机械故障诊断.docx
- 文档编号:8882960
- 上传时间:2023-05-15
- 格式:DOCX
- 页数:16
- 大小:366.42KB
机械故障诊断.docx
《机械故障诊断.docx》由会员分享,可在线阅读,更多相关《机械故障诊断.docx(16页珍藏版)》请在冰点文库上搜索。
机械故障诊断
旋转机械故障诊断
摘要:
基于旋转机械在各行业的广泛应用,旋转机械的故障诊断技术也倍受重视,从传统的信号处理方法到现代的信号处理方法,旋转机械故障诊断中的信号处理技术在不断发展,不断创新。
综述了旋转机械故障诊断的传统信号处理方法和现代信号处理方法,分析传统信号处理方法和现代信号处理方法的实际应用,并展望了未来旋转机械故障诊断领域的研究方向。
关键词:
旋转机械;故障诊断;信号处理技术
Abstract:
Becauserotatingmachineriesarewidespreadusedinmanyfields,moreandmoreattentionaredrawnbyfaultdiagnosistechnologyforrotatingmachinery.Fromconventionalmethodstocontemporarymethods,signalprocessingtechnologyinfaultdiagnosisforrotatingmachineryhadbeendevelopedandinnovatedconstantly.Thetraditionalandmodernsignalprocessingmethodsinfaultdiagnosisofrotatingmachinerywerereviewedinsummary.Practicalapplicationofthetraditionalandmodernsignalprocessingmethodsisanalyzed,andtheresearchdirectioninthefutureinthefieldoffaultdiagnosisofrotatingmachineryisexpected.
Keywords:
Rotatingmachineries;Faultdiagnosis;Signalprocessingtechnology
第一章绪论
机械故障诊断,就是通过机械运行中的相关信息来识别其技术状态是否正常,确定故障的性质和部位,寻找故障起因,预报故障趋势,并提出相应的对策的一门技术。
现代的机械设备正在迅速地向着精密化、高速化、自动化、系统化的方向发展,设备更加复杂,各个部件的联系也越来越紧密,设备某部件的故障有可能会引起整个设备的损坏。
机械设备发生故障不仅会造成巨大的经济损失,而且会危及人身安全带来严重的后果。
因此,机械故障诊断工作得到了广大科研人员的关注和重视,随着各个领域技术的不断发展,各种新的技术和理论被不断地应用于机械故障诊断中,并提出了新的诊断方法与理论[1]。
1.1旋转机械故障诊断的意义
随着机械设备向着高速、重载、精密方向发展,对机械传动设备的要求越来越高。
不仅要求机械传动设备能够传递较大的功率和载荷,而且传动系统本身必须具备较好的可靠性,从而降低设备的运营成本并提高设备运营过程中的安全性。
在故障诊断的发展过程中,人们发现最重要、最关键而且也最困难的问题就是故障特征信息提取,其必须借助于信息处理,特别是现代信号处理的理论方法和技术手段,探索故障特征信息提取的途径,发展新的故障诊断理论和技术。
旋转机械的故障问题有很多,在这里我们选取滚动轴承的故障问题来介绍一下。
滚动轴承是机械设备中最常见的部件之一,它的运行状态直接影响整台机器的功能.据钢铁工业统计,在旋转机械中,由于滚动轴承损坏而引起的故障约占30%.因此,对滚动轴承工作状态的监视及其故障诊断技术的研究工作越来越受到人们的重视,成为保障旋转机械良好工作性能的重要保障。
最初的轴承故障诊断是利用听棒,靠听觉来判断。
这种方法至今仍在沿用,其中的一部分已改进为电子听诊器,训练有素的人员凭经验能诊断出刚刚发生的疲劳剥落,有时甚至能辨别出损伤的位置,但毕竟影响因素较多,可靠性较差。
继听棒、电子听诊器之后,在滚动轴承的状态监测与故障诊断工作中又引入了各种测振仪,用振动位移、速度和加速度的均方根值或峰值来判断轴承有无故障,这样减少了监测人员对经验的依赖性,提高了监测诊断的准确性,但仍很难在故障初期及时做出诊断。
1966年,全球主要滚动轴承生产商之一,瑞典SKF公司在多年对轴承故障机理研究的基础上发明了用冲击脉冲仪(ShockPulseMeter)检测轴承损伤,将滚动轴承的故障诊断水平提高了一个档次。
多种信号分析处理技术用于滚动轴承的状态监测与故障诊断,如频率细化技术、倒频谱、包络线分析等。
在信号预处理上也采用了各种滤波技术,如相干滤波、自适应滤波等,提高了诊断灵敏度。
1.2机械故障诊断方法
1.2.1常用的机械故障诊断方法的分类
机械设备有各种类型,其工作条件又各有不同,故对不同机器的故障往往需要采用不同的方法来诊断。
对机器进行故障诊断的方法可以按如下几种方式进行分类。
按诊断的目的要求分类
1.功能诊断和运行诊断
功能诊断是针对新安装或刚维修后的机器或机组,需要检查它们的运行工况和功能是否正常,并且按检查的结果对机器或机组进行调整。
而运行诊断是针对正常工作的机器或机组。
2.定期诊断和连续监控
定期诊断是么一隔一个小时,例如1个月或数个月对工作状态下的机器进行常规检查。
连续监控则是采用仪表和计算机信息处理系统对机器运行状态进行不间断地监视或控制。
两种诊断方式的采用,取决于设备的关键程度、设备事故影响的严重程度、运行过程中性能下降的快慢,以及设备发生和发展的可预测性。
3.直接诊断和间接诊断
直接诊断是直接确定关键部件的状态,如主轴承间隙、齿轮齿面磨损、燃气轮机叶子的裂纹以及在腐蚀环境下管道的壁厚等。
直接诊断往往受到机器结构和工作条件的限制而无法实现,这时,就不得不采用间接诊断。
所谓间接诊断就是通过二次诊断信息来间断判断机器中关键部件的状态变化。
多次二次诊断信息属于综合信息。
4.在线诊断与离线诊断
在线诊断是指对于大型、重要的设备为了保证其安全和可靠运行需要对所监测的信号自动、连续、定时的进行采集与分析,对出现的故障及时作出诊断;离线诊断是通过磁带记录仪或数据采集将现场的信号记录并储存起来,再在实验室进行回放分析,对于一般中小型设备往往采用离线诊断方式。
按信息提取方式分类
信号是信息的载体,设备出现故障时出现的征兆是通过检测信息,即信号来体现的,所以可以按找特征信号与征兆之间的关系对方法进行分类。
1.函数分析法
特征信号与征兆之间存在定量的函数关,可用数学分析方法,例如状态空间分析,由特征信号求出征兆。
2.可用数理统计方法由特征信号求出征兆。
统计分析法又可分为分非参数模型统计法即传统的信号处理方法和参数模型统计法两种。
它根据信号的采样数据,首先建立差分方程形式的参数模型,再用模型的参数或用模型计算出信号统计特性、结构固有的特性或其他特性作为征兆。
按照状态诊断方式分类
1.对比诊断法
目前应用最广,应事先通过统计归纳、实验研究、分析计算,确定同各有关状态一一对应的征兆,然后将获得的征兆同基准模式对比,即可确定设备的状态。
2.函数诊断法
在征兆与状态之间如存在定量的函数关系,则在获得征兆后即可用相应的函数关系计算出状态。
3.逻辑诊断法
在征兆与状态间如存在逻辑关系时,则在获得征兆后即可用相应物理或数理逻辑关系推理判明有关状态。
4.统计诊断法
一般模式识别理论中的统计模式法,它用于征兆与状态之间存在统计关系时。
5.模糊诊断法
它是一种较新的诊断方法,其特点有二:
第一,它采用多因素诊断,因为一种状态可在不同程度地引起多种征兆,而一种征兆又可在不同程度上反映多种状态;第二,它模仿人利用模糊逻辑而精确识别事物这一特性。
这样,它根据所获得的征兆,列出征兆隶属度模糊向量,再根据以实践为基础所得到的模糊矩阵,利用模糊数学方法,计算出状态隶属度模糊向量,最后根据此向量中各元素的大小确定有关状态的情况。
6.智能诊断法
人工只能的目的是使计算机去做原来人才能做的事情,包括推理、理解、规划、决策、抽象、学习等功能,专家系统是实现人工智能的重要形式,目前已广泛用于诊断、解释、设计、规划、决策等各个领域。
现在国内外已发展了一系列用语设备故障诊断的专家系统,获得了良好的效果。
1.2.2机械故障诊断方法的问题和发展趋势
近年来,故障诊断方法的研究取得了很大的进展,但是研究过程中也发现了诸多问题。
如微小故障的早期检测即故障预报问题、故障源的准确辨识问题、系统的非线性问题、故障检测的鲁棒性问题、故障诊断方法的实际应用问题等,而且有些问题是故障诊断技术研究过程中迫切需要解决的。
生产过程中的某些故障是缓慢的变化产生的,如催化剂的失活和生产过程流体泄漏,在这些故障产生重大影响前必须进行预报。
故障检测残差只是反映了故障的最终影响,根据检测残差寻找故障根源的辨识过程是一个追根溯源的复杂过程,目前,这个问题仍然是故障诊断的一个难点。
问题的存在是对研究人员的挑战,也为故障诊断技术的发展提供了契机,将来的故障诊断技术会在解决问题的过程中得到发展。
故障诊断技术作为一个新兴的研究领域,还有很多问题值得探讨,如故障预报方法的研究,故障辨识方法的研究,故障诊断系统的鲁棒性研究,故障诊断系统的非线性研究,大型的实用故障诊断系统的构建。
第二章旋转机械故障诊断方法的研究
2.1.1基于解析模型分析的方法
基于解析模型分析的方法是最早发展起来的,是现代控制理论在故障诊断中的应用。
这种方法需要建立被诊断对象较为精确的数学模型。
基于解析模型分析的方法又可以分为参数估计方法和状态估计方法。
参数估计方法是根据设备的机理分析建立系统的模型,再利用模型的参数或用模型计算出结构固有的特性或其他特性作为诊断征兆。
把所求参数与标准值比较以确定系统是否发生故障以及故障发生的程度。
状态估计方法包括3种基本方法,即Beard提出的故障检测滤波器方法;由Menra和Peshon提出的基于kalman滤波器的方法及一致性空间的方法。
其基本思想是:
首先构造被控过程的状态,通过与真实系统的输出变量比较构成残差序列,再构造适当的模型,用统计检验法从残差序列中提取故障特征,从而实现故障诊断。
2.1.2基于信号处理的方法
基于信号处理的故障诊断方法不用建立被诊断对象的模型,但是它是建立在对故障机理的分析和研究的基础上的。
基于信号处理的方法是故障诊断的核心技术之一,随着信号处理技术的不断发展基于信号处理的方法不断丰富[14]。
信号处理的方法主要有:
时域特征参数和波形分析方法;时差域方法;时序分析方法;幅值域方法;包络域方法;频域谱分析方法;时频分析方法等等[1].
传统谱分析
传统的谱分析方法包括功率谱、倒谱、细化谱、包络谱、最大熵谱、相关谱、主分量自回归谱、全息谱、阶比谱等等。
功率谱分析是将信号从时域变换到频域进行分析的方法,但谱分辨率低,加窗产生泄漏,方差性能不好。
倒谱是检测复杂谱图中周期分量的有力工具,应用倒谱可以识别多族的调制边频。
最大熵谱是把自相关函数外推至无穷,然后再作频域变换而得到的一种信号处理方法。
最大熵谱频率分辨率高,没有窗函数的影响,对于短时间序列的谱分析特别有效。
传统的谱分析一般只适用于平稳信号,对非平稳信号的分析有局限性。
时频分析
常用的时频分析方法有短时傅立叶变换、Wigner—Ville分布、小波分析、Gabor变换等等。
短时傅立叶变换是时频分析方法的一种,它的基本思想是在采用傅立叶变换的同时,在傅立叶变换的基函数之前乘上一个时间上有限的函数,傅立叶变换的基函数起频限的作用,所乘的函数起到时限的作用,通过时频双限,可以对信号进行时频局部化分析。
但短时傅立叶变换所确定的时频窗口的大小和形状是固定不变的,而振动信号的频率与时间周期成反比,对于高频信号,时间分辨率相对高,时域窗口相对窄;对于低频信号,时间分辨率相对低,时域窗口应该相对宽。
短时傅立叶变换不能满足信号分析的这一要求。
小波分析方法在继承了短时傅立叶变换的局部化的思想,巧妙的利用一个尺度参数,使窗口的宽度随频率的增加而减小,分辨率也随之变化,符合了对复杂频率信号的分析要求。
小波分析方法是一种时间一尺度分析法,具有多分辨率分析的特点。
小波分析方法能够将任何信号到一个由小波伸缩而成的基函数族上,信息量完整无缺,在通频范围内得到分布在不同频道内的分解序列,在时域和频域均具有局部化的分析功能。
利用小波变换可以对信号进行分解,检测信号的奇异性,区分信号突变和噪声。
时频分析方法克服了传统谱分析方法对非平稳信号的局限性,在对复杂、非平稳信号的处理上有很大的优势[2]。
2.1.3基于知识处理的方法
专家系统是一种能够处理知识的智能程序系统。
它以专家的知识为基础,使计算机能模拟专家的思维方式,使之成为具有专家水平的、有解决复杂问题的能力。
专家系统的处理能力和水平取决于它拥有的知识量与质量。
专家系统的核心为知识库、知识获取部分、推理机和解释部分。
但专家系统本身面临着知识获取的“瓶颈”问题,知识间上下文敏感问题、不确定性问题和自学习困难的问题,使其应用受到一定的限制.
2.1.4机械故障诊断技术的展望
随着现代数学、信息科学、计算机技术、电子技术、人工智能技术、网络技术更加广泛和深入的应用,故障诊断技术与当前前沿科学的融合是设备故障诊断技术的发展方向。
当今故障诊断技术的发展趋势是传感器的精密化、多维化、诊断理论诊断模型的多元化,诊断技术的智能化,具体来说主要表现在下述几个方面:
故障诊断的远程化
将机械设备诊断技术和计算机网络技术、数据库与决策支持技术相结合的远程故障诊断技术,是在大企业的重要关键设备上建立状态监测点,采集设备状态数据;在技术力量较强的科研单位建立诊断中心,对设备运行进行分析诊断的一种新技术。
它主要由现场监测诊断、网络传输、远程诊断中心三部分组成。
远程故障诊断与维修具有较高的总体可靠性、先进性、良好的可扩性和低廉的建设维护成本并且远程诊断故障诊断技术可以实现资源共享,避免重复开发,加强科研和企业的交流。
故障诊断方法的融合
随着新的信号处理技术方法在设备故障诊断领域中的应用,传统的基于快速傅立叶变换的机械设备信号分析技术有了新的突破。
如小波技术与模糊理论、神经网络、分形技术、聚类技术、灰色理论等各种技术以不同的方式相结合,形成了小波神经网络、分形神经网络、演化神经网络、灰色神经网络、专家系统与神经网络的结合等等诊断方法。
随着各种理论的发展,故障诊断的精确度得到了提高。
与多元传感器信息的融合
现代化的大生产要求对设备进行全方位、多角度的监测与控制,以便对设备的运行状态有全面的了解。
我们可以采用多个传感器同时对设备的各个位置进行监测,然后利用迅速发展起来的信息融合技术对多传感器的信息进行融合,以得到较好的诊断结果。
虚拟仪器与诊断技术的结合
虚拟仪器是现代计算机技术和仪器技术深层次结合的产物,它是计算机硬件资源、仪器与测控系统硬件资源和虚拟仪器软件资源三者的有效结合。
目前各国已经开发了很多的故障诊断设备用于故障诊断中,与传统功能仪器相比,虚拟仪器开发周期短,投入少。
传统的故障分析仪分析功能单一,可移植性和可扩展性差,不能方便的升级,但虚拟仪器技术其源代码可以模块化,开发升级费用低,系统可靠性好,可扩展性强。
虚拟仪器和诊断技术的结合具有显著的经济效益,为故障诊断技术的发展提供了良好的平台。
2.2时域和频域分析方法简介
时域分析法
在机械故障诊断中,振动信号的是最常用的检测信号,直接对振动信号时域信号的时间历程进行分析和评估是状态监测和故障诊断最简单和最直接的方法,特别是当信号中喊有简谐信号、周期信号或短脉冲信号时更为有效。
直接观察时域波形可以看出周期、谐波、脉冲,利用波形分析可直接识别共振和拍频现象。
当然这种分析对比较典型的信号或特别明显的信号以及较有经验的人员才比较适用。
此外,还可利用各种动态指标进行诊断。
频域分析法
通过求解微分方程分析时域性能是十分有用的,但对于比较复杂的系统这种办法就比较麻烦。
因为微分方程的求解计算工作量将随着微分方程阶数的增加而增大。
另外,当方程已经求解而系统的响应不能满足技术要求时,也不容易确定应该如何调整系统来获得预期结果。
从工程角度来看,希望找出一种方法,使之不必求解微分方程就可以预示出系统的性能。
同时,又能指出如何调整系统性能技术指标。
频域分析法具有上述特点。
该方法是以输入信号的频率为变量,对系统的性能在频率域内进行研究的一种方法。
这种分析法有利于系统设计,能够估计到影响系统性能的频率范围。
特别地,当系统中存在难以用数学模型描述的某些元部件时,可用实验方法求出系统的频率特性,从而对系统和元件进行准确而有效的分析。
应用信号处理方法对振动信号进行特征提取的技术是机械设备故障诊断领域的重要研究方向。
常用的机械设备故障诊断领域的信号处理方法主要包括时域分析、频域分析和时频分析。
针对常用的振动信号处理方法,总结多种算法的特征和优缺点。
根据常见机械设备关键构件的振动特征,选择不同的信号处理和特征提取算法进行分析,以便提高多种构件、多类故障的特征提取精度和可靠性,从而为有效地实现机械设备的故障提供参考。
第三章旋转机械故障的应用研究
本章开始研究旋转机械故障的数据处理和波形问题。
主要是针对旋转机械的非平稳振动信号提出了一种应用小波函数的时—频分布分析方法,对故障特征进行提取,并借助Matlab语言编程实现对故障机器信号特征频率的仿真,与理论公式计算结果基本吻合。
3.1旋转机械的检测参数
对于一台机器,有许多物理量可以测量,为了达到故障诊断的目的,我们应该选取一些量来检测,由于机器的振动情况直接反映了机器运行状态的优劣,机器的许多故障都以振动形式反映出来,振动为故障诊断提供了重要信息,因此振动是故障诊断必须监测的参数之一[13]。
监测参数可分为动态参数和静态参数两种。
1.动态参数
(1)振幅:
它表示振动的严重程度,可用位移、速度或加速度表示。
(2)振动烈度:
近年来国际上已统一使用振动烈度作为描述机器振动状态的特征量。
(3)相位:
它对于确定旋转机械的动态特性、故障特性及转子的动平衡等具有重要意义。
2.静态参数
(1)轴心位置:
指在稳定的情况下轴承中心相对于转轴轴颈中心的位置。
在正常情况下,转轴在油压、阻尼作用下在一定的位置上浮动。
在异常情况下,由于偏心太大,会发生轴承磨损的故障。
(2)轴向位置:
是机器转子上止推环相对于止推轴承的位置,当轴向位置过小时,易造成动静摩擦,产生不良后果。
(3)差胀:
指旋转机械中转子与静子之间轴向间隙的变化值。
它对机组安全启动具有十分重要的意义。
(4)对中度:
指轴系转子之间的连接对中程度,它与各轴承之间的相对位置有关,不对中故障是旋转机械的常见故障之一。
(5)温度:
轴瓦温度反映轴承运行情况。
(6)润滑油压:
反映华东轴承油膜的建立情况
3.2振动信号数据采集与分析
本研究采用的系统为旋转机器振动工况监测与故障诊断系统,采用工业控制计算机+A/D卡形式,采集机组的振动、位移、温度、压力等信号,通过图形、数据等实时监视机组的工况,并能够进行分析诊断。
系统分为4个层次:
第1层次:
信号预处理与采集。
对传感器输入信号进行放大、滤波等处理,并实现模拟信号到数字信号的转换,以满足计算机数字化处理的需要;
第2层次:
实时监视与状态识别。
通过第1层次,获得机组状态信息,实时显示机组振动波形、频谱、轴心轨迹、棒图、趋势等监视图形,并根据设定的报警门限实时显示机组运行状态。
此外,该层次配备有在线信号分析功能,可对信号进行常用的频域、时域及机组起停分析;第3层次:
在线分析与智能诊断。
根据第2层次得到的机组状态信息,利用基于知识和基于行为的诊断方法判断机组可能存在的故障及其原因、部位和严重程度,并实现机组运行状态的预报。
为诊断方便,本层次也配备有信号分析功能。
系统功能:
∙可外接位移、速度、加速度等常用振动传感器;
∙可处理交流及直流输入信号,也可以处理温度、压力等工艺信号;
∙程控放大,信号硬件积分(通过软件选择是否积分);
∙层次式、模块化,结构灵活,既可作为便携式系统,也可充当在线监视系统;
∙具有机组起停监视能力,稳速运行与起停状态软件自动判别并自动切换监视方式;
∙多机组管理能力;
∙操作口令保护能力;
∙完善的数据管理能力,具有“黑匣子”功能,自动记录并保存机组故障以及异常停机时的振动数据;
∙机组正常运行时按照用户设定的时间间隔、起停时根据设定的转速间隔自动采样;
∙丰富的时、频域分析方法,如波形分析、轴心轨迹分析、相关分析、频谱分析(谱校正及细化)、趋势、波形比较、频谱比较、瀑布图、波德图等;
∙分析图形具有光标,可实现放大;
∙显示基于PC系列计算机,可扩展性高,易于升级;
∙软件采用MicrosoftVisualC++语言开发,在Windows平台上运行。
系统特点:
∙层次式、模块化,结构灵活,监测软件实现组态化,可以满足不同机组的需要;
∙基于PC系列计算机,可扩展性高,易于升级;
∙对等网络通讯,可靠性高,速度快;
下面我们研究空压机运行时出现的故障诊断问题,通过仪器对某空压机进行检测,这里可以取2组数据,分不同的时间进行检测,振动测点为10个,转速测点为1个,非振动测点为10个,进行研究。
图3-20、3-21、3-22分别是空压机的时域波形图、谱波形图和小波分析图。
图3-20时域波形图
图3-21频谱波形
图3-22小波分析图形
从测点的时域波形图上我们可以看出,波形趋于平稳,只是在时间135ms和160ms处出现了峰值,有了比较大的波动,但总体波动比较正常,时域波形图上可以得出机械并未出现故障。
分析频谱波形图,频率谱的能量由开始逐渐的减弱,在减弱的过程中,在f=6000HZ处出现了一次峰值,其他点都趋于平稳,并未出现叫大的波动。
我们由此可以得出,从该频率谱上的波形来看,机械没有出现故障。
在小波变换的图形上,频率范围由小到大的波形图a4-d1,s=d1+d2+d3+d4+a4,由此得出小波波形是有多个不同区间的频率谱叠加得到的。
小波分析对不同的频率成分在时域上的分辨是可调的,高频者小,低频者大,它能将信号分解成多哥尺度成分,并对于大小不同的尺度成分采用响应的时域和频域步长,从而能够不断聚焦到信号的任意微小细节。
从上图各个频率段的波形来看,总体比较相似,都趋于平稳。
从小波图形中得出机器并未出现故障。
这里我们从测点1所测得的数据来看,结合时-频域波形图,可以清楚的看出测点1机器并未出现异常。
按照上面的方法来观察测2到测点10的波形图。
由于空压机所测的测点较多,数据处理比较烦琐,这里本实验采用了工况监视和故障分析系统来研究,比较客观的分析了故障产生和出现的波形图。
3.3本章小结
通过对以上对故障系统的分析,看以清楚的看出小波函数的时—频分布分析方法在故障诊断中起到的巨大的作用,时—频分布分析是一个有效的工具,它可以同时表达信号在时域和频域中的能量和密度,因此它能表达常规谱不能表达的时间依赖性,所以这种方法有着广泛的应用。
第四章结论与展望
本文通过小波分析的方法对空压机旋转机械的故障进行诊断,首先对故障特征进行提取,再对提取的特征量进行处理,运用时域和频域[18]的算法,画出各自的波形图,结合小波算法绘出小波图形。
小波分析方法可以同时从时域和频域两个方面对信号进行分析,具有良好的时频局部化特性。
能够更加全面从机械的各个部分加以研究,使得小波分析能够对故障诊断的结果更加
- 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:
- 机械 故障诊断