1. 课程导入

旋转机械是工业生产的“心脏”，从发电厂的汽轮发电机组、石化厂的离心压缩机，到冶金行业的风机、水泵与机床主轴，几乎所有连续型流程工业都依赖旋转设备完成能量转换与物料输送。一旦关键旋转机械发生非计划停机，轻则造成产量损失，重则引发连锁事故与人身伤害。因此，如何“看得见”设备的健康状态、在故障恶化前做出判断，成为现代工业运维的核心能力。本课程围绕旋转机械状态监测与故障诊断展开，系统讲解从信号采集、特征提取、状态识别到故障定位与寿命预测的完整技术链条。

1.1 定义：什么是状态监测与故障诊断

状态监测（Condition Monitoring，CM）是指利用传感器连续或周期性地采集设备运行过程中的物理量（振动、温度、压力、电流、油液、声发射等），通过分析这些量的变化趋势来判断设备是否处于正常状态。它的核心问题是“设备现在好不好”。

故障诊断（Fault Diagnosis，FD）则是在状态监测发现异常之后，进一步确定故障的类型、位置、严重程度与发展趋势。它的核心问题是“哪里坏了、为什么坏、还能用多久”。

两者关系可以概括为：状态监测是“体检”，故障诊断是“确诊”。状态监测提供数据与预警，故障诊断提供机理与决策依据。完整的系统通常包含数据采集层、信号处理层、特征提取层、状态识别层与决策支持层五个层次。

1.2 为什么重要：从被动维修到预测性维护

传统维修模式经历了三个阶段：事后维修（坏了再修）、定期维修（按计划停机检修）、预测性维修（按实际状态决策）。旋转机械状态监测与故障诊断正是实现预测性维修的关键支撑。其价值体现在：

• 安全价值：提前发现转子裂纹、轴承失效、碰摩等隐患，避免灾难性事故。
• 经济价值：减少非计划停机，延长检修周期，降低备件与人工成本。
• 管理价值：将维修决策从“经验驱动”转变为“数据驱动”，实现可追溯、可量化。
• 工艺价值：设备状态与工艺参数相互影响，监测数据可反哺工艺优化。

以某石化厂离心压缩机组为例，若因轴承故障导致非计划停机，一次停机可能造成数百万元产值损失，而一套在线振动监测系统的投入通常远低于此。投入产出比是状态监测技术得以快速推广的根本原因。

1.3 发展历程：从听音棒到智能诊断

旋转机械诊断技术的发展大致可分为四个阶段：

1. 经验听诊阶段：维修人员用听音棒、手摸温度判断设备状态，依赖个人经验，无法量化。
2. 模拟仪表阶段：出现测振仪、温度计，可测量振动烈度与温度，但以单点、离线为主。
3. 数字信号处理阶段：FFT频谱分析、包络解调、阶次分析等方法的引入，使轴承、齿轮故障特征可被识别。
4. 智能诊断阶段：结合大数据、机器学习与机理模型，实现自动报警、故障分类与剩余寿命预测。

当前工业现场正处于第三阶段向第四阶段过渡的时期：大量机组已具备在线监测能力，但诊断仍高度依赖专家；如何将专家知识沉淀为可复用的算法与模型，是本课程要解决的核心问题之一。

1.4 应用领域与典型对象

旋转机械状态监测与故障诊断的应用几乎覆盖所有流程工业与装备制造领域，典型对象包括：

1.5 课程整体框架与学习路径

本课程共30章，按照“基础—方法—应用—综合”的逻辑组织。前段建立振动与信号基础，中段讲解典型故障机理与诊断方法，后段进入工程案例、系统集成与智能诊断。学习路径可概括为：

信号采集 → 信号处理 → 特征提取 → 状态识别 → 故障诊断 → 寿命预测 → 系统集成
   ↑            ↑            ↑            ↑            ↑            ↑
 传感器       FFT/包络     时域/频域     阈值/模型     机理/数据     趋势/模型

本课程强调“机理+数据”双轮驱动：既讲清不平衡、不对中、轴承故障、齿轮故障的振动机理，也讲清如何用频谱、包络、倒谱、时频分析等工具提取特征，更讲清如何在真实机组上完成一次完整的诊断闭环。

1.6 常见误区与复盘

初学者最容易陷入以下误区：

• 只看振动总值，不看频谱：总值超标只能说明“有问题”，频谱才能说明“什么问题”。
• 把报警当诊断：报警是阈值判断，诊断需要结合转速、负荷、结构特征综合推理。
• 忽视工况影响：转速、负荷、温度变化都会改变振动水平，脱离工况谈阈值没有意义。
• 过度依赖单一测点：同一故障在不同测点、不同方向上的表现不同，需多点联合分析。
• 忽视历史趋势：单次数据可能受偶然因素影响，趋势变化才是判断劣化的可靠依据。

复盘这些误区的共同点，是把“监测”等同于“诊断”，把“数据”等同于“结论”。真正的诊断能力，是在理解机组结构与故障机理的基础上，把多源信息组织成一条可验证的证据链。

上图给出了本课程的技术主线：从传感器采集的原始信号出发，经过信号处理与特征提取，进入状态识别与故障诊断，最终服务于维修决策与寿命预测，并通过反馈不断优化监测策略与诊断模型。后续各章将沿着这条主线逐层展开，帮助学习者建立完整的知识体系与工程判断能力。