2. 工业设备故障基础
工业设备的故障预测与健康管理（PHM）体系，其底层逻辑建立在对故障本质的深刻理解之上。设备故障并非随机事件，而是应力、磨损、老化与设计边界相互作用的结果。本章作为课程的第二模块，旨在帮助学员建立系统的故障分类学视角，掌握机械、电气、液压、气动四大动力与传动介质的故障特征，并引入FMEA（故障模式与影响分析）这一核心工具，为后续的振动分析、油液监测、热成像及数据驱动预测模型奠定认知基础。理解“故障为什么发生”与“故障如何表现”，是选择正确传感器、设定合理报警阈值、构建有效预测算法的前提。
2.1 四大故障类型的机理与特征
工业设备的故障表象千变万化，但追溯其能量传递与转换的物理介质，可以清晰地划分为机械、电气、液压、气动四大类。这种分类不仅是维修专业的划分依据，更是预测性维护中传感器选型与信号分析的逻辑起点。机械故障以振动、噪声和磨损颗粒为外在表现；电气故障以电流、磁场和绝缘性能变化为特征；液压与气动故障则通过压力、流量、温度及介质清洁度来呈现。理解各类故障的物理机理，有助于避免“头痛医头”的被动维修，转而从能量传递链路的完整性角度进行系统诊断。
2.1.1 机械故障：磨损与疲劳的渐进过程
机械故障约占工业设备故障总数的60%以上，其本质是零部件在交变应力、摩擦磨损和腐蚀环境下的材料性能退化。滚动轴承的疲劳剥落、齿轮的齿面点蚀、转轴的不平衡与不对中，是旋转机械中最典型的三种故障模式。从预测性维护的角度看，机械故障通常具有较长的孕育期——从微观裂纹萌生到宏观失效往往需要数月甚至数年时间，这为状态监测提供了宝贵的时间窗口。振动分析是捕捉机械故障最有效的手段：不平衡故障在1×转频处有显著峰值，不对中故障常伴随2×转频分量升高，轴承早期故障则表现为高频冲击能量及其边频带。
2.1.2 电气故障：绝缘与接触的隐性杀手
电气故障虽然占比低于机械故障，但其突发性强、后果严重，往往导致设备非计划停机甚至安全事故。电机定子绝缘老化、转子断条、变频器功率模块失效是三大高发故障。电气故障的早期信号通常隐藏在电流波形和磁场谐波中，例如转子断条会在电流频谱中产生（1±2s）f的边频分量（s为转差率）。对于预测性维护而言，电机电流特征分析（MCSA）是一种非侵入式的监测手段，无需安装额外传感器，直接利用现有电流互感器信号即可实现故障诊断。然而，电气故障的温升效应同样不可忽视——绝缘材料每升高10℃，其寿命将缩短一半，因此红外热成像也是电气设备巡检的重要手段。
2.1.3 液压与气动故障：介质状态决定系统健康
液压系统以高压油液作为能量载体，其故障往往源于油液的污染、劣化以及密封件的失效。据统计，液压系统75%以上的故障与油液污染直接相关。油液中的固体颗粒会加速泵阀的磨损，水分会破坏油膜强度并导致锈蚀，而油液氧化则会产生油泥堵塞阻尼孔。气动系统虽然结构简单、成本低廉，但其故障同样不容忽视——压缩空气中的水分和杂质是导致气缸密封磨损、电磁阀卡滞的主要原因。对于液压与气动系统，预测性维护的重点在于介质状态的在线监测：通过安装压力传感器、流量计和油液污染度传感器，实时掌握系统健康状态。
| 故障类型 | 典型故障模式 | 主要监测参数 | 常用传感器 | 预警提前期 |
|---|---|---|---|---|
| 机械 | 轴承磨损、不平衡、不对中 | 振动速度/加速度、温度 | 加速度计、速度传感器 | 1~6个月 |
| 电气 | 绝缘老化、转子断条、接触不良 | 电流谐波、局部放电、温升 | 电流互感器、红外热像仪 | 数周~数月 |
| 液压 | 泵磨损、阀卡滞、油液污染 | 压力波动、流量、油液颗粒度 | 压力变送器、颗粒计数器 | 数周~数月 |
| 气动 | 气缸泄漏、阀芯卡滞、气源含水 | 气压降、露点、动作时间 | 压力开关、露点传感器 | 数天~数周 |
2.2 故障模式与影响分析（FMEA）基础
FMEA是一种系统化的可靠性分析工具，其核心思想是在设计或运行阶段，预先识别设备可能出现的故障模式，分析其产生的原因和可能造成的影响，并评估风险等级，从而制定针对性的预防与改进措施。在预测性维护体系中，FMEA扮演着“导航图”的角色——它告诉我们“应该监测什么”、“为什么监测”以及“监测到什么程度需要报警”。没有FMEA作为前置分析，盲目的传感器部署和数据采集往往导致“数据丰富、信息贫乏”的困境。
2.2.1 FMEA的核心要素与实施步骤
实施FMEA需要组建跨职能团队，包括设备操作员、维修工程师、工艺工程师和可靠性工程师。分析过程遵循“结构分解→功能分析→故障模式识别→原因分析→影响评估→风险排序→改进措施”的七步法。其中，风险优先数（RPN）是量化风险的关键指标，其计算公式为：RPN = S × O × D。S（Severity）代表故障后果的严重程度，评分1~10分，10分为灾难性后果；O（Occurrence）代表故障原因发生的频度，评分1~10分，10分为几乎不可避免；D（Detection）代表现有检测手段发现故障的难易程度，评分1~10分，10分为极难发现。RPN值越高，说明该故障模式的风险越大，需要优先采取改进措施。
- 系统边界定义：明确分析对象是整条生产线、单台设备还是关键部件，避免范围过大导致分析流于形式。
- 功能与要求梳理：列出设备应实现的功能及性能指标，如“输送带以2m/s速度稳定运行”。
- 故障模式头脑风暴：针对每个功能，列出可能失效的方式，如“输送带跑偏”、“驱动滚筒打滑”。
- 原因链分析：使用5Why或鱼骨图追溯根本原因，如“滚筒打滑→皮带张力不足→张紧装置失效→液压张紧缸内泄”。
- 影响评估与打分：从安全、环境、生产、质量四个维度评估故障后果，并给出S/O/D评分。
- 改进措施制定：针对高RPN项，制定设计改进、维护策略调整或增加监测手段等措施。
2.2.2 FMEA在预测性维护中的实战应用
以某钢铁厂热轧产线精轧机主传动系统为例，该设备由电机、齿轮箱、万向接轴和轧辊组成，是产线的“心脏”设备。团队通过FMEA分析，识别出齿轮箱高速轴轴承保持架断裂这一故障模式，其S=9（导致整线停机12小时以上），O=4（该轴承已运行8年，接近设计寿命），D=6（现有振动巡检周期为每月一次，难以捕捉早期高频冲击信号）。RPN=9×4×6=216，属于高风险项。针对此分析结果，团队制定了以下改进措施：在齿轮箱高速轴轴承座加装在线加速度传感器，采用包络解调技术监测轴承特征频率；将振动巡检周期从每月一次加密为每周一次；同时建立轴承温度趋势分析模型，设定温升速率报警阈值。实施后第3个月，在线监测系统捕捉到轴承外圈特征频率（BPFO）边频带幅值持续增长，结合油液光谱分析发现铁元素浓度异常升高，团队提前安排计划停机更换轴承，避免了非计划停机的重大损失。
2.2.3 FMEA与监测策略的映射关系
FMEA的输出直接指导预测性维护系统的设计。对于RPN值较高的故障模式，应优先配置在线连续监测手段；对于RPN值中等但故障后果严重的项目，可采用定期点检与离线分析相结合的方式；对于RPN值较低的项目，则可通过日常巡检和目视检查覆盖。这种分级策略能够有效平衡监测成本与风险控制需求。此外，FMEA中识别的故障原因也为报警阈值的设定提供了物理依据——例如，若FMEA指出“润滑油泵出口压力低于0.8MPa时会导致轴承润滑不足”，则压力变送器的低报阈值应设定为0.85MPa，预留0.05MPa的安全裕度。
2.3 故障分类与FMEA的融合应用
将四大故障类型的机理知识与FMEA的结构化分析方法相结合，可以构建出设备健康管理的完整知识图谱。在实际操作中，建议按照“设备树→部件→功能→故障模式→失效机理→监测参数→阈值设定”的链条逐层展开。例如，对于一台离心式空压机，其设备树可分解为电机、压缩机本体、冷却系统、润滑系统和控制系统五个子系统。针对压缩机本体的“转子叶轮磨损”故障模式，其失效机理是固体颗粒冲蚀，对应的监测参数是振动速度有效值（重点关注1×转频及叶片通过频率分量）和排气温度，报警阈值可设定为振动速度超过4.5mm/s（ISO 10816标准区域C上限）或排气温度超过设计值15℃。
| 设备层级 | 故障模式 | 失效机理 | 监测参数 | 报警阈值依据 | 维修策略 |
|---|---|---|---|---|---|
| 电机 | 轴承润滑脂干涸 | 润滑脂老化流失 | 轴承温度、高频振动 | 温度≥90℃或振动加速度≥2g | 计划加脂/更换 |
| 齿轮箱 | 齿面疲劳点蚀 | 接触应力超限 | 齿轮啮合频率边带、油液铁谱 | 边带幅值增长≥3倍基线 | 计划更换齿轮 |
| 液压系统 | 泵容积效率下降 | 柱塞副磨损 | 泵出口压力脉动、油温 | 压力脉动≥±5%额定值 | 检修或更换泵芯 |
| 气动系统 | 气缸内泄漏 | 活塞密封磨损 | 气缸动作时间、气压降 | 动作时间延长≥20% | 更换密封圈 |
在融合应用过程中，需要特别关注故障的交叉影响。例如，机械不对中故障会导致电机负载不均，进而引起电流谐波增大；液压系统油液污染会加速泵的磨损，产生更多的金属颗粒，进一步加剧污染，形成恶性循环。因此，预测性维护系统应具备多参数融合分析能力，将振动、温度、电流、压力等信号进行关联诊断，避免单一参数的误判或漏判。