操作安全性、资产可用性和有效的维护成本对于公司和组织的竞争力有着举足轻重的影响。在各种工业应用的生产系统中，旋转机械是其核心部分，其故障可能会影响到整个工厂的运行。对于功能日益复杂的各类设备，要求能够持久运行，并满足极端苛刻的性能标准。虽然目前旋转机械的效率和使用寿命得到了很大提高，但仍然很容易受到各种异常问题的困扰，图1 为6个工业设备类别的年度损失分布。在此介绍一种基于状态监测的智能状态维修框架，以便于实施一种有效的旋转机械维修体系。

图1　以6个工业设备类别为代表的年度损失分布

状态维修的优势

维修是一种恢复设备的指定功能的活动集合。尽量减少机械设备的运行和维护成本是一个有效维护策略所必备的重要要素。提高系统的稳定性和降低维护成本的有效途径是从故障处理和修复中引申出的维修预测和预防状态检修。综合各类维修策略，从收益角度分析，状态维修十分重要，如表１所示。

智能状态维修的框架

基于状态监测的智能状态维修（CBM）的主要概念是通过监测和数据处理提取设备劣化信息，从而利用预测和诊断系统实现减少停机时间。要做到这些，需要一个智能的状态维修框架，包括以下几个关键的步骤和内容，如图２所示。

图2 基于状态监测的智能状态维修框架

1.数据采集：提供数字化传感器或变频器获取有用信息（数据采集），使用网络进行信息传递（数据通信），以及利用信息传输系统存储数据，并提供下一步处理（数据存储和处理）。

2.数据预处理：首先从数据中剔除掉外部干扰信息和偏差的影响，以保证获取更加可靠的检测结果。

3.特征提取：为实现特定的检测目的，选取出可靠性高的关键数据特征组合。

4.健康评定：健康评定是借助状态监测信息以判定设备是否处于健康运行状态还是已经出现劣化，在这一步中要明确评定标准。

5.预测：预测是指早期发现设备组件出现的潜在故障，并以一定的技术手段预测该缺陷的进展情况。

6.诊断：故障诊断的３个主要任务是通过故障检测发现问题点，找出故障根本原因并采取有效隔离措施。

在监测过程中，局部污染等缺陷可能会影响设备的运行参数，而流量和效率等运行参数的变化，可能会导致观察参数的变化，如压力、温度、燃料流量和转速变化等。这些偏离运行参数的数据可以用来检测故障和隔离故障。另一方面，设备机械性能的劣化加剧也会影响到整个设备的有效运行。表２所列评估设备机械劣化程度的技术很多，有现场数据表明，组合两种或者更多的监测技术可以获取更多、更可靠的设备劣化信息。

未来展望

为了更好地实现对旋转类设备的故障预测和诊断，提出基于状态监测的智能状态维修框架。包括基本功能模块和对硬件、软件的要求，以实现对设备的状态维修。在这里还应该认识到，对于旋转类设备建立状态维修，首先要选择有效的数据采集传感器，其次要提取显著特征并进行信号预处理，然后还要充分利用专业知识进行分析，并且要设计有效的数据模型以便从各类传感器中获取信息，最后要善于整合众多状态监测方法以提高故障预测的能力。