【正文】 ubishi MHM system, the Danish Bamp。 2020. [7] Sohre JS. Troubleshooting to stop vibration of centrifugal. Petrop Chem. Engineer 1968。an Jiaotong University Press, 1998. [12] Chen YS, Tian JY, Jin ZW, Ding Q. Theory of nonlinear dynamics and applied techniques of solving irregular operation of a large scale gas turbine in a prehensive way. China Mechanical Engineering 1999。一般在惡劣條件下工作，機械設備的狀態(tài)會逐漸惡化。從故障機理研究，信號處理和特征提取，故障推理研究和設備開發(fā)等方面進行了出色的工作。 169。 相關組件故障的可能性和故障的種類因此也大大增加 。狀態(tài)監(jiān)測和故障診斷，以先進的科學技術為根本，作為一種有效的方式來預測潛在的故障和降低機器故障的成本。這樣做，最優(yōu)化維修策略可以被制定 ，因此，工業(yè)可以從狀態(tài)監(jiān)測中大大獲益。 在這一領域一個簡明的研究評論已經(jīng)被提出 [5， 6]。然后，簡要回顧了故障推理研究和診斷設備。 Sohre，于 1968 年在美國機械工程研究所石油機械工程發(fā)表了“高速渦輪機械操作問題（失敗）的原因及處理”一文，并 對于典型的癥狀和可能引起機械故障的原因進行了一個清晰、簡明的描述。大量的相關工作在中國也已經(jīng)完成。 Chen 等人 [12]利用非線性動力學理論來分析了發(fā)電機軸振動問題的關鍵。然而，大多數(shù)的故障機理研究是在定性和數(shù)值模擬階段，工程實踐中是很難實施的。 外文翻譯原文及譯文 18 先進的信號處理技術被用于提取的原因是靈敏，通過各種信號分析技術來處理測量信號到具體的故障。 振動信號分析的早期研究主要集中在傳統(tǒng)的信號分析，進行了大量的研究和應用進展。然而，傳統(tǒng)的頻譜分析也有明顯的劣勢。對于非平穩(wěn)信號，一些時頻細節(jié)不能在頻譜上反應，并且它的頻率分辨率使用傅里葉變 換是有限的。信號分析的新方法主要包括時頻分析，小波分析，希爾伯特黃變換，獨立分量分析，先進的統(tǒng)計分析，非線性信號分析等。（ 3）基于人工智能的故障診斷。因為它要求準確的系統(tǒng)模型，這種方法對于實踐中的復雜設備在經(jīng)濟上是不可行的。有許多共同的識別方法， 包括貝葉斯分類，距離函數(shù)分類，模糊診斷，故障樹 分析，灰色理論 診斷等等 。在線檢測和診斷系統(tǒng)是一個由感應器、數(shù)據(jù)采集、警報和互鎖保護和條件監(jiān)視組成的子系統(tǒng)，具有較強信號分析和診斷軟件。中國也成功地開發(fā)出大型在線故障診斷系統(tǒng)，主要用于蒸汽渦輪機等重要設備。因此故障機制研究、信號處理和特征采集、故障成因研究和設備發(fā)展將更加緊密地聯(lián)系在一起，才能在將來實現(xiàn)故障診斷 專家系統(tǒng)。 。 只有這樣，故障診斷專家系統(tǒng)才能對潛在異常提供準確的評估，防止事故的發(fā)生，確保機械設備的正常運行，將由于設備故障造成的損失降低到最小程度。 山東交通學院畢業(yè)設計 21 要實現(xiàn)動態(tài)系統(tǒng)監(jiān)控和故障診斷，最主要的是系統(tǒng)能夠采集到可靠的特征信息，但是由于系統(tǒng)自身的波動和設備本身的干擾信號信息經(jīng)常受到干擾，所以很重要的一點是要依靠先進的數(shù)據(jù)處理技術排除噪音以保證數(shù)據(jù)的準確性。 IRD 公司開發(fā)的 5911 系統(tǒng)，日本三菱公司開發(fā)的 MHM 系統(tǒng)，丹麥 Bamp。 外文翻譯原文及譯文 20 故障診斷技術最終發(fā)展成為故障診斷儀器，目前其研究和發(fā)展有兩個方面：一是便攜式震動檢測和診斷（包括數(shù)據(jù)采集系統(tǒng)），二是在線環(huán)境監(jiān)控和故障診斷系統(tǒng)。它主要分為統(tǒng)計方法和語言結構的方法。系統(tǒng)參數(shù)或系統(tǒng)狀態(tài)的變化可以直接反映設備的物理過程的變化，因此，它可以為故障診斷提供依據(jù)。根據(jù)他們所屬的主體系統(tǒng)，故障診斷，可分為三類：（ 1）基于控制模型的故障診斷 。來自于工程實踐的強勁需求，也有助于信號分析的快速發(fā)展。在現(xiàn)實中，從機械設備中的信號測量也是千變萬化的，非平穩(wěn)的，非高斯分布的和非線性隨機的。傳統(tǒng)頻譜分析基于傅里葉變換（如平均 時域技術，頻譜分析，倒頻譜分析和解調技術），可以有效提取故障特征信息，因此它被廣泛的用于動力機械，尤其是在旋轉機械振動監(jiān)測和故障診斷?？梢酝ㄟ^信號分析方法獲得一定的故障特征信息，然后可以做出相應的故障診斷。故障診斷結果和應用的可能性可能會影響顯著。 Yang等人 [13]通過振動分析，研究了一系列的柴油發(fā)動機的故障機制。根據(jù)表格他們提出，他們已經(jīng)將典型的故障分為 10 個類型和 58 種，并在機械設計與制造，安裝和維護，操作及機器降解方面提供預防措施。之后，在上世紀 60 年代至 70 年代期間Shiraki [8]在日本對于故障機理的研究工作做了很大貢獻，并總結了豐富的現(xiàn)場故障排除經(jīng)驗，以支持故障機制的理論。 山東交通學院畢業(yè)設計 17 故障機理的研究是故障診斷的一個非常艱難和重要的基礎工程，就像病理研究對于醫(yī)療相同。介紹新型的信號處理技術。 機械故障診斷的內容包含四個方面，包括故障機理研究，信號處理和特征提取， 故障推理研究，以及設備狀態(tài)監(jiān)測和故障診斷的開發(fā) 。 機械設備故障診斷技術使用監(jiān)控機械運轉和固定分析和提取重要特征的測量值來校準關鍵部件的狀態(tài)。因此，有效的早期故障檢測和診斷是機械正常運轉的關鍵。選擇（和 /或）根據(jù) [2020 年控制工程與信息科學 會議 ]責任同行審查 關鍵詞：狀態(tài)監(jiān)測，故障診斷，振動，信號處理 外文翻譯原文及譯文 16 隨著現(xiàn)代科學技術的發(fā)展，機械和設備的功能變得越來越完 善，并且機械結構變得更大型，集成，智能和復雜。對這些技術的優(yōu)點和缺點進行了討論。因此，即將到來的機械故障的識別系統(tǒng)，是防止系統(tǒng)故障的關鍵。 31:1046. [15] Liu SY, Song XP, Wen BC. Catastrophe in fault developing process of rotor system. Journal of Northeastern University (Natural Science) 2020。 1984. [9] Bently DW. Forced subrotative speed dynamic action of rotating machinery. USA: ASME Publication, 74pet16. [10] Gao JJ. Research on high speed turbine machinery vibration fault mechanism and diagnostic method. . thesis, Xi39。K 3450 COMPASS system, etc. China has also successively developed large online monitoring and fault diagnosis system, which has been put into use on steam turbine and other important equipments. Based on the realization of condition monitoring of equipments, work diagnostics center can monitor and diagnose the operation of equipments at any time through the work to achieve the long distance information transmission. The remote monitoring system can also achieve the collaborative diagnosis of production equipments, multiple diagnostic systems serve the same piece of equipment, and multiple devices share the same diagnostic system. 山東交通學院畢業(yè)設計 11 6. Conclusions To achieve a dynamic system condition monitoring and fault diagnosis, primary task is the need to get enough reliable characteristic information from the system. Due to the fluctuation of the system itself and the environment disturbance, reliable signal collection is seriously affected. It is therefore very urgent for advanced signal processing technology to eliminate noise to get true signal. No matter classical or advance fault diagnosis techniques, they have achieved great progress in various applications. In the point of systematic view, every technology is a part of the whole diagnostic system, and the efficient fusion of these parts will provide best performance for the condition monitoring and fault diagnosis. Thus, the fault mechanism research, signal proce