下载文档原格式
旋转机械的角位移测量及故障判断系统随着工业机械的不断发展，旋转机械在各个领域中都扮演着至关重要的角色。
在这些机械中，角位移是一个极为重要的参数，因为它可以直接反映出机械的运动状态以及故障情况。
因此，为了保证旋转机械的正常运行和及时发现故障，设计旋转机械的角位移测量及故障判断系统显得尤为重要。
一、旋转机械的角位移测量原理在旋转机械中，角位移就是旋转角度，通常用弧度或角度来表示。
为了测量旋转机械的角位移，我们需要根据机械运动的特点来选择合适的测量方式。
常见的测量方式包括：1. 光电编码器测量法光电编码器是一种能够检测机械位移的传感器。
它由一个旋转的光圈和固定的光电传感器组成，光圈会随着机械的旋转而在光电传感器上产生相应的光信号。
通过对这些信号的处理，我们可以得到机械的角位移。
2. 磁性编码器测量法磁性编码器原理与光电编码器类似，只是它使用磁性信号来代替光信号。
磁性编码器有着更高的测量精度和更稳定的信号输出，但它的安装和使用要比光电编码器复杂。
3. 传感器测量法通过在旋转机械上粘贴或安装转角传感器，可以直接测量机械的角位移。
这种测量方式具有较高的可靠性和精度，但需要对传感器进行定期的校准和维护。
二、旋转机械的故障诊断原理不论是哪种测量方式，都能够对旋转机械的角位移进行实时监测。
如果机械出现故障或运行异常，我们可以通过对角位移的监测数据进行分析来进行诊断。
1. 故障诊断旋转机械的故障种类繁多，常见的有机械磨损、轴承损坏、电机故障等。
这些故障都会对机械的运动状态和角位移产生影响，因此对角位移的监测数据进行分析可以发现故障的产生及其类型。
2. 维修保养定期对旋转机械进行维修保养是保持机械正常运转的重要手段。
通过对角位移数据的分析，我们可以得到机械的运动状态，将这些数据和机械的维修保养记录进行比对，可以定期制定有效的维修保养计划。
三、旋转机械的角位移测量及故障判断系统的设计旋转机械的角位移测量及故障判断系统是一个综合性的系统。
转辙机综合监测的需求及方法研究鲍才让太1，莫重明1，翟文革2，丁召荣3（1．中国铁路青藏集团有限公司电务部，西宁 810006；2．通号（西安）轨道交通工业集团有限公司工业研究院，西安 710100；3．西安铁路信号有限责任公司，西安 710100）摘要：由于道岔转换设备的特殊性，其实时运行参数较难获得，制约道岔转换设备维修模式的发展。
基于现有传感器技术及转辙机监测需求，结合转辙机安全性及可靠性要求，提出现阶段可实施的转辙机监测项点，并以Z D J9转辙机为例进行实施，所测得的参数可以作为后续处理的基础数据，用于转辙机的故障预测及健康诊断。
关键词：维修模式；转辙机监测；故障预测；健康诊断中图分类号：U284.92 文献标志码：A 文章编号：1673-4440(2021)04-0005-06Research on Demand and Method ofComprehensive Monitoring of Switch MachineBaocai Rangtai 1, Mo Chongming 1, Zhai Wenge 2, Ding Zhaorong 3(1. Signalling & Communication Department, China Railway Qinghai-Tibet Group Co., Ltd., Xining 810006, China)(2. Research Institute, CRSC (Xi'an) Rail Transit Industry Group Co., Ltd., Xi’an 710100, China)(3. Xi’an Railway Signal Co., Ltd., Xi’an 710100, China)Abstract: Due to the particularity of switch equipment, it is diffi cult to obtain real-time operation parameters, which restricts the development of maintenance mode of switch equipment. Based on the existing sensor technology and switch machine monitoring requirements, combined with the safety and reliability requirements of the switch machine, this paper puts forward the switch machine moni-toring items that can be implemented at this stage, and takes ZDJ9 switch machine as an example for implementation. The measured parameters can be used as the basic data for subsequent processing, and can be used for fault prediction and health diagnosis of switch machine.Keywords: maintenance mode; switch machine monitoring; fault prediction; health diagnosisDOI: 10.3969/j.issn.1673-4440.2021.04.0021 概述随着我国铁路运输的发展，尤其高速铁路的快速发展，道岔转换设备的发展也取得长足的进步，基金项目： 中国铁路青藏集团有限公司2020年科技研究开发计划项目（QZ2020-D01）上线运行的设备和系统越来越多，运输业务对道岔转换设备的依赖性也越来越高。
《旋转机械故障诊断与预测方法及其应用研究》篇一一、引言旋转机械广泛应用于各种工业领域，如风力发电、航空航天、交通运输等。
然而，由于长时间运行和复杂的工作环境，旋转机械经常会出现各种故障，如轴承磨损、齿轮断裂等。
这些故障不仅影响设备的正常运行，还可能导致严重的安全事故。
因此，对旋转机械进行故障诊断与预测显得尤为重要。
本文将介绍旋转机械故障诊断与预测的方法及其应用研究。
二、旋转机械故障诊断与预测方法1. 基于振动信号分析的方法振动信号分析是旋转机械故障诊断与预测的常用方法。
通过传感器采集设备的振动信号，对信号进行时域、频域和时频域分析，可以提取出设备运行状态的特征信息。
当特征信息超过设定的阈值时，即可判断设备存在故障。
此外，还可以通过对比历史数据，预测设备未来可能出现的故障。
2. 基于声音信号分析的方法声音信号分析是另一种有效的故障诊断与预测方法。
通过采集设备的声波信号，对信号进行频谱分析和声强分析，可以判断设备的运行状态和故障类型。
该方法具有非接触式、实时性强的优点，适用于对复杂工作环境下的设备进行故障诊断。
3. 基于数据驱动的智能诊断方法随着人工智能技术的发展，基于数据驱动的智能诊断方法在旋转机械故障诊断与预测中得到了广泛应用。
该方法通过收集设备的运行数据，利用机器学习、深度学习等算法对数据进行训练和建模，实现对设备运行状态的监测和故障预测。
该方法具有准确度高、适应性强、可扩展性强的优点。
三、旋转机械故障诊断与预测方法的应用研究1. 在风力发电领域的应用风力发电是旋转机械的重要应用领域之一。
通过采用振动信号分析和声音信号分析等方法，可以对风力发电机组的齿轮箱、轴承等关键部件进行实时监测和故障诊断。
同时，采用基于数据驱动的智能诊断方法，可以实现对风力发电机组运行状态的预测和优化，提高设备的可靠性和效率。
2. 在航空航天领域的应用航空航天领域对设备的可靠性和安全性要求极高。
采用基于振动信号分析和声音信号分析等方法，可以对航空发动机、螺旋桨等旋转机械进行实时监测和故障诊断。
旋转机械故障诊断技术的研究与应用旋转机械是指在运转过程中部分或全部的部件都会作旋转运动的机械。
因其广泛应用于各种重要设备中，如汽车、火车、飞机、电站发电机组、造船、机床等领域，因此旋转机械的故障诊断技术一直是工业领域研究的重点之一。
本文将介绍旋转机械故障诊断技术的研究和应用。
一、背景旋转机械是在运转过程中部分或全部的部件都会作旋转运动的机械。
如汽车的发动机、齿轮机构、橡胶轮胎等；火车的机车、机械部件、制动器等；飞机的发动机、减速器等；发电机组的转子、转子轴承、电机配件等；机床的主轴、轴承等。
这些机械的失效会对安全生产带来巨大的威胁，因此旋转机械故障诊断技术具有重要的意义。
二、研究内容旋转机械故障诊断技术包括机械故障的检测、诊断和预测。
其中检测是指对旋转机械工作状态进行监测和记录，通过标准化数据部件，对旋转机械性能参数进行实时跟踪和分析。
诊断是指在检测的基础上，根据检测数据和故障特征，确定故障原因和位置。
预测是指通过对旋转机械的工作状态进行长期、连续的监测，预测故障的发生和发展趋势，对未来的维护进行有效的规划和安排。
1. 诊断方法旋转机械故障诊断技术主要分为两大类，一类是基于信号处理和模式识别算法的故障诊断技术，另一类是基于震动谱分析和失效模式分析的故障诊断技术。
基于信号处理和模式识别算法的故障诊断技术主要是通过对旋转机械的感应信号进行分析和处理，对故障进行判别和诊断。
常见的信号处理方法包括小波分析、快速傅里叶变换等，常见的模式识别算法有神经网络、支持向量机、决策树等。
基于震动谱分析和失效模式分析的故障诊断技术主要是通过对旋转机械产生的振动信号进行分析和处理，对故障进行判别和诊断。
该方法具有可靠性高、适用范围广的优点，常用的分析工具有FFT分析、包络分析等。
2. 应用前景旋转机械故障诊断技术在工业领域的应用前景非常广阔，可以用于石油、化工、电力、机械等领域。
在能源领域，旋转机械故障诊断技术可以用于汽轮机、风电、锅炉等设备的维护和监测。
振动传感器原理与应用振动传感器是一种能够将机械振动转化为电信号的设备，其原理主要基于物体振动引起压电材料产生电荷的现象。
振动传感器被广泛应用于工业领域，用于检测与监测机械、设备或结构物的振动状况，以实现故障预测、状态监测、结构健康评估等目的。
1.接触机械振动：振动传感器通过与被测物体接触或安装在其表面，感知机械振动的运动。
2.压电效应：振动传感器中采用了压电材料，例如压电晶体（如石英晶体）或陶瓷材料（如铅锆钛酸铅），这些材料能够在受到压力或振动刺激时产生电荷。
3.电荷转化：当压电材料受到振动刺激时，压电效应会导致材料内部产生正负电荷的分离。
这些电荷被极板收集，并通过导线传输给读取电路。
4.电信号输出：读取电路对收集到的电荷进行放大和滤波处理，然后将其转化为可识别的电信号，常见的输出形式为电压信号或电流信号。
这些信号可以被数字或模拟设备接收和分析，用于后续的数据处理和监测。
1.机械设备监测：振动传感器可以用于监测旋转机械设备（如风机、泵、发动机等）的振动状态，以及传送带、轨道等构件的振动情况。
通过监测振动信号，可以实现对机械设备的故障预测、状态监测和健康评估，从而提高设备的可靠性和运行效率。
2.结构健康监测：振动传感器可以应用于建筑物、桥梁、飞机、船舶等结构物的振动监测。
通过对结构物振动状态的监测，可以检测到可能存在的结构弱点、缺陷或损伤，及时采取预防措施，确保结构物的安全和可靠性。
3.地震监测：振动传感器可以用于地震活动的监测与研究，以收集地震波的信息。
这些振动传感器可以分布在地震活跃区域，监测地壳的振动变化，从而提供地震预警和地震学研究的数据基础。
4.汽车工业：振动传感器在汽车工业领域也有广泛应用，用于监测发动机、刹车系统、悬挂系统等的振动状态，以实现车辆的安全性和舒适性。
5.医疗领域：振动传感器在医疗设备中的应用包括心率监测、呼吸监测、体位监测等。
通过监测身体的微小振动，可以提供医疗监测和诊断的数据基础。
设备计量的方法-概述说明以及解释1.引言1.1 概述设备计量是指对设备进行精确的测量、评估和管理的过程，以确保设备的准确性、可靠性和稳定性。
在今天这个高度技术化的社会，设备在各行各业中扮演着重要的角色，它们的性能和准确性直接影响着生产效率和产品质量。
因此，设备计量是保证设备正常运行和有效管理的重要手段。
本文旨在介绍设备计量的方法和应用领域，探讨其在工业、医疗、科研等领域的重要性，并展望设备计量在未来的发展趋势。
通过深入研究设备计量的相关内容，可以帮助读者更好地了解设备管理和维护的重要性，提高设备的利用率和生产效率。
1.2 文章结构文章结构部分的内容应该包括本文的整体架构和各部分内容的概要介绍。
可以按照以下方式编写：文章结构本文将围绕设备计量的方法展开讨论，首先从引言部分概述设备计量的重要性和目的，引发读者对该主题的关注。
接着在正文部分，将深入探讨设备计量的重要性、常见方法和应用领域，帮助读者全面了解设备计量的实质和意义。
最后在结论部分，总结设备计量的价值和展望未来发展，为读者提供更加深入和全面的思考和展望。
通过本文的结构，希望读者能够对设备计量有更加全面和深入的认识。
1.3 目的设备计量作为一种重要的技术手段，其目的在于确保设备的准确性和可靠性，以提高生产效率和产品质量。
通过对设备的准确测量和检验，可以及时发现设备的故障和问题，及时进行维护和修理，从而降低生产过程中出现故障的风险，保证生产线的安全稳定运行。
同时，设备计量还可以帮助企业有效控制成本和资源的利用，提高生产效率，增强竞争力。
另外，设备计量也可以为科研工作提供可靠的数据支持，为技术创新和产品研发提供有力的保障。
通过准确测试和评估设备的性能和参数，可以为新产品开发和工艺改进提供参考依据，促进企业的技术进步和发展。
总而言之，设备计量的目的是为了提高设备的性能和可靠性，确保生产过程的稳定性和效率，为企业的可持续发展提供支持和保障。
2.正文2.1 设备计量的重要性设备计量是指利用各种测量方法和工具对设备的性能、质量、规格等进行准确的评估和监测的过程。
测控技术在智能制造中的创新应用在当今高度发达的工业领域，智能制造已成为推动制造业转型升级的重要力量。
而测控技术作为智能制造的关键支撑，正不断创新和发展，为制造业带来了前所未有的机遇和变革。
测控技术，简单来说，就是测量与控制技术的融合。
它涵盖了从数据采集、信号处理到系统控制的全过程，能够实现对生产过程的实时监测、精确测量和有效控制。
在智能制造中，测控技术的创新应用体现在多个方面。
首先，传感器技术的进步为测控技术注入了新的活力。
传统的传感器在精度、稳定性和可靠性方面存在一定的局限性，而新型传感器如智能传感器、微机电系统（MEMS）传感器等的出现，大大提高了测量的精度和速度。
智能传感器不仅能够感知物理量的变化，还具备数据处理和通信功能，可以将采集到的数据直接传输到控制系统，实现实时监测和控制。
MEMS 传感器则具有体积小、重量轻、功耗低等优点，能够在狭小的空间内实现高精度测量，为智能制造中的微型化和集成化生产提供了可能。
在数据采集方面，无线传感网络技术的应用使得测控系统更加灵活和便捷。
通过无线通信方式，传感器节点可以将采集到的数据快速传输到中央控制节点，摆脱了传统有线连接的束缚，降低了系统安装和维护的成本。
同时，多传感器融合技术的发展，能够综合利用多种类型传感器的测量数据，提高测量结果的准确性和可靠性。
例如，在工业机器人的定位和姿态测量中，通过融合激光传感器、视觉传感器和惯性传感器的数据，可以实现高精度的运动控制。
信号处理技术也是测控技术的重要组成部分。
随着数字信号处理技术的不断发展，各种先进的算法和软件被应用于信号的滤波、降噪和特征提取，有效地提高了信号的质量和可用性。
机器学习和人工智能技术的引入，更是为信号处理带来了新的突破。
通过对大量历史数据的学习和分析，系统能够自动识别和提取有用的信息，实现故障诊断和预测。
例如，在旋转机械的监测中，利用深度学习算法对振动信号进行分析，可以提前预测设备的故障，避免生产中断。
智能制造中的在线现场监测技术研究一、前言随着工业生产过程中技术的不断革新和智能化的不断深入，智能制造已经成为了现代工业生产的主流趋势。
在智能制造中，现场监测技术是不可或缺的一部分。
现场监测技术是指通过各种传感器和设备，对生产过程中的各种指标进行实时检测和监控，从而达到优化生产过程、提升生产效率的目的。
在此基础上，本文将围绕着智能制造中的在线现场监测技术进行深入探讨。
二、在线现场监测技术概述在工业生产过程中，在线现场监测技术是通过各种高科技传感器、仪器设备和实时监控系统来实现生产现场数据实时采集、监控和分析，以优化生产制造过程，确保产品质量和提高制造业的生产效率。
在线现场监测技术具有以下优点：1.实现快速反应和调整：通过实时监测，能够及时发现生产过程中的异常和问题，做出快速反应和调整。
2.提升产品质量：在线现场监测技术可以保证生产过程的稳定性和可控性，从而提高产品质量。
3.降低生产成本：通过对生产过程的全面监控和调整，可以降低原材料的浪费和生产时的停机时间，从而降低生产成本。
4.提高生产效率：现场监测技术可以帮助企业更好地调整和优化生产工艺，提高生产效率。
5.为设备维护提供数据支持：对设备进行实时监测，能够及时发现设备的故障和问题，为设备维护提供数据支持。
三、智能制造中的在线现场监测技术具体应用1.温度传感器温度传感器是工业生产中常用的监测设备之一。
温度传感器可以检测设备各部分的温度，从而实时监测设备的运行状态。
应用场景比较多，如石油化工领域、发电领域等。
在大型发电机组中，温度传感器可以对立柱、轴承等部分进行监测，从而及时发现故障，解决发电过程中的异常问题。
2.振动传感器振动传感器是用于监测各种机械设备振动的设备。
它可以帮助工厂管理人员追踪设备的健康状况，并在机器运行不稳定或有故障时发出警报。
目前，振动传感器的应用比较广泛，如机床制造、印刷设备制造等。
在这些领域，振动传感器可以提供严格的振动和结构规格的监测，直接影响到设备的正常运行和精度控制。
利用反电动势或霍尔传感器来预测转子位置的方法1.引言1.1 概述概述部分应该包括对该方法的简要介绍，提供一些背景信息，并概括讨论文章将要探讨的主题。
根据文章标题，我们可以进行如下编写：概述：在电机控制领域中，预测转子位置是一项关键的任务，它对控制算法的准确性和响应性至关重要。
为了实现精确的转子位置预测，我们可以利用反电动势或者霍尔传感器方法。
这两种方法都能够通过测量电机绕组中感应到的电压信号或者磁场变化来推断转子的位置。
反电动势方法是利用电机绕组中感应到的反电动势信号来预测转子位置的一种常用方式。
当电机转子运动时，磁场的变化会感应出反向的电压信号，这个信号的频率和幅值与转子位置直接相关。
通过对这个信号进行处理和分析，我们可以准确地推断出转子的位置，并将其用于控制算法中。
另一种常见的方法是使用霍尔传感器来预测转子位置。
霍尔传感器是一种能够测量磁场的传感器，通过安装在电机周围的不同位置，我们可以获取不同位置的磁场变化信息。
这些磁场变化与转子位置有关，通过对霍尔传感器输出信号的分析和处理，我们可以准确地推断出转子的位置，并将其用于控制算法中。
本文将详细探讨反电动势和霍尔传感器方法的原理和应用。
我们将首先介绍反电动势方法的工作原理以及其在转子位置预测中的应用。
接下来，我们将详细讨论霍尔传感器方法的原理和应用，并比较两种方法的优缺点。
最后，我们将对本文进行总结，并展望这两种方法在未来的发展前景。
通过本文的研究，读者将能够了解如何利用反电动势和霍尔传感器来预测转子位置，以及这两种方法在电机控制中的应用价值。
同时，我们也将对这两种方法的优化和改进提出一些建议，以期能够不断提升电机控制的精确性和效率。
1.2 文章结构部分的内容：本文将介绍利用反电动势或霍尔传感器来预测转子位置的方法。
文章共分为引言、正文和结论三个部分。
在引言部分，将对本文的内容进行概述，介绍反电动势和霍尔传感器的基本原理，并阐明本文的目的。
通过明确引言的重点，读者能够更好地理解本文的主要内容和研究目标。
设备状态监测与故障诊断技术理论题库一、填空题1、设备诊断技术、修复技术和已列为我国设备管理和维修工作的3项基础技术。
1、答：润滑技术2、设备故障诊断是指在设备运行中或在基本的情况下，通过各种手段，掌握设备运行状态，判定，并预测、预报设备未来的状态，从而找出对策的一门技术。
2、答：不拆卸、产生故障的部位和原因3、设备故障诊断既要保证设备的安全可靠运行，又要获取更大的和和。
3、答：经济效益、社会效益4、的任务是监视设备的状态，判断其是否正常；预测和诊断设备的故障并消除故障；指导设备的管理和维修。
4、答：设备故障诊断阶段5、设备故障诊断技术的发展历程：感性阶段→量化阶段→诊断阶段→ (发展方向)。
5、答：人工智能和网络化6、在中或者在基本不拆卸设备的情况下，通过各种手段进行判断故障的位置等的技术叫做设备故障诊断。
6、答：设备运行7、现代设备的发展方向主要分为、连续化、、自动化等。
7、答：大型化、快速化8、设备是防止事故和计划外停机的有效手段。
8、答：故障诊断9、要求加强设备的安全监测和故障诊断的原因主要是大量生产设备的。
9、答：老化10、状态监测主要采用、测量、监测、和判别等方法。
10、答：检测、分析11、通常设备的状态可以分为、和 3种。
11、答：正常状态、异常状态故障状态12、设备的整体或局部没有缺陷，或虽有缺陷但其性能仍在允许的限度以内称为设备的。
12、答：正常状态。
13、指缺陷已有一定程度的扩展，使设备发生一定的程度变化，设备性能已经劣化，但仍能的状态。
13、答：异常状态、状态信号、维持工作14、故障状态指已较大下降，不能维持正常工作的状态。
14、答：设备性能指标15、故障从其表现状态上分为、、。
15、答：早期故障、一般功能性故障、突发性紧急故障16、设备已有故障萌芽并有进一步发展趋势的状态称为故障的。
16、答：早期故障17、设备出现“尚可勉强带病”运行的状态称为。
17、答：一般功能性故障18、设备由于某种原因瞬间发生的故障称为。
传感器在旋转机械在线监测及预测技术的应用2012-02-11 09:47:17 来源：评论：0点击：56旋转机械状态监测技术，是近年来研究的热门课题，这里着重考虑的是避免设备的随机性故障。
自动在线监测方式与定期监测方式、在线检测离线分析监测旋转机械状态监测技术，是近年来研究的热门课题，这里着重考虑的是避免设备的随机性故障。
自动在线监测方式与定期监测方式、在线检测离线分析监测方式相比技术水平先进，既避免设备突发性故障又无需专业人员现场操作。
旋转机械状态在线预测技术，是研究的新兴课题之一，这里着重考虑的是预测设备的时间依存性故障和改变设备的维护方式。
该技术是在状态监测及故障分析基础上发展起来的，是实现以先进的预知维护取代以时间为基础的预防性维护的关键技术。
本课题着重研究的是设备状态在线监测及趋势预测的方法。
二、旋转机械状态监测技术的发展1.旋转机械状态监测技术的发展历程旋转机械是工业上应用最广泛的机械。
许多大型旋转机械，如：离心泵、电动机、发动机、发电机、压缩机、汽轮机、轧钢机等，还是石化、电力、冶金、煤炭、核能等行业中的关键设备。
本世纪以来，随着机械工业的迅速发展，现代机械工程中的机械设备朝着轻型化、大型化、重载化和高度自动化等方向发展。
出现了大量的强度、结构、振动、噪声、可靠性，以及材料与工艺等问题，设备损坏事件时有发生，国内外大型汽轮机严重事故是其典型实例。
大型旋转机械状态监测技术研究是国家重点的攻关项目，目的是提高大型旋转机械的产品质量，减少突发性事故，避免重大经济损失。
50年代，各种类型和性能的传感器和测振仪相继研制成功，并开始应用于科学研究和工程实际。
六七十年代，数字电路、电子计算机技术的发展、“信号数字分析处理技术”的形成，推动了振动检测技术在机械设备上的应用。
70年代至80年代，机械设备的状态监测与故障诊断技术在许多发达国家开始研究。
随着电子计算机技术、现代测试技术、信号处理技术、信号识别技术与故障诊断技术等现代科学技术发展，机械设备的监测研究跨入系统化的阶段，并把实验室的研究成果逐步推广到核能设备、动力设备以及其它各种大型的成套机械设备中去，进入了蓬勃发展的阶段。
例如：日本三菱公司的“旋转机械健康管理系统”(machinery health monitoring，简称MHM)，美国西屋公司的“可移动诊断中心”(mobile diagnosi s center，简称MDC)，丹麦B＆K 公司的2500型振动监测系统等，都具备了机组信号数据的采集、分析、计算、显示、打印、绘图等功能，并配有专项诊断软件。
先进的状态监测系统把体现机械动态特性的振动、噪声作为主要监测和分析的内容。
由于振动、噪声是快速的随机性信号, 不仅对测试系统要求高，而且在分析中要进行大量的数据处理，国内外在80年代用小型计算机或专用数字信号处理机做为主机完成机械动态特性的数据处理(如:HP5451C), 该类主机不仅价格昂贵(一般价格为数十万元)而且对工作环境要求苛刻(需要专用机房)，因而通常采用离线监测与分析的方式。
90年代以来，高档微机不断更新且价格迅速下降，适合数字信号处理的计算方法不断优化，使数据处理速度大为提高，为在工业现场直接应用状态监测技术创造了条件。
丹麦、美国、德国、日本等发达国家的专家学者对旋转机械工作状态监测技术进行了深入研究，研制出不同系统。
该类系统以美国MEAS公司的2520型振动监测系统、美国BENTLY 公司的3300 系列振动监测系统、美国亚特兰大公司的M6000系统为代表已经达到较高的水平。
在功能上比较典型的系统之一是丹麦B&K公司的2520型振动监测系统(vibrati on monitortype 2520)，主要功能有：自动谱比较并进行故障预警报警；对6％和23％恒百分比带宽谱进行速度补偿；幅值增长趋势图显示；三维谱图显示；振动总均方根值(振动烈度)计算；支持局域网。
美国IRD公司的IQ2000系统可认为是至今为止有报道的功能最齐全的监测与诊断系统。
我国在工业部门中开展状态监测技术研究的工作起步于1986年，在此之前从国外引进的大型机组，一般都购置了监测系统。
而在自行研制的国产设备上，若选用国外的监测系统，由于价格异常昂贵而难以接受。
80年代中后期以来，我国有关研究院所、高等院校和企业开始自行或合作研究旋转机械状态监测技术，无论在理论研究、测试技术和仪器研制方面，都取得了成果，并开发出相应的旋转机械状态监测系统。
如：西安交通大学、浙江大学、北京理工大学、北京机械工业学院等。
国内主要有几种类型：a.哈尔滨工业大学等单位联合研制的3MDⅠ、3MDⅡ、3MDⅢ系统；b.西安交通大学机械监测与诊断研究室的RMMDS系统；c.西安交通大学润滑理论及轴承研究室的RB201系统；d.郑州工学院的RMMDS系统；1f62e.重庆太笛公司的CDMS系统；f.浙江大学的CMDI型及II型系统；g.西北工业大学的MD3905系统；h.北京机械工业学院的BJDZⅠ、BJ DZⅡ、BJDZⅢ系统。
其中比较典型的系统有：1985年10月通过鉴定的由哈尔滨工业大学等单位联合研制的3MDⅠ微机化“汽轮发电机组振动监测与故障诊断系统”，以及后来进一步开发的汽轮机故障诊断专家系统3MDⅡ、3MDⅢ；1987年通过鉴定的由西安交通大学机械故障诊断研究室研制的RMMDS化肥五大机组“微机状态监测与故障诊断系统”等。
这些系统的主要功能有：轴振动监测，包括轴心轨迹分析、轴向串动、轴振动位移峰峰值计算；壳体振动监测；频谱分析，包括频率细化、阶比谱分析、阶跟踪谱、三维功率谱分析；自动预、报警；故障特征提取及诊断。
以上系统的软件功能比较丰富，硬件性能也不断改进，但基本上仍处于研究发展阶段，且价格依然昂贵，这些系统主要应用于国家重点企业中关键设备的监测或特定设备的监测，如大型汽轮机组、大型水轮机组等。
从技术发展过程看，现代监测技术大致经历了两个阶段。
第一阶段是以传感器技术和动态测试技术为基础，以信号处理技术为手段的常规技术发展阶段，这一阶段的技术已在工程中得到了应用，它吸收了大量的现代科技成果，传感器技术的飞跃发展，使之可以利用振动、噪声、力、温度、电、磁、光、射线等多种信息。
由此产生了设备的振动、噪声、光谱、铁谱、无损检测、热成像等监测和故障分析技术。
信号分析与数值处理技术的发展，结合微计算机技术的发展，使各种方法应运而生，如：状态空间分析、对比分析、函数分析、逻辑分析、统计和模糊分析方法。
近年来，各种数据处理软、硬件的出现使实时在线监测及故障分析技术成为可能。
人工智能技术为设备监测和故障分析的智能化发展提供了可能，使得现代监测技术发展步入第二阶段。
这一阶段的研究内容与实现方法已开始并正在继续发生着重大变化，以数据处理为核心的过程将被以知识处理为核心的过程所替代，开展了专家系统、神经网络和模糊分析等理论、方法和应用技术的研究。
这阶段起主导作用的将是人类专家的知识，包括人类专家所拥有的领域知识、求解问题的方法等。
由于实现信号检测、数据处理与知识处理的统一，使得先进技术不再是少数专业人员才能掌握的技术，而是一般操作人员所能使用的工具。
2.旋转机械状态监测技术的发展趋势机械设备运行状态的监测技术，已经从单凭直觉的耳听、眼看、手摸，发展到采用现代测量技术、计算机技术和信号分析技术的先进的监测技术，诸如超声、声发射、红外测温等，层出不穷。
人工智能、专家系统、模糊数学等新兴学科在机械状态监测技术中也找到用武之地。
在机械动态信号分析方法和应用技术上，新近的发展有：采用空间域滤波的预处理、采用Vo ld－Kalman滤波的多轴阶比信号分析技术、适于非平稳信号的基于Wigner－Ville 分布分析、小波(wavelet)变换方法、混沌分析方法、智能传感与检测技术、以及与VXI总线仪器平台相关的技术等。
现今，国内外较典型的状态监测方式主要有3种。
(1)离线定期监测方式。
测试人员定期到现场用一个传感器依次对各测点进行测试，并用磁带机记录信号，数据处理在专用计算机上完成，或是直接在便携式内置微机的仪器上完成；这是当前利用进口监测仪器普遍采用的方式。
采用该方式，测试系统较简单，但是测试工作较烦锁，需要专门的测试人员；由于是离线定期监测，不能及时避免突发性故障。
(2)在线检测离线分析的监测方式。
亦称主从机监测方式，在设备上的多个测点均安装传感器，由现场微处理器从机系统进行各测点的数据采集和处理，在主机系统上由专业人员进行分析和判断。
这种方式是近年在大型旋转机械上采用的方式。
相对第一种方式，该方式免去了更换测点的麻烦，并能在线进行检测和报警；但是该方式需要离线进行数据分析和判断，而且分析和判断需要专业技术人员参与。
(3)自动在线监测方式。
该方式不仅能实现自动在线监测设备的工作状态，及时进行故障预报，而且能实现在线地进行数据处理和分析判断；由于能根据专家经验和有关准则进行智能化的比较和判断，中等文化水平的值班工作人员经过短期培训后就能使用。
该方式技术最先进，不需要人为更换测点，不仅不需要专门的测试人员，也不需要专业技术人员参与分析和判断；但是软硬件的研制工作量很大。
本课题研究的是这种方式。
今后，旋转机械状态监测技术趋向由离线定期监测方式、在线检测离线分析监测方式，发展为自动在线监测方式。
随着人工智能理论的发展及其在实际中的应用、数据处理软件的大量开发，今后旋转机械状态监测技术正向多目标、多层次监测和网络化方向发展。
三、旋转机械状态预测技术的发展1.旋转机械状态预测技术的发展历程当机械设备发生故障时,不仅物质财富遭到破坏，服务逼迫中断，甚至连人员的生存也会受到威胁。
在工业史上，由于机械设备故障造成的灾难和环境事故频频发生。
例如，美国阿莫科.卡迪斯号油轮原油泄漏事故，前苏联的切尔诺贝利核电站事故等等，了解这些事故发生的过程以及如何加以防范，成为要考虑的重要问题。
尤其这些故障大都是由于人为干预和不当措施所造成的，因而减少维护次数和提高维护的科学性是预防恶性事故发生的重要方面。
传统的机械设备维护方式概括为：运转至损坏再维护和以时间为基础的预防性维护；前者一般用于廉价的小型机器，采用后备设备来保证生产；后者也称定期维护，一般用于大中型设备，不论设备是否有故障都按人为计划的时间定期检修80年代以来，以建立新的维修体制为目标形成了综合工程学科，这一工程学科在欧美、日本以不同的形式获得了推广。
近年来丹麦、美国、德国、日本等发达国家的专家学者进一步提出了预知维护的基本概念。
90年代以来，开始研究新型旋转机械工作状态分析和状态预测技术，研究采用专家系统、神经网络等新的应用技术。
但是，人工智能状态在线预测和预知维护的研究尚处于研究发展的起步阶段。
