【正文】 on of their state. The mechanical failures account for more than 60% of breakdowns of the system. Therefore, the identification of impending mechanical fault is crucial to prevent the system from malfunction. This paper discusses the most recent progress in the mechanical condition monitoring and fault diagnosis. Excellent work is introduced from the aspects of the fault mechanism research, signal processing and feature extraction, fault reasoning research and equipment development. An overview of some of the existing methods for signal processing and feature extraction is presented. The advantages and disadvantages of these techniques are discussed. The review result suggests that the intelligent information fusion based mechanical fault diagnosis expert system with selflearning and selfupdating abilities is the future research trend for the condition monitoring fault diagnosis of mechanical equipments. 169。 2020 Published by Elsevier Ltd. Selection and/or peerreview under responsibility of [CEIS 2020] Keywords: Condition monitoring。 Vibration。 (2) the fault diagnosis based on pattern recognition。K Company Bamp。 7: 157172. [6] DaneshiFar Z, Capolino GA, Henao H. Review of failures and condition monitoring in wind turbine generators. 19th International Conference on Electrical Machines. Rome, Italy。 11: 2223. [8] Shiraki T. Mechanical vibration lectures. Zhengzhou: Zhengzhou Mechanical Institute。an Jiaotong University, 1993. [11] Xu M, Zhang RL. Equipment fault diagnosis manual. Xi’an: Xi39。 10: 106368. 山東交通學(xué)院畢業(yè)設(shè)計(jì) 13 [13] Yang JG, Zhou YC. Internal bustion engine vibration monitoring and fault diagnosis. Dalian: Dalian Maritime University Press, 1994. [14] Wang Y, Gao JJ, Xia SB. The study of causes and features of faults in supporting system for rotary machinery. Journal of Harbin Institute of Technology 1999。 17:159162. [16] Han J, Zhang RL. Rotating machinery fault mechanism and diagnostic technique. Beijing: China Machine Press, 1997. [17] Chen AH. Research on some nonlinear fault phenomenon of rotating machinery. . thesis, Central South University of Technology, 1997. [18]Zhang W, Zhang YX. Missile power system fault mechanism analysis and diagnosis technology. Xi’an: Northwest Industrial University press, 2020. 外文翻譯原文及譯文 14 機(jī)械狀態(tài)監(jiān)測(cè)和故障診斷的最新進(jìn)展 Chenxing Sheng, Zhixiong Li, Li Qin, Zhiwei Guo, Yuelei Zhang 武漢理工大學(xué)，能源與動(dòng)力工程學(xué)院，可靠性工程研究所，中華人民共和國，武漢， 430063 空軍雷達(dá)學(xué)院，黃陂校區(qū)，中華人民共和國，武漢， 430019 山東交通學(xué)院畢業(yè)設(shè)計(jì) 15 摘要 機(jī)械設(shè)備被廣泛應(yīng)用于各種工業(yè)應(yīng)用。機(jī)械故障占超過 60％的系統(tǒng)故障。本文討論了在機(jī)械狀態(tài)監(jiān)測(cè)與 故障診斷的最新進(jìn)展。概述了一些現(xiàn)有的信號(hào)處理和特征提取方法。研究結(jié)果表明，基于智能信息融合的機(jī)械故障診斷專家系統(tǒng)與自我學(xué)習(xí)和自我更新能力，是機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)和故障診斷未來研究的發(fā)展方向。2020 年由愛思唯爾公司出版。因此，組件數(shù)量顯著增加，接合部件的精度要求也更加嚴(yán)格。組件故障所造成的惡性事故頻繁發(fā)生在世界各地，甚至一個(gè)小的機(jī)械故障可能會(huì)導(dǎo)致嚴(yán)重的后果。雖然在機(jī)械設(shè)計(jì)過程和制造過程中已經(jīng)采用優(yōu)化技術(shù)來提高機(jī)械產(chǎn)品的質(zhì)量，由于現(xiàn)代設(shè)備的復(fù)雜性，機(jī)械故障仍然難以避免。這就是所謂的出 現(xiàn)在近三十年的機(jī)械設(shè)備故障診斷技術(shù) [1， 2]。通過結(jié)合歷史數(shù)據(jù)，它可以定量的識(shí)別在目前條件下的關(guān)鍵部件，預(yù)測(cè)即將發(fā)生的異常和故障，并且預(yù)測(cè)它們未來的發(fā)展趨勢(shì)。 [3，4]。在過去的幾十年里，已經(jīng)有許多研究者在此領(lǐng)域做了大量的工作 。本文討論了一些里程碑式的觀點(diǎn)。這些新的信號(hào)處理和特征提取方法的優(yōu)缺點(diǎn)，在這項(xiàng)工作中進(jìn)行了討論。最后，未來的研究課題中所描述的是下一代智能故障診斷和預(yù)測(cè)系統(tǒng)。美國學(xué)者 John他建議，典型故障可分為 9 個(gè)類型和 37 種 [7]。本特利內(nèi)華達(dá)公司也進(jìn)行了一系列實(shí)驗(yàn)研究轉(zhuǎn)子 軸承系統(tǒng)的故障機(jī)制 [9]。Gao 等人 [10]研究了高速透平機(jī)械振動(dòng)故障機(jī)理，探討了振動(dòng)頻率和振動(dòng)發(fā)電之間的關(guān)系，并擬定了振動(dòng)故障原因，次同步、同步和超同步振動(dòng)的機(jī)制 和識(shí)別功能表。 Xu 等人 [11]總結(jié)了旋轉(zhuǎn)機(jī)的常見故障。他們建立了發(fā)電機(jī)轉(zhuǎn)子的非線性動(dòng)力學(xué)模型，全面調(diào)查在不同影響下轉(zhuǎn)子的動(dòng)態(tài)反應(yīng)，并提出有效的解決方案，以防止轉(zhuǎn)子故障。 20 世紀(jì) 80年代以來，其他研究人員在機(jī)械的故障機(jī)制中已經(jīng)做了很多，并出版 了許多有價(jià)值的論文，在故障診斷系統(tǒng)中的應(yīng)用中提供了理論和技術(shù)支持 [1418]。此外，故障信息往往呈現(xiàn)較強(qiáng)的非線性，非平穩(wěn)和非高斯特性，模擬測(cè)試不能非常準(zhǔn)確的反映這些特點(diǎn)。因此，故障診斷技術(shù)的發(fā)展仍然面臨著很大的困難。植物狀態(tài)信息中包含著廣泛的信號(hào)，如振動(dòng)，噪聲，溫度，壓力，應(yīng)變，電流，電壓等。為了滿足故障診斷的特殊需要，故障特征提取和分析技術(shù)正在經(jīng)歷，從時(shí)間領(lǐng)域分析到傅里葉頻域分析，從線性平穩(wěn)信號(hào)分析到非線性非平穩(wěn)分析，從頻域分析到時(shí)頻分析的過程。旋轉(zhuǎn)機(jī)械振動(dòng)通常是強(qiáng)烈的諧波，其故障也通常注冊(cè)為一些諧波成分的變化。在某種意義上說，傳統(tǒng)的信號(hào)分析，仍然是機(jī)械振動(dòng)信號(hào)分析和故障特征提取的主要方法。傅立葉變換反映信號(hào)的整體統(tǒng)計(jì)特性，適用于平穩(wěn)信號(hào)分析。尤其是當(dāng)設(shè)備發(fā)生故障，這種情況出現(xiàn)的更加突出。因此對(duì)于這些非線性的和非平穩(wěn)的信號(hào)需要提出新方法。對(duì)于非平穩(wěn)信號(hào)和非線性信號(hào)分析的新方法不斷涌現(xiàn)，他們被很快應(yīng)用于機(jī)械故障診斷領(lǐng)域。 山東交通學(xué)院畢業(yè)設(shè)計(jì) 19 目前，許多方法在診斷推理過程中被采用。（ 2）基于模式識(shí)別的故障診斷 。其中，基 于控制模型的故障診斷需要通過理論或?qū)嶒?yàn)方法建立模型。這項(xiàng)技術(shù)是指模型的建立，參數(shù)估計(jì)，狀態(tài)估計(jì)，應(yīng)用觀察員等。 模式識(shí)別進(jìn)行集群描述為一系列的過程或事件。設(shè)備的故障診斷，可以作為模式識(shí)別的過程被確認(rèn)，也就是說，它承認(rèn)的故障，基于提取的故障特征。近年來，一些新技術(shù)也已經(jīng)應(yīng)用到旋轉(zhuǎn)機(jī)械故障診斷的領(lǐng)域中，如模糊集與神經(jīng)網(wǎng)絡(luò)組合，基于隱馬爾可夫模型的動(dòng)態(tài)模式識(shí)別等。便攜式儀器主要是可以完成數(shù)據(jù)獲取的單片機(jī)，當(dāng)然儀器本身具有數(shù)據(jù)分析和診斷功能。這些 軟件主要是美國 BENTLY 公司開發(fā)的 3300, 3500 and DM2020 系統(tǒng)，美國西屋公司開發(fā)的 PDS系統(tǒng)， ENTECKamp。K 公司開發(fā)的 3450 指南針系統(tǒng)。 由于采用了對(duì)設(shè)備運(yùn)行狀況的監(jiān)控手段，網(wǎng)絡(luò)診斷中心可以通過網(wǎng)絡(luò)傳輸信息，隨時(shí)完成對(duì)設(shè)備運(yùn)行的遠(yuǎn)程檢測(cè)和監(jiān)控，遠(yuǎn)程監(jiān)控系統(tǒng)還可以采集生產(chǎn)設(shè)備運(yùn)行狀況的診斷信息，多程檢測(cè)系統(tǒng)可以用來控制同一條生產(chǎn)線，所有檢測(cè)儀器可以 共享診斷數(shù)據(jù)。不管是傳統(tǒng)的還是先進(jìn)的故障診斷技術(shù)在各種應(yīng)用中都已經(jīng)取得了很大進(jìn)步，按照信息系統(tǒng)的觀點(diǎn)，每項(xiàng)技術(shù)都是故障診斷的組成部分，所有部分的有效的融合是最好實(shí)現(xiàn)條件監(jiān)控和故障診斷的保障。實(shí)現(xiàn)專家診斷系統(tǒng)的核心是突破知識(shí)獲取的瓶頸，用可靠的方式升級(jí)數(shù)據(jù)模型，提供專家系統(tǒng)的普及能力。 致謝 這個(gè)項(xiàng)目是由來自中國國家自然科學(xué)基金的資助（國家自然科學(xué)基金）（編號(hào)： 50975