屈云海 張 輝

(南京林業(yè)大學(xué)江蘇省制漿造紙科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室，江蘇南京，210037)

工程振動問題一直是現(xiàn)代科學(xué)技術(shù)和工程實(shí)踐眾多領(lǐng)域中的重要課題之一。據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì)，60%以上的設(shè)備故障是由振動引起的，振動與機(jī)械的運(yùn)行狀態(tài)密切相關(guān)［1-2］。隨著生產(chǎn)技術(shù)的發(fā)展，工業(yè)機(jī)械有向大型、連續(xù)、復(fù)雜、高速、精細(xì)化方向發(fā)展的趨勢，由此帶來的工程振動問題更為突出，造紙機(jī)械也不例外。隨著近些年我國造紙工業(yè)的快速發(fā)展，造紙機(jī)械迅速與國際先進(jìn)水平接軌，許多中高速造紙機(jī)械的日常在線運(yùn)行監(jiān)測與維護(hù)都已經(jīng)依賴于在線振動監(jiān)測手段，相應(yīng)的造紙機(jī)械供應(yīng)商，如Voith、Metso等專門配套提供了造紙機(jī)械狀態(tài)監(jiān)測系統(tǒng);SKF、FAG等在國內(nèi)中高速紙機(jī)中最大的軸承供應(yīng)商也同時(shí)提供了振動在線監(jiān)測方案與技術(shù)。

造紙機(jī)械狀態(tài)監(jiān)測與故障診斷是利用信號處理技術(shù)對采集的振動數(shù)據(jù)進(jìn)行分析處理，然后模式識別，判斷機(jī)械設(shè)備是否異常，明確故障產(chǎn)生的原因、位置以及對故障進(jìn)行預(yù)測。由于振動監(jiān)測與故障診斷方法可保證造紙機(jī)械正常運(yùn)行，減少維修費(fèi)用，提高企業(yè)的經(jīng)濟(jì)效益，且實(shí)時(shí)性好，易與機(jī)械設(shè)備配套使用，對其進(jìn)行研究和應(yīng)用具有重要的現(xiàn)實(shí)意義。因此，本文在查閱大量國內(nèi)外文獻(xiàn)的基礎(chǔ)上，回顧、歸納了振動監(jiān)測技術(shù)及其應(yīng)用的發(fā)展過程，并結(jié)合造紙工業(yè)進(jìn)一步闡述了振動監(jiān)測與機(jī)械故障診斷技術(shù)在現(xiàn)代造紙機(jī)械中的應(yīng)用研究概況，提出了造紙機(jī)械振動監(jiān)測與故障診斷技術(shù)的發(fā)展趨勢及研究方向。

1 振動監(jiān)測與機(jī)械故障診斷技術(shù)的發(fā)展概況

從70年多前簡單的振幅測量發(fā)展到現(xiàn)在利用復(fù)雜的動態(tài)特征繪制的機(jī)械運(yùn)行狀態(tài)圖，機(jī)械振動監(jiān)測和故障診斷技術(shù)已成為現(xiàn)代工業(yè)安全生產(chǎn)和設(shè)備可靠運(yùn)行的重要保障。根據(jù)振動監(jiān)測技術(shù)的發(fā)展及其在工業(yè)機(jī)械中的應(yīng)用進(jìn)程，可將振動監(jiān)測與故障診斷技術(shù)分為以下幾個主要發(fā)展階段。

1.1 振動測量和機(jī)械運(yùn)行狀態(tài)量化的興起

1939年，針對美國富士達(dá)公司發(fā)生的重大傷亡事故，美國 T.C.Rathbone在 《Power Plant Engineering》發(fā)表的“振動容限”中首次提出通過測量振動判斷機(jī)械運(yùn)行狀態(tài)的觀點(diǎn)，并制定了大型旋轉(zhuǎn)機(jī)械的振動標(biāo)準(zhǔn)。

早期的振動測量大多都是利用機(jī)械裝置完成的，但隨電子技術(shù)的發(fā)展，出現(xiàn)了電子振動測量裝置，如相繼應(yīng)用在工程機(jī)械振動測量的位移傳感器、速度傳感器、加速度傳感器等。

1.2 振動分析的發(fā)展及應(yīng)用

1.2.1 振動分析理論、技術(shù)的研究

1950年，美國的Arthur R.Crawford著有《振動分析的簡化手冊》一書，從理論和實(shí)際應(yīng)用兩方面分析了振動。1952年成立的IRD(International Research＆Development)也一直致力于頻率分析和狀態(tài)評估方面的研究，且處于領(lǐng)先地位。1968年，美國的John Sohre在發(fā)表“高速旋轉(zhuǎn)機(jī)械的操作問題產(chǎn)生的原因及矯正”的文章中，描述了旋轉(zhuǎn)機(jī)械的振動征兆，并分析了故障的可能原因。1979年，美國的Charlie Jackson出版了《實(shí)用化振動入門》。此外，美國的Ralph Buscarello潛心于振動分析和狀態(tài)估計(jì)的研究工作，利用各種振動測量值和診斷方法進(jìn)行綜合診斷，擴(kuò)展了診斷知識的體系結(jié)構(gòu);俄羅斯的Alexei Barkov對滾動軸承缺陷的檢測方法進(jìn)行了詳細(xì)描述;美國的James I.Taylor發(fā)展了對軸承和齒輪故障進(jìn)行時(shí)頻域分析的方法;丹麥的Robert Randall完善了倒頻譜分析方法;Bob Randall于2004年在《聲學(xué)和振動》上發(fā)表了2篇描述機(jī)械監(jiān)測技術(shù)的文章;美國的James E.Berry利用一系列非常實(shí)用、全面的振動故障診斷圖促進(jìn)了機(jī)械故障診斷技術(shù)的發(fā)展。

振幅雖然能直觀地衡量機(jī)器的振動烈度，但不能表征當(dāng)前缺陷的類型，而頻率具有故障定性的功能［3］?；趯︻l率認(rèn)識的不斷深化，相應(yīng)的技術(shù)也得到了發(fā)展和應(yīng)用:美國海軍解決了信頻帶分離問題;丹麥的Brüel＆Kj?r公司主張“恒百分比”帶寬濾波;瑞典發(fā)明的沖擊脈沖法和美國首創(chuàng)的共振解調(diào)法都應(yīng)用在滾動軸承的故障診斷中。

1.2.2 振動分析儀器的研制

20世紀(jì)60年代后期，工程技術(shù)人員利用手持式測振儀對機(jī)械的振動情況進(jìn)行測量。20世紀(jì)70年代出現(xiàn)了利用速度傳感器和手動調(diào)諧濾波器進(jìn)行振動監(jiān)測的方法，但該方法只能給出簡單振動信號中能量較高的頻率成分。20世紀(jì)70年代，本特利內(nèi)華達(dá)公司(Bently Nevada)研制出了一種時(shí)域分析儀ADRE。20世紀(jì)80年代中期，加速度傳感器和便攜式磁帶記錄儀應(yīng)用在機(jī)械振動監(jiān)測上，隨后又開發(fā)了多通道調(diào)頻式磁帶記錄儀。

20世紀(jì)60年代以來，一些學(xué)者和科研人員一直致力于實(shí)時(shí)振動分析的研究。美國的Dave Mellon和Larry Mitchell最先開始了實(shí)時(shí)頻率分析的研究;隨后，美國的Richard Burchill利用實(shí)時(shí)頻率分析技術(shù)開展了設(shè)備故障現(xiàn)場分析。1972年，題為“頻譜分析在機(jī)械過程的狀態(tài)監(jiān)測與故障診斷中的應(yīng)用”的文章在美國德克薩斯A＆M大學(xué)舉辦的第一屆旋轉(zhuǎn)機(jī)械會議上發(fā)表;此時(shí)，光譜動力學(xué)公司(Spectral Dynamics Corporation)也出版了許多應(yīng)用隨筆，記錄了機(jī)器實(shí)時(shí)分析內(nèi)容，尤其是齒輪診斷。鑒于發(fā)展迅速的實(shí)時(shí)頻率分析技術(shù)，研制出了多種實(shí)時(shí)分析儀。早期的實(shí)時(shí)分析儀大而笨重，最初是以時(shí)間壓縮和快速掃頻濾波技術(shù)為基礎(chǔ)進(jìn)行設(shè)計(jì)的，能夠在線實(shí)時(shí)地把復(fù)雜振動信號變換成幅值頻譜，利用頻率特征識別機(jī)械缺陷，對機(jī)械運(yùn)行狀態(tài)進(jìn)行評估。1965年快速傅里葉變換(FFT)和算法語言的出現(xiàn)［4］，推動了實(shí)時(shí)分析技術(shù)的發(fā)展，開發(fā)出了FFT分析儀。在20世紀(jì)70年代后期，F(xiàn)FT分析儀基本替代了壓縮型實(shí)時(shí)分析儀。

1.3 振動監(jiān)測與機(jī)械故障診斷裝置、系統(tǒng)的開發(fā)

20世紀(jì)70年代中后期，就大型旋轉(zhuǎn)機(jī)械軸位移監(jiān)測系統(tǒng)響應(yīng)滯后問題，開發(fā)了實(shí)時(shí)在線自動監(jiān)測診斷系統(tǒng)。

20世紀(jì)80年代初，利用能進(jìn)行FFT分析的微處理器和存儲器組合成了便攜式數(shù)據(jù)采集器，AVM-1是最早的一種便攜式數(shù)據(jù)采集器。1984年，丹麥Palomar Technology International Inc公司推出了一款便攜式數(shù)據(jù)采集器，具有實(shí)驗(yàn)室FFT分析儀的變焦、顯示波形的功能，之后美國計(jì)算機(jī)系統(tǒng)公司(CSI)又對該款采集器進(jìn)行了完善。

1983年，美國能源技術(shù)公司(Technology for Energy Corporation)和IRD推出了智能儀表。此外，美國的John Hawkins使用標(biāo)準(zhǔn)組件和自我開發(fā)的軟件實(shí)現(xiàn)了振動數(shù)據(jù)采集的電腦化。20世紀(jì)90年代中期，計(jì)算機(jī)數(shù)據(jù)采集系統(tǒng)突破了記錄儀在機(jī)械狀態(tài)監(jiān)測中的局限，涌現(xiàn)出一大批以數(shù)字信號處理器(DSP)為核心的多通道實(shí)時(shí)動態(tài)信號分析儀［5］。

1.4 機(jī)械狀態(tài)監(jiān)診用傳感技術(shù)的研究

概括地說，故障診斷方法可以分為兩類:基于模型和基于數(shù)據(jù)驅(qū)動［6］?，F(xiàn)代工業(yè)機(jī)械越來越復(fù)雜，建立對應(yīng)的數(shù)學(xué)模型愈加困難。鑒于此，基于數(shù)據(jù)驅(qū)動的故障診斷方法得以發(fā)展?；跀?shù)據(jù)驅(qū)動的診斷方法需大量機(jī)械運(yùn)行狀態(tài)的歷史數(shù)據(jù)和在線檢測數(shù)據(jù)，目前對傳感技術(shù)研究較多。信息融合技術(shù)開始應(yīng)用在故障診斷領(lǐng)域，并形成了多傳感器信息集成故障診斷方法［7］。隨著信號處理技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，出現(xiàn)了多傳感器信息融合技術(shù)結(jié)合小波分析、神經(jīng)網(wǎng)絡(luò)和D-S推理的診斷故障的方法［8］，并發(fā)展了相干函數(shù)確定多傳感器信息數(shù)據(jù)級融合加權(quán)值［9］的技術(shù)。此外，神經(jīng)網(wǎng)絡(luò)也促進(jìn)了多傳感器信息特征級融合技術(shù)的發(fā)展［10］。為了提高故障診斷的精度，傳感器優(yōu)化布置與傳感器故障的識別、診斷等方面的研究取得了較大進(jìn)展［11-16］。智能化傳感器、傳感器的新材料及新加工工藝也有一定的研究［17-18］。

1.5 機(jī)械監(jiān)診方法及關(guān)鍵技術(shù)研究進(jìn)展

1.5.1 機(jī)械狀態(tài)監(jiān)診的綜合技術(shù)

潤滑油化學(xué)分析始于20世紀(jì)50年代，鐵譜碎片監(jiān)測技術(shù)在20世紀(jì)70年代中期開始應(yīng)用。這兩種方法被視為獨(dú)立的分析技術(shù)，當(dāng)時(shí)沒有與振動分析技術(shù)結(jié)合形成更加完整的機(jī)械運(yùn)行狀態(tài)監(jiān)診技術(shù)的思路，只能診斷出部分機(jī)械故障［19］。此外，其他監(jiān)診技術(shù)，如電機(jī)電流分析、紅外熱成像分析、超聲波分析，機(jī)器效率和性能分析也是各自獨(dú)立的故障診斷方法。為了提高設(shè)備監(jiān)診效果，20世紀(jì)90年代呈現(xiàn)出利用各種監(jiān)診技術(shù)綜合診斷的發(fā)展趨勢，如20世紀(jì)90年代中后期，利用狀態(tài)監(jiān)測軟件將振動和油液分析數(shù)據(jù)結(jié)合起來，為分析人員提供了更完整的機(jī)器運(yùn)行狀態(tài)。

振動故障診斷方法、油液分析故障診斷方法和紅外熱成像故障診斷方法作為造紙機(jī)械故障診斷常用方法，具有不同的特點(diǎn)，如表1所示。隨著造紙工業(yè)生產(chǎn)過程不斷復(fù)雜化，綜合監(jiān)診技術(shù)的應(yīng)用日益廣泛，現(xiàn)已成為造紙裝備故障達(dá)到最佳監(jiān)診效果的重要手段［20-21］。

表1 不同造紙機(jī)械故障診斷方法的對比

1.5.2 先進(jìn)振動信號處理技術(shù)的應(yīng)用

振動監(jiān)測與故障診斷技術(shù)作為設(shè)備維修管理的主要手段，若要進(jìn)一步發(fā)展，必須增強(qiáng)對振動信號的分析處理、提取信號特征的能力。由于造紙機(jī)械實(shí)際產(chǎn)生的振動信號具有非平穩(wěn)性、非線性等特點(diǎn)，傳統(tǒng)的信號處理方法已不能適應(yīng)實(shí)際生產(chǎn)運(yùn)行中振動信號的處理。如軸承故障診斷中，利用傳統(tǒng)的FFT方法難以從淹沒在噪聲中的振動信號中得到軸承的故障特征頻率［22］。鑒于傳統(tǒng)信號處理方法的不足，小波分析、Hilbert-Huang變換等先進(jìn)的信號處理技術(shù)應(yīng)運(yùn)而生。

小波變換于20世紀(jì)80年代后期發(fā)展起來，起初由法國數(shù)學(xué)家 Y.Meyer、物理學(xué)家 J.Morlet和 A.Grossman構(gòu)成小波變換的理論框架，后經(jīng)法國學(xué)者I.Daubechies和S.Mallat引用到工程信號處理領(lǐng)域。利用小波分析可以提取振動信號中能較好地反映機(jī)械運(yùn)行狀態(tài)的能量特征［23］，增強(qiáng)振動監(jiān)測診斷系統(tǒng)的診斷精度和可靠性［24］。

隨著科學(xué)理論的發(fā)展，一種比小波分析更適合處理非平穩(wěn)信號的信號處理方法——Hilbert-Huang變換［25］(HHT)已形成并應(yīng)用。HHT方法克服了小波分析的恒定多分辨率、運(yùn)算時(shí)間長的缺點(diǎn)，能根據(jù)振動信號的局部時(shí)變特征進(jìn)行自適應(yīng)的時(shí)頻分解［26］，可消除人為因素，具有廣闊的發(fā)展前景。

1.5.3 智能故障診斷技術(shù)的應(yīng)用

“人工智能”一詞最早是在1956年Dartmouth學(xué)會上提出。在計(jì)算機(jī)科學(xué)與技術(shù)的支持下，人工智能技術(shù)得以形成并迅猛發(fā)展。因現(xiàn)代工業(yè)設(shè)備及生產(chǎn)過程的復(fù)雜化，傳統(tǒng)的單一、固定的故障診斷方法不足以滿足復(fù)雜系統(tǒng)診斷的要求，故人工智能技術(shù)被不斷應(yīng)用到現(xiàn)代機(jī)械故障診斷，形成了智能故障診斷方法。智能故障診斷的理論與方法主要有:專家系統(tǒng)、模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)。

最早的振動專家系統(tǒng)是由IRD在20世紀(jì)80年代中期開發(fā);此外，Azima DLI工程公司也開發(fā)了一個振動專家系統(tǒng)，提高了美國海軍航空母艦狀態(tài)維修技術(shù)水平。1988年，加拿大某公司開始致力于基于規(guī)則的專家系統(tǒng)的研究;在20世紀(jì)90年代初期，美國艾默生公司開發(fā)并推出了基于規(guī)則的振動專家系統(tǒng)，多次測試結(jié)果表明，該系統(tǒng)應(yīng)用效果非常顯著。專家系統(tǒng)在造紙機(jī)械振動監(jiān)測與故障診斷中應(yīng)用非常成功［27］，在國內(nèi)最早應(yīng)用的是1997年建成的金東紙業(yè)1#、2#紙機(jī)生產(chǎn)線上配套的 ABB公司的在線專家系統(tǒng)。

模糊理論由美國加利福尼亞大學(xué)的Zadeh教授于20世紀(jì)60年代提出，最初在控制領(lǐng)域取得巨大成功。自從1992年IEEE(美國電氣和電子工程師協(xié)會)首屆國際模糊系統(tǒng)會議后，模糊邏輯開始廣泛應(yīng)用于工程機(jī)械故障診斷，并逐步形成了成熟的模糊故障診斷技術(shù)。

關(guān)于人工神經(jīng)網(wǎng)絡(luò)的研究可以追溯到20世紀(jì)40年代。1943年，美國心理學(xué)家W.S.McCulloch和數(shù)理邏輯學(xué)家W.Pitts提出神經(jīng)元的模型;美國物理學(xué)家Hopfield于1982、1984年在美國科學(xué)院院刊上發(fā)表了2篇關(guān)于人工神經(jīng)網(wǎng)絡(luò)的文章，掀起了人工神經(jīng)網(wǎng)絡(luò)研究的熱潮;20世紀(jì)80年代末期，神經(jīng)網(wǎng)絡(luò)開始應(yīng)用于機(jī)械設(shè)備故障診斷;1988年美國的Unger和Powell描述了用于故障診斷的神經(jīng)網(wǎng)絡(luò);其后，日本、美國等國家進(jìn)行了神經(jīng)網(wǎng)絡(luò)故障診斷的工程實(shí)踐。

目前，關(guān)于智能故障診斷的研究與應(yīng)用較多。例如，單一智能診斷技術(shù)的使用、混合智能故障診斷方法的研究、混合智能故障診斷系統(tǒng)的開發(fā)［28-29］以及利用先進(jìn)的振動信號處理技術(shù)和智能故障診斷技術(shù)進(jìn)行機(jī)械振動監(jiān)測與故障診斷的研究［30-33］。

1.5.4 機(jī)械故障數(shù)值模擬的研究及應(yīng)用

故障機(jī)理的研究作為一項(xiàng)基礎(chǔ)而又必要的工作，揭示了故障的內(nèi)在本質(zhì)和產(chǎn)生原因，是準(zhǔn)確診斷故障的前提。由于計(jì)算機(jī)的出現(xiàn)，人類解決問題的方法趨向于:提出問題;問題的數(shù)學(xué)化、軟件化;數(shù)值仿真;問題求解。機(jī)械故障數(shù)值模擬的一般過程為:機(jī)構(gòu)或系統(tǒng)的實(shí)體建模;運(yùn)動學(xué)或動力學(xué)仿真;仿真結(jié)果分析。通過數(shù)值模擬再現(xiàn)機(jī)械故障，加深對故障機(jī)理的研究，不斷完善故障知識庫，為智能診斷奠定了基礎(chǔ)［34-36］。故障診斷的虛擬化即機(jī)械故障的數(shù)值仿真，故障診斷的現(xiàn)實(shí)化為經(jīng)數(shù)據(jù)采集、處理、分析、故障模式識別、決策制定等過程的診斷，將故障診斷的虛擬化和現(xiàn)實(shí)化相結(jié)合可提高診斷的準(zhǔn)確性。然而，機(jī)械故障數(shù)值模擬的理論研究較多，在生產(chǎn)實(shí)踐領(lǐng)域應(yīng)用卻頗少。機(jī)械故障診斷作為一種實(shí)用性非常強(qiáng)的技術(shù)，需不斷推廣機(jī)械故障數(shù)值模擬應(yīng)用的深度和廣度。

1.5.5 支持向量機(jī)用于故障診斷的研究

支持向量機(jī)(Support Vector Machine，SVM)是V.Vapink于1995年提出的一種基于統(tǒng)計(jì)學(xué)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，主要應(yīng)用于模式識別領(lǐng)域。隨著近幾年支持向量機(jī)的理論研究和算法實(shí)現(xiàn)等方面的不斷發(fā)展，加大了其應(yīng)用的深度和廣度。支持向量機(jī)應(yīng)用于機(jī)械故障診斷領(lǐng)域，形成了決策樹算法結(jié)合支持向量機(jī)進(jìn)行旋轉(zhuǎn)機(jī)械故障診斷的方法，并在其中突出振動信號檢測位置、優(yōu)化故障分類的重要性［37-39］。不過，在支持向量機(jī)研究過程中，也出現(xiàn)了不少問題，如不同情況下的核函數(shù)選擇、現(xiàn)有算法的計(jì)算速度不能滿足人們與日俱增的要求等。

2 振動監(jiān)測與機(jī)械故障診斷技術(shù)在造紙機(jī)械中的應(yīng)用及研究概況

造紙機(jī)械自動化程度高、工作環(huán)境惡劣、結(jié)構(gòu)復(fù)雜、部件聯(lián)系緊密的特征決定了振動狀態(tài)監(jiān)測與故障診斷技術(shù)具有很高的實(shí)用價(jià)值，且趨勢愈加凸顯。為此，B.Al-Najjar建立了一個經(jīng)濟(jì)模型來描述和量化基于振動的維修方式對紙廠商業(yè)運(yùn)行的影響，并利用瑞典某紙廠的實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行此經(jīng)濟(jì)模型的計(jì)算，證實(shí)了基于振動的維修方式具有降低工廠生產(chǎn)成本、提高生產(chǎn)效率和利潤的優(yōu)勢［40］。

2.1 國外研究與應(yīng)用現(xiàn)狀

國外對造紙機(jī)械故障診斷技術(shù)的研究及應(yīng)用較早。20世紀(jì)80年代末期，先進(jìn)的造紙生產(chǎn)線就已開始陸續(xù)配套使用簡易診斷與精密診斷相結(jié)合的狀態(tài)監(jiān)測與故障診斷系統(tǒng)，目前，所有生產(chǎn)線已全部采用。

Virtanen Timo和Paanasalo Jari就卷紙機(jī)上配套的現(xiàn)代故障診斷系統(tǒng)開展了研究工作［41］;Basim Al-Najjar提出利用紙廠滾動軸承動態(tài)振動信號的包絡(luò)值作為故障報(bào)警值，可提高其振動監(jiān)測的效果［42］;O'Sullivan和Matt利用Bruel＆Kjaer公司的狀態(tài)監(jiān)測系統(tǒng)監(jiān)測荷蘭Parenco紙廠造紙機(jī)上6000個測點(diǎn)的振動情況，及早檢測、診斷故障，并進(jìn)行故障趨勢分析以預(yù)測設(shè)備的剩余壽命［43］。

造紙工業(yè)作為連續(xù)過程工業(yè)，現(xiàn)代高速造紙機(jī)的任意一個部位發(fā)生故障，都有可能產(chǎn)生連鎖反應(yīng)，需在線連續(xù)監(jiān)測其運(yùn)行狀況。I.Martin、D.Pearce和A.Self使用分布式的振動監(jiān)測系統(tǒng)在線監(jiān)測造紙機(jī)械的運(yùn)行狀態(tài)，并及時(shí)發(fā)現(xiàn)異常、診斷故障［44］。此外，Yin K.Karen、Yang Hongchuan和 Cramer Ferris也進(jìn)行了造紙過程在線監(jiān)測和診斷的研究［45］;Basim Al-Najjar指出，在監(jiān)測造紙機(jī)各部件振動情況的過程中，要實(shí)時(shí)測量紙機(jī)車速和載荷變化，這有助于解釋振動信號發(fā)生變化的原因，提高故障診斷的準(zhǔn)確性和有效性［46］;Arum Menon針對造紙機(jī)超級壓光輥數(shù)量多、結(jié)構(gòu)復(fù)雜、故障診斷困難的情況，進(jìn)行了多角度測量分析，如工況振動測量、轉(zhuǎn)速跟蹤測量、工況振型測量、試驗(yàn)?zāi)B(tài)分析［47］等。

目前，國外工程技術(shù)人員依據(jù)最新的理論成果，正致力于造紙機(jī)械遠(yuǎn)程診斷、效率診斷、風(fēng)險(xiǎn)診斷等方法的研究與開發(fā)［48］。

2.2 國內(nèi)研究現(xiàn)狀

在國內(nèi)，由于過去造紙工業(yè)的裝備水平較低、自動化程度不高，從經(jīng)濟(jì)與技術(shù)角度不易配套使用故障診斷系統(tǒng)，造成造紙機(jī)械故障診斷技術(shù)起步較晚。但近些年來，我國造紙裝備有了質(zhì)的飛躍，自1997年起，大量先進(jìn)的造紙機(jī)械特別是高速紙機(jī)相繼投產(chǎn)，故障診斷技術(shù)也相應(yīng)地得到了迅猛發(fā)展。

旋轉(zhuǎn)機(jī)械是造紙機(jī)的主要組成部分，各種轉(zhuǎn)動件的監(jiān)測診斷是造紙機(jī)監(jiān)診的重點(diǎn)，對其研究較多。國內(nèi)已開發(fā)出了“高速旋轉(zhuǎn)機(jī)械的狀態(tài)監(jiān)測與故障診斷系統(tǒng)RB-20”監(jiān)診軟件。清華大學(xué)、哈爾濱工業(yè)大學(xué)等單位共同攻克了“大型旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測分析與故障診斷研究技術(shù)”這一重大科技項(xiàng)目［49］。1995年，吉林造紙廠某紙機(jī)進(jìn)行技改時(shí)，將車速由當(dāng)時(shí)的400 m/min提高到 550 ～600 m/min，張宏宇等［50］就烘缸動不平衡是否會成為提速的障礙、提速后設(shè)備是否存在故障隱患進(jìn)行了監(jiān)測診斷;張宏等［51］將利用振動信號的均方根值、峰值、峭度值等時(shí)域統(tǒng)計(jì)特征計(jì)算出的軸承特征距離值作為紙機(jī)烘缸軸承故障的診斷指標(biāo)，開展了監(jiān)測診斷工作;張笑如等［52］運(yùn)用線性譜和包絡(luò)譜分析法處理紙機(jī)干燥部運(yùn)行過程中烘缸軸承振動信號，得到其變化規(guī)律，跟蹤監(jiān)測烘缸軸承的劣化過程;為簡化振動頻譜、提高故障診斷的準(zhǔn)確性，楊超等［53］應(yīng)用倒頻譜分析技術(shù)進(jìn)行造紙機(jī)壓榨部滾動軸承故障的監(jiān)測與診斷;杜聯(lián)朝等［54］基于對共振解調(diào)技術(shù)進(jìn)行滾動軸承故障診斷的原理和方法的認(rèn)識，開發(fā)出了一款檢測和診斷造紙機(jī)滾動軸承故障的軟件系統(tǒng)。此外，還有關(guān)于造紙機(jī)壓榨部、壓光部相應(yīng)的輥?zhàn)右约皾L動軸承的振動監(jiān)測與故障診斷方面的研究［55-57］。

大型造紙機(jī)運(yùn)行過程中，當(dāng)外界激勵頻率與紙機(jī)結(jié)構(gòu)的固有頻率相近時(shí)，紙機(jī)會產(chǎn)生共振現(xiàn)象，此時(shí)振動最劇烈，各部件最易發(fā)生故障。若紙機(jī)的常規(guī)振動監(jiān)測頻譜中的異常頻率難以找到對應(yīng)的結(jié)構(gòu)部件，則需通過對該部件或部套的振動特性的研究(即共振頻率的測量)來確定故障原因。張輝等［58］針對某紙廠現(xiàn)代高速紙機(jī)壓榨部的動態(tài)運(yùn)行過程和結(jié)構(gòu)動力共振現(xiàn)象進(jìn)行了跟蹤研究，并取得了較大進(jìn)展。蒯行成［59］和蘇雄波等［60］利用有限元分析法分別就大型造紙機(jī)整機(jī)和壓榨部機(jī)架的動力特性進(jìn)行了分析和研究。

隨著計(jì)算機(jī)技術(shù)的發(fā)展，虛擬儀器逐漸滲入到造紙機(jī)振動監(jiān)測與故障診斷系統(tǒng)中。李運(yùn)來等［61］應(yīng)用虛擬儀器技術(shù)監(jiān)測、分析了造紙機(jī)旋轉(zhuǎn)機(jī)械故障信號，并在此基礎(chǔ)上，開發(fā)出了基于虛擬儀器的紙機(jī)滾動軸承故障診斷系統(tǒng)［62］。

2.3 國內(nèi)應(yīng)用情況

2.3.1 國內(nèi)應(yīng)用企業(yè)

現(xiàn)代化紙機(jī)如果發(fā)生故障而停機(jī)1 h將直接損失十幾萬元以上;維修費(fèi)用也大幅度增加，如壓榨部、壓光部等各類輥?zhàn)?，工作?fù)荷大，運(yùn)行精度要求高，維修更換費(fèi)時(shí)、費(fèi)力、費(fèi)錢，且運(yùn)行中的檢查已不是采用傳統(tǒng)的人工或簡易儀器所能解決。因此，造紙工業(yè)的裝備特別是造紙機(jī)的特征決定了狀態(tài)監(jiān)測與故障診斷技術(shù)系統(tǒng)具有重大價(jià)值。

國內(nèi)新建外資企業(yè)首先配套了較完整的監(jiān)測診斷系統(tǒng)。如鎮(zhèn)江金東紙業(yè)在1997年投產(chǎn)的2條年產(chǎn)35萬t高級文化紙的生產(chǎn)線上配套了ABB在線智能診斷系統(tǒng)SDS(Smart Diagnostic System)和CSI公司的離線MA。SDS是MTC(Monitoring Technology Corporation)設(shè)計(jì)開發(fā)的一套智能診斷系統(tǒng)。

后來國內(nèi)企業(yè)在新建的進(jìn)口紙機(jī)以及國產(chǎn)中高速紙機(jī)上陸續(xù)開始應(yīng)用了監(jiān)測診斷系統(tǒng)。如湖南泰格林紙業(yè)集團(tuán)2008年在已投產(chǎn)的2臺高速紙機(jī)上重新配套了Metso監(jiān)視紙機(jī)設(shè)備運(yùn)行性能和狀態(tài)變化的系統(tǒng)。

2.3.2 造紙機(jī)狀態(tài)監(jiān)測部位的主要分布

造紙機(jī)狀態(tài)監(jiān)測與故障診斷包括對造紙機(jī)的運(yùn)行性能和運(yùn)行狀態(tài)兩方面的監(jiān)測與診斷。

運(yùn)行性能監(jiān)視(PMRM)是監(jiān)測不同轉(zhuǎn)動設(shè)備部件對造紙機(jī)運(yùn)行過程中重要參數(shù)的影響效果，是通過測量壓力脈沖、振動、紙張質(zhì)量和轉(zhuǎn)速來完成的。測量點(diǎn)被連接到計(jì)算機(jī)監(jiān)測站以對測量信號進(jìn)行同步時(shí)間平均法(STA)計(jì)算，用于討論的測量數(shù)據(jù)、趨勢數(shù)據(jù)和應(yīng)用計(jì)算的結(jié)果會被存儲。趨勢數(shù)據(jù)用來分析不同參數(shù)的變化幅度，能對時(shí)域信號和頻譜進(jìn)行計(jì)算并詳細(xì)分析。監(jiān)測目標(biāo)包括紙張質(zhì)量、壓區(qū)振動和流漿箱的壓力波動。被監(jiān)測參數(shù)的總體變化，以每個監(jiān)視設(shè)備所占比例的形式顯示給監(jiān)測人員。通過這種方法，監(jiān)測人員可以看到每臺設(shè)備部件對紙機(jī)運(yùn)行性能所產(chǎn)生的影響。主要監(jiān)測點(diǎn)分布包括:泵脈沖發(fā)生器、篩脈沖發(fā)生器、篩后壓力測量、上漿泵壓力測量、管束壓力測量(兩側(cè))、毛毯脈沖發(fā)生器、壓區(qū)輥?zhàn)诱駝印簠^(qū)輥?zhàn)用}沖發(fā)生器、Sym-roll的壓力測量、刮刀加載壓力振動、輥?zhàn)用}沖發(fā)生器、輥?zhàn)诱駝拥取?/p>

在運(yùn)行狀態(tài)監(jiān)測(PMCM)中，以振動測量為基礎(chǔ)監(jiān)測造紙機(jī)的機(jī)械設(shè)備狀態(tài)。通過狀態(tài)監(jiān)測，能在早期檢測到機(jī)械故障，及時(shí)安排維修工作，減少計(jì)劃外停機(jī)。運(yùn)行狀態(tài)監(jiān)測是通過傳感器和分析站完成的。系統(tǒng)測量振動信號，并將測量結(jié)果用于計(jì)算時(shí)域信號、頻譜、包絡(luò)線。

在振動監(jiān)測中每一個分析傳感器都要進(jìn)行低頻段的RMS和速度、中頻段RMS和加速度、寬頻段RMS和峰值及加速度特性曲線的計(jì)算。狀態(tài)監(jiān)測計(jì)算出來的時(shí)域信號和頻譜顯示為兩個不同的波段。另外，包絡(luò)線也被計(jì)算出來。

軸承監(jiān)測以監(jiān)測典型的軸承缺陷故障為基礎(chǔ)，在造紙機(jī)狀態(tài)監(jiān)測與故障診斷系統(tǒng)中保存有來自不同廠家的各種各樣的軸承數(shù)據(jù)庫，從中可以得到每個軸承的機(jī)械參數(shù)。利用這些參數(shù)和被測量設(shè)備的轉(zhuǎn)速，系統(tǒng)計(jì)算外圈、內(nèi)圈、滾子和軸承保持架的故障頻率，當(dāng)這些頻率與數(shù)據(jù)庫中描述的情況類似時(shí)就會給操作人員發(fā)出警告。

當(dāng)輥?zhàn)友b有觸發(fā)傳感器和振動傳感器時(shí)，輥?zhàn)拥恼駝颖O(jiān)測以同步振動測量(STA)計(jì)算為基礎(chǔ)，該系統(tǒng)同時(shí)對輥?zhàn)拥膬啥饲闆r都進(jìn)行分析，在極坐標(biāo)圖中可以看到相位差。輥?zhàn)拥恼駝犹匦杂脙蓚€頻段即低頻和中頻的形式計(jì)算。另外，還計(jì)算輥?zhàn)硬黄胶?、偏心率和軸承蓋松動的特性參數(shù)。計(jì)算得到的同步時(shí)域信號和頻譜顯示為兩個頻段，同步時(shí)域信號以相鄰的極坐標(biāo)形式顯示。

通過基本監(jiān)測分析和軸承監(jiān)測分析來監(jiān)測電機(jī)狀態(tài)，形成帶固定連接振動傳感器的狀態(tài)監(jiān)視系統(tǒng)。

造紙機(jī)監(jiān)測系統(tǒng)的功能是產(chǎn)生快速和精確的故障檢測信號。主要監(jiān)測點(diǎn)分布包括:導(dǎo)網(wǎng)輥、驅(qū)網(wǎng)輥、影響網(wǎng)部傳動運(yùn)行性能的輥?zhàn)雍退俣让}沖發(fā)生器的信號;吸移輥、毛布導(dǎo)輥、真空引紙輥和壓榨部傳動的信號;各烘缸傳動側(cè)與操作側(cè)軸承、干燥部傳動、干網(wǎng)導(dǎo)輥、風(fēng)機(jī)及相應(yīng)電機(jī)等的信號;施膠壓榨輥、卷取缸、軟壓光輥傳動、涂布機(jī)傳動、卷取機(jī)傳動和卷取機(jī)速度脈沖發(fā)生器的信號;約500個潤滑點(diǎn)的組態(tài)，帶有橢圓齒輪流量計(jì)的分站紙機(jī)循環(huán)油潤滑系統(tǒng)。

3 造紙機(jī)械振動監(jiān)測與故障診斷技術(shù)的發(fā)展趨勢

3.1 振動監(jiān)測系統(tǒng)與生產(chǎn)過程控制系統(tǒng)的集成

實(shí)踐證明，在線軸位移監(jiān)測系統(tǒng)對配有油膜軸承的大型、關(guān)鍵設(shè)備的維護(hù)管理是必不可少的。設(shè)備發(fā)生故障時(shí)，若不及時(shí)加以干預(yù)，該設(shè)備會繼續(xù)非正常地運(yùn)行下去，直至造成生產(chǎn)過程的崩潰;今后振動監(jiān)測與故障診斷技術(shù)的應(yīng)用范圍將從機(jī)械故障擴(kuò)大到機(jī)械故障和過程故障診斷的集成。

3.2 降低通用機(jī)械設(shè)備監(jiān)測成本

造紙機(jī)械設(shè)備也包括電機(jī)、風(fēng)機(jī)、泵等通用設(shè)備，這些設(shè)備的數(shù)量較多，安裝位置分散，工作環(huán)境復(fù)雜。進(jìn)行通用設(shè)備的監(jiān)測和故障診斷對提高工業(yè)生產(chǎn)的穩(wěn)定性很有必要。這類設(shè)備數(shù)量較多，若每臺設(shè)備都配置故障診斷裝置成本很高。如何降低通用設(shè)備連續(xù)監(jiān)測成本是一個亟待解決的問題。目前，一些學(xué)者和工程技術(shù)人員正致力于這方面的研究。現(xiàn)已有采用無線傳感器網(wǎng)絡(luò)監(jiān)測模式構(gòu)建的機(jī)械狀態(tài)監(jiān)測系統(tǒng)以及在通用設(shè)備中內(nèi)嵌智能儀器，利用無線信號通訊技術(shù)進(jìn)行集中狀態(tài)監(jiān)測與故障診斷的研究及應(yīng)用［63］。

3.3 設(shè)備剩余壽命預(yù)測與評估技術(shù)的研究

目前，雖然造紙機(jī)械狀態(tài)監(jiān)測與故障診斷技術(shù)很多，但還沒有一種能精確估計(jì)設(shè)備剩余壽命。隨著造紙工業(yè)設(shè)備不斷朝著大型化、連續(xù)化、復(fù)雜化方向發(fā)展，其造價(jià)也相應(yīng)增加，迫使許多造紙企業(yè)考慮延長設(shè)備的使用壽命來保證生產(chǎn)效益［64］。此外，設(shè)備剩余壽命預(yù)測與評估技術(shù)的應(yīng)用，有利于科學(xué)合理地制定檢修計(jì)劃和提高設(shè)備可利用率。因此，設(shè)備剩余壽命預(yù)測與評估技術(shù)是一個具有重大現(xiàn)實(shí)意義的研究課題，可利用理論和實(shí)踐相結(jié)合的方法不斷推動其發(fā)展及應(yīng)用。

3.4 智能診斷系統(tǒng)知識獲取的研究

由于故障診斷對象日益復(fù)雜化，獲取準(zhǔn)確、全面的診斷知識愈加困難。知識匱乏制約智能故障診斷技術(shù)的發(fā)展，是造紙機(jī)械智能診斷專家系統(tǒng)急需解決的難題。機(jī)器學(xué)習(xí)作為知識獲取的一種重要途徑，將受到故障診斷人員的重視，將不斷完善現(xiàn)有的機(jī)器學(xué)習(xí)方法，開發(fā)出新的機(jī)器學(xué)習(xí)方法，建立多種學(xué)習(xí)方法并用的智能故障診斷系統(tǒng)。

3.5 基于計(jì)算機(jī)網(wǎng)絡(luò)的遠(yuǎn)程故障診斷技術(shù)的研究

遠(yuǎn)程故障診斷基于機(jī)械故障診斷技術(shù)與信息技術(shù)，在造紙工業(yè)關(guān)鍵設(shè)備上設(shè)立狀態(tài)監(jiān)測點(diǎn)，將采集的機(jī)械運(yùn)行狀態(tài)信息經(jīng)互聯(lián)網(wǎng)傳輸?shù)皆\斷能力較強(qiáng)的科研院所(以后可能會有專門的機(jī)械設(shè)備診斷公司［65］)進(jìn)行故障診斷，提高了紙廠設(shè)備的診斷水平。若實(shí)現(xiàn)遠(yuǎn)程故障診斷，必須保證傳統(tǒng)的包括信號采集、信號處理、模式識別、決策制定等階段的故障診斷過程網(wǎng)絡(luò)遠(yuǎn)程運(yùn)行的可行性，并解決數(shù)據(jù)采集、傳輸以及診斷方法標(biāo)準(zhǔn)不統(tǒng)一的問題［66-67］。

3.6 以振動級為振動狀態(tài)評估指標(biāo)

振動烈度標(biāo)準(zhǔn)是依據(jù)振動本身的因素制定的，未考慮人的心理因素。本著以人為本的原則，提出了振動級的概念。振動級考慮了振動的振幅、頻率以及人的感覺等因素，其定義與噪聲級相似，以分貝度量振動級的大小，有振動位移級、振動速度級、振動加速度級之分。在不久的將來會相繼出現(xiàn)造紙機(jī)械以振動級為指標(biāo)的各種振動標(biāo)準(zhǔn)。

3.7 故障預(yù)測的研究

故障預(yù)測是故障診斷的更深一層次的發(fā)展，能夠根據(jù)機(jī)械運(yùn)行狀態(tài)的過去和現(xiàn)在的數(shù)據(jù)預(yù)測造紙機(jī)械故障發(fā)生的時(shí)間、部位和原因，便于及時(shí)處理，降低故障發(fā)生率。同時(shí)，基于故障預(yù)測技術(shù)的預(yù)知維修體制克服了傳統(tǒng)計(jì)劃維修時(shí)過剩維修的缺點(diǎn)，提高了造紙機(jī)械設(shè)備的使用率，節(jié)約了維修成本［68］。因此，隨著造紙裝備系統(tǒng)的不斷復(fù)雜化，故障預(yù)測技術(shù)具有廣闊的應(yīng)用前景。

3.8 造紙機(jī)械的智能化、自診斷化的發(fā)展

科學(xué)技術(shù)的發(fā)展使“智能”一詞拓展到了結(jié)構(gòu)健康監(jiān)測領(lǐng)域。智能機(jī)械由機(jī)械本體、傳感器、作動器和相應(yīng)設(shè)計(jì)的控制器組成，能在外界干擾下進(jìn)行自適應(yīng)的改變，達(dá)到對故障自診斷的效果［69］。若實(shí)現(xiàn)造紙機(jī)械的智能化、自診斷化，需進(jìn)行新智能材料的開發(fā)、智能機(jī)械動力特性的探索以及相應(yīng)的控制算法的研究。

4 結(jié)語

國內(nèi)外眾多實(shí)踐結(jié)果表明，振動監(jiān)測與機(jī)械故障診斷是進(jìn)行設(shè)備管理的一種有效方法。隨著我國造紙機(jī)械的大型化、高速化、連續(xù)化和復(fù)雜化，通過在線振動監(jiān)測為主的狀態(tài)監(jiān)測與故障診斷技術(shù)進(jìn)行預(yù)知性維護(hù)是必然之路;相信在不久的將來，振動狀態(tài)監(jiān)測與機(jī)械故障診斷技術(shù)將會更加完善，將在我國造紙企業(yè)得到更加廣泛的應(yīng)用。

［1］Dai Juan，Chen Philip，Xu Xiao-Yan，et al.Machinery Vibration Signals Analysis and Monitoring for Fault Diagnosis and Process Control［M］//Lecture Notes in Computer Science，2008:696.

［2］Kothamasu R，Huang S H，VerDuin W H.System health monitoring and prognostics—a review of current paradigms and practices［J］.National Journal of Advanced Manufacturing Technology，2006，28(9):1012.

［3］Orhan S，Akturk N，Celik V.Vibration monitoring for defect diagnosis of rolling element bearings as a predictive maintenance tool:Comprehensive case studies［J］.NDT ＆ E International，2006，39(4):293.

［4］張 輝.現(xiàn)代造紙機(jī)械狀態(tài)監(jiān)測與故障診斷［M］.北京:中國輕工業(yè)出版社，2004.

［5］Arun Menon.Paper Machine Supercalender Vibration Analysis with a DSP centric，Multichannel Dynamics Signal Analyzer［OL］.http://www.dataphysics.com.cn/support/library/downloads/articles/MFPT%202008%20-%20Supercalender%20Diagnostics.pdf

［6］趙文浩，閻威武.基于數(shù)據(jù)驅(qū)動的故障診斷研究［J］.微計(jì)算機(jī)信息，2010(28):104.

［7］呂 峰，王秀青，杜海蓮，等.基于信息融合技術(shù)故障診斷方法與進(jìn)展［J］.華中科技大學(xué):自然科學(xué)版，2009，37(增刊1):217.

［8］莫 琦，孫國璽.信息融合技術(shù)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用［J］.制造工業(yè)自動化，2010，32(4):76.

［9］Bin Guangfu，Jiang Zhinong，Li Xuejun，et al.Weighted Multi-sensor Data Level Fusion Method of Vibration Signal Based on Correlation Function［J］.Chinese Journal of Mechanical Engineering，2011，24(5):899.

［10］Niu Gang，Yang Bo-Suk.Intelligent condition monitoring and prognostics system based on data-fusion strategy［J］.Expert Systems with Applications，2010，37(12):8831.

［11］魏秀業(yè)，潘宏俠，黃晉英.齒輪箱傳感器優(yōu)化布置研究［J］.兵工學(xué)報(bào)，2010，31(11):1508.

［12］徐敏強(qiáng)，宋其江，王目新.基于可觀測性和可靠性的傳感器分布優(yōu)化設(shè)計(jì)［J］.宇航學(xué)報(bào)，2010，31(11):2618.

［13］劉曉芹，黃考利，呂曉明，等.故障診斷中傳感器配置優(yōu)化的復(fù)雜性分析［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32(3):1062.

［14］Balaban Edward，Saxena Abhinav，Bansal Prasun，et al.Modeling，Detection，and Disambiguation of Sensor Faults for Aerospace Applications［J］.IEEE Sensors Journal，2009，9(12):1907.

［15］陳楚瑤，朱大齊.神經(jīng)網(wǎng)絡(luò)主元分析的傳感器故障診斷方法［J］.系統(tǒng)工程與電子技術(shù)，2010，32(7):1549.

［16］Kullaa J.Distinguishing between sensor fault，structural damage，and environmental or operational effects in structural health monitoring［J］.Mechanical Systems and Signal Processing，2011，25(8):2976.

［17］Wang W.A Smart Sensing Unit for Vibration Measurement and Monitoring［J］.IEEE/ASME Transactions on Mechatronics，2010，15(1):48.

［18］Son Jong-Duk，Niu Gang，Yang Bo-Suk，et al.Development of smart sensors system for machine fault diagnosis［J］.Expert Systems with Applications，2009，36(9):11981.

［19］Peng Z，Kessissoglou N J，Cox M.A study of the effect of contaminant particles in lubricants using wear debris and vibration condition monitoring techniques［J］.Wear，2005，258(11/12):1651.

［20］Loutas T H，Roulias D，Pauly E，et al.The combined use of vibration，acoustic emission and oil debris on-line monitoring towards a more effective condition monitoring of rotating machinery［J］.Mechanical Systems and Signal Processing，2011，25(4):1339.

［21］Loutas T H ，Sotiriades G，Kalaitzoglou I，et al.Condition monitoring of a single-stage gearbox with artificially induced gear cracks utilizing on-line vibration and acoustic emission measurements［J］.Applied Acoustics，2009，70(9):1148.

［22］Kankar P K，Sharma，Satish C，et al.Rolling element bearing fault diagnosis using wavelet transform［J］.Neurocomputing，2011，74(10):1638.

［23］Kahirdeh A，Khonsari M M.Condition Monitoring of Molybdenum Disulphide Coated Thrust Ball Bearings Using Time-Frequency Signal Analysis［J］.Journal of Tribology-transactions of the ASME，2010，132(4):1606.

［24］Al-Badour F，Sunar M，Cheded L.Vibration analysis of rotating machinery using time-frequency analysis and wavelet techniques［J］.Mechanical Systems and Signal Processing，2011，25(6):2083.

［25］Feldman M.Hilbert transform in vibration analysis［J］.Mechanical Systems and Signal Processing，2011，25(3):735.

［26］Rai V K，Mohanty A R.Bearing fault diagnosis using FFT of intrinsic mode functions in Hilbert-Huang transform［J］.Mechanical Systems and Signal Processing，2007，21(6):2607.

［27］Ebersbach S，Peng Z.Expert system development for vibration analysis in machine condition monitoring［J］.Expert Systems with Ap-plications，2008，35(1):291.

［28］Shabanian，Mohsen，Montazeri，et al.A Neuro-Fuzzy Online Fault Detection and Diagnosis Algorithm for Nonlinear and Dynamic Systems［J］.International Journal of Control Automation and Systems，2011，9(4):665.

［29］Marichal G N，Artes M，Garcia-Prada J C.An intelligent system for faulty-bearing detection based on vibration spectra［J］.Journal of Vibration and Control，2011，17(6):931.

［30］Liu Y Y，Ju Y F，Duan C D，et al.Structure damage diagnosis using neural network and feature fusion［J］.Engineering Applications of Artificial Intelligence，2011，24(1):87.

［31］Wang H Q，Chen P.Fuzzy Diagnosis Method for Rotating Machinery in Variable Rotating Speed［J］.IEEE Sensors Journal，2011，11(1):23.

［32］Madej H，Czech P.Wykorzystanie Dyskretenj Transformaty Falkowej I Probabilistycznych Sieci Neuronowych W Diagnostyce Silników Spalinowych［J］.Eksploatcja I Niezawodnosc-maintenance and Reliability，2010(4):47.

［33］Ebrahimi E，Mollazade K.Intelligent fault classification of a tractor starter motor using vibration monitoring and adaptive neuro-fuzzy inference system［J］.Insigth，2010，52(10):561.

［34］Huang Zhiwei，Zhou Jianzhong，Yang Mengqi，et al.Vibration characteristics of a hydraulic generator unit rotor system with parallel misalignment and rub-impact［J］.Archive of Applied Mechanics，2011，81(7):829.

［35］Ma Hui，Tai Xingyu，Sun Jian，et al.Analysis of Dynamic Characteristics for a Dual-Disk Rotor System with Single Rub-Impact［J］.Advancei Science Letters，2011，4(8/9/10):2782.

［36］Ma Hui，Zhao Xueyan，Teng Yunnan，et al.Analysis of dynamic characteristics for a rotor system with pedestal looseness［J］.Shock and Vibration，2011，18(1/2):13.

［37］Rabelo Baccarini，Lane Maria，Rocha e Silva，et al.SVM practical industrial application for mechanical faults diagnostic［J］.Expert Systems with Applications，2011，38(6):6980.

［38］Saimurugan M，Ramachandran K I，Sugumaran V，et al.Multi component fault diagnosis of rotational mechanical system based on decision tree and support vector machine［J］.Expert Systems with Applications，2011，38(4):3819.

［39］Sugumaran V，Ramachandran K I.Effect of number of features on classification of roller bearing faults using SVM and PSVM［J］.Expert Systems with Applications，2011，38(4):4088.

［40］Al-Najjar Basim.The lack of maintenance and not maintenance which costs:A model to describe and quantify the impact of vibration-based maintenance on company’s business［J］.International Journal of Production Economics，2007，107(1):260.

［41］Virtanen Timo，Paanasalo Jari.Fault Diagnosis of Paper Winder［C］//Tappi Process Control，Electrical and Information Conference.UK:Cirencester Press，2000.

［42］Al-Najjar Basim.Improved effectiveness of vibration monitoring of rolling bearings in paper mills［J］.Journal of engineering tribology，1998，212(2):111.

［43］Matt O’Sullivan.Systematic machine-condition monitoring—A case study from parenco paper mill in Holland［J］.Engineering costs and production economics，1991，21(3):277.

［44］Martin I，Pearce D，Self A.Use of a distributed vibration monitoring system for on-line mechanical fault diagnosis［C］//Third International Conference on Software Engineering for Real Time System.USA:TAPPI Press，1991.

［45］Yin K Karen，Yang Hongchuan，Cramer Ferris.On-line monitoring of papermaking processes［J］.Chemical Engineering Communications，2002，189(9):1242.

［46］Al-Najjar Basim.Impact of real-time measurements of operating conditions on effectiveness and accuracy of vibration-based maintenance policy—A case study in paper mills［J］.Journal of Quality in Maintenance Engineering，2000，6(4):275.

［47］Arun Menon.Methods and Tools Used in Paper Machine Supercalender Vibration Diagnosis［C］//Proceedings of 20th International Congress on Acoustics.USA:Elsevier Publishing Company，2010.

［48］杜艷霞，郭斌峰.國外工程機(jī)械故障診斷新技術(shù)概覽［J］.建筑機(jī)械化，2009(9):88.

［49］羅邦劼.旋轉(zhuǎn)機(jī)械故障診斷技術(shù)的研究現(xiàn)狀及發(fā)展趨勢［J］.機(jī)電產(chǎn)品開發(fā)與創(chuàng)新，2008，21(3):85.

［50］張宏宇，陶洛文.用振動頻率分析方法診斷造紙機(jī)械故障［J］.中國造紙，1997，16(1):31.

［51］張 宏，呂 岑，楊 軍，等.對某紙機(jī)烘缸軸承的故障監(jiān)測與診斷［J］.中國造紙，2002，21(4):76.

［52］張笑如，張 輝.高速紙機(jī)烘缸軸承狀態(tài)監(jiān)診技術(shù)及故障特征研究［J］.中國造紙學(xué)報(bào)，2009，24(4):87.

［53］楊 超，張 輝.倒頻譜在造紙機(jī)壓榨軸承故障診斷中的應(yīng)用［J］.中國造紙，2005，24(1):38.

［54］杜聯(lián)朝，張 宏.造紙機(jī)軸承故障診斷系統(tǒng)的開發(fā)［J］.設(shè)備與自動控制，2005(4):34.

［55］張 輝，王世雄.高速紙機(jī)軟壓光輥大軸承故障頻譜特征與診斷［J］.中國造紙，2005，24(9):32.

［56］張 輝，楊 超，陳明邦，等.紙機(jī)壓榨部動態(tài)監(jiān)診方法［J］.中國造紙，2004，23(6):31.

［57］張 輝，王世雄，賈民平.寬幅紙機(jī)毛毯張緊輥特征故障振動頻譜研究［J］.中國造紙，2005，24(10):42.

［58］張 輝，王世雄.高速紙機(jī)壓榨部結(jié)構(gòu)動力共振研究［J］.中國造紙學(xué)報(bào)，2005，20(1):177.

［59］蒯行成，李美林，潘成筋.大型造紙機(jī)振動的三維有限元分析［J］.中國造紙學(xué)報(bào)，2006，21(2):66.

［60］蘇雄波，楊 軍，侯順利.造紙機(jī)壓榨部機(jī)架機(jī)械性能及運(yùn)行性能的研究［J］.中華紙業(yè)，2011，32(22):14.

［61］李運(yùn)來，張 鋒，張 宏.虛擬儀器系統(tǒng)在造紙機(jī)旋轉(zhuǎn)機(jī)械故障信號分析中的應(yīng)用［J］.西南造紙，2005，34(5):13.

［62］李運(yùn)來，張 鋒，張 宏，等.基于虛擬儀器的紙機(jī)軸承故障診斷系統(tǒng)的開發(fā)與研究［J］.陜西科技大學(xué)學(xué)報(bào)，2006，24(1):62.

［63］湯寶平，賀 超，曹小佳.面向機(jī)械振動監(jiān)測的無線傳感網(wǎng)絡(luò)結(jié)構(gòu)［J］.振動、測試與診斷，2010，30(4):357.

［64］許 婧，王 晶，高 峰，等.電力設(shè)備狀態(tài)檢修技術(shù)研究綜述［J］.電網(wǎng)技術(shù)，2000(8):48.

［65］李建華.設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)綜述［J］.廣東化工，2009，36(12):168.

［66］張書濤，劉延斌，賈晨輝，等.復(fù)雜設(shè)備的網(wǎng)絡(luò)化遠(yuǎn)程監(jiān)控及故障診斷系統(tǒng)［J］.河南科技大學(xué)學(xué)報(bào):自然科學(xué)版，2010，31(6):19.

［67］薛光輝，吳 淼.機(jī)電設(shè)備故障診斷方法研究現(xiàn)狀與發(fā)展趨勢［J］.煤炭工程，2010(5):103.

［68］周東華，胡艷艷.動態(tài)系統(tǒng)的故障診斷技術(shù)［J］.自動化學(xué)報(bào)，2009，35(6):748.

［69］Fritzen C P，Kraemer P.Self-diagnosis of smart structures based on dynamical Properties［J］.Mechanical Systems and Signal Processing，2009，23(6):1830.