了解故障检测
定义：什么是故障检测？
故障检测 是通过分析监测参数（例如……）来识别设备中是否存在缺陷或异常情况的过程。 振动, 温度、性能指标或其他指标。故障检测首先回答“是否存在问题？”这个二元问题，然后再进行故障诊断（识别具体问题）和预测（预测剩余寿命）。它是最基本也是最重要的步骤。 基于状态的维护, 区分正常运行与恶化或故障情况。.
有效的故障检测能够提供早期预警——在功能失效前数月就检测到问题——从而为计划维护、零件采购和计划停机预留必要的时间，这些都是核心价值主张。 预测性维护 程序。.
检测方法
1. 阈值超标
最简单、最常见的：
- 将测量结果与预定义值进行比较。 临界点
- 如果测量值大于阈值 → 检测到故障
- 例如：整体振动速度 > 7.1 毫米/秒 触发警报
- 优点： 简单、自动化、清晰的标准
- 限制： 需要正确设置阈值，以及超过阈值的滞后时间
2. 趋势偏差
检测与正常模式的差异：
- 增加 趋势 表明正在形成断层
- 在超过绝对阈值之前检测到
- 变化速度令人担忧（快速增长）
- 优点： 更早的检测，机器特定
- 要求： 需要历史趋势数据
3. 光谱异常检测
识别异常频率成分：
- 新的山峰出现 光谱 （轴承频率、谐波）
- 现有峰值振幅增大。
- 图案变化（边带出现）
- 优点： 具体故障类型指示
- 要求： 光谱分析能力，基线光谱
4. 统计方法
- 超出正态统计分布范围的值
- 异常值检测（>均值+3σ）
- 控制图违规
- 优点： 解释了正常变异性
- 要求： 足够的统计样本量
5. 模式识别
- 机器学习算法
- 基于正常签名和错误签名训练的神经网络
- 自动异常检测
- 优点： 能够检测到细微的模式
- 要求： 训练数据、计算资源
检测性能指标
灵敏度（真阳性率）
- 实际检测到的故障百分比
- 目标：检测到的实际问题数量 > 90-95%
- 灵敏度越高，漏检的故障就越少。
- 衡量指标：（真阳性）/（真阳性 + 假阴性）
特异性（真阴性率）
- 被正确识别为健康的健康设备百分比
- 目标：> 90-95% 的健康设备未发生误报
- 特异性越高，误报越少。
- 衡量指标：（真阴性）/（真阴性 + 假阳性）
误报率
- 误报（无实际故障）的百分比
- 目标： < 5-10% 误报
- 高误报率会导致警报疲劳。
- 与敏感性之间的平衡（权衡）
检测提前期
- 从故障检测到功能失效的时间
- 更长的提前期 = 更高的价值（更多的计划时间）
- 典型情况：振动检测到轴承故障需要数周至数月时间
- 方法相关： 包络分析 比总体水平更早检测到
故障检测面临的挑战
早期检测与误报的平衡
- 过早检测会增加误报率
- 等待明确信号可以缩短提前期
- 通过多阶段报警进行优化
- 使用多个参数进行确认
间歇性故障
多处同时发生的断层
- 多个问题同时出现
- 振动可能会相互掩盖
- 需要进行全面分析
- 多种检测方法有助于
多参数故障检测
振动 + 温度
- 两者均增大：证实轴承问题
- 仅振动：机械问题（不平衡、不对中）
- 仅温度问题：润滑或摩擦问题
- 联合确认可减少误报
多振动参数
- 总体水平提升 + 轴承频率出现
- 确认轴承故障
- 与单参数检测相比，检测结果更可靠
自动化检测与人工检测
自动检测
- 优点： 快速、稳定、全天候 (24/7) 能力
- 方法： 阈值检验、统计算法、机器学习
- 限制： 可能忽略细微问题，也可能产生误报。
人工（专家）检测
- 优点： 人类判断、情境意识、模式识别
- 方法： 频谱分析、波形检查、多参数相关性分析
- 限制： 耗时且无法规模化，需要专业知识
混合方法（最佳实践）
- 用于筛查的自动检测
- 专家对例外情况的审查
- 兼具效率和准确性
- 成熟课程的标准
故障检测是实现预测性维护的基础能力，它能够及早发现正在发展的问题，从而进行计划性干预。有效的故障检测——结合合适的检测方法、合理设定的阈值以及灵敏度和特异性之间的平衡——能够提供早期预警，最大限度地提高设备利用率，同时最大限度地降低维护成本和故障风险。.
EN 
AR 
AZ 
BG 
ZH 
HR 
CS 
DA 
NL 
ET 
FI 
FR 
DE 
KA 
EL 
HE 
HI 
HU 
ID 
IT 
JA 
KO 
LV 
LT 
MS 
NB 
FA 
PL 
PT_BR 
PT 
RO 
SR 
SK 
SL 
ES 
SV 
TH 
TR 
UR 
UK 
VI 