故障诊断.docx
- 文档编号:18304072
- 上传时间:2023-08-15
- 格式:DOCX
- 页数:19
- 大小:1.27MB
故障诊断.docx
《故障诊断.docx》由会员分享,可在线阅读,更多相关《故障诊断.docx(19页珍藏版)》请在冰点文库上搜索。
故障诊断
东北大学
研究生考试试卷
考试科目:
数学模型
课程编号:
阅卷人:
考试日期:
2011.12
姓名:
周世华
学号:
1100580
注意事项
1.考前研究生将上述项目填写清楚
2.字迹要清楚,保持卷面清洁
3.交卷时请将本试卷和题签一起上交
东北大学研究生院
机械系统故障诊断与状态监测
第一章机械故障诊断简介
1.1前言
机械故障诊断技术是七十年代以来,随着计算机和电子技术的飞跃发展,促进工业生产现代化和机器设备的大型化、连续化、高速化、自动化而迅速发展起来的一门新技术,也是一门以高等数学、物理、化学、电子技术、机电设备失效学为基础的新兴学科。
现代化机械设备的应用一方面大大促进了生产的发展;另一方面也潜伏着一个很大的危机,即一旦发生故障所造成的直接和间接的损失将是十分严重的。
这门新技术的宗旨就是运用当代一切科技的新成就发现设备的隐患,以期对设备事故防患于未然。
如今它已是现代化设备维修技术的重要组成部分,并且成了设备维修管理工作现代化的一个重要标志。
机械故障诊断技术对确保机械设备的安全、提高产品质量、节约维修费用以及防止环境污染均起到重要作用。
因此,在生产中运用现代设备故障诊断技术,可给企业带来巨大的经济效益。
1.1.1设备维修制度
目前,与生产水平相适应,设备维修制度共有三种:
(1)事后维修制度(POM):
这是一种早期的维修制度。
主要特点是不坏不修,坏了再修。
显然这是一种落后的维修方法。
但目前我国企业中一些不重要的设备仍采用这一种维修方法。
这种维修制度对发生事故难以预料,并往往会造成设备的严重损坏,既不安全且又延长了检修时间。
(2)预防维修制度(PM):
PM又称以时间为基础的设备维修制度(TBM)或计划维修制度。
这是一种静态维修制度,主要特点是当设备运行达到计划规定的时间或吨公里时便进行强制维修。
它比前一种维修制度大大前进了一步,对于保障设备和人身安全,起到了积极作用。
同时,这种维修制度也存在明显的缺陷,即过剩维修和失修的问题。
以滚动轴承为例,同一型号的滚动轴承,其实际的使用寿命有时相差达数十倍。
在预防维修制度下,一些轴承虽然已到了计划维修的时间,但其使用寿命还有相当长的时间,但必须进行更新,这就是过剩维修。
同样,可能有一些轴承还未到达计划维修时间就已失效了,这就是失修。
过剩维修带来的是人员及原材料的巨大浪费,失修则是造成事故的重要原因之一。
目前我国大部分企业的设备采用这种维修制度。
(3)预知维修制度(PRM):
PRM又称以状态为基础的维修制度(CBM)。
主要特点是在状态监测的基础上,根据设备运行状态实际劣化的程度以决定维修时间和维修的规模,设备有无故障、故障类型、故障部位、故障程度都可以准确把握。
显然这种维修方式的主要技术支承是设备故障诊断技术,而且是一种比较理想的动态维修制度。
它有如下优点:
1)避免过剩维修,防止因不必要的拆卸使设备精度降低,延长设备寿命
2)减少维修时间,提高生产效率和经济效益。
3)减少和避免重大事故发生,不仅能获得巨大经济效益,而且能获得很好的社会效益。
4)大大降低维修费用,如实行状态维修后,某化工厂年维护修理工作由247台减至14台;某电机厂维护费用下降了75%;某造纸厂年节约25万美元,可是,其故障监测设备的一次注投资仅是此数的10%。
积极进行设备故障诊断技术的研究工作是从PM过渡到PRM制度的必要条件,是推行PRM制度的基础。
1.2.设备故障诊断的基本过程、原理和方法
1.2.1基本过程和原理
机械设备在劣化进程中,基本遵循如图1所示的规律。
图1浴盆曲线
Ⅰ期:
称为磨合期。
指的是新设备设计、装配后的跑合阶段,这个阶段故障率较高。
故障率与零部件的设计、制造、装配质量关系密切。
一般设备的劣化曲线不包括这一期。
Ⅱ期:
正常使用期。
指的是机器在经过第Ⅰ期后,已经处于稳定状态,进入正常使用阶段。
这个阶段故障率显然较低。
Ⅲ期:
耗损期。
指的是机器由于磨损疲劳等原因已处于生命中的老年阶段,其故障率逐渐升高。
通过对机器进行必要的测量和诊断,可以及时发现设备在某一阶段处在哪一期,避免设备提前进入耗损期或发生故障。
诊断一词来源于中医学中的望、闻、问、切,辨证施治八字诀,而这几个字也充分体现了设备故障诊断的全过程。
设备故障诊断的基本过程原理框图如图2所示。
图2机械故障诊断基本过程和原理
也就是说,在机械设备运行的劣化进程中,会产生大量的有用的诊断信息,我们把这些诊断信息所产生的信号用适当的传感器转化为电信号,再对所采集来的电信号进行处理、提取其特征,从而进行故障诊断。
故障诊断技术的实质工作和核心目标是:
(1)掌握设备的运行状态;
(2)确定设备运行正常与否;
(3)预测设备的可靠性;
(4)预测设备能安全运行的时间;
(5)发现早期故障;
(6)预测故障的发生、发展趋势。
围绕这些核心目标,针对机械不同组件,分别采用相应的诊断技术与方法,也就形成了故障诊断技术更深层的研究。
1.2.2基本方法
在机械故障设备的状态监测和故障诊断技术中有多种方法可使用。
例如振动监测技术、油液分析技术、红外测温技术、声发射技术、无损检测技术等。
故障诊断技术是一门新兴的学科,目前比较流行的方法有以下几种:
1.按机械故障诊断方法的难易程度分:
1)简易诊断法
这种方法主要指采用便携式的简易仪器,根据设定的标准或人的经验分析,了解设备是否处于正常状态。
若发现异常则通过监测数据进一步了解其发展趋势。
这种方法的正常使用,得意于世界上许多大公司对便携式设备的研究和生产。
例如,便携式测振仪、机器检测器,油膜检测器,小型测振仪、马达检测器,声发射裂纹检测器等。
国际上比较有影响的公司有:
丹麦的B&K公司,瑞典的SPM公司等。
2)精密诊断法
这种方法指对已产生异常状态的原因采用精密诊断仪器和各种分析手段,进行综合分析。
通过精密诊断,不仅要确定故障是否的确存在,并且,当存在故障时,还需诊断出它的位置,原因及程度及发展趋势。
目前比较普及的还是简易诊断(状态监测),而精密诊断真正用于生产还是少数,而且主要用于高精尖设备上。
这一状况欧美和日本都一样,具有普遍性。
这表明简易诊断比较成熟,简便易行,而精密诊断还属于一种开发性技术,尚不够成熟。
另外精密诊断的费用也比较高,需要精密的仪器,要由经过专门训练的工程师来进行,所以只在重要的设备上进行。
这一点对我国开发推广诊断技术时值得注意。
当前应该把重点放在普及简易诊断或状态监测上。
同时积极开发精密诊断技术,使它尽快达到使用水平。
据有关资料统计,利用简易诊断仪器可以解决设备运行中50%的故障。
由此可见,简易诊断在设备管理与维修中的重要作用。
2.按测试手段分:
1)直接观察法
即传统的“听、摸、看、闻等方法,在一些情况下十分有效。
但因其主要依靠人的感觉和经验。
故有较大的局限性。
但随着现代技术的发展,新的高科技产品(如红外点温仪、光纤内窥镜等)的问世延长了的感观器官,从而使这种方法又成为一种有效的诊断方法。
2)振动噪声法
机械设备在动态下(正常状态或异常状态)都会产生振动和噪声。
进一步的研究表明:
振动的强弱及其包含的主要频率成份和故障类型、部位和原因等有着密切的联系。
一台设计得很好的机器,它的固有振级也很低。
但当机器磨损、基础下沉、部件变形时,机器的动态性能开始出现各种细微的变化:
轴变得不对中,部件开始磨损,转子变得不平衡,间隙增大。
所有这些因素都在振动能量的增加上反映出来。
因此,振动加剧常常是机器要出毛病的一种标志,而振动是可以从机器的外表面测到的。
过去,设备工程师根据经验靠手摸、耳听来判断机器是否正常或其故障是否在发展。
但今天机器的转速很高,许多起警告性的振动出现在高频段,因此,只有用仪器才能检测出来。
做法是:
在机器运行良好的状况下,具有一个典型的振级和频谱特征。
而当机器的故障在发展的时候,机器的动态过程以及机器零件上的一些作用力也随着变化,从而影响机器的振动能级和频谱的图形。
通过这样的振动的测量和分析,我们可以知道机器的工作状态的变化以及是否需要维修。
因振动法不受背景噪声干扰的影响,使信号处理比较容易,故在现代故障诊断技术中应用更加普遍。
3)无损检验
指在不破坏材料表面及内部结构的情况下检验机械零部件缺陷的一种方法。
它使用的手段有:
超声、红外、X射线、射线、声发射、渗透染色等。
4)磨损残余物测定法
具有润滑系统或液压系统的循环油路中,通常携带着大量的磨损残余物(磨粒),这些磨粒的数量、大小、几何形状及成份等反映了机器的磨损部位、程度和性质,如根据我们观测到的滚动兼滑动疲劳磨粒的铁谱图,可确定齿轮产生疲劳失效。
这种方法目前应用领域较宽,在工程机械、飞机发动机、矿山、冶金等行业都取得了良好的效果。
5)机器性能参数测定法
这是一种辅助的手段,通过测量机器的性能参数判定机器的运行状态是否离开正常工作范围,从而为故障诊断提供一个佐证。
1.3故障诊断技术的应用范围
在以下场合可考虑应用该项技术,但也不是绝对的:
(1)生产中的重大关键设备、价值昂贵的大机组;
(2)不能接近检查、不能解体检查的设备;
(3)维修困难、维修成本高的设备;
(4)对安全性要求高的设备;
(5)从生产的重要性、人身安全、环境保护、社会影响等方面考虑,必须采取诊断技术的场合。
第二章旋转机械系统故障诊断方法综述
2.1旋转机械故障系统简介
旋转机械系统故障诊断的研究现状故障诊断技术起源于1967年由美国海军研究室率先开始对机械故障诊断技术的开发和研究,并在故障机理研究、故障诊断和预测等方面取得了许多实用性的研究成果”,我国的故障诊断技术自20世纪80年代初起步以来,共经历了3个大的发展阶段:
第一阶段是起步与准备阶段(20世纪80年代),认识到故障诊断技术的重要性,部分下能、企业开始初步应用机械设备精密诊断技术,故障诊断技术的基础理论研究比较活跃;第二阶段是发展阶段((20世纪90年代),故障诊断技术开始渗透到国民经济的各个领域,诊断方法、诊断手段、特别是诊断效果比过去要成熟,取得了明显的经济效益和社会效益,缩短了我国与世界先进水平的差距;第三阶段是高级阶段或是完善阶段((2000)年至今),故障诊断技术在诊断理沦、设备胜能、诊断技术的采用和推广等方面有了很大程度的提高,逐步向智能故障诊断技术方向发展。
近几年来,智能故障诊断理论和方法成为各研究机构研究的主流方向,但大都处于理论探讨和仿真实验阶段,只有少数基干故障诊断专家系统的产品问世,由于仿真过程中的假设条件与现场环境等外界因素还有一定差距,使其准确性、安全性、实用还达不到现场要求故障诊断面临的主要困难表现在以下几个方面:
1.故障特征信号提取困难由于各类信号采集及处理技术发展的不平衡性,系统中不同部件的故障特征信号提取及处理方法不同,难以汇总各类故障特征信号以提高综合诊断决策的准确性。
2.状态监测与故障诊断决策的实时性较差故障特征信号提取、数据处理及决策诊断算法在推理过程中耗费的时间过长,难以保证故障特征信号与诊断决策的实时匹配,影响诊l析决策的正确性。
3.现场的环境噪声等难以在理论研究及探讨时完全仿真实现在进行诊断决策理论研究时。
通常是借助仿真软件在现场提取的特征信号与故障结论之间进行反复学习、推理而得到相对稳定的诊断决策算法,而该算法应用到实际现场时,未被准确模拟的部分复杂、多变的环境噪声会给诊断决策的准确性造成不良影响。
4.系统过于复杂,难以确定故障与故障征兆间的准确对应关系现代化生产设备系统越来越复杂,不同领域有不同的专家知识库,在进行综合决策诊断时难以衡量权重找到故障与故障征兆间的准确对应关系。
2.2旋转机械常用的系统故障诊断方法
旋转机械的系统故障诊断以故障机理和技术检测为基础,以信号处理和模式识别为其基本理沦和方法,从功能上可分成数据采集、状态监测、诊断决策3个部分。
复杂的旋转机械系统数据采集和状态监测的技术手段和方法很多,通常采用在线间接诊断法,即通过二次诊断信息来间接判断其中关键零部件的状态变化,常见的方法有直观检测、温度监测、振动监测、噪声谱分析、油液光谱分析等
1.直观检测直观检测是操作人员通过耳听、眼看、凭借经验判l析设备的故障随着机械系统自动化程度的提高,该方法已不能满足现代故障诊断的要求。
2.温度检测温度监测是利用各类温度传感器来测量轴承、电机和齿轮箱等装置的表面和内部温度,为查找故障部位提供信息。
该方法属于数据采集功能,为状态监测和故障诊断提供基础、
3.振动监侧噪声谱分析旋转机械发生故障的主要特征是机器伴有异常的振动和噪声,因此振动监测和噪声潜分析成为旋转机械系统状态监测的重要手段和方法,振动监测主要是利用机器表面的振动信号来诊断电机、轴承等的运行状态,如果出现故障,其振动的振幅、频率等都会发生变化,通过对从振动传感器得到的振动信号进行频谱分析来确定故障类型及状态噪声谱分析是通过声波仪对系统某部件噪声信号频谱中的谐波幅值变化规律进行分析,识别和判断部件的磨,清况等故障。
该方法能够对部件的磨损情况实现状态监测并确定故障部位由于环境噪声干扰大、机械工况的变化会导致其信号的非平稳性、缺少性能可靠的传感器等原因,这两种方法在实时监测方面的应用需要进一步研究。
4.油液光谱分析油液光谱分析是使用原子吸收光谱仪,对系统的液压油或润滑油中金属微粒、外来砂粒、尘埃等进行浓度和化学成分分析。
该方法主要针对系统中的液体变化情况进行状态监测
以上几种方法主要是对系统实现数据采集和状态监测,为进行故障诊段决策提供数据基础。
复杂的系统故障诊断技术关键在于诊断决策、诊断决策功能主要体现在如何分析、综合、利用监测数据,做出合理的故障分类和相应的决策处理关于诊断决策算法的研究是当今的研究热点,智能控制理论在其中发挥了巨大作用,主要涉及模式识别、数据挖掘、动态预测、最优控制等方面的问题,决策算法的研究主要基于模糊理论、神经网络、粗糙集理论、遗传算法、分形理论、浑沌理沦等理论基础
2.3旋转机械系统故障诊断技术的发展趋势
随着传感器技术、信号采集及处理技术、网络技术、智能控制理论的高速发展,旋转机械系统故障诊断技术正朝着智能化方向发展。
快速、有效提取故障特征信号并给出相应的控制方案和预测设备的运行状态以合理安排检修,进而提高设备的利用率是故障诊断技术研究的根本出发点实现容错控制,自动对故障进行削弱、补偿、切换、消除和修复,以保证设备在出现故障时继续完成其规定功能,是故障诊断技术进一步的发展方向。
2.3.1现代信号采集及处理技术在旋转机械系统故障诊断中的综合应用
1.多传感信息技术利用多传感器信息融合技术能够提高故障特征信号采集的有效性。
多传感器信息融合技术可以充分利用多个及多类传感器资源,通过对多传感器观测信息的合理分析,把多传感器在空间或时间上可冗余或互补的信息依据某种准则进行组合,从而获得对被测对象的一致性解释与描述。
这种方法可以消除单个或少量传感器的局限性,提高监测系统的有效
性,进而提高系统故障诊断决策的实时性和准确
性。
2.信号处理方法信号处理技术中的谱分析方法主要有决速傅立叶变换和小波变换法,快速傅里叶变换是一种全频域分析方法,缺乏时空局部性,而小波变换的时频分析法能够有效提取信号在的局音阴寺征,满足设备状态监测与故障诊断对非平稳信号中的瞬态反常信号非常看重的要求。
小波变换法不需要建立数学模型,而且灵敏度高,克服噪声能力强,因此利用此法来分析故障特征提取波形,可预知设备的多种故障信息。
小波变换技术与神经网络、模糊理论、分形理论等以不同的方式相结合是解决故障特征信号非平稳、非线性问题的理想手段。
2.3.2人工智能理论在旋转机械系统故障诊断技术中的综合应用
随着人工智能理论迅速发展,模糊理论、神经网络、遗传算法、粗糙集理论等在故障诊断算法方面都有各自的优势,将这儿种理论的优势结合起来应用于旋转机械系统的故障诊断技术中,必定能够取得更好的效果,也是智能故障诊断理沦和方法的重要研究方向
(1)模糊理论,模糊理沦是研究和处理模糊现象的数学,是一种用精确的数学语言对模糊性进行描述的方法。
基于模糊理论的故障诊断方法是运用模糊数学原理来建立模糊故障诊断矩阵,避免了建立精确数学模型的繁琐工作,只要隶属度函数和模糊关系矩阵建立合理,就能够较为准确地判断有无故障以及故障类型。
(2)神经网络,神经网络具有并行分布式处理、联想记忆、自组织及自学习能力和极强的非线性影射特性,能对复杂的信息进行识别处理并给予准确的分类。
因此可以通过神经网络理沦来对各类故障引起的状态变化进行识别和判断,为状态监测与故障诊断提供新思路。
(3)遗传算法,遗传算法是一种具有很强全局优化搜索能力的算法,具有简单通用、鲁棒性强、并行处理结构、应用范围广等显著优点,对非线性问题的求解和大范围空间搜索具有独特优势。
它的主要特点是可以有效利用群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息,尤其适用于处理传统搜索方法难以解决的复杂和非线性问题,能够较好地解决故障诊断过程中的先验知识获取困难和决策推理速度漫等问题,
(4)粗糙集理论,粗糙集理论是一种用于处理不完整、不精确知识的数学方法,该理论不需要关于数据的任何初始或附加信息,能够直接对不完整、不精确数据进行分析处理,从中发现数据之间的关系,提取有用特征,最后得到简明扼要的特征表达形式。
该理论应用于故障诊断过程中,能够较好地改善系统故障特征信号提取及诊断决策中出现部分数据缺失而造成诊断结果不准确或无法推理的现象,但粗糙集理论在实际问题的处理中对噪声较为敏感,因而对由无噪声训练样本学习、推理得到的结果,在有噪声的环境中应用效果不佳。
(5)专家系统。
专家系统是将设备管理和维修人员的实际经验、专家的思维处理方法与计算机强大的运算能力和巨大存贮容量相结合而产生的系统,并以其知识的永久性、共享性和易于编辑等人类专家所不具有的特点而得到了普遍重视和应用。
但由于知识和经验描述的多样胜和不确
第三章旋转机械状态振动监测与故障诊断系统
3.1系统提出的背景
为保证大型旋转机械安全可靠运行,一般都配置状态监测和故障诊断系统。
大型旋转机械运行时,振动参数能比其他的状态参数更直接、快速地反映机组的运行状态,目前大多采用振动参数作为机组状态监测和运行状态趋势预测依据。
因此,针对不同的旋转机械,怎样找到振动参数的共性与特性并将它们加以应用,就成为状态监测和故障诊断系统的关键。
随着电子技术和信号处理技术的迅猛发展,转子-轴承系统动力特性研究的不断深入,有力地促进了大型旋转机械状态监测和故障诊断技术的发展;同时,虚拟仪器技术的迅猛发展,也使大型系统的开发成本不断降低。
基于以上原因,开发了一套旋转机械状态振动监测与故障诊断系统。
该系统采用LabVIEW及MATLAB为编程工具,综合计算机技术、虚拟仪器技术、信号处理技术与故障诊断等技术,可以实现振动信号的采集、处理、存储等功能,还可实现对旋转机械故障的早期监测与其常见故障的诊断等功能;同时该系统配置了一个小波分析模块,可以实现信号的小波消噪、小波包分解等功能,为后续系统的完善打下基础。
3.2系统的总体设计
3.2.1数据采集卡
数据采集卡是硬件设计的核心,本系统采用NI公司推出的低价位M系列的多功能数据采集卡PCI-6221。
性能参数:
8路差分输入或16路单端输入、16位A/D转换器(逐次逼近工作方式)、最大采样频率250KHz、信号输入范围(10V、5V、1V、0。
2V)。
3.2.2系统的总体框图
整个系统构成如图3所示:
根据旋转机械由很多特定部件所组成的特点,系统设置了多个通道,对旋转机械的不同部件进行监测和诊断。
机体、转子、轴承等振动参数经传感器、转换电路,转换为电量输出,再通过低通滤波器滤除高频干扰,经过数据采集卡进行A/D采样后,送到计算机,计算机再对其进行处理。
3.3系统的软件设计
系统软件分为信号采集控制、信号分析处理和状态监测与故障诊断三个模块,有参数设定简洁直观、实时动态显示各种信号波形、数据查询方便、快捷、数据分析方法全面、详细,可靠性高等特点。
3.3.1信号采集控制模块
信号采集控制模块实现与数据的采集卡的双向数据通讯,从数据采集卡读取数字信号,存入实时数据库,并与信号分析处理模块协调工作。
能够实现的功能有:
1.信号的采集:
1~8测试通道,可单通道或多通道同时采集,采样通道及采样频率等信息可在虚拟仪器面板或数据采集助手Measurement&Automation中进行设置。
2.信号的存储:
将采集到的时域或频域等数据根据需要转换成LabVIEW7Express特有的波形文件或Excel文件、文本文件的格式,存放在计算机的磁盘中。
3.信号的回放:
将信号存储模块保存的数据文件重新复现,便于观察波形及进行后续的分析和研究。
3.3.2信号分析处理模块
信号分析处理模块,包括在线分析处理、离线分析处理和小波分析处理三个模块。
各部分可实现的功能如图4、图5和图6所示。
信号分析处理模块是整个软件系统的核心部分,在线、离线信号分析处理模块采用LabVIEW进行编程,可以实现上面框图中显示的所有功能。
另外由于离线分析模块中的小波分析功能比较简单,为了更好的达到对振动信号处理的目的,采用LabVIEW与MATLAB相结合,编写独立的小波分析模块,充分利用两种语言的优点,实现完善的小波分析功能。
3.4状态监测与故障诊断模块
图7显示了此模块能够实现的功能,采用模拟表盘的显示方式,可实时对系统的运行状态进行监测、报警。
监测参数可选择振动信号的各种特征值,方法采用门限比较法;监测结果分为安全、超限、危险三种情况,结果分别用绿色、黄色、红色三种颜色表示。
故障诊断模块,采用统计识别法和模糊识别法两种方法。
在统计识别法中采用三种门限比较法,分别是:
累加法、逐项比较法和综合法。
在模糊识别法中采用的模糊关系矩阵,是根据旋转机械常见故障的机理和故障的特征所确定的,矩阵中的数据是通过查阅参考文献所得;采用的十种故障向量及提取的9个频段的特征参数向量都是根据旋转机械的故障机理和其对应的频谱征兆所得。
3.5系统运行情况
3.5.1数据采集与信号分析处理模块运行情况
为检验系统的数据采集及信号分析功能,利用本系统与日本小野公司的CF-5220信号分析仪同时对设备振动进行测试和对比,结果如下:
1.图8、9分别为分析频率2KHz时,用CF-5220和本系统进行实时采集分析,并记录的自功率谱图。
从图中可看出在50Hz处峰值最大,且数值分别为4.47和4.23,两个数值的误差在5%左右,这样的误差是由两个系统各自的精度所引起,属于系统误差。
从图中很容易看出,利用本系统采集分析得到的谱图,比CF-5220的谱线数更多,谱图显示连续性更好。
2.利用小波分析模块队对某旋转电动机振动信号进行分析,图8为对信号做连续小波变换,选db4基小波,尺度为stepbystep模式所得到的结果;图9为对此信号进行离散小波变换,选db3小波进行3层分解的结果。
图10连续小波变换运行结果图11离散小波变换运行结果
3.5.2故障诊断模块运行情况
以旋转机械的振动信号故障特征提取和诊断为例
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 故障诊断