针对风机设备，介绍了风机设备的典型故障及其振动特征，依据频谱分析理论，对风机设备的振动信号进行功率谱密度分析，以特征频率处的特征幅值作为故障特征值，对风机设备进行故障特征提取。应用灰预测理论，对故障特征值序列进行预测，并绘制趋势预报图。趋势预报图有预警功能，通过此图，维修人员能够及时地了解设备当前以及将来一段时间的工作状态，为生产和维修提供可靠依据，改定期维修为预知维修，达到了优化管理的目的。

　　1风机典型故障及其振动特征风机工作系统主要由风机和电机两部分组成，在电机和风机之间安装有耦合器。风机典型故障*主要是转子不平衡，其次是转子不对中，再次是机件松动、轴承损坏等故障15.因此本文主要针对风机不平衡故障进行预测和预报。

　　风机在使用过程中，由于叶片磨损不均匀、轴弯曲或叶片表面积灰厚度不均，使转子重心偏离其旋转轴线。当转子旋转时，转子各微小单元质量的离心惯性力组成的力系是一个不平衡力系，称为转子不平衡。

　　不平衡在频谱图上表现的特征为振动能量集中反映在回转频率上，在频谱图上回转频率处有很大的谱峰出现，同时在回转频率各个倍频处①：艾厚装，男，1962年出生，硕士，高级工程师，1991年毕业于鞍山科技大学时间/s（b）第二次循环振动加速度信号时域加速度信号时间/s（a）**次循环振动加速度信号时域加速度信号也出现较小的谱峰。正常工况的振动信号的频谱在回转频率处也有一定的谱峰，在进行故障诊断时，若谱峰的幅值超过预定值则认为可能出现不平衡故障。

　　2基于频谱分析的故障特征提取傅里叶变换是众多科学领域（特别是信号处理、图像处理、量子物理等）里重要的应用工具之一。本文中的基于频谱分析的故障特征提取即为对振动信号进行频谱分析（本文为功率谱密度分析），提取故障特征频率处的幅值作为故障特征值。

　　21特征提取实例对四次循环信号分别做功率谱密度分析，结果如所示。

　　四次循环的振动加速度信号的功率谱密度分析如四次循环功率谱分析结果所示，基频处均有较高幅值，与设置的不平衡故障相符。依据前述基于频谱分析的特征提取，分别提取四次循环振动信号的功率谱分析基频处（即20Hz）的23%.即预测**点较好，第二点次之。在实际应用中可根据实际情况，建立适当的模型，以提高预测精度。

　　3.3基于频谱分析的风机不平衡故障诊断及趋势预报本文中的趋势预报基于故障趋势预报图，判断设备当前以及将来一段时间的工作状况。此特征频谱值，并绘制出特征频谱值随故障程度的特征值序列图随机成份，加强其确定性成份（单调性或周期性趋势），从而提高信噪比。

　　本文预测中的建模过程采用的模型是白化型。

　　其中a为发展系数，b为灰作用量，x（）为满足条件的预测数列，x（1）为x（）的AGO（Accunuk 3.2故障特征值（频谱特征值）预测以表1中前7个数据作为预测数列，预测第8个和第9个值，预测结果如所示。

　　表1风机振动信号基频处频谱特征值检测曰期特征幅值Hz检测曰期特征幅值/Hz 3不平衡故障预测和预报31灰预测理论19灰色系统理论是一种利用己知信息来确定系统的未知信息而使系统由“灰”变“白”的过程，又称为系统的“白化过程”。一台运行中的设备就是一个复杂的灰色系统。它主要表现在其故障（输入）和征兆（输出）之间关系的随机性和模糊性。

　　灰色理论采用独特的数据处理方法一累加处理或累减处理。其目的是为了削弱信号中的一74一基频处特征值趋势预测图风机故障特征值预测图检验方法包括残差检验、后验差检验和级比检验。本文米用残差检验。

　　令e（k）为残差，令p为精度，将预测值与真实值作比较，经残差检验：此日期趋势预报图趋势预报图有预警功能，当提取的特征值超过了警示线，说明产生了故障，及时发出警报，提示工作人员进行检查；当提取的特征值超过了危险线，则提醒工作人员进行维修。

　　确定警示值和危险值的方法有绝对法、相对法和类比法1101.本文采用相对法，相对法是以机器正常状态的振动值作为基数，自己和自己比。通过多次。由图可见，此风机的基频处特征幅值预测值超过了警示线，说明风机产生不平衡故障，弹出警告对话框，提醒工作人员进行检查。

　　不平衡故障趋势预报结束语机械振动信号的频谱特征幅值能有效地表征机械设备的某种故障的损坏程度。通过故障特征值的提取和预测，并绘制趋势预报图来判断机械设备当前以及将来一段时间内的工作状态，方便、灵活、直观、快捷，为生产和维修提供可靠的依据，减少不必要的维修费用，提高经济效益，达到优化管理的目的，具有一定的实用价值。