1.2　机电设备状态预测技术的发展概况

1.2.1　机电设备状态预测技术的发展历程及现状

机电设备发生故障时，不仅物质财富遭到破坏、服务被迫中断，甚至连工作人员也会受到威胁。在工业史上，由于机电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、苏联的切尔诺贝利核电站事故、印度博帕尔市农药厂毒气泄漏事故、墨西哥阿尔法市仓库石油气爆炸事故等。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点。

传统的机电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，为避免重要机电设备意外停产而造成巨大的经济损失，周期性强制维护时间往往留有较大的安全系数，因而这种维护方式是不经济的，是在尚不能掌握机电设备当前状态和无法预测未来发展的情况下不得已而采用。

20世纪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。丹麦、美国、德国、日本等发达国家的专家学者在对大型机电设备工作状态监测和故障分析技术进行大量研究的基础上，进一步提出了预知维护的基本概念。90年代以来，开始研究新型机电设备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还处于研究发展阶段。

设备预知维护是国内外有关设备动态维护的一项新兴技术，它是通过对机电设备运行状态做监测及预测来取代定期检修的方式，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或准备进行维修。这种现代化维护方式能监测和预报设备的故障和故障日期，因此在设备正常运转时可以不停机，在发现故障前兆时能及时停机，甚至能判别故障的性质和部位，做到有目的地进行检修。其监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。

若能在线实时检测和以人工智能分析机电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、有效地揭示机电设备当前的工作状态，并预测之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。

若对机电设备实行预知维护，需要在机电设备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，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；机电设备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，能识别由于机电设备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有相应变化，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机电设备的状态监测和故障分析方面，对大型机电设备的以预知维护为目标的智能状态在线预测技术尚待系统的研究。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，甚至还局限于对温度、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监测和分析的功能，因而无从反映机电设备的工作状态；即便具有监测振动量的功能，尚限于状态的监测和故障分析，不能对机电设备工作状态发展趋势进行预测。

1.2.2　机电设备状态预测技术的发展趋势

从机电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、定期停机检修或预防性维修、预知维修或状态维修。

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重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，以先进的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机电设备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B&K公司的COMPASS TYPE 3540系统和TYPE3560系统，这些系统一般用于设备的离线预测。

在线的预测技术由于能及时预测设备状态的发展并提供维护的信息，越来越受到人们的重视，并成为目前技术攻关的课题。在现有的机电设备状态在线监测系统上附加状态趋势预测功能，由于具有较高的性价比，而成为实现设备状态在线监测及预测的优选方案。

当前采用的分析预测方式通常是由专业人员离线进行的，但理想的方式是由人工智能系统实时在线进行，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。

机组状态在线智能化趋势预测技术是一项先进技术，国家自然科学基金工程与材料科学部确定，国内大型机电设备状态监测及预报研究课题主要针对大中型机电设备，主要研究智能化在线状态分析和状态预测有关理论、方法，研究在线监测、人工智能分析设备经历的和当前的状态并预测发展趋势。