1．1 故障的概念
设备故障简单地说是一台装置(或其零部件)丧失了它应达到的功能。随着时间的变化，任何设备从投入使用到退役，其故障发生的频率大多如曲线规律变化。变化过程大致分三个阶段：A段为早期故障期，故障率λ(t)为递减函数，亦称磨合期，该时期的故障率通常是由于设计、制造及装配等问题引起的。随运行时间的增加，各机件逐渐进入最佳配合状态，故障率也逐渐降至最低值。B段为偶发故障期或随机故障期，故障率λ(t)较低且近似为常数。该时期的故障是由于使用不当、操作疏忽、润滑不良、维护欠佳、材料隐患、工艺缺陷等偶然原因所致，没有一种特定的失效机理起主导作用，因而故障是随机
的。C段为耗损故障期，故障率λ(t)为递增函数，是经长期使用后，零部件因磨损、疲劳，其强度和配合质量迅速下降而引起的，其损坏属于老化性质。
另一方面需要指出的是，传统的故障观念仅认为零部件的损坏是故障的根源。这种看法只适于简单，现代增加了控制部分(即信息及其执行系统)，形成了“人—机整体””，[1]，不少时候，机器的零部件完好无损，但也发生故障，因此，故障观念也从微观发展到宏观。宏观故障观念认为，现代设备的故障源至少有零部件缺陷、零(元)件间的配合不协调、信息指令故障、人员误操作、输入异常(原材料、能源、电、汽、工质不合格等)和工作环境劣化等6大因素。
1．2故障的特征
1．2．1 故障的演变
设备零(元)件功能由正常到不正常的演变过程有4种典型情况：①退化失效，即性能逐渐退化，最终因超限而失效，其特点是性能越来越差，是时间的单调函数。②突变失效，即突发的功能完全丧失的失效，事先难于预测。③漂移失效，与退化失效相比，其性能逐渐劣化的过程较短，往往在一次使用期间即可能恶化到失效范围，但在停机若干时间后再开机，尚能呈现原有良好状态，但不能持久，随后又逐渐劣化。④间歇失效，在失效发生之后，使用情况未变且不经停修而能自行恢复功能，过后又会发生再度失效。
退化失效过程可以划分为3个阶段：潜伏期、发展期和损坏期。在潜伏期，劣化因素对零(元)件的作用是微弱的，很难觉察，只有用高灵敏度仪器(如电子显微镜等)才能发现。此时期微观缺陷的演变是缓慢的，某些过长的潜伏期故障往往在零(元)件寿命期内也不会发作，因而被机器其他零(元)件的故障和换修所掩盖。当劣化因素足够强时，在局部足以抵消设计安全系数的保护作用后，就会逐渐加速微观破坏直至走出潜伏期。发展期的特征是损伤发展速度和发展中的缺陷形成，可以用常规仪器设备观察到。这个阶段的时间函数规律往往被作为寿命预测的依据。因此人们建立了多种数学模型加以描述和研究。损坏期的特征是劣化因素强度达到了零(元)件所能承受的极限，恶化情况急转直下，直至零(元)件发生故障或失效。损坏期的特征信息就是事故临危报警的根据。
1．2．2 故障的特征
鉴于多方面的故障源因素，设备的实际故障(尤其是疑难故障)，往往程度不同地带有隐蔽性、随机性和多发性等特征。
(1)隐蔽性。故障在时间上的演变由潜伏期、发展期至损坏期，有一个从隐蔽到显露的发展过程，最终被人们所觉察，但其初始原因往往难以发现。故障在空间上的蔓延也是由局部到整体，到了事故发生后，人们常常忽略其微观机理的追根求源。故障始发端在时间和空间上的隐蔽性给故障分析造成很大困难，于是人们提出了故障寻因的阶段性问题和故障定位的层次性问题。单一故障的始发端由潜伏期进入发展期，再由发展期进入损坏期，即演变三个时期的始末都应具有明确的客观标志。
(2)随机性。整台设备故障发生的随机性来源于零(元)件故障的随机性(机器设备)、各零部件故障组合的随机性、材质和制造工艺的离散性、运行环境与工况的随机性以及维修状况的随机性。材质和制造工艺的优劣决定了零(元)件对故障发生的影响程度，所以其离散性必然导致故障发生时刻和程度的随机性。运行环境与工况的随机性，即使完全相同的设备，其故障频度和使用寿命也会因承受的破坏因素强度不同而出现很大差异。维护状况的影响因素是：①维修决策与实施方案因人因地而异；②备件情况不同；③修复工艺、设备、材料之不同；④维修体制不同造成的提前或滞后维修。
(3)多发性。故障的多发就是故障继发和并发的组合。对实际零件尤其是组合件和整机而言，单一故障发展到某一程度若不及时排除很可能引起另一个(或几个)故障的发生，被引起的故障还可能再引发其他故障，形成了故障因果链。然而一般故障由发展变化期到故障发生，并不是诸方面的全部因素同时表现出来，而只是单一因素或一、两个因素起主要作用。就开展状态维修已有多年的部分纺织厂家估计，单因素故障源占80％-95％左右，只要诊断准确排除及时，不会导致多发性故障。因此，故障的起因、特征是可以认
识和掌握的。
设备故障还可以分为可预防和不可预防两大类。若可预防故障多，则说明设备的预防维修工作没有到位；若不可预防故障多，说明设备本身的可靠性差，技术档次不高。我们控制和降低设备的故障，主要从提高预防维修能力、设计制造设备必须注意到其可靠性两方面同时人手。
2 故障诊断的概念和内容
2．1 故障诊断的概念及作用
设备的故障诊断就是鉴别设备的技术状态是否正常，发现并确定故障的部位，寻找故障起因，预防故障趋势漫延并提出相应对策。
提高设备利用率的重要途径是减少平均修理时间和平均停机时间来实现的。而这两项时间的减少，除了应改善设备维修的组织管理工作之外，主要应提高维修效率。有资料表明，由于现代设备的高技术性和复杂性，查找故障原因的时间占故障排除总时间的45％-70％左右。因此，为了提高维修效率，缩短平均维修时间，必须提高诊断的准确率和效率。现代的设备诊断工程就是在这种背景下产生的，它有以下作用：①控制事故频率，防止事故或故障的重复发生。②帮助找出故障关键，为提高产品质量改进工艺奠定基础。③提高设备的利用率和企业经济效益。④为设备维修管理决策提供信息。
2．2 故障诊断的内容
故障的诊断手段有传统经验型诊断和现代诊断两种形式。传统的纺织设备维修模式中，并未有诊断的要求，尽管在长期的维修实践中产生了一些经验型的感官诊断方法，涌现了不少能工巧匠，但始终未形成一个完整的体系。
设备故障由发展变化期到功能丧失期的时间，因设备不同而异，有的只有几秒，有的则好几年。故障征兆通过表象(如噪声、振动频率、电流、气味、火星等)率先表现和传播。对这些设备异常表象和信息等进行及时科学地辩识和判断，就能较准确地预知潜在故障变化发展的踪迹和趋势。状态维修理论的核心——故障诊断理论就是这样逐步建立和发展起来的。它的实质就在于充分利用潜伏期发展变化期的长时间，预先发现隐患，并视情及时排除，把故障消灭在萌芽状态。
现代设备故障诊断包括诊断原理和诊断技术两部分。诊断原理包括故障机理及诊断数学。故障机理是研究故障信息发生过程的相关问题，即所谓故障理化过程研究，如部件失效的疲劳、磨损、断裂等理化原因的研究，它偏重于故障信号的收集统计。诊断数学研究和解决故障信息发生后特征信号的识别提取、推理寻因、预测和故障定位等，如通过传感系统采集设备运行中的信号(振动、转速等等)，再经过滤波、放大以及与正常状态相比较的有关频谱分析过程，确定机器的故障。诊断数学原理共汇了数学逻辑、推理以及人工智能方法，涵盖和综合了众多学科的技术知识，以这一新思维新观念为基础的状态维修模式，理所当然成为当代设备高新技术的分枝。
3 故障诊断的基本思想
设被检测对象可能发生的全部状态(包括正常和故障状态)组成状态空间S，其可测量特征的全体，构成了特征空间Yn当系统处于某一状态Sn时，就具有确定的对应特征Yn；反之，一定的特征也对应确定的状态。
状态空间与特征空间组成的两空间呈一一对应的关系，可正反推理，互逆剖析，此乃为故障诊断的原理。如细纱机前胶辊若环面凹陷(即故障)，必定导致细纱条干和强力出现周期性不匀，这个周期长度就是胶辊外径的竹倍；反之，根据该长度条干的周期性不匀，可推知疵点是由细纱前胶辊产生，而不可能是粗纱或并条胶辊，因为直径不同，所表现的纱疵长度特征也不同。
若系统可能发生n种故障，这时把正常系统所处的状态称为S。，把存在不同故障的系统所处的不同状态称为S1，，…，Sn当系统处于状态Si；时，对应的可测量特征向量为Y：(y1，…，ym)。故障诊断是由特征向量r：(y1，…，ym)，求出它所对应的状态S的过程。因一般故障状态并非清晰，有一定模糊性，它所对应的特征值也在一定范围内变动，在这种情况下，故障诊断就成为按特征向量对被测系统进行归类识别的问题。
故障诊断实践，并不是对所有的故障特征进行检测，常常是按系统的功能结构及它们之间的逻辑联系，一步步地分析原因，并又提出新的检测方向，进一步分析原因，最后确定故障源。该过程相当于多层特征空间和状态空间之间的对应。多层次空间故障诊断的思路模式是[2]：通过对特征空间Ⅰ的检测，找出对应的状态SⅠ，由SⅠ扩展出新的特征空间Ⅱi，对这一特征空间进行检测，寻找出相对应的更深层的状态。一个大系统的故障诊断往往采用这种层层展开，顺藤摸瓜逐步深入的思路，直到最后诊断出故障源。
应当指出，无论采用何种诊断模式，都离不开传统的逻辑推理所常用的归纳法和演绎法，都离不开最大概率原则和最小检测费用原则。
4 诊断数学
4．1 诊断数学概念
所谓诊断数学是指与故障诊断相关的具体信息，用抽象的数学语言或模式进行表达和数学运算。它们一般可分为可靠性数学、诊断数学、形式逻辑、数理逻辑以及新发展起来的模糊逻辑推理等内容。诊断数学的主要功能为：
(1)描述故障。即用数学语言描述设备的技术状态，将被监测机台技术状态的历史、现状以及未来反映出来。这种描述是动态的，应简洁有效，突出特点，便于实际操作时的判断和决策。
(2)识别故障。即在复杂多变的技术状态中，能够辩别故障特征，即判断设备有无故障；有何种类故障发生。
(3)寻查故障原因。即从故障特征、现象出发，通过某一数学方法，以最优化的方式搜寻故障原因和发生故障的部位。
(4)预测故障。即应用经验的知识以及检测信息(包括传统的人为方式诊断信息)，通过一定的数学方法，推测故障发展的后果以及设备状态变化的踪迹。预测的内容主要为状态预测、故障时间及后果预测。由故障起因推算其后果的数学逻辑过程为“正向运算”，而由故障现象寻求起因的过程则是“反向运算”。
如前所述，由于故障的复杂性，某一故障可能对应多个故障特征；反之，某一特征又可能对应多种故障；而且其成因与结果常常是多层次的，于是形成因果相连的链状或网状结构，网上的某一现象，既是上一层的结果，又是下一层的原因。形成连环套，一层接一层，又相互依赖，多向相关。而数学，既有从因求果的“正向运算”，又有“由果求因”的反向运算，还有正反双向运算的多功能，正好迎合了故障诊断复杂性的需要，并使得多因素的集合交叉变为简便的求值运算过程。若由计算机运算，则更为快捷。
诊断数学是从应用的角度提出来的，它涉及确定型、随机型、模糊型、推理型等一系列广义数学领域而且正处在不断交叉、融合与发展之中。
4．2 二次曲线回归拟合法数学模式诊断实例
在众多的诊断数学模式中，二次曲线回归拟合法是易于掌握的一种方法。尤其对于比例劣化型(劣化程度与使用时间成正比)、加速劣化型(劣化程度与时间的关系为幂函数或指函数)和急剧加速劣化型(从某一时刻开始，设备状态急剧恶化)等最为适用。其操作方法是：根据监测所得的特征参数的历史数据推断未来某时刻的特征参数值，并确定设备发生故障的概率。
(1)输人数据。包括用于报警的临界值，用于回归拟合的特征参数值玉(i：1，2，…，n)，通常要求n>10。
(2)曲线拟合。为了用一条曲线来拟合或平滑数据x1，x2，…，xn(实际值)，通常用最小二乘法将数据拟合为二次曲线，即假设相对劣化参数x1，x2，…，xn (理论值)的变化规律符合设定的二次曲线：
X2=ati2+bti+c
式中：a、b和c为常数，ti为xi对应的时间，令残差平方和P为最小，以求得这些常数。
P= [xi-(ati2+bti+c)]2
由条件αp/αa=0, αp/αb=0 , αp/αc=0可得到：
( ti2)a+( ti)b+ c= xi
( ti3)a+( ti2)b+( ti)c= xiti
( ti4)a+( ti3)b+( ti2)c= xiti2
由此可解得a、b和c。至此，可找到一条拟定的设备劣化参照曲线，并以此为参照，对设备未来某段时间的运行状态做出预测预报。
某厂2000年9月，在对清梳联集中滤尘排风机的运行监测中，使用振动仪随机进行状态例试，发现该设备振动特征参数的幅值逐日增加。经运用微机进行上述数学式的运算，利用频谱分析功98对风机进行分析。从分析的结果来看，风机轴频成分突出(振动异常)，量值也偏大。经过几日Xq察，该轴频成分仍在增加，并已接近预警线，经过在线分析和离线分析，确认故障是风机转子的不平衡造成的。按常规经验判断，应当立即停机检修。此时，厂里生产任务吃紧，如立即停机检修则当月生产任务将不能完成。这时，运用系统具有的趋势分析功能，进行日趋势分析，发现经过拟合而得的随机劣化曲线与事先拟定的劣化参照曲线比较，结果显示该设备仍能在预警线上下安全运行12天左右。经研究决定加强对该设备的监测并及时反馈运行状态。这样经过两周的严密监控，安全度过了当月，并在国庆假期安排了检修，经过调整和清理叶片，开机运行后，风机的振动幅值回到正常的水平上。
5 诊断技术
诊断技术是故障诊断工程实践中的手段，包括硬件和软件以及从业人员。就技术而言，有单项技术、综合技术和诊断系统技术。其中单项技术如振动、噪音、红外等技术诊断。综合技术是有关单项技术的综合，以便更有效地解决某种实际诊断问题，如旋转诊断的振动噪声分析综合技术等。诊断系统(网络)的设计与实现是高层次的诊断技术，它离不开诊断理论的指导和计算机技术的支持，而且只有在充分掌握设备本身技术知识的情况下才能很好地完成。学习和掌握好上述诊断原理和诊断技术，并通晓相关设备的原理、具体构造和运行维护知识，形成纺织企业各类设备的诊断应用技术，十分有利于胜任状态维修的重任。
参考文献：
[1] 邝朴生．设备诊断工程[M)．北京：中国农业科技出版社，1997．
[2] 李葆文．故障诊断逻辑与数学原理[M)．广州：广东高等教育出版社，1995：15