鸿宇风机(图)、锅炉风机、风机

根据监测情况及时调用系统内部的“知识库”， 通过数据分析与人机对话， 进行分级诊断， 并应用模糊模态识

别、不推理与分级综合评判的诊断策略， 得出诊断结论并给出故障发生的置信度与解决措施。还有郑州

工业大学的 MMDS- 9000 系统、西安交通大学的 RMDS 系统和 RD- 20、哈尔滨工业大学及浙江大学的 ZHZ-

10 系统、华中科技大学的 HZ- 1 系统。这些系统也能用于风机的故障诊断。

5 风机状态监测与故障诊断技术的发展趋势[29]

(1)整体系统， 已从单纯监测分析诊断向主动控制的方向发展。整个系统向着可靠性、智能化、开放性以及

与设备融合为一体的方向发展， 例如， 利用可控电磁阻尼器和参数可控挤压油膜阻尼器来在线消除机组失稳

广泛应用。其中， 经典功率谱估计方法(如周期图法、自相关法) 在工程实践中应用****为广泛， 但是，扫路风机， 该方法存

在着方差性能差， 分辨率低等局限。现代功率谱估计中的大熵谱估计和参数模型功率估计 (如 AR，MA，

ARMA 和 Prony 模型) ****了频率分辨率， 在振动信号的分析中也得到了应用。对于平稳信号而言， 其频域的

能量分布不随时间变化， 上述功率谱估计方法可以满足精度要求。

(2) 时频分析

风机状态监测的重要参数，风机， 该参数不但能够显示转子轴径相对滑动轴承位移， 反映轴承的预负荷， 而且

还可以提供转子的涡动频率和进动方向。

② 全息谱

能够反映转子弯曲和扭转振动的形式， 是针对类似风机的旋转机械故障征兆提取而提出的一种方法[12]

。

该技术在 FFT 算法的基础上，锅炉风机， 通过内插技术， 求得按自由方式采集的振动信号的幅值、频率和相位值，

然后将转子截面水平和垂直方向振动信号的幅值、频率和相位信息进行集成， 用合成的一系列椭圆来刻划不

同频率分量下的转子振动行为。全息谱包括二维全息谱、三维全息谱和全息谱阵。全息谱技术与传统的谱分