基于子空间学习的旋转机械故障诊断(2)
第一，可以在机械设备故障出现的早期就发现问题，及时文修，避免灾难性事故的发生；第二，现有的机械设备诊断方法大多是定期文修，其中难以避免会出现文修不足与文修过剩的问题，文修不足容易引发事故，文修过剩则是在浪费人力财力。先进的监测和诊断技术则可以节省大量的时间、人力、财力、物力，提高生产效益。据可靠资料统计，采用机械状态监测与故障诊断技术的预知文修技术后，日本企业的机械设备事故发生率减少了 75%，减少了人员伤亡，机械设备文修费用削减了 25-50%[5]，产生了明显的经济效益。新日铁公司由于采用基于状态监测和故障诊断技术的预知文修技术每年产生的纯利达 200 亿日元[6]。由此可见，旋转机械故障诊断技术对于正处于社会主义现代化浪潮中的中国而言具有重大的意义。我国对于设备故障诊断技术越来越重视。自八十年代以来，国家相继出台了多项政策来激励设备状态检测和故障诊断技术的提高，例如将相关技术列为重大攻关课题，并且持续投入了大量资金。如今，关键设备装置的监控与失效控制技术、重大产品和重大设施寿命预测技术和基于高可靠性的大型复杂系统和装备的系统设计技术被列为相关制造技术中急需解决的前沿技术[7]。
1.2 旋转机械故障诊断技术的研究内容及发展现状 在近几十年里，工业现代化发展及其迅速，与其伴随的是机械设备的高速发展，机械设备的集成化、信息化、智能化对设备故障诊断技术提出了更高的要求。现如今，机械设备故障诊断已经涉及诸多学科，也已经成为专门的科研领域。旋转机械的应用广泛又使得旋转机械故障诊断独立出来，成为一个研究课题。在旋转机械故障诊断中，为进一步方便研究又分为故障信息检测,故障特征分析,状态监测方法,故障机理研究,故障识别及其专家系统。