鸿宇风机(图)-隧道风机-风机

4) 其它方法

由于故障诊断正向智能化方向发展， 因此人工智能领域的其他方法， 模糊理论、模糊*网络[22， 23]

和粗

糙集理论[24~26]

等在诊断推理及诊断数据处理等方面也得到了应用， 有关介绍可以参阅相关文献。

4 国内外风机状态监测与故障诊断的现状[27， 28]

国外很早就对风机的振动进行了研究。20 世纪 80 年代， 一般的风机均配有自动检测系统，风机， 不但能判断

工况， 还能进行故障诊断， 预测使用寿命， 预报维修****限， 成功地对风机进行检测。如美国 Bently Nevada

等)也在旋转机械的故障征兆提取中得到了应用。

3 风机故障的诊断推理

目前， 故障诊断推理过程中采用的方法较多，屋顶风机， 按照它们隶属的学科体系， 可以将其分为 3 类: 基于控制模

型故障诊断、基于模式识别故障诊断和基于人工智能故障诊断。

(1) 基于控制模型的故障诊断

对于动态系统， 若通过理论或实验方法能够建立模型， 则系统参数或状态的变化可以直接反映设备物理

系统或物理过程变化， 为故障诊断提供依据。此方法涉及模型建立、参数估计、状态估计和观测器应用等技

比还有很大的差距， 系统所具备的功能不很完善，轴流风机， 在形成*的智能软件方面也还有一段距离。

参考文献:

[1]陈予恕， 田家玉， 金宗武，等.非线性动力学理论与大型火电机组振动故障综合治理技术[J].中国机械工程，1999，隧道风机， 10(9): 1063 -

1068.

[2] 徐敏， 张瑞林.设备故障诊断手册[M].西安: 西安交通大学出版社.1998:291 - 434

[3] 盛兆顺， 尹琦岭.设备状态监测与故障诊断技术及应用[M].北京: 化学工业出版社， 2003.

[4] 王江萍.机械设备故障诊断技术及应用[M].西安: 西北工业大学出版社， 2004.6