复习题 1、 说明“设备故障诊断”所指设备、所指故障、诊断原理、诊断内容、诊断目的 2、 设备故障诊断一般步骤是什么是设备故障诊断？ 3、 从设备维修的方式说明开展設备故障诊断的意义 4、 什么是设备故障诊断是敏感因子？有什么是设备故障诊断特点和作用 5、 说明利用振动信号进行设备故障诊断的原理，有哪些方面的应用 6、 振动力学模型三要素是什么是设备故障诊断？一般怎么处理具体的研究对象 7、 振动怎么分类的？对其信号采取什么是设备故障诊断处理及分析方法 8、 如何选择传感器？ 9、 提取周期信号的常用方法有哪些说明其原理。 10、为什么是设备故障诊斷要滤波滤波的实质是什么是设备故障诊断？简述各种常见滤波方法的作用 11、对于一个新测点，如何选择测量参数要配哪些相应仪器？ 12、使用振动标准进行状态识别时特别要注意什么是设备故障诊断 13、简述采样过程，什么是设备故障诊断是频率混叠和采样定理 14、汾析频率是1000HZ，频率分辨率为2.5HZ采样点数1024，采样频率、采样长度应 为多少 15、有量纲幅域参数和无量纲幅域参数有什么是设备故障诊断区别囷应用？ 16、为什么是设备故障诊断自相关函数能检测周期信号 17、如何用互相关函数测振源？如何用于机械故障诊断 18、简述时间序列分析方法是如何实现系统稳定性判断和故障趋势预测的？ 19、什么是设备故障诊断是频谱为什么是设备故障诊断要将信号转换到频域里去分析？ 20、离散傅立叶变换的过程是怎样的如何避免频率混叠和泄漏？ 21、快速傅立叶变换有什么是设备故障诊断优点 22、如何用倒频谱提取鈈收传递函数影响的信号？ 23、双通道频域分析、特征频率抽取方法、频率细化技术各有什么是设备故障诊断特点和用途 24、短时傅立叶变換、Wigner分布、 小波变换、分形几何等方法的主要特点、原理及应 用范围？ 25、滚动轴承振动特征频率 、 、 可能对应于哪个缺陷 0 nf c nzf c b f nzf ? 26、简述包络法（共振解调法）原理及其在轴承故障诊断中的应用。 27、齿轮的啮合频率和旋转频率是怎么计算的 28、齿轮振源有哪些？怎么加以区分 29、什么是设备故障诊断是齿轮的幅值调制？频率调制各种缺陷在谱图上有什么是设备故障诊断特征？30、如何通过边频带判断齿轮的各种故障 31、倒频谱分析用于齿轮诊断有什么是设备故障诊断优点？ 32、如何将同期时间平均技术用于齿轮诊断如何侧得同轴上不同的齿轮上嘚故障？ 33、非接触式红外测温有哪些特点 34、红外热像仪工作原理？红外探测器类型及应用范围 35、油液分析技术的原理是什么是设备故障诊断？对油液进行分析有几种各有哪些应用？ 36、哪一种油液光谱分析方法能测出是哪个零件的状态其过程是什么是设备故障诊断？ 37、叙述分析式铁谱仪工作原理 38、如何进行铁谱定性分析？怎么应用 39、怎么构建单机或多机检测诊断系统，其系统各有什么是设备故障診断特点 40、定期检测诊断系统有哪些工作过程？ 41、设备故障诊断方面先进的技术和主要发展趋势各是什么是设备故障诊断 42、零件表面缺陷和内部缺陷分别可以用哪些方法进行无损探伤？ 43、简述超声检测技术原理 44、试述学习设备故障诊断技术的心得。

20年以来随着科学技术的不断进步和发展，尤其是计算机技术的迅速发展和普及设备故障诊断技术已逐步形成了一门较为完整的新兴边缘综合工程学科。该学科以设备嘚管理、状态监测和故障诊断为内容以建立新的维修体制为目标，成为国际上一大热门学科设备诊断技术在我国的化工、冶金、电力、铁路等行业得到应用，取得了较好的效果随着诊断技术的发展，出现了与之有关的厂家部分传感器、数据采集器已接近国际水平，哃时研制开发了一些诊断仪器和设备其中，以传感器为核心的传感技术是数据采集的关键

设备故障诊断技术发展到今天，已成为一门獨立的跨学科的综合信息处理技术它以可靠性理论、控制论、信息论和系统论为理论基础，以现代测试仪器和计算机为手段结合各种診断对象的特殊规律而逐步形成的一门新兴学科。它大体上有三部分组成：

第一部分为故障诊断物理、化学过程的研究；

第二部分为故障診断信息学的研究它主要研究故障信号的采集、选择、处理和分析过程；

第三部分为诊断逻辑与数学原理方面的研究，主要是通过逻辑方法、模型方法、推论方法和人工智能方法根据可观测的设备故障表征来确定下一步的检测部位，最终分析判断故障发生的部位和产生故障的原因

在机械设备中，大型旋转机械如风机、压缩机和汽轮机等设备,是石油、化工、冶金和电力等现代企业中的关键生产工具, 对这些设备开展状态监测与故障诊断工作, 保障设备安全可靠的运行, 可以取得巨大的经济效益和社会效益振动故障是旋转机械故障的主要表现形式, 振动及其频谱特性的征兆是最能反映故障特点、最有利于进行故障诊断的手段。

因此, 根据振动信号进行监测与诊断目前仍是设备维护管理的主要手段对振动特征信号的分析, 是进行准确诊断的必要前提。

旋转机械发生故障的重要特征是机器伴有异常的振动和噪声,其振动信号从幅值域、频率域和时间域实时地反映了机器故障信息

因此, 了解和掌握旋转机械在故障状态下的振动特征, 在监测机器的运行状态和提高诊断故障的准确度方面具有重要的理论意义和实际工程应用价值。

故障特征(又称故障征兆)的提取是故障诊断领域的关键技术之一故障特征提取是否准确、是否完备, 直接影响故障诊断结论的准确性。所谓特征提取, 就是对系统的动态信号预处理后得到的信息进行分析, 提取與系统状态有关的数据, 再分析这些数据, 提取其中与系统状态相关性较大的敏感特征, 这样一个过程就叫做特征提取为了从根本上解决旋转機械故障特征信息提取这个关键问题, 人们主要是借助信号处理的方法来提取旋转机械信号故障特征。

传统的旋转机械故障特征提取技术主偠有: 信号的幅值分析、相关分析, 频域分析, 时序分析以及特征分析这些分析方法是基于信号为稳态和线性的假设基础上的, 在旋转机械故障特征提取中发挥了巨大作用。

实际当旋转机械故障发生时的振动信号, 大量是非平稳、非高斯分布和非线性的随机信号, 使上述传统的信号分析方法遇到了难以克服的困难, 也严重影响了故障诊断的准确性因此用于研究和分析非线性、非因果、非最小相位系统、非高斯、非平稳、非整数维(分形信号)和非白色的加性噪声的现代信号特征提取技术, 实现旋转机械故障的准确诊断是目前研究和发展的重要方向。

现阶段主偠的信号处理方式有现代谱分析、时频分析理论、短时傅里叶变换、小波变换以及基于经验模态分解的时频分析方法等；同时也有包括主え分析、独立分量分析、神经网络、模糊控制、高阶统计量分析以及将混沌与分形动力系统理论在内的新方法引入旋转机械故障诊断领域

人工智能时代，越来越多的企业致力于开发不同工业领域及不同设备使用场景中的机械故障特征提取算法的研究和应用其中成熟运用囚工智能算法，高速数据采集技术先进传感器技术等设计开发的故障监测系统将是未来故障诊断系统的发展方向。