龙门吊/起重机安全监控及故障诊断技术，主要是在线监测系统进行状态监测和故障诊断分析，在工程领域应用非常广泛。上世纪60年代末，航天军工获得飞速发展，但也出现一系列故障问题，这促使故障诊断技术的诞生。美国科学家积极参与该技术的研究开发，并使其诊断技术具有全球领先的地位。60年代末70年初，英国和日本也相继开展诊断技术的研宄工作，并应用到本国产品中，促使了诊断技术的推广和发展。这一期间，麻省理工也开始研发故障诊断系统并应用于电路系统中，该系统能够模仿可能导致故障的原因。日本ＭｉMitsubishi公司、美国Westing house公司、荷兰Royal Philips公司以及美国GE公司都开发了系列故障诊断分析产品，并应用于相关行业。通过研究不难发现，欧美及日本在故障诊断方面起步早、发展快，且在相关领域处于领先地位。

我国故障诊断研究工作始于上世纪八十年代，为预防生产中故障的发生以及提髙生产率，原国家经济发展委员会于1983年提出对设备进行故障诊断，并纳入了相关条例中，随后相关行业部门以及高等科研院校开展了系列研究工作，并与国际先进企业与机构进行交流和合作。清华大学研制的门式起重机故障分析系统以及南京航空航天大学开发的大型起重机齿轮箱故障诊断监控系统等能够正确、快速定位故障位置，有效的分析故障类型并给出合理维修建议简单实用，便于操作。此外，东南大学、浙江大学、哈尔滨工业大学以及华中科技大学等高校也开发研制了类似的诊断系统。其中，东南大学设备监控与故障诊断研究所来一直从事设备监测及故障诊断技术的研究与开发，该所研发的MFD、WFD等系列产品，实现了对设备的远程监测及故障诊断功能，能够通过本地数据采集系统上传数据到本地监测中心，使用户在本地就可以对设备进行状态监测与初步的故障诊断。同时，通过数据网络系统，实现远程专家会诊中心，帮助企业远程对设备进行监测及故障诊断。上海交通大学研发的基于ＷWeb平台的大吨位履带起重机故障诊断系统，利用贝叶斯网络对故障树分析法进行改进，并可通过浏览器实现起重机的故障诊断分析，还集成了多种故障诊断方法，该系统具有平台无关性好、重用性高等特点。

总体来说，我国机械故障诊断理论及技术研究在工程实际应用上与国际先进水平有一定差距，但是一直紧跟国际先进水平的步伐。多样化的起重机产品出现的故障类型也呈多样化的态势，因此必须采取合适诊断方法解决多种故障问题。我国故障诊断理论方法研宄始于上世纪70年代末，经过近半个世纪的发展，相关成熟的理论方法和成果相继出现。常用的故障诊断方法有：基于神经网络的诊断方法、基于专家系统的诊断方法、基于FTA的诊断方法等。



１）基于神经网络的诊断方法

神经网络于上世纪８０年代末引入到故障诊断领域。神经网络，具有自适应识别和自组织能力，能够模拟“人脑”进行工作，它能够根据提供的知识不断进行学习，减少错误的判断，还能够记忆学习的知识并学以致用，还可根据周围环境自动调整以解决各种问题。目前，神经网络诊断技术作为一种新型的理论技术已经应用于信号处理、模式识别以及专家系统等领域。

２）基于FTA的诊断方法

FTA故障树分析技术）是上世纪６０年代初由美国贝尔电话公司研发的，具有逻辑型强、简单、直接的特点，且其考虑问题的逻辑思维与人类相似，因此很容易让人接受最初其被应用于危险行业的安全可靠性评估，后来由于其诊断结果能够准确、安全、高效反映系统的弱点所在，因此被广泛应用于危险设备的故障分析领域。它通过故障树简化后的结构图描述了故障树从整体到局部的关系模型，有利于从人为因素和环境因素等方面来分析各个部分对故障的影响。但是故障树分析法也存在一定的缺点，主要体现在构造故障树的工作繁多开发人员必须具备较高知识水平，难度较大。

３）基于专家系统的诊断方法

从上世纪60年代始，专家系统一直是应用最广泛的诊断方法之一。专家系统，是根据领域内的专门知识进行推理，故障症状与已知故障事实进行相似性分析，并与使用者进行“交流”，从而给出合理的诊断结果，为使用者决策提供建议。目前，专家系统广泛应用于航天航空、电力化工、机械船舶等行业的故障诊断领域，并与其他检测技术相结合使工程安全生产得到保证一直以来旋转机械的故障分析方法都是故障监测与诊断技术的核心。随着起重机械设备的快速发展，其旋转机械部分的功率和载荷变得越来越大，对其安全性要求也越来越高。通常起重机这样的大型设备需要监测的参数包括电压、电流、应力、振动以及噪声等需要有效的信号处理技术与理论方法，从复杂的信号中提取故障信号特征以发现设备问题。故障信号分析是对设备运行参数利用经典谱与现代谱等分析方法处理故障信号，提取出故障特征。旋转机械部分的故障诊断及分析的发展过程中，人们探索出了一系列的诊断分析方法。早期在旋转设备的故障分析中发挥了重大作用的经典信号分析方法，都是基于傅里叶变换的，适用于平稳信号。如李晓虎等人对频谱分析方法在齿轮箱故障诊断中的应用研究这些方法主要包括：时域分析（自相关分析、互相关分析）、频域分析（功率谱分析、倒谱分析、包络谱分析、互谱分析）等。对于起重机械其振动信号大多数为时变信号或非平稳信号，不适用传统的经典信号分析方法，因此，又出现了小波分析（线性）与维格纳分布（非线性）等现代谱分析技术ｆ３９＂４％利用时频分析方法，识别短持续时间正弦波、线性调频脉冲等特殊信号，有效的提出故障特征，因而在故障诊断、信号处理分析、图像识别、语音分析、股票等领域得到广泛应用起重机齿轮箱工作时振动信号复杂，混合了各个啮合齿轮的特征信号、行走机构与起升机构等的噪声信号，必须研究有效的故障诊断技术来从复杂信号中提取故障特征，从而有效诊断出齿轮箱故障以避免事故的发生。

随着近几年计算机技术以及人工智能的发展，整个诊断领域也朝着智能诊断方向发展，朝着融合多种信息源、经验知识与理论方法紧密结合、混合智能诊断、基于物联网的远程协助诊断以及基于云计算、云存储的远程监测与智能诊断方向发展。