机械设备振动监测和故障诊断是美国于上世纪60年代中后期提出。但由于振动监测诊断故障特征知识的不足和受限采集分析仪器的能力，该技术在20世纪70年代前都未有明显发展。

伴随着计算机技术、数字信号处理技术和故障诊断理论知识的迅速发展，设备振动监测和故障诊断技术迎来了快速发展期。90年代以后，我国相关机械设备振动监测和故障诊断技术被广泛应用于电力、石油化工、水泥、钢铁等行业的大型、高速旋转设备中。

在机械设备运行过程中，设备振动信号承载着设备的状态信息，蕴含了丰富的设备异常或者故障的信息，可以说振动特征是设备运行状态好坏的重要标志。因此，基于振动信号的故障监测在设备诊断领域中是一种极为可靠有效的实施办法。

划重点：机械振动

广义地说，任何物理量交替增减变化的现象都叫做振动。机械或结构在平衡位置附近的往复运动称为机械振动。

那为什么要研究机械振动？

机械振动是工业机械设备运行中常见的一种现象，一般情况下机械振动都是有害的，因为振动会破坏机械的正常运作。研究机械振动的目的是掌握机械振动的规律，利用振动分析实现有效的设备状态监测和故障诊断。其应用如振动筛；设法减少振动对机械的危害，如降低共振对设备的危害。

描述机械振动的三个基本要素是振辐、频率和相位，简称振动的三要素。

■ 振动幅值，简称振幅，是描述振体偏离其平衡位置大小的物理量。振幅反映了设备振动的强弱。在振动简易诊断中，常常用振幅的大小作为判断设备运行状态的依据。在振动精密诊断中，寻找振幅的频率成分，是判断设备故障部位的主要工作。在振动测量中，振动的幅值一般用峰值、有效值或平均值来度量振动的量级。

■ 振动频率是指单位时间内振动的次数。在机械设备中，每一个运动着的零部件都有其特定的固有频率和振动频率。我们可以通过分析设备的频率特征来判断设备的工作状态。若不了解设备的结构和运动零部件的振动頻率，就不能确切地判断设备的故障。因此，设备振动頻率的计算和特征频率的检测，是故障诊断工作的重要环节。

■ 振动相位是指在任意时刻，振体所处的位置。在振动的合成中可以看到，相同的振动，若相位不同，能合成为不同的振动。在故障诊断中，设备振动相位的变化，往往反映一些特定的故障。相位的检测和分析，可用于振型测量、谐波分析，以及设备动平衡的测定等。

机械振动的峰值、有效值、峰峰值、平均值之间的关系是什么呢？

以常见的机械振动—简谐振动为例说明，有效值=0.707X 峰值=1.11X 平均值，峰值=1.414X 有效值=1.57X平均值，平均值=0.637X 峰值=0.90X 有效值，峰峰值=2X峰值。

振幅分别用振动位移、振动速度、振动加速度值加以描述、度量，三者相互之间可以通过微分或积分进行换算。在振动测量中，除特别注明外，习惯上振动位移的量值为峰峰值，单位是微米[μm]或毫米[mm]；振动速度的量值为有效值（均方根值），单位是毫米/秒[mm/s]；振动加速度的量值是单峰值，单位是米/秒平方[m/s2]或重力加速度[g]。

振动位移、速度、加速度之间又是什么关系？

加速度都是同频率的简谐波，三者的幅值依次为A、Aω、A，在相位上，加速度领先速度90°，速度领先位移90°，如下图所示

机械设备振动监测和故障诊断的基础

高质量的数据是机械设备振动监测和故障诊断成功的基础。如何获得稳定、高质量的、有效的振动数据，其取决于测量位置的选择、机器和测点的识别、测量参数的正确选择、正确合适的测量技巧、传感器的正确和稳定安装。

01、测量位置的选择

尽量靠近轴承；数据采集的三个方向必须选择刚性良好处；对低速重负荷轴承，在负载区域设置采集点；安全第一，必要时安装固定传感器；水平方向尽量接近水平轴线；垂直方向尽量接近垂直轴线；轴向与轴平行，每次在相同位置，如3:00, 9:00；对泵，不要将密封位置误认为轴承；不要在基座或基础上测取轴承数据；不要将测量位置放在薄板上，如电机端罩。

02、机器和测点识别

制定机器和测点命名规则, 并保持一致；从电动机外端轴承开始，到被驱动机器外端轴承结束；对每台机器画一个图，注明测量位置，包括结构参数和运行参数范围，测点命名顺序如下图所示。

03、测量参数的正确选择

测量参数的正确选择，以机器的常见故障和关键部件为出发点，根据不同设备选择不同的测量参数，产生宽频带振动的设备可有多个设置参数，具体的应用如下表所示。

04、正确合适的测量技巧

不要使传感器晃动或滑动；手持式测量时施加稳定的手力；磁场和电磁波可能影响数据采集器和传感器；不要使用相对测量位置太大的传感器或磁力太强影响机器运行；对低于300CPM的测量，不要使电缆晃动；在采集数据前使信号稳定（一般5至6秒）；使振动幅值在仪器测量范围1/3以上；使用数据采集器的现场检查功能纪录观察的信息，侧脸技巧如下图所示。

05、传感器的正确和稳定安装

在曲面上测量要进行处理或使用V槽磁座；确保传感器和磁座间的接触清洁而紧固；如果测量2000Hz以上的频率，去掉测量位置的油漆；如果安装固定垫或盘，粘结剂要有较好的传递特性和适当的厚度；保证测量表面清洁，安装示意图如下图所示。

图片来自网络

机械振动分析检测的主要手段

传统机械设备状态监测和故障诊断主要依靠人的分析，常用的振动监测分为离线监测和在线监测。

■ 离线监测：是为了消除振动故障而进行的诊断，这种诊断在时间要求上不那么紧迫，设备检维修人员和现场生产操作人员只需要定期测量、记录和跟踪设备状态，或当设备出现异常时，临时测量，最后对设备故障进行仔细的分析、讨论。

■ 在线监测：是对运行状态下的机组振动故障原因作出及时准确的诊断，以便运行人员作出纠正性操作，防止事故扩大。因此，在线诊断在诊断时间上要求相对比较紧迫，主要以专家诊断为主、计算机辅助的方式，故又称为专家诊断系统。系统的核心是专家经验，主要用于大型旋转机器和关键设备，如汽轮发电机组、水轮发电机组、大型风机、压缩机、泵类等轴承或轴振动的连续监测、超限报警、故障诊断、事故追忆等。

故障诊断专家利用平台提供的时域分析、频域分析、包络分析、趋势分析、瀑布图等分析手段，结合自身对故障理论的理解和设备当前实际状态，给现场工作人员提供一个合理的维修维保建议，从而保障设备连续可靠地运转。

机械设备振动监测和故障诊断的

工业4.0时代

2011年汉诺威工博会上正式提出工业4.0概念，即第四次工业革命。在这个以数字化、网络化和智能化为代表的的工业4.0新时代到来之时，机械设备振动监测和故障诊断也迎来了全新的发展时期。

伴随工业物联网技术的高速发展，不但为机械设备振动监测和故障诊断快速的提供除设备本身的振动数据外，而且还提供了温度、压力、电流等OT系统及边缘设备的海量数据。

当物联网技术将海量的IT数据和OT数据连接上传至数据平台时，随即对海量数据的处理和数据的智能分析成为了迫切需求，类似寄云NeuSeer工业大数据平台这样的大数据平台应运而生。实现了海量设备IT和OT数据融合，帮助企业打破数据孤岛的同时；对接海量工业数据，快速构建数据模型和数据对象，通过将海量数据的预处理、机器学习和人工智能建模与分析等能力相融合，帮助工程技术人员快速从繁杂的数据中，深度挖掘数据价值。

与此同时，在物联网和大数据技术的基础之上，基于仿真和机理模型、专家经验、FMEA库和机器学习等新技术对故障样本进行训练分析，实现机械设备的智能诊断，同时将确认后的诊断结果添加到故障库中，持续不断的对原始故障库进行优化，从而为实现后续更精确的故障诊断夯实了坚实的基础。

特别是针对传统模式所存在的数据源单一、人工经验不足、人工费用高、监控与诊断不及时和不可控等不利因素，工业4.0时代下的振动监测与故障诊断方案给出了全新解法。以寄云科技预测性维护系统为例，基于开放的、层次化的NeuSeer工业互联网平台架构，寄云科技针对特定动系统打造了一套完备的振动监测与诊断解决方案，通过对关键部件通过振动等传感器的数据采集和分析，基于大型动设备的故障特征库，构建关键子系统的故障预测和诊断能力，高效实现：

■ 数据采集：支持振动传感器的高频实时采集；

■振动分析：支持时域分析、频谱分析、包络分析、趋势分析等实时振动分析；

■故障库：支持包括轴承、电机等设备的常见故障库；

■ 智能诊断：基于人工智能，对故障样本进行训练分析，实现自动诊断，并支持对故障库进行持续优化。

此外，寄云预测性维护系统（Predictive Maintenance，PdM）作为层次化的工业智能应用综合解决方案，不仅针对特定系统提供了振动监测与诊断，更针对单套设备、多套设备分别提供了实时状态监测与维护、预测性维护的解决方案。合理应对从部件到设备再到产线、车间、企业等不同层面设备管理的差异化需求。

例如，某大型石油装备制造企业的智能装备项目采用寄云预测性维护方案，整合设备的设计、运行、环境、运维档案等数据资源，深入分析并挖掘基于机理的机组失效模型，掌握故障和性能退化趋势，形成具有远程监控、智能报警、预测性维护、健康报告为一体的智能预测性维护系统。实现有效减少维护成本，关键故障提前预警，有效减少事故，减少由于故障造成的损失。

在经过石油、化工、能源、制造等领域深度实践之后，寄云预测性维护系统目前已广泛应用于装备制造商的装备智能化改造升级、关键装备的智能管理和运维，全面助力工业客户实现优化备品备件、减少运维成本和非计划停机、提升设备运行效率、减少安全事故等关键目的，为工业企业提质增效注入新动能，从而有效实现企业经营利润的提升以及经营风险的规避。