工业中有一类设备几乎无处不在：发电厂的汽轮机、化工厂的压缩机、矿山的通风机、各种工厂的水泵……
它们形态各异，却有一个共同点：都依靠旋转部件完成工作，所以也被统称为旋转机械。
汽轮机通过高速旋转的叶片将蒸汽能量转化为机械能，压缩机通过旋转部件提高气体压力，水泵靠叶轮旋转输送液体，电动机则利用电磁作用驱动转子旋转。
旋转机械通常包含转轴、轴承、叶轮、齿轮、联轴器等部件，长期承受高速旋转、交变载荷、摩擦和温度变化，生存条件堪称恶劣。
旋转机械有几类典型故障：
第一类：转子不平衡
若转子质量分布不均，旋转就会产生周期性离心力，引起振动。转速越高，振动越明显。
洗衣机甩干衣服时，如果衣服分布不平衡，机器就会跳起舞来。
第二类：轴承故障
轴承负责支撑旋转部件，长期运行会出现磨损、点蚀甚至剥落。早期的轴承损伤尽管十分微小，但也可能产生规律的振动冲击。
第三类：轴系不对中
例如，电动机通过联轴器驱动水泵，如果两根轴的中心线没对齐，就可能产生额外的交变载荷，引起振动。
第四类：齿轮和叶片故障
齿轮可能出现磨损或断齿，叶片可能出现裂纹、损伤以及气蚀，导致异常振动。
故障原因各异，但往往有个共同特征：振动。
过去，旋转机械维护主要靠定期检修。通过听声音、测温度，尤其是检查振动，来判断设备健康状态。
工程师做频谱分析、包络分析、轴心轨迹分析，就有机会从振动信号中识别异常。
不过，设备经常变转速、变负荷，正常的工况变化也可能改变振动特征，不同故障之间还具有相似特征。
因此，传统的监测方法可能误判故障，出现虚警。而且有些早期故障发生时，振动幅值尚未达到报警阈值。就算达到阈值，工程师发现了振动超标，也很难判断故障原因。
近年来，人工智能为旋转机械故障诊断提供了新技术手段。
天洑基于工业AI底座，将振动分析、设备故障机理、专家经验和人工智能算法结合，开发了面向旋转机械的智能预警与故障诊断解决方案。
第一步，数据接入。系统接入振动、转速、温度、电流等运行数据，通过信号处理算法提取设备的关键特征。
第二步，学习设备正常状态。利用设备历史运行数据建立模型，学习不同负荷、转速和工况下的正常运行规律。
第三步，学习设备专业知识。单纯依靠数据，有时很难准确区分故障。系统支持将设备故障机理与专家经验融入诊断模型，针对转子不平衡、轴系不对中、轴承损伤、齿轮磨损等典型故障，建立诊断规则。
第四步，输出诊断结果。系统能够展示设备健康状态和振动趋势，并自动生成诊断分析报告，辅助工作人员安排检查和检修。
目前，天洑已将此方案应用于多种装备。
例如，核电厂主泵健康监测与诊断系统，将传统阈值监测与振动分析、智能算法、机理模型结合，实现主泵异常预警、典型故障诊断和健康状态评估。
还有汽轮机叶片振动在线监测系统，通过叶顶计时等技术分析叶片振动状态，为识别叶片异常、保障机组运行提供技术支持。
旋转机械故障诊断正在从单一参数监测，向多源数据融合、智能分析和预测性维护发展。未来的工业设备，也将越来越依靠数据和智能算法来管理自身的健康状态。
这也是天洑探索工业世界模型的重要方向之一。让工业AI与物理规律协同，使工业设备的运行更透明，维护决策更科学。
---------END-----------