浅谈旋转机械故障机理及技术进展现状近 30 年来，旋转机械故障诊断技术不断吸取现代科学技术进展的新成果，从理论讨论到实际应用都有了迅速的进展，已进展成为集数学、力学、化学、电子技术、计算机技术、信号处理和人工智能等各种现代科学技术于一体的新兴交叉学科。一、旋转机械故障机理讨论在转子轴承系统中，由于作用在滑动轴承上的载荷的大小和方向都是随时间是变化的，所以各个瞬时轴心的平衡位置也是变化的，在油膜力和载荷相互平衡的情况下，就形成了轴心轨迹。于是转子运行的异常可通过振动信号状态变化和轴心轨迹形状变化反映出来。故障机理讨论主要是运用运动学、动力学、振动学、材料学等相关的基础学科和理论，建立故障相应的物理或数学模型，利用数值分析的方法进行仿真计算和实验，从而讨论这些故障的原因和状态效应。它的目的是掌握转子的故障形式和进展过程，了解其内在的本质及其特征，为状态监测和故障诊断提供敏感参数及相关特征。旋转机械以转子及其它回转部件作为工作的主体，自从JeffcottHH1919 年首先解释了 Jeffcott 转子模型（由一根两端刚性支承的无质量的轴和在其中部的圆盘组成的）动力学特性以来，基于线性系统理论的转子动力学获得了很大的进展，在实践中也获得了成功的应用。随着转子速度的日益提高和新型材料、新型结构的推广应用，线性理论在解决转子系统动力学问题上的不足逐渐显露出来，旋转机械中出现的复杂的非线性动力学行为日益引起关注。随着非线性科学讨论的深化和渗透，针对转子系统中的典型非线性动力现象，建立一种更接近实际的转子模型，从而讨论讨论转子的故障机理，这是源于实际问题的迫切需求。二、故障特征提取技术的讨论在机械故障诊断技术的进展过程中，人们发现最重要最关键而且也是最困难的问题之一就是故障特征信息的提取。在某种意义上，特征提取也可以说是当前机械故障诊断讨论中的瓶颈问题，它直接关系到故障诊断的准确性和故障早期预报的可靠性。所谓特征提取，是指通过变换（或映射），把高维的原始特征空间的模式向量用低维的特征空间的新的模式向量来表达，从而找出最有代表性的、最有效的特征的方法。为了从根本上解决故障特征信息提取这个关键问题，人们主要借助于信号处理，特别是现代信号处理的理论和技术手段，从对信号的深度分析中猎取更多的信息。利用旋转机械的振动信号对设备进行诊断，是故障诊断中最有效、最常用的方法之一。传统的以快速傅立叶变换为核心的传统信...
