《大国重器》里用耳朵倾听设备的“哭泣声”，判断设备故障的朱祥英，是很多工厂老师傅的缩影。但随着机械设备自动化程度越来越高、设备越来越多，能“听音辨障”的老师傅越来越少，工厂还能用什么更智能化的手段判断设备故障，甚至是提前预知设备故障呢？本文将浅谈信号分析的在系统层面的技术应用，希望能带给你一点启发。

老师傅利用振动信号判断设备故障。实际上，从星系的运动，到地震、海啸、物体的运动与声、光、热，心脏的搏动、耳膜和声带的振动，甚至粒子的运动，振动无处不在。广义上的振动是指描述系统状态的参量（如温度、电压与速度等）在其基准值上下交替变化的过程。狭义的振动指机械振动，如设备、机床与机械结构的振动等。

我们需要了解振动是有两面性的。

振动有其积极的一面。例如振动是通信、广播、电视、雷达等工作的基础。在工业领域也有利用振动的生产装备和工艺，例如振动传输、振动筛选、振动研磨、振动抛光、振动沉桩、振动消除内应力等。它们极大地改善了劳动条件，成十、百倍地提高劳动生产率。

振动也有其消极的一面。例如振动会影响精密仪器设备的功能，降低加工精度和光洁度，加剧构件的疲劳和磨损，从而缩短机器和结构物的使用寿命。振动还可能引起结构的变形破坏，桥梁会因过度振动而坍毁；飞机机翼的不正常颤振、机轮的异常抖振往往造成事故；车船和机舱的振动会劣化乘载条件；强烈的振动噪声会形成严重的公害。

设备的过度振动是工业设备、设施或生产过程中经常遇到的问题。过度的振动通常是由于设备或组件对中不良，旋转设备不平衡或组件（例如螺栓）松动引起的。长时间的过度振动会导致设备损坏，甚至可能导致系统故障。

振动作为反映设备零件状态的一种信号，我们将对其的分析称为信号分析。这些信号分析的目的是确定测量对象在施加的负载或外力作用下如何响应，进而用于确定故障的根本原因。

信号分析是以设备可靠性为中心的日常维护、状态监测和预测性维护计划中的重要元素。识别和减轻振动问题的主要好处包括降低故障风险，延长设备寿命以及降低总体维护成本。

根据设备类型、存在的风险以及分析水平的不同，信号分析有如下几种技术：

1．振动信号测量与监测：监视是识别振动问题的最简单方法。通过在监测对象的多个位置安装振动传感器（例如探头），以获取有关振动模式的类型和大小的数据。记录的数据提供有关问题严重性以及下一步应执行哪种类型分析的信息。通过长期的监控，还可以确定适当的检查和维护间隔，并确定设施运行条件和振动问题之间的因果关系。此技术目前在各行业应用最广泛，为工厂客户解决了诸多类型的设备问题。

图．利用系统监测的设备振动信号

2．实验模态分析（Experimental　Modal　Analysis，EMA）：EMA是描述、理解和建模结构动态行为的有效工具，可以用于确定结构的固有频率和模态形状。常用于对振动问题进行故障排除。通常是对样品施加各种载荷。并测量所产生的振动信号。施加的载荷模拟了样品在运行条件下会经历的情况。此方法提供了一种理论解决方案，可用于纠正振动问题或校准计算模。

3．操作模态分析（Operational Modal Analysis，OMA）：OMA旨在根据结构在其操作条件下（即无初始激励或已知人工激励）收集的振动数据来识别结构的模态特性。与EMA相比，当背景噪声信号难以与实际振动信号区分开时，将执行OMA。设备运行时也可以执行OMA。通常通过安装振动传感器来测量工作振动模式和固有频率。

图．OMA测量设备固有频率

4．计算机模拟：有限元分析（Finite Element Analysis，FEA）和计算流体动力学（Computational Fluid Dynamics，CFD）是用于解决振动问题的两种常用计算工具。FEA能够模拟现实情况，在组件投入使用之前可以测试各种运行条件。CFD主要用于模拟在石油精炼厂或化学加工设施中经常发现的流动引起的振动问题。此技术主要应用在设施、设备的初期设计阶段，可以缩短研发周期，降低样机研发成本。

介绍了这么多技术手段，回到我们的主题，这些信号分析技术是如何完成老师傅的工作呢？

在实际工业应用场景中，信号分析可以对所有存在振动问题的设备进行分析。下面我们以某风力发电厂齿轮箱的检测为例。首先，通过在设备加装信号采集传感器，替代老师傅的耳朵，或他们手上用于听设备声音的扳手。下面是传感器收集到的齿轮箱相关信号：

数据传输至平台后，我们可以看到：测试时现场风速10m／s左右，高速轴转速1800rpm左右。齿轮箱测点高频段时域信号存在明显冲击，冲击频率约为高速轴转频的5．63阶；高频段信号频谱中主要特征为5．63阶高速轴转频及其谐频，且存在轻微的调制边带，调制频率与高速轴转频相符；测点信号解调谱中，主要特征为5．63阶高速轴转频及其谐频。

5．63阶高速轴转频与高速轴驱动端外侧球轴承外圈损伤特征频率相符。

根据系统监测情况，判断齿轮箱运行过程异常声音源于高速轴驱动端外侧球轴承外圈损伤所致，建议进对轴承进行更换。

现场对设备进行了拆解，拆解后发现主齿轮箱高速轴驱动端外侧球轴承外圈碎裂。与系统判断结果一致。

图．拆解后的轴承照片

至此，我们可以看到，结合设备机理模型、AI算法和信号分析技术，系统的使用可以替代老师傅的耳朵，判定设备的故障。而实时监测的信息，可以识别设备的细小微弱变化，提前告知设备的劣化趋势，更直观地呈现给设备企业，为企业制定维保策略提供科学的理论依据。