监测与故障诊断所谓“状态监测与故障诊断”，就是对运行中的设备实施定期或连续监测、有关参数分析、有效地对设备运行状态进行系统自动监测分析或人工分析，读取相应的自诊断状态报告，以便尽早发现潜伏性故障，提出预防性措施，避免发生严重事故，保证设备的安全、稳定和经济运行，并以此指导设备检修。
设备状态监测和故障诊断技术也称为预测维修技术，是新兴的一门包含很多新科技的多学科性综合技术。
简单地说就是通过一些技术手段，对设备的振动、噪声、电流、温度、油质等进行监测和技术分析，掌握设备的运行状态，判断设备未来的发展趋势，诊断故障发生的部位、故障的原因，进而具体指导维修工作。
传统的耳听、手摸等也可以算是其中的一种比较简单的手段。
5.1 设备故障的规律设备故障是一个非常广义的概念。
简单地说，设备故障就是设备系统或其中的元件／部件丧失了规定的功能或精度。
与故障意义相近的还有“失效”的概念，失效通常指的是不可修复的对象；故障指的是可以修复的对象。
早期故障：这种故障的产生可能是设计、加工或材料上的缺陷，在设备投入运行初期暴露出来。
或者是有些零部件如齿轮箱中的齿轮及其他摩擦副需经过一段时期“跑合” , 使工作情况逐渐改善。
这种早期故障经过暴露、处理、完善后，故障率开始下降。
使用期故障：这是产品有效寿命期内发生的故障，这种故障是由于载荷（外因，指运行条件等）和系统特性（内因，指零部件故障、结构损伤等）无法预知的偶然因素引起的。
设备大部分时间处于这种工作状态。
这时的故障率基本上是恒定的。
对这个时期的故障进行监测与诊断具有重要意义。
后期故障（耗散期故障）：它往往发生在设备的后期，由于设备长期使用，甚至超过设备的使用寿命后，设备的零部件由于逐渐磨损、疲劳、老化等原因使系统功能退化，最后可能导致系统发生突发性的、危险性的、全局性的故障。
这期间设备故障率是上升趋势，通过监测、诊断，发现失效零部件应及时更换，以避免发生事故。
设备故障的规律可分为以下六种模式。
输配电线路状态监测与故障诊断技术
输配电线路状态监测与故障诊断技术输配电线路状态监测与故障诊断技术输配电线路是电力系统中非常重要的组成部分，保障电能传输与分配的可靠性和安全性。
为了及时了解输配电线路的状态，并能快速准确地诊断故障，今天我们将介绍输配电线路状态监测与故障诊断技术。
一、输配电线路状态监测技术1. 无线传感器技术无线传感器技术是一种监测输配电线路状态的重要手段。
它通过在输配电线路上布置无线传感器节点，实时采集线路的温度、电流、电压等关键参数数据，并通过网络传输至监测中心。
无线传感器技术具有无需人工采集数据、覆盖范围广、实时监测等优点，为快速了解线路状态提供了有效手段。
2. 数据采集与处理技术数据采集与处理技术是输配电线路状态监测的关键环节。
通过合理布置数据采集器，实时采集与传输线路的温度、电流、电压等参数，然后采用数据处理技术对数据进行分析与处理。
数据采集与处理技术能够提供准确、稳定的线路状态数据，为快速准确地诊断故障提供有力支持。
3. 远程监测与管理系统技术远程监测与管理系统技术是输配电线路状态监测的重要组成部分。
该技术通过建立远程监测与管理系统，实现对输配电线路状态的远程监测与管理。
通过该系统，可以实时掌握线路的运行状况、故障预警与诊断等信息，为保障输配电线路的安全稳定运行提供了有力支持。
二、输配电线路故障诊断技术1. 智能故障诊断技术智能故障诊断技术是一种基于人工智能算法的故障诊断技术。
通过采集输配电线路的运行状态参数，并应用现代人工智能算法，如神经网络、遗传算法等，对线路进行故障诊断。
智能故障诊断技术能够快速、准确地识别线路的故障类型与位置，为故障排除提供指导。
2. 地电阻率技术输配电线路的地电阻率是一种重要的故障指标。
地电阻率技术通过在线路周围布置地电阻率传感器，实时测量线路的地电阻率变化，并对其进行分析与诊断。
地电阻率技术能够准确地判断线路是否存在漏电故障，并提供相应的处理建议。
3. 超声波检测技术超声波检测技术是一种非接触式故障诊断技术，通过检测输配电线路上的超声波信号来判断线路的状态。
设备状态检测与故障诊断振动监测系统的组成
信号处理技术
采用先进的信号处理算法 和技术，提取有用的故障 特征信息，降低噪声和干 扰的影响。
容错与冗余技术
通过容错设计和冗余技术 ，提高监测系统的可靠性 和稳定性，确保设备安全 运行。
THANKS
THANK YOU FOR YOUR WATCHING
往复机械的振动监测
总结词
往复机械的振动监测对于确保其正常运行和延长使用寿命具有重要意义。
详细描述
往复机械如内燃机、活塞式压缩机等，在运行过程中会因为活塞往复运动而产生振动。通过实时监测这些振动信 号，可以分析其频率、振幅和相位等信息，判断机械的润滑状态、气缸压力、活塞行程等参数，从而及时发现潜 在的故障和问题。
通过及时发现和解决设备故障，振动监测 系统可以有效降低设备的维修成本和停机 时间。
局限性
依赖传感器
振动监测系统的准确性很大程 度上取决于传感器的质量和安 装位置，需要专业人员进行配
置和校准。
数据处理要求高
振动数据通常需要进行复杂的 信号处理和特征提取，对数据 处理技术和计算能力要求较高 。
受限于工况条件
冲击机械的振动监测
要点一
总结词
冲击机械的振动监测对于预防性维护和安全运行至关重要 。
要点二
详细描述
冲击机械如锤子、冲压机等，在运行过程中会因为冲击而 产生强烈的振动。通过实时监测这些振动信号，可以分析 其频率、振幅和相位等信息，判断机械的冲击次数、冲击 力等参数，从而及时发现潜在的故障和问题。同时，还可 以通过监测冲击机械的振动信号，评估其工作状态和性能 ，为预防性维护提供依据。
设备状态检测与故障诊断振动监测系统的组成
汇报人：可编辑 2024-01-11
目录 CONTENTS
电力设备的状态监测与故障诊断
电力设备的状态监测与故障诊断电力设备作为现代工业和生活的基石之一，其正常运行对于社会经济的发展至关重要。
然而，电力设备的长期使用不可避免地会出现各种各样的问题，例如电气故障、设备老化以及不当操作等。
为了确保电力系统的稳定运行，状态监测与故障诊断技术被广泛应用。
一、状态监测技术电力设备状态监测技术是通过实时数据采集、分析和处理，对设备的运行状态进行监测和评估的一种技术。
它可以帮助工程师及时发现设备的异常状况，预测设备可能出现的故障，并采取相应的维修措施，避免设备停机造成的经济损失。
1.1 无线传感技术无线传感技术是一种监测设备状态的有效手段。
传统的有线监测系统需要铺设大量的电缆，不仅造成空间上的限制，还增加了安装和维护的成本。
而无线传感技术则可以通过传感器直接读取设备的参数，并通过无线通信将数据传输到监测中心。
这种技术不仅提高了监测的灵活性和可靠性，还节省了大量的成本。
1.2 数据分析与处理状态监测技术采集到的数据需要经过一系列的分析和处理才能转化为有用的信息。
利用数据分析算法，我们可以提取出设备的特征参数，对数据进行特征提取和降维，以减少数据量和提高分析效率。
同时，对数据进行故障诊断和预测，可以帮助工程师及时发现设备的异常行为，预测设备的寿命并制定相应的维修计划。
二、故障诊断技术故障诊断技术是通过对设备运行过程中的各种故障进行分析和判断，找出故障原因，并提出相应的维修和保养方案。
故障诊断技术主要包括以下几个方面：2.1 特征提取与分析特征提取是故障诊断的基础。
通过对设备运行数据进行分析，我们可以提取出与故障相关的特征参数。
例如，电机轴承的振动信号可以反映出轴承的磨损程度，而电力变压器的温度可以反映出变压器的负载情况。
通过对这些特征参数的提取和分析，可以准确判断设备是否存在故障。
2.2 故障诊断方法故障诊断方法是指根据特定的故障特征和模式，对设备的故障进行判断和鉴定的方法。
常用的故障诊断方法包括模式识别、人工智能、神经网络等。
电气设备状态监测与故障诊断技术
电气设备状态监测与故障诊断技术摘要:本文综合探讨了电气设备状态监测与故障诊断技术，强调了这一领域的重要性和发展趋势。
文章首先介绍了电气设备状态监测技术，包括状态参数的选择与监测、数据采集与信号处理，以及状态评价与健康度分析。
随后，文中详细讨论了电气设备故障诊断技术，涉及故障特征提取技术、故障模式识别方法和智能诊断与决策优化。
最后，文章探讨了电气设备状态监测与故障诊断的未来发展趋势。
关键词:电气设备；状态监测；故障诊断；数据融合引言:随着工业自动化和信息技术的快速发展，电气设备的状态监测与故障诊断技术变得越来越重要。
这些技术的应用不仅有助于提前发现和预防设备故障，还能有效提升设备运行的可靠性和安全性。
面对日益复杂的电气设备系统，传统的监测和诊断方法已不能满足现代工业的需求，因此，开发和应用更先进的监测和诊断技术成为行业的迫切需求。
一、电气设备状态监测技术(一)状态参数的选择与监测电气设备状态监测的首要步骤是正确选择和监测关键状态参数。
这些参数通常包括设备的电压、电流、温度、振动、噪声等，它们能够反映设备的运行状态和健康状况。
选择合适的监测参数对于确保有效监测至关重要。
这通常需要根据设备的特点和运行环境来决定。
例如，在监测高压电气设备时，绝缘状态和电弧放电可能是关键的监测参数。
一旦确定了监测参数，就需要使用适当的传感器和测量设备来进行实时监测。
这些数据的准确获取是进行有效状态评估的基础。
(二)数据采集与信号处理数据采集与信号处理是电气设备状态监测的核心环节。
这一阶段的目标是从传感器收集的原始数据中提取有用信息。
由于电气设备在运行中产生的信号可能包含噪声和干扰，因此需要采用信号处理技术来提高数据的准确性和可靠性。
信号处理技术包括滤波、放大、模数转换等，用于提高信号的质量，并将其转换为便于分析的格式。
高级的数据采集系统还可能包括数据预处理和压缩功能，以减少存储和传输所需的资源。
(三)状态评价与健康度分析在数据采集与信号处理之后，下一步是进行状态评价和健康度分析。
船舶电力直驱推进装置状态监测和智能诊断
船舶电力直驱推进装置状态监测和智能诊断摘要：自21世纪以来，船舶电力推进系统的发展达到了空前的繁荣，特别是将电机与水力部件一体化、取消传动环节的先进电力直驱推进装置，因其功率密度大、布置多样、机动灵活、高效节能、环保低噪等显著优点，目前广泛应用在破冰船、邮轮、科考船、钻井平台等船舶上。
我国在2021年发布的《“十四五”规划和2035年远景目标纲要》中再次强调了海洋装备智能化绿色化的战略目标，随着“碳达峰”及“碳中和”长期愿景的提出，船舶电力直驱推进装置正在迎来前所未有的发展空间和广阔舞台。
电力直驱推进装置是船舶动力系统的核心做功单元，其可靠性、安全性直接决定了船舶航行安全。
吊舱推进器、轮缘驱动推进器等电力直驱推进装置一般悬吊在船体之外，面临着状态未知、故障获悉滞后、故障危害严重等问题。
“中国制造2025”计划中将智能运维规划为重要发展战略，其核心支撑技术包括了状态监测和故障诊断，具备对推进装置的状态感知和健康认知能力也是未来船舶无人化、智能化的重要基础。
关键词：船舶电力直驱推进装置；吊舱推进器；轮缘推进器引言目前专门针对船舶电力直驱推进装置状态监测及智能运维的研究，国内外少有报道。
将电力直驱推进装置拆分成若干核心部件，从核心部件出发，寻找与其结构形式和工况相似的对象，从它们的监测和诊断技术中找到参考也是一个重要研究途径。
在以往船舶的运行过程中，多借助电励磁轴带发电机解决船舶运行期间的发电问题，但经长久应用后发现，电励磁轴带发电机仅可恒速运行，在特定条件下无法满足船舶变速运行需求，且若降低运行速度，将会增大燃料消耗量。
本文首先将电力直驱推进装置按照结构形式来划分介绍，分析其特点及常见的失效模式；其次整理电力直驱推进装置各部件的状态监测和智能诊断技术的研究现状；最后对该领域存在的问题做出分析，并展望了未来具体的研究方向。
1电力直驱推进装置的特点1.1电机系统感应电机因其结构简单、制造成本低、可靠性高的特点而在船舶推进电机上广泛应用，其又可分为异步电机和同步电机，在大功率交流推进系统中，各国基本趋向于使用同步电机。
- 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)。
1 / 9 智能状态监测与故障诊断 测控一班 高青春 2 / 9
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】 3 / 9
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】 4 / 9
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5 / 9
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,6 / 9
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7 / 9
及故障诊断。智能化故障诊断还有模糊诊断和专家系统等比较智能的能进行信号自动分析和处理的功能，它的发展趋势是趋向于故障诊断的自动监测状态，既准确又灵敏度高。 1.5.1模糊神经网络诊断方法，有处理语言知识的能力。模糊神经网络是利用隶属度函数来推理进行统计分析数据的智能化的机械监测。 1.5.2专家系统， 现在是人工智能的三大研究前沿，是以计算机的知识库来储存和使用一切有用信息的系统结合，对滚动轴承故障的诊断与监测有很大的作用，能自行分析和处理信号。【10】 1.5.1人工神经网络，由输入输出反馈的前馈网络，前馈内层互馈网络，反馈型全互联网络和反馈性局部连接网络，构成，智能式传感器，和传统的相比，它具有逻辑思维与判断，信息处理功能，具有自诊断自小准功能，可实现多传感器多参数复合测量，扩大了监测和使用范围，监测数据可存取，使用方便，具有数字通信接口，能与计算机直接联机，相互交换信息，对滚动轴承的故障诊断与监测应用十分重要。【7】
人工神经的模型，有BP网络，是一种反传式向前网络，学习8 / 9
因子和记忆因子有选择，提高网络训练技巧，以简单地网络层次分析信号，对滚动轴承的故障监测应用也在提升。【4】 紧密结合的小波神经网络，滚动轴承原始特征信号为行波信号，以松散小波神经网络模型对轴承故障原始信号进行小波分解后，进行特征的选择与提取，取适当的子频带能量作为输入向量，得到轴承故障类别输出，此时选用的也是BP网，这是比较准确的小波，分析方法，在轴承故障诊断中有非常大的作用。【5】 参考文献： 【1】(机械故障诊断学)美国，J.S.米切尔,机械工业出版社，第3版，2007. 【2】 《机械设备振动故障监测与诊断》黄志坚，高立新，化学工业出版社，2010.5 ，69-73页 【3】 《机械故障的分析与监测》黄仁，钟秉林，机械工业出版社， 【4】《神经网络》电子科技大学出版社，杜京义，汪梅。2007， 【5】《神经网络的综合分析与动态特征研究》张化光，科学出版社， 【6】《机械故障诊断方法》杨宁,于德介,科技出版社,2006 【7】《现代新型传感器原理与应用》刘迎春，科技出版社，2007 【8】《传感器》哈尔滨工业大学，唐文彦，机械工业出版社，2007.5 195-203页 【9】 《现代传感器技术》周旭，国防工业出版社，2007，第四章 【10】《人工智能及其应用》 徐玉梅，段鹏，上海交通大学出版社，2007.4 119-130页