官振红，赵伟杰，陈 磊，韩 捷

（郑州大学 振动工程研究所，河南 郑州 450001）

1 引言

设备故障预测就是要通过技术手段，预测在未来的一定时间内机组的运行状态，预知将要发生的设备故障，以便指导生产调度和设备维修。当前，国内外学者对于故障预测的研究主要集中于故障强度、剩余寿命和有无故障方面[1-3]，多以事先确定的某种特定的单一故障展开，而对于故障性质和类型的预测则相对较少[4-5]。要对故障类型和性质进行预测，就需要对设备振动信号的频谱结构的发展趋势进行预测，并根据预测所得的频谱结构判断机组的故障性质和类型[6]。

从采集到的振动信号中如何有效提取出反映故障发展趋势的特征量一直是旋转机械故障预测的核心和难点。转子系统的振动信号一般由安装在转子同一截面相互垂直的两个传感器进行采集。不同方向采集到的振动信号进行频谱分析时，发现频谱结构存在差异性，因此，仅仅依靠单源信号进行预测，很难反映出机组的运行状态。为提高旋转机械故障预测的可靠性，对不同方向的振动信息进行融合则很有必要。基于同源信息融合的全矢谱技术很好的解决了这个问题，将全矢谱技术引入预测模型是多传感器信息融合技术在设备故障预测中的典型应用，可有效的避免单源信号故障特征提取不完整的弊端，完整的表述转子在整个截面内的振动状态。

基于数据的预测包含时间序列预测、灰色预测、支持向量机预测、神经网络预测、混沌预测等方法[8]。……