关于各种机械故障诊断方法的研究，请大家讨论

帮忙顶了，我入行时间不长， 在一家公司 做状态监测 故障诊断，邮箱85630782@qq.com。期待与各位交流，谢谢分享！

温度、振动、油液、声……，各种监测诊断方法都有其明显的优缺点。
但在当前，我们似乎过于执着振动分析，而且越来越深入细化——但绝大多数设备，实际上是并不需要这么麻烦的，搞学术研究可以，而不会得到广泛应用，因为繁琐、高深、技术局限。

我连原始数据都没有
郁闷!

在做 可不知道是在作甚么

我个人认为 主要还是从望闻听触着手

新人报到！本人在读自动化本科的时候做过有关故障诊断的课题，故障检测与诊断（Fault Detection and Diagnosis，简称FDD）的主要任务是当系统发生了故障时，如何找出故障的特征描述，并利用它进行故障检测、预报、分离、辨识，进而实现故障决策。它包括故障特征提取、故障建模、故障检测、故障预报、故障分离与辨识和故障评价与决策等几个方面的内容，其中故障检测、故障预报、故障分离与辨识可以包含在故障诊断方法的研究中。通常在具体研究故障诊断方法时主要研究故障检测、故障分离和故障辩识，这是FDD技术的主要研究内容，也是迄今FDD领域研究最多、最为活跃的分支。这些方法目前取得的成果不论是在检测性能、诊断性能，还是鲁棒性等都有很大提高，而且对于LTI系统已经形成了相对较为完整的体系结构。按照国际故障诊断权威，德国的P.M.Frank教授的观点，将现有的故障诊断方法大致分为基于动态数学模型的方法、基于信号处理的方法和基于知识的方法也就是人工智能的方法。
基于系统动态数学模型的方法是通过将被诊断对象的可测信息和由模型表达的系统先验信息进行比较，以产生残差，并对残差进行分析和处理而实现故障诊断的技术。该类方法发展最早也最为深入，它需要建立被诊断对象的精确数学模型，优点是充分利用了系统内部的深层知识，利于系统的故障诊断。
由于系统的I/O信号模型在幅值、相位、频率及相关性上与故障源之间存在一定的联系，故障发生时，可应用某种信号处理方法和特征提取方法（如各种谱分析方法、相关分析、时间序列特征提取方法、自适应信号处理方法以及信息融合等）进行故障检测与分离。它不需要对象的准确模型，回避了建模的难点，因此适应性强。
基于知识的方法无需系统的定量数学模型，充分利用了专家诊断知识和诊断对象的信息，特别适合于非线性系统和复杂的大型系统。该方法的内容最为丰富，也最有生命力。它的发展大致经历了两个阶段：基于浅知识（人类专家的经验知识）的第一代故障诊断系统和基于深知识（诊断对象的模型、统计知识）的第二代故障诊断系统。近期出现的混合结构的知识诊断系统，是将上述两种方法综合使用，互补不足，相得益彰。它可分为基于症状的方法和基于定性模型的方法。
总的来说，当可以建立比较准确的被控过程的数学模型时，基于解析模型的方法是首选的方法。现在已经证明了基于观测器的状态估计方法与等价空间方法是等价的。参数估计方法更易于故障的定位与故障幅值的估计。当可以得到被控过程的输入输出信号，但很难建立被控对象的解析数学模型时，可采用基于信号处理的方法。其中小波变换方法是近年来发展起来的一种很有前途的方法。当很难建立被控对象的定量数学模型时,可采用基于知识的方法。
希望多多能和这里的xdjm交流！willingdong@sina.com