2. 设备状态监测基础
设备状态监测（Condition Monitoring，CM）的核心思想，是把设备在运行过程中的“物理表现”转化为可比较、可判断的数据，再依据这些数据判断设备是否偏离正常状态、偏离到什么程度、可能朝哪种故障发展。它与事后维修、定期检修最大的区别在于：状态监测关注的是设备“现在处于什么状态”，而不是“用了多久”。因此，状态监测的起点不是传感器，而是对设备、测点、参数、故障模式与判断依据的整体设计。
一、状态监测的基本概念与数据链
一个完整的状态监测过程可以概括为“测点—采集—特征—基线—比较—判断—行动”的数据链。测点决定“在哪里看”，采集决定“看到什么精度”，特征决定“用什么指标描述”，基线决定“正常是什么样”，比较与判断决定“是否异常、异常到什么程度”，行动则决定“接下来做什么”。这条链上任何一环缺失，都会导致监测结果无法落地。
以一台常见的离心泵为例：在驱动端轴承座安装加速度传感器，在泵出口安装压力变送器，在电机定子绕组中读取电流信号。加速度信号经过采样后，可以计算振动速度有效值（RMS）、峰值、峭度、包络谱等特征；压力信号可以计算均值、波动幅度；电流信号可以计算电流有效值与频谱边带。这些特征与设备在稳定工况下的基线值比较，才能形成“正常/注意/报警”的判断。需要强调的是，状态监测不是单纯“看曲线”，而是把物理量、工况、特征、阈值和故障机理对应起来。
二、常见监测参数及其适用对象
不同设备、不同故障模式，需要选择不同的监测参数。常见的监测参数可以分为以下几类：
- 振动类：振动速度有效值（mm/s）常用于旋转机械整体振动烈度评价；振动加速度（g 或 m/s²）对轴承早期缺陷、齿轮啮合冲击更敏感；位移（μm）常用于低转速、大机组轴系振动；包络谱、峭度、峰值因子等用于冲击性故障的早期识别。
- 温度类：轴承温度、绕组温度、油温、环境温度。温度变化通常反映润滑不良、冷却失效、过载或接触电阻增大，但温度响应较慢，适合趋势判断而非瞬时诊断。
- 压力与流量类：进出口压力、压差、流量。压差升高常提示滤网堵塞或管路结垢；流量下降可能对应泵汽蚀、阀门内漏或叶轮磨损。
- 电气类：电流、电压、功率、绝缘电阻、局部放电。电流频谱中的边带可反映转子断条、气隙偏心等电机故障。
- 油液类：油中水分、黏度、颗粒计数、铁谱分析。油液参数对齿轮箱、液压系统、透平机组的磨损与污染状态非常敏感。
- 工艺与工况类：转速、负载、阀位、启停状态。工况参数是解释其他参数变化的前提，没有工况标签的监测数据很难判断异常。
选择参数时，应遵循“故障模式驱动”的原则：先明确设备可能发生哪些故障，再选择对这些故障最敏感的物理量。例如，滚动轴承早期点蚀在加速度包络中比在速度有效值中更早显现；而不平衡、不对中则更适合用速度有效值和 1×、2× 转频分量来判断。
三、典型故障模式与参数对应关系
旋转机械的常见故障模式包括不平衡、不对中、松动、轴承缺陷、齿轮故障、汽蚀、润滑不良、电气故障等。它们在不同参数上的表现具有相对稳定的规律：
| 故障模式 | 主要敏感参数 | 典型特征 |
|---|---|---|
| 转子不平衡 | 振动速度、位移 | 1× 转频幅值升高，径向振动为主 |
| 联轴器不对中 | 振动速度、位移 | 2× 转频明显，轴向振动增大 |
| 机械松动 | 振动加速度、速度 | 多倍频、分数倍频，波形削顶 |
| 滚动轴承缺陷 | 加速度包络、峭度 | 轴承特征频率及其谐波，早期冲击 |
| 齿轮磨损/断齿 | 加速度、包络谱 | 啮合频率及边带，调制现象 |
| 泵汽蚀 | 压力、振动、噪声 | 出口压力波动，高频宽带能量上升 |
| 电机转子断条 | 电流频谱 | 电源频率两侧边带，转差频率调制 |
需要说明的是，上表是典型规律，不是绝对判据。实际判断必须结合工况、测点方向、设备结构、历史趋势和检修记录综合进行。例如，同一台泵在低流量工况下振动升高，可能是汽蚀，也可能是流体激振，需要结合出口压力和流量变化来区分。
四、AVEVA平台能力与状态监测环节的对应
AVEVA 设备状态监测与运维平台并不是替代传感器或诊断算法，而是把“数据接入—模型组织—状态计算—可视化—告警—工单—知识沉淀”串成一条可运维的链路。它与前述状态监测环节的对应关系可以概括为：
- 数据接入：通过接口或网关接入振动、温度、压力、电流、油液等实时与离线数据，并保留工况标签。
- 资产模型：以设备、部件、测点、参数为层级组织资产结构，使每个测点都能追溯到具体设备与部件。
- 特征与状态计算：支持对原始信号进行 RMS、峰值、包络、频谱等特征计算，并基于基线或阈值生成状态评分。
- 可视化与告警：以趋势、频谱、状态看板呈现设备健康度，按注意、报警、严重等级触发告警。
- 运维闭环：告警可转为工单，关联检修记录与备件信息，形成“监测—诊断—检修—验证”的闭环。
下面用一张结构关系图表示“设备—测点—参数—故障模式—平台能力”的对应关系，帮助理解状态监测从物理对象到平台功能的映射。
五、从参数到判断：一个可复用的检查思路
在实际使用 AVEVA 平台时，可以按以下思路检查一个测点是否“配置得对、判断得准”：
- 确认测点对应的设备、部件和方向是否明确，例如“1#泵驱动端轴承座水平方向”。
- 确认采集参数是否合理，包括采样率、量程、单位、滤波方式。振动加速度信号若采样率不足，高频轴承特征会丢失。
- 确认工况标签是否同步记录，至少包括转速、负载、启停状态。
- 确认基线是否来自稳定工况下的历史数据，而不是刚开机或异常期间的数据。
- 确认阈值是否分级，例如注意、报警、严重，并明确每一级对应的处理动作。
- 确认告警后是否有工单、检修记录和复测数据回填，形成闭环。
综上，状态监测的基本概念强调数据链与基线比较，常见监测参数需要按故障模式选择，典型故障模式与参数之间存在相对稳定的对应规律，而 AVEVA 平台则通过数据接入、资产模型、状态计算、告警与运维闭环，把这些规律转化为可执行、可追溯的日常运维能力。掌握这一层对应关系，是后续学习具体测点配置、阈值设置和诊断分析的前提。