TPM咨詢公司提出設備故障診斷的任務是監測設備的狀態，判斷其是否正常；預測和診斷設備的故障并消除故障：指導設備的管理和維修。

　　

　　1．狀態監測

　　

　　通常設備的狀態可分為正常狀態，異常狀態和故障狀態幾種情況。正常狀態指設備的整體或其局部沒有缺陷，或雖有缺陷但其性能仍在允許的限度以內。異常狀態指缺陷己有一定程度的擴展，使設備狀態信號發生一定程度的變化，設備性能己劣化，但仍能維持工作，此時應注意設備性能的發展趨勢，即設備應在監護下運行，故障狀態則是指設備性能指標己有大的下降，設備已不能維持正常工作，設備的故障狀態尚有嚴重程度之分，包括己有故障萌生并有進一步發展趨勢的早期故障：程度尚不很重，設備尚可勉強“帶病”運行的一般功能性故障，以及由于某種原因瞬間發生的突發性緊急故障等。
 

故障診斷方法

　　

　　狀態監測的任務是了解和掌握設備的運行狀態，包括采用各種檢測、測量、監視、分析和判別方法，結合系統的歷史和現狀，考慮環境因素，對設備運行狀態進行評估，判斷其處于正常或非正常狀態，并對狀態進行顯示和記錄，對異常狀態作出報警，以便運行人員及時加以處理，并為設備的故障分析、性能評估、合理使用和安全工作提供信息和基礎數據。

　　

　　2．故障診斷

　　

　　故障診斷的任務是根據狀態監測所獲得的信息，結合己知的結構特性和參數以及環境條件，結合該設備的運行歷史（包括運行記錄和曾發生過的故障及維修記錄等），對設備一可能要發生的故障進行預報和分析、判斷，確定故障的性質、類別、程度、原因、、部位，指出故障發生和發展的趨勢及其后果，提出控制故障繼續發展和消除故障的調整、維修、二治理的對策措施，并加以實施，最終使設備復員到正常狀態。

　　

　　設備上不同部位、不同類型的故障，引起設備功能的不同變化，導致設備整體及各部位狀態和運行參數的不同變化。故障診斷的任務就是當設備上某一部位出現某種故障時，要從這些狀態及其參數的變化推斷出導致這些變化的故障及其所在部位。由于狀態參數的數量浩大，必須找出其中的特征信息，提取特征量，才便于對故障進行診斷。由某一故障引起的設備狀態的變化稱為故障的征兆。故障診斷的過程就是從己知征兆判定設備上存在故障的類型及其所在部位的過程。因此故障診斷的方法實質上是一種狀態識別方法。

　　

　　故障診斷的困難在于：一般來說，故障和征兆之間不存在簡單的一一對應的關系：一種故障可能對應多種征兆，‘而一種征兆也可能對應多種故障．例如旋轉機械轉子的不平衡故障引起振動增大，其中相應于轉速的工頻分量占主要成分，其是主要征兆，同時還存在一系列其他征兆。反過來工頻成分占主要成分這一征兆不只是不平衡的獨特征兆，還有許多其他故障也都對應這一征兆。這就為故障診斷增加了難度。因此通常故障診斷有一個反復試驗的過程：先按已知信息提取征兆，進行診斷，得出初步結論，提出處理對策，對設備進行調整和試驗，甚至停機維修，再啟動機器進行驗證，檢查設備是否己恢復正常，如尚未恢復，則需補充新的信息，進行新一輪的診斷和提出處理對策，直至狀態恢復正常。

　　

　　3.指導設備的管理維修

　　

　　第四節將要講到，設備的管理與維修方式的發展經歷了三個階段，即早期的事后維修方式，發展到定期預防維修方式，現在正向狀態預知維修方式發展。定期維修制度可以預防事故的發生，但可能出現過剩維修或不足維修的弊病。狀態維修是一種更科學、更合理的誰修方式。但要能做到狀態預知維修，其條件是有賴于完善的狀態監測和故障診斷技術的發展和實施。這也是國內外近年來對故障診斷技術如此重視的一個原因。隨著我國故障診斷技術的進一步發展和實施，我國的設備管理、維修工作將上到一個新的水平，我國工業生產的設備完好率將會進一步提高，惡性事故將會進一步得到控制，我國的經濟建設將會得到更健康的發展。

　　

　　由于設備故障的復雜性和設備故障與征兆之間關系的復雜性，形成了設備故障診斷是－種探索性的過程這一特點。就設備故障診斷技術這一學科來說，重點不只在于研究故障本身，而更在于研究故障診斷的方法。故障診斷過程由于其復雜性，不可能只采用單一的方法，而要采用多種方法。可以說，凡是對故障診斷能起作用的方法就要利用，必須從各種學科中廣泛探求有利于故障診斷的原理、方法和手段，這就使得故障診斷技術呈現多學科交叉這一特點。

　　

　　一、傳統的故障診斷方法

　　

　　首先是利用各種物理和化學原理手段，通過伴隨故障出現的各種物理和化學現象，直接檢測故障。例如，可以利用振動、聲、光、熱、電、磁、射線、化學等多種手段，觀測其變化規律和特征，用以直接檢測和診斷故障．這種方法形象、快速，十分有效，但只能檢測部分故障。

　　

　　其次，利用故障所對應的征兆來診斷故障是最常用、最成熟的方法。以旋轉機械為例，振動及其頻譜特性的征兆是最能反映故障特點、最有利于進行故障診斷的手段。為此，要深入研究各種故障的機理，研究各種故障所對應的征兆。在診斷過程中，首先分析設備運轉中所獲取的各種信號，提取信號中的各種特征信息，從中獲取與故障相關的征兆，利用征兆進行故障診斷。由于故障與各種征兆間并不存在簡單的一一對應關系，因此利用征兆進行故障診斷往往是一個反復探索和求解的過程。

　　

　　二、故障的智能診斷方法

　　

　　在上述傳統的診斷方法的基礎上，將人工智能(Artificial Intelligence）的理論和方法用于故障診斷。發展智能化的診斷方法，是故障診斷的一條全新的途徑，目前己廣泛應用，成為設備故障診斷的主要方向。

　　

　　人工智能的目的是使計算機去做原來只有人才能做的智能任務，包括推理、理解、規劃、決策、抽象、學習等功能。專家系統（Experi System）是實現人工智能的重要形式，目前己廣泛用于診斷、解釋、設計、規劃、決策等各個領域。現在國內外己發展了一系列用于設備故障診斷的專家系統，獲得了很好的效果。

　　

　　專家系統由知識庫、推理機以及工作存儲空間（包括數據庫）組成．實際的專家系統還應有知識獲取模塊。知識庫管理維護模塊，解釋模塊，顯示模塊以及人機界面等。

　　

　　專家系統的核心問題是知識的獲取和知識的表示。知識獲取是專家系統的“瓶頸”，合理的知識表示方法能合理地組織知識，提高專家系統的能力。為了使診斷專家系統擁有豐富的知識，必須進行大量的工作．要對設備的各種故障進行機理分析，其中有的可建立數學模型，進行理論分析；要進行現場測試和模型試驗；特別要總結領域專家的診斷經驗，整理成適合于計算機所能接受的形式化知識描述；還要研究計算機的知識自動獲取的理論和方法。這些都是使專家系統有效工作所必需的。

　　

　　三、故障診斷的數學方法

　　

　　設備故障診斷技術作為一門學科，尚處在形成和發展之中，必須廣泛利用各學科的最新科技成就，特別要借助各種有效的數學工具。包括基于模式識別的診斷方法，基于概率統計的診斷方法，基于模糊數學的診斷方法，基于可靠性分析和故障樹分析的診斷方法，以及神經網絡、小波變換、分形幾何等新發展的數學分支在故障診斷中的應用等等。