2. 设备故障诊断基础
设备故障诊断的本质，是在设备运行状态与故障机理之间建立可观测、可推理、可验证的映射关系。要做好故障诊断，首先必须理解故障如何分类、诊断方法如何选择、信号如何被采集与处理、状态监测如何持续运行，以及工程现场常用术语的准确含义。本节围绕这五个基础问题展开，为后续知识图谱建模与推理打下共同语言。
一、故障类型：从机理到表现的分层认识
设备故障并非单一现象，而是从“内部机理”到“外部表现”逐层传递的结果。工程上通常按以下维度分类：
- 按故障性质：突发性故障（如断轴、短路）与渐发性故障（如磨损、腐蚀、绝缘老化）。
- 按故障部位：机械故障、电气故障、液压/气动故障、控制与软件故障。
- 按可观测性：显性故障（振动、温升、异响）与隐性故障（早期微裂纹、参数漂移）。
- 按发展过程：早期故障、中期劣化、功能失效三个阶段。
理解故障类型的关键，是区分故障机理（为什么会坏）、故障征兆（坏了会表现出什么）和故障后果（继续运行会怎样）。知识图谱中，这三者分别对应机理层、征兆层和影响层节点。
二、诊断方法：从阈值判断到知识推理
诊断方法可按“依赖知识的形式”分为四类，实际工程中往往组合使用：
| 方法类别 | 典型手段 | 适用场景 | 局限 |
|---|---|---|---|
| 基于阈值 | 报警限、趋势超限 | 显性、突发故障 | 难发现早期故障 |
| 基于信号处理 | FFT、包络谱、小波 | 旋转机械、轴承齿轮 | 依赖特征频率知识 |
| 基于模型 | 物理模型、状态观测器 | 机理清晰的系统 | 建模成本高 |
| 基于知识与数据 | 规则、图谱、机器学习 | 复杂耦合、多源信息 | 依赖样本与知识质量 |
诊断流程通常遵循“信号采集 → 特征提取 → 状态识别 → 故障定位 → 原因分析 → 维修决策”的链路。知识图谱的价值在于把分散的特征、故障、部件、维修记录关联起来，使推理路径可追溯。
三、信号处理与状态监测：从原始波形到可判读特征
状态监测的核心是“持续采集 + 特征提取 + 趋势跟踪”。以旋转机械为例，常用信号包括振动、温度、电流、转速、油液颗粒等。原始信号往往含有噪声，需要经过滤波、去趋势、包络解调等处理，才能提取出与故障相关的特征频率。
# 典型振动信号处理链路（示意）
raw_signal -> 去直流/去趋势 -> 带通滤波 -> 包络解调
-> FFT/包络谱 -> 特征频率提取
-> 与轴承/齿轮特征频率库比对
-> 输出：BPFO / BPFI / BSF / GMF 等指标
状态监测不是一次性测量，而是建立基线并观察趋势。同一测点在不同工况下的正常值不同，因此需要按转速、负载、温度等工况做归一化，否则容易误报。
四、常见术语与工程误区
现场沟通中，以下术语必须统一口径：
- 征兆：可观测到的异常现象，如振动烈度上升、温度偏高。
- 特征：从信号中提取的量化指标，如 1×、2×、BPFO 幅值。
- 故障模式：具体的失效形式，如轴承外圈剥落、齿轮断齿。
- 故障原因：导致故障模式的根因，如润滑不良、装配偏心。
- 误报/漏报：报警但无故障、有故障但未报警，二者需分别评估。
下面用一张关系图概括本节的核心结构：故障类型、诊断方法、信号处理、状态监测与术语之间的关联。
五、案例与复盘：一次轴承故障的诊断路径
某风机驱动端轴承温度缓慢上升，振动烈度从 2.1 mm/s 升至 4.8 mm/s。若仅看阈值，尚未触发报警。进一步做包络谱分析，发现 BPFO（外圈故障特征频率）及其谐波幅值显著上升，同时 1× 幅值变化不大，排除不平衡。结合润滑记录发现补脂周期被延长，最终确认为外圈早期剥落，根因是润滑不良。
复盘要点：
- 阈值未报警不等于无故障，趋势与特征频率更敏感。
- 必须结合工况归一化，避免把负载变化误判为故障。
- 诊断结论要落到“故障模式 + 根因 + 建议措施”，而不是只给一个“异常”标签。
- 把本次特征、故障、根因、维修动作写入知识图谱，可复用于同类设备。
本节的核心可以概括为一句话：故障类型决定诊断方向，信号处理提供证据，状态监测保证连续性，术语统一保证协作效率，而知识图谱把这些要素组织成可推理、可复用的诊断资产。