这不是讲空泛的理论，都是我在现场摸了十几年踩坑踩出来的干货，给有基础的中级工程师做参考，看完就能用。
多数工厂的故障诊断，还在做「事后救火」
去年去南方一家汽配厂做技术支持，全厂三条冲压线，去年一年因为主轴轴承突发故障停了八次，一次停四小时，光产能损失就上百万。他们其实早就装了振动传感器，老板说那玩意儿就是个摆设。
为什么？测点全装错了地方。一半传感器吸在电机的防护罩上，另一半装在机座的油漆层上，测出来的信号全是噪声，根本看不到轴承的故障特征。
说白了，很多工厂上故障诊断，都是为了应付安全生产检查，或者跟风上数字化，根本没人沉下心把基础工作做对。坏了才修，修好了忘，下次接着坏。真的亏。
把基础做对，故障诊断就成功了八成
说实话，故障诊断没那么多玄学。不用动不动就扯深度学习、人工智能，先把三件基础事做好，就能解决现场80%的问题。
第一件，选对测点，按规矩来。按照ISO 10816-3:2009的要求，旋转机械的振动测点必须直接贴在轴承座的刚性部位，要打磨掉油漆和锈迹，传感器和被测面之间不能有缓冲层。如果是用磁吸固定，每隔三个月要检查一遍吸力，车间的油污和灰尘会慢慢让磁吸松动，信号衰减超过20%都是常事。
第二件，阈值别死卡标准。很多人拿到标准就直接把振动阈值设成4.5mm/s，那是给新出厂设备用的。一台运行了十年的齿轮箱，本身游隙就比新设备大一点，只要故障特征频率没有明显爬升，哪怕振动到5mm/s也不用慌。我们去年给一条12年的带式输送机改阈值，把固定阈值改成了相对基线的浮动阈值，误报率直接降了70%。
第三件，不要迷信AI。现在卖诊断系统的都吹AI能自动识别故障，准确率99%。那都是实验室干净信号里调出来的。车间现场什么情况？电机有谐波干扰，输送带本身有振动噪声，传感器飘一个点，AI直接给你报个转子不平衡，拆下来一看啥事没有。我们去年把现有系统改了一层规则过滤，AI出预警先过人工经验的特征筛查，不符合的直接过滤掉，误报率从32%降到了4%不到。
这些坑，我替你踩过了
第一个坑，过度诊断。刚学故障诊断的新手，最喜欢对着频谱找峰值，看到一点点和故障特征对得上的分量，就说零件坏了。上个月我徒弟就干过这事，给风机轴承做诊断，看到内圈特征频率有个小峰值，非要拆下来换，拆下来测磨耗才0.01mm，远小于允许的0.1mm极限，又原样装回去，耽误了大半天生产，扣了当月奖金。
记住。故障诊断看的不是有没有峰值，是峰值有没有持续增长。一次测量的小峰值，大概率是干扰，连续三次测量同一个位置峰值涨了30%以上，那才要警惕。
第二个坑，只测振动，不管其他。很多人觉得故障诊断就是测振动，不对。齿轮箱磨损，油温会先涨，比振动出特征早半个月以上。润滑油里的磨粒分析，能比振动早三个月发现点蚀。去年我们厂的主减速机，就是油液分析发现磨粒超标，提前换了齿轮，避免了一次几十万的停机损失。要是只等振动出信号，早就出事了。
第三个坑，传感器选型乱选。测低频振动用了高频传感器，测高频冲击用了低频传感器，出来的信号全错。滚动轴承的故障特征频率一般都在几千赫兹，得用响应范围1Hz到10kHz的加速度传感器，别图便宜买那种几百块的速度传感器，根本抓不到早期故障。谁踩谁知道。
不过话说回来，哪怕你所有步骤都做对了，也不可能100%提前发现所有故障。设备本来就是慢慢老化的，故障诊断的核心目的，不是零故障，是帮你把维修安排在计划停机期，少亏点钱。
很多工厂一上来就追求完美，要百分之百准确，花了大几百万上系统，最后用不起来。不如先从关键设备入手，把基础的测点、阈值、数据积累做好，慢慢跑起来，再慢慢优化。比花冤枉钱强多了。
