導語：如何才能寫好一篇旋轉機械故障診斷，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：旋轉機械；故障診斷；方法

DOI：10.16640/ki.37-1222/t.2017.10.026

隨著診斷技術研究的深入，可以實現故障診斷的方法越來越多，既有對前人研究成果的完善，也有一些原創性的研究成果相繼被提出，根據各類方法在實現方式上的不同，可以大致將其分為三類，第一種是通過建立合適的模型進行故障診斷，這種方法在實際的生產應用中，往往由于設備結構復雜，無法構建精準的模型，即便可以獲得合適的參數模型，其耗資也會相當大，所以實際應用可行性不大。第二種方法是結合人工智能技術的專家系統，在實際應用中這種方法得到了一定的肯定，但仍然存在知識獲取不全面、針對性太強、智能水平低等問題，使得故障診斷結果可靠性不強。而模式識別是故障診斷中應用最為廣泛的方法，且目前很多學者都認為基于模式識別的故障診斷有很大的進步空間。

1 旋轉機械故障特點

旋轉機械故障的故障特點與其他類型的機械故障存在一定的區別，且是機械設備中最為常用的一類，所以有必要對其進行單獨的深入研究。旋轉機械故障是指有轉子系統的機械設備在運行過程中出現異常的工作狀態，比如不正常的噪聲、異常大的振動、溫度急劇升高，或者其他指標不正常。旋轉機械的結構復雜，故障發生具有一定的階段性，并且部分故障的發生有一個漸進的過程，在進行故障診斷時，必須綜合考慮多項因素，使得進行準確故障診斷的難度較大。

2 旋轉機械故障檢測方法

2.1 模式識別

經過多年的發展，模式識別己是故障檢測的重要理論基礎之一。近十幾年來，模式識別技術在機械設備故障診斷領域的應用己經非常普遍，每年都有相關的改進方法被。在機器人模仿人類思考能力的研究領域上，模式識別方法一直占據著十分重要地位，在機械故障診斷方法中模式識別也始終是一個先進且富有挑戰的探索方向。

隨著計算機技術的迅速發展，各國在旋轉機械故障診斷方面都取得了很大的進步，擺脫了傳統依靠技術工人經驗判斷的主觀臆斷和不準確性，特別是這幾年，計算機技術的發展使得各種更加完善的算法運行更為迅速，進而推進了旋轉機械故障診斷的發展。

美國是最先研究機械故障診斷技術的國家之一，其診斷技術在很多方面都屬于世界先進水平，目前美國從事故障診斷研究的機構主要有電子能源研究機構、西屋電氣、Bently和CSI等公司。其中西屋電氣是最早應用計算機網絡的，該公司自己開發的汽輪機故障診斷軟件可以對遠程對多臺機組進行診斷。而Bently公司在轉子的動力系統和故障的診斷機理方面比較領先。

我國在機械故障診斷方面的研究起步相對較晚，技術也較為落后。剛開始主要以學習研究國外相關理論為主。直到80年代初期才逐漸有了自己研發的技術，在這個階段，大型設備的出現和各項相關技術的發展也刺激了國人對旋轉機械故障診斷技術的重視，也推動了該技術的自主研發。隨著國家和企業對這項技術領域的投入逐漸增大，許多學者開始涉足這個領域，并對其進行大量的探索和實驗，加上與國際交流合作，我國也開發出了一些在線監測與故障診斷的軟件，這也很大程度上減小了與國際上相關先進技術的差距，但事實上，我國研究水平總體還是比較落后，故障診斷技術的可靠性還需要不斷提升。

2.2 人工神經網絡理論

1940年左右，有關應用人工神經網絡的理論開始出現，經過多年的發展，它己經被引入到許多領域，比如，智能機器的控制、神經網絡計算機的研發、算法的優化、應用計算機進行圖像處理、模式識別、連續續語音的識別、數據的壓縮、信息處理等領域，在實踐應用中取得了很好的效果，作為一項新的模式識別技術和信息處理辦法，人工神經網絡的應用前景十分可觀。

目前，使用人工神經網絡進行故障診斷的方法有很多，最常用方法是：多層感知器神經網絡、BP神經網絡、自組織Kohonen神經網絡、和徑向基函數RBF（Radial Bases Function）神經網絡，也有學者將人工神經網絡與各種其他方法相結合的實例。在使用人工神經網絡進行故障處理時，首先檢查采集到的故障信息數據，剔除多余或者不合理的異常數據，再對有效數據進行歸一化處理，預處理工作完成后即可將數據輸入到神經網絡中進行訓練學習和故障識別過程。

2002年，王守覺院士分析傳統模式識別方法的缺點，認為傳統的BP神經網絡和RBF神經網絡都是假設特征空間中包括了所有的模式類別，要實現模式識別只需要找到最佳的特征空間劃分方法，但事實上，任何一個特征空間中不可能包含所有的模式類別，特征空間中必然存在模式空白區域，就像人類對某些事物表現為不認識一樣。認識到這一點后，王守覺院士提出了“仿生模式識別”這一概念，與傳統的基于特征空間最佳劃分的方法相比，仿生模式識別最為突出的特點就是，能構造封閉的、復雜的幾何形體對各類樣本進行覆蓋，從而達到模式識別的目的。

2.3 仿生模式識別

自從仿生模式識別這一概念被提出以來，許多學者對其進行了深入研究，并將其應用到了人臉識別、車牌識別、語音識別、字體識別等領域。并取得了良的識別效果，例如：陸飛在其碩士論文中重點對仿生模式識別中的幾何模型進行了深入分析，并用超香腸神經網絡作為仿生模式識別的實現方法應用到了人臉識別中，取得了良好的實驗結果；劉煥云等人將仿生模式識別應用到目標識別和跟蹤方面，編寫了自適應目標算法，與傳統方法相比，跟蹤識別效果有顯著的提升；王守覺院士自己也對仿生模式識別算法進行了一系列的優化，先后提出了超香腸神經網絡和多權值神經網絡識別實現方法，并在文獻中將基于仿生模式識別的多權值神經網絡應用到連續語音識別中，與目前認可度最高的基于隱馬爾可夫模型（HMM）的識別方法進行比較，表現出了顯著的優勢。

目前有許多的編程軟件都加入了神經網絡的功能，其中MATLAB軟件最為方便實用，并且易于操作。它除了擁有對各種圖形和數據進行處理的強大功能，其開發公司一一美國的MathWorks公司一一還專門在軟件中開發加入了神經網絡工具箱，全面包含了人工神經網絡中常用的激勵函數，例如線性函數（purline函數），感知器函數（（sigmoid函數）以及徑向基函數（radbas函數），除了這些常用傳遞函數，還可以自定義相關的函數。各層網絡之間的映射也有嚴格的設定，映射函數可自行設定。鑒于以上優點，本文采用MATLAB軟件編寫仿生模式識別的實現程序，以及機械故障信號的特征提取和網絡測試。

參考文獻：

篇2

【關鍵詞】旋轉機械 振動診斷 故障診斷 狀態檢測 齒輪

【Abstract】the running state of the rotating machinery is related to the performance of the whole machine. In this paper， the causes of the failure of rotating machinery are described， the characteristics of different types of fault vibration signals are analyzed， and the principle and operation steps of vibration diagnosis technology are discussed. Finally， the vibration fault diagnosis of a numerical control machine tool is tested. The results show that the method has certain reliability.

【Key words】rotating machineryvibration diagnosisfault diagnosiscondition detectiongear

旋轉機械如發電機、壓縮機、齒輪、軸承等，在各行業均有廣泛應用，是各領域的關鍵機械設備或機械設備的關鍵部件。隨著科技的快速發展，旋轉設備朝著大型化和復雜化方向發展，一旦發生故障，損失十分嚴重。旋轉設備通過旋轉運動實現其功能，在旋轉過程中會出現一些小故障，這些故障可能會引發連鎖反應，進而導致整個設備發生大故障[1，2]。旋轉機械在運行過程中伴有振動，當發生故障時，振動信號也會出現異常，所以對旋轉機械的振動信號進行監測，能夠對設備運行狀態進行預測和對故障進行診斷，這有著重要的現實意義和經濟價值。

1 旋轉機械故障類型及振動信號特點

旋轉機械因其運行特點，引起故障主要有三種原因：不平衡，不對中和因轉子受損出現動靜碰擦[3]。不同故障類型產生的振動信號也不相同，分析不同故障的振動信號特點，是旋轉機械故障的前提。

1.1 不平衡

轉型機制運行過程中，轉子不平衡是普遍存在的問題。因離心慣性力存在周期性，從而對轉子的激勵作用力不同，就使得其難以平穩旋轉。當產生此類故障時，轉子的軸心軌跡呈橢圓形；振動信號的原始時間波形一般呈正弦波形；在頻譜圖中，基頻所占比重很大，其他倍頻占比重很小，諧波能量主要集中在基頻。

1.2 不對中

復雜旋轉機械中，往往一系列轉軸，如果出現軸系對中不良，將會使各軸承的相對位置、軸系的工作狀態等都發生改變，同時還會引起軸系固有振動頻率的改變。當發生此類故障時，振動信號的原始時間波形會從常規的正弦波發生畸變；ω為機械的旋轉頻率，頻譜圖中常以1ω和2ω為主，故障程度越嚴重，2ω所占的比例就愈大，通常會超過1ω的比例；軸向振動的頻譜圖中，1ω幅值較大，并且振幅和相位通常較穩定。

1.3 動靜碰摩

轉子旋轉過程中可能會局部受損，出現局部動靜碰摩，并引起不規則振動，進而造成受損程度加重，導致全周動靜碰摩，最終將導致機械損壞。出現此故障時，振動信號的原始時間波形也將從正弦波發生畸變；輕度局部動靜碰擦時，頻譜中以基頻成分的幅值為主，第2、第3階諧波幅值所占比例不高，且第2階諧波幅值大于第3階諧波幅值；一旦出現全周動靜碰擦時，轉子振動會帶有亞異步成分，多為1階固有頻率，高階諧波消失[4]。

2 旋轉機械的振動診斷技術

振動診斷技術廣泛應用在機械設備的狀態監測和故障診斷方面，尤其對于旋轉機械。振動診斷具有不停機或不解體的情況下能夠實現對設備狀態的監測和診斷、技術比較成熟、診斷比較準確等特點[5]。

2.1 振動診斷原理

因振動信號具有普遍性，機械設備在正常運行時振動的特征值具有一定的周期性和規律性，時域波形和頻域波形都在一定范圍內。當機械設備運行存在隱患或出現故障時，振動信號也會出現相應變化，通過對振動信號的監測、分析，能夠判斷隱患和故障的類型與程度，為制定檢修方案提供可靠的依據。其常用的分析方法有：時域波形分析和頻域波形分析兩種[6]。

時域波形分析主要考察振動信號的時間歷程，根據時域波形特征值，尤其是歪度和峭度的變化情況，對其周期性和隨機性給出定性評價，從而評估出設備所處的狀態，該法能夠判斷出90%的故障特征；頻域波形分析，時域信號經傅里葉變換，將其簡化為有限或無限個頻率的簡諧分量，在按照頻率高低對各次諧波進行排列，通過觀察新增的頻率成分和原有頻率幅值的增長情況，來判斷機械設備的故障位置和程度。

2.2 診斷流程

振動診斷技術在故障診斷時，一般采取的步驟為：（1）分析機械設備易出故障的部位，確定出診斷范圍并選擇合理測量位置；（2）選擇診斷方法，并根據所選的方法確定需要的振動傳感器，如簡易診斷，只需采用振動計和振動測量儀等簡單儀器；（3）振動信號數據采集，開啟各個傳感器對機械設備的振動信號進行數據采集和存儲；（4）振動信號分析，常用的分析方法有時域分析法、頻域分析法、時頻域分析法；（5）做出判斷，將采集到的振動信號數據與正常運行時特征值進行對比分析，從而對設備存在的隱患和故障進行判斷，并給出相應的維護意見。

3 旋轉機械故障診斷實例

齒輪是旋轉機械的重要部件，也是易發生故障的部位。本節以齒輪為例，采用振動診斷技術對其監測和診斷。

3.1 齒輪故障特點與診斷方法

當齒輪發生故障時，振動信號頻率、幅值等參數都會出現異常，如上表所示，不同類型故障所對應的振動信號也不相同，尤其是邊頻帶會增多，對各種故障邊頻特征進行分析，能更好地識別齒輪故障。將有效故障特征進行整合，形成故障診斷的專家知識庫，專家知識庫有助于提高故障診斷的自動化和智能化水平。同時再結合專業檢修人員對現場采集信號的分析，能夠及時、準確地對故障隱患進行預警和對已發故障進行定位和判斷。

3.2 齒輪特征頻率

以數控機床的主傳動系統，其振動強度有增大趨勢，振動烈度也有一定異常，對其進行故障診斷。該系統由兩級傳動構成：Ⅰ軸――Ⅱ軸――Ⅲ軸（主軸），其特征頻率為：主軸額定轉速為700r/min、頻率為11.7Hz時，Ⅱ軸的轉速為2310r/min、頻率為38.5Hz，Ⅰ軸的轉速為4270r/min，頻率為71.2Hz；Ⅰ軸和Ⅱ軸的嚙合頻率為2348Hz，Ⅱ軸和Ⅲ軸的嚙合頻率為711Hz。

3.3 振動診斷

通過齒輪上振動信號傳感器傳出的數據，生成1#測試點的加速度時域波形圖，見圖1（a）。由圖可知，該時域波形出現了明顯的衰減脈沖信號，圖中1、2、3點，發現時間間隔約為26ms，換算成頻率約為38.5Hz，為Ⅱ軸和Ⅲ軸傳動系統中齒數為20的小齒輪的旋轉頻率。圖1（b）是其頻譜圖，從圖中可以看出點3處有頻率約為1420Hz的峰，是Ⅱ軸和Ⅲ軸嚙合頻率的二倍頻，兩邊且有分布均勻的變頻帶，且間隔與齒數為20的小齒輪旋轉頻率38.5Hz一致。由此，可以判斷Ⅱ軸上齒數為20的小齒輪上應有較嚴重的缺陷。經拆機檢修，發現該齒輪已出現嚴重磨損和缺陷，無法繼續使用，振動診斷結果與拆機檢修結果一致。更換齒輪后，再次測試振動信號，無異常出現。這表明振動診斷技術，對故障診斷具有一定的可靠性。

結語

旋轉機械是各行業機械設備中的關鍵部位，其運行狀態直接影響著整個設備的性能，因此對其狀態檢測和故障診斷具有重要意義。旋轉機械主要因不平衡、不對中和動靜碰擦等幾種原因發生故障，不同類型的故障伴隨有不同特征的振動信號；振動診斷是通過采集旋轉機械的振動信號，再用時域分析法、頻域分析法、時頻域分析法等方法對振動信號進行對比、分析，從而判斷出其運行狀態和對故障進行診斷；以某數控機床上齒輪箱為例，實例驗證了振動診斷技術在對旋轉機械狀態檢測和故障診斷上的可靠性。

參考文獻

[1]羅仁澤，曹鵬，代云中等.旋轉機械故障診斷理論與實現[J].儀表技術與傳感器，2014，（3）：107-110.

[2]謝，史景釗，李祥付等.基于ADAMS的牛頭刨床運動仿真及優化設計[J].河南科學，2014，32（2）：204-206.

[3]向家偉，崔向歡，王衍學等.軸承故障診斷的最優化隨機共振方法分析[J].農業工程學報，2014，30（12）：50-53.

[4]王磊，張清華，馬春燕等.基于多頻譜分析的機械故障定位研究[J].組合機床與自動化加工技術，2014，（3）：78-81.

篇3

【關鍵詞】石油化工行業；鉆井機械；故障診斷技術

在我國社會主義市場經濟迅猛發展的條件下，石油化工行業開始對能源提出越來越高的要求。目前，鉆井機械已在自然資源勘探項目中得到廣泛應用，但由于大部分鉆井機械不具備較高的工作效率，所以無法實現自動化操作，加上人為因素與自然因素的雙重影響，使得大部分鉆井機械在實際運作過程中存在不同程度的故障問題，這對于鉆井行業的健康、持久、穩定發展來說可起到一定的阻礙作用[1]。

1.鉆井機械故障問題

常見的鉆井機械故障：①因各種因素影響而導致鉆井機械出現開裂、意外壓痕等損壞性故障；②因外界運行環境影響而導致鉆井機械故障，例如受干擾程度過大或運行受壓程度過大等；③因介質滲漏等內部因素影響而導致鉆井機械故障；④因自然因素影響而導致鉆井機械出現不正常磨損、使用周期過長和質量變差等常規性故障；⑤因機械性能失調而導致鉆井機械故障；⑥因機械零部件松動等自身因素而導致鉆井機械故障。

2.鉆井機械故障產生的原因

根據有關調查數據顯示，零部件磨損、協調性不達標、操作不當等是導致鉆井機械產生故障的主要原因。①零部件磨損。大多數機械操作人員對于零部件磨損問題均沒有予以高度重視，所以要求所有人員在選用鉆井機械零部件過程中，必須仔細檢查原材料的品質，同時還要注重鉆井機械的生產工藝與設計結構，以有效降低鉆井機械的磨損程度。②協調性不達標。是保證鉆井機械運行溫度的關鍵，也是維持零部件良好間距的決定性因素，其不僅可以防止外界雜質滲入到鉆井機械內部，還可以降低各零部件之間的磨損程度，達到減少故障產生率的目的。③操作不當。在負荷平穩的條件下，鉆井機械可以保持流暢的運轉，所以鉆井機械的各操作人員必須保持認真負責的工作態度，只有全面了解和掌握鉆井機械的工作原理，才能合理科學的操控各個機械，使鉆井機械在實際運轉過程中維持常溫，防止因操作不當而引發機械故障。

3.鉆井機械故障診斷技術及解決對策

無損檢測、振動診斷、測量溫度與油樣分析是鉆井機械故障常用的診斷技術，其中振動診斷技術牽涉到許多不同工作領域，而國內對于該診斷技術也投入了許多研究。現階段，我國在分析和診斷振動信號方面有統計分析、模型分析和時頻域分析三種方法，同時也可以利用機械的具體參數進行全方位診斷[2]。而隨著鉆井科技的不斷進步，鉆井機械故障診斷技術日益增多，例如以頻率為核心的全息譜分析、細化分析、共振解調分析，以信號為基礎的短時傅里葉變換診斷技術，以小波為主的變換診斷技術，以機械軸心運轉軌跡為目標的診斷技術。

3.1模糊識別診斷技術與共振解調診斷技術

展開鉆井作業時，往往會因環境惡劣、噪音過大、四周振源等因素而導致鉆井機械發生故障。由于鉆井泵軸故障具有較為繁復的特點，所以必須采用共振解調診斷技術將潛在的軸承故障問題挖掘出來，并在此基礎上完成各項頻譜分析工作。但是在實際操作過程中，機械軸承尺寸會存在一定差異，加上外界因素影響，使得頻譜上顯示的頻率值和計算得出的故障特征頻率值互不相同。為此，共振解調診斷技術必須與模糊識別診斷技術相互配合、相互協作，對各種故障特征頻率進行有效識別，以明確鉆井機械故障產生原因。診斷鉆井機械故障時，往往會因外界環境或底層復雜性等多種因素的干擾而導致診斷工作無法順利進行，所以必須全面了解和掌握機械故障特點與機械故障原因，只有明確鉆井機械故障類型，才能采取有效性處理措施。

3.2以神經網絡為主的旋轉機械故障診斷技術

過去通常采用以多層感知器為主的診斷技術對鉆井機械故障問題進行檢查，但該技術已無法滿足現代化診斷需求，因而以神經網絡為主的旋轉機械故障診斷技術應運而生。以神經網絡、振動頻率為主的旋轉機械故障診斷技術是一種新型的診斷方法，其不僅可以準確辨別和診斷鉆井機械發生故障原因，還可以明確神經網絡數目和隱層[3]。基于旋轉機械故障診斷技術，有關研究人員還建立了一套合理科學的智能故障診斷系統，其主要是根據知識子塊理論模式實現了查詢信息功能、網絡資訊功能、管理數據庫功能和故障診斷功能等，這對于大型風機的故障診斷來說具有至關重要的作用和意義。

為了有效降低鉆井機械故障的產生率，各工作人員必須做好以下幾點工作：①做好鉆井機械設備的保養工作。PMS系統是預防鉆井機械故障的強制保養系統，也是預防鉆井機械故障的強制維修系統。展開鉆井工作時，一定要提高機械設備的檢修和維護水平，只有這樣才能保證機械設備安全穩定運行。在實際工作過程中，運用PMS系統不僅可以協助操作人員處理潛在的機械性能故障問題，還可以維護和保養機械性能，使工作效率得到顯著提高，最終取得最大化經濟效益和社會效益。②培養一支高素質、高文化、高水平的鉆井機械故障診斷隊伍。無論是機械運行工作還是機械管理工作，各人員都必須做到對工作認真、負責。同時，企業還要組織所有工作人員開展專業化技術培訓活動，讓所有員工都能夠了解和掌握鉆井技術的重要知識和難點知識，以強化鉆井機械設備的戰斗力，推動企業不斷向前發展。③高度重視配件質量，加強油品管理能力。在我國市場經濟迅猛發展的條件下，與石油鉆井機械設備相關的配件市場出現了極為嚴重的壟斷情況。部分配件質量不達標，直接降低了其自身的耐用性，并給技術人員的日常維護檢修工作帶來許多困難[4]。針對這一情況，企業必須高度重視配件質量，加強油品管理能力，以降低鉆井機械設備故障發產生率，提高機械工作效率。

4.結束語

自身質量、人為因素、外界因素、自然因素的影響均會導致鉆井機械在運行過程中出現各種不同程度的故障問題。為此，技術人員必須全面了解和掌握鉆井機械故障的產生原因，明確其故障類型，只有這樣才能利用先進的鉆井故障診斷技術對故障問題進行有效性處理。除此之外，還要組織所有工作人員開展專業化鉆井技術培訓活動，讓各員工更加了解鉆井技術知識，正確操作鉆井機械，最終達到防止鉆井機械產生故障的目的。

參考文獻

[1]王常亮，佟宏遠.分析鉆井機械故障診斷數據挖掘系統結構[J].中國石油和化工標準與質量，2013，（06）：65.

[2]楊志國，姜云鵬，李莉.天然氣水合物賦存地層鉆井液技術研究[J].科技致富向導，2010，（29）：197-209.

篇4

關鍵詞 發動機；機械故障；診斷提取算法

中圖分類號U46 文獻標識碼A 文章編號 1674-6708（2013）85-0061-02

汽車的發動機是整個汽車的核心，對發動機機械故障進行及時的診斷并處理可以有效地消除汽車的隱患。汽車發動機故障可能由多個方面引起的，但從總體上來說，主要是機械系統故障和電控系統故障兩種。對于電控故障目前已經有比較完善的技術及儀器進行維護；而機械故障是由于發動機的機械系統運轉出現偏差引起的，例如連桿軸承、活塞、氣門和齒輪等構件不正常引起的，當前對于該方面的維修基本都是依賴維修工的經驗來進行的。本文通過振動傳感器采集發動機的信號，并對信號進行有效的分析，可以實現有效的診斷方法，幫助維修人員對發動機進行檢測。

在發動機機械故障系統中，通過各種傳感器對數據信息進行采集，通過診斷推理機和學習推理機來對信息進行分析和完善，以準確判斷出故障。本文主要針對故障診斷特征的提取算法進行分析。對于故障診斷特征的提取問題，從本質上來說，就是機器學習和人工智能對汽車發動機故障方面的具體應用。

2 FFT算法

在發動機機械故障中，旋轉機械故障是比較常見的。一般來說，信號頻域特征可以有效地對信號進行分類，同樣可以利用傳感器收集的信號，對故障進行有效的分類。在此，采用FFT算法可以對故障信號進行映射，使其轉換成頻域信號，然后對其進行分析，進而分析出發動機的哪一部分發生了故障。

FFT算法是在離散傅里葉算換（DFT）算法的進一步研究，也稱之為快速傅里葉變換算法。該算法可以讓離散傅里葉變換算法在計算時所需的運行次數大大減少，當離散所抽取的樣本點數越多，其運算的優越性越明顯，極大地節省了運算的時間。該算法當前已經較為普遍地運用在信號分析的領域之中。

FFT算法對于變換長度為N的序列x（n）其傅立葉變換可以表示如下

經過FFT算法對時域特征進行分析，可以有效地對汽缸套、正時齒輪、氣門、連桿、活塞銷、小瓦等故障信號進行區別，從而讓故障的診斷更加精確。

3 結論

本文針對發動機機械故障的診斷特征提取算法進行分析，首先分析了汽車發動機機械故障診斷系統的原理，描述其故障診斷特征算法的重要性；其次對FFT算法進行詳細的分析，該算法是傅里葉算法的進一步研究，并給出了該算法了部分核心代碼。

參考文獻

[1]魯植雄，黃學勤.汽車故障診斷高級教程[M].江蘇：江蘇科學技術出版社，2005.

[2]陳彬，洪家榮，王亞東.最優特征子集選擇問題[J].計算機學報，1997，20（2）：133-138.

[3]蔣長錦，蔣勇.快速傅里葉變換及其C程序[M].中國科學技術大學出版社，2004，8.

篇5

關鍵詞：預防維修狀態監測故障診斷

中圖分類號： TQ420 文獻標識碼： A

引言：當前我國正在走可持續發展道路，建設節約型社會。節約新品采購費用等，其產生的節資、節材、節能、環保的效益是不言而喻的，這將帶動我國維修科學技術向更高水平發展，對加快維修現代化進程將產生深遠影響。

一.機械設備維修的基本概念、分類及發展

設備維修作為一個過程，常常被定義為能產生一定效果、有邏輯關系的一系列任務。

1.設備維修方式的分類

設備維修由維修預防、事后維修、改善維修、預防維修和全面規范化五種具體的維修方式構成。

1.1維修預防

維修預防是一種很好的思想，從根本上防止故障和事故的發生，從而減少和避免設備的維修。

1.2事后維修

20世紀初期，工程機械維修一般都是在發生故障以后才進行的，即事后維修。它的最大優點是充分地利用了零部件或系統部件的壽命，但事后維修是非計劃性維修，浪費了較多的剩余修理，同時還存在一定的缺陷和不足。事后維修是設備出了故障再修，不壞不修。之所以采用這種維修方式，一方面是因為設備檢查診斷不可能把所有的故障隱患全部發現，設備故障在生產中時有發生；另一方面，事后維修方式還是比較經濟的，對于簡單或不重要的設備，可以采用這種維修方式。

1.3改善維修

改善維修是不斷利用先進的工藝方法和技術，對設備進行技術改造，改正設備的某些缺陷和先天不足，提高其先進性、可靠性及維修性，提高設備的運轉率。任何先進的設備是相對的，總有某些不足之處和可以改進的地方，通過維修同時對設備進行技術改造，使設備更趨于完善。

1.4預防維修

20世紀50年代，人們對設備的磨損機理認識有了更進一步的深入：機件工作-產生磨損-發生故障-影響使用并危及安全。為使每個機件都達到使用可靠和安全，從而形成了以預防為主的維修思想。這種維修思想包含了主動預防的思想內容，其實質是通過采取各種預防性措施，將故障消滅在萌芽狀態，改變了事后維修缺乏計劃性的被動局面。預防維修是以加強設備檢查為主，設備故障早期發現，早期排除，能大大減少故障的停機時間。

旋轉機械的預防維修主要采用獲取實時振動參數進行檢測和診斷的狀態維修辦法。1.5全面規范化生產維護

TNPM是以設備綜合效率和完全有效生產率為目標，以全系統的預防維修系統為載體，以員工的行為規范為過程，全體人員參與為基礎的生產和設備維護、保養和維修體制。設備維修中最重要的是基礎化管理，而5s 活動則是設備基礎化管理的精髓。5s是日語中整理、整頓、清潔、清掃、素養5個以“S”發音的拼音字頭。

2.目前國內外機械設備故障診斷技術現狀

故障診斷技術是 20 世紀 70 年代以來，隨著電子測量技術、信號處理技術以及計算機技術的發展逐漸形成的一門綜合技術。較常用的技術手段有振動監測、噪聲監測、溫度監測、油液分析、無損探傷等。

故障診斷技術可以在設備運行過程或基本不拆卸的情況下，監測設備的運行技術狀況，預測設備的可靠性，判斷故障的部位和原因。因此，能夠防止突發故障和事故的發生，減少事故性停機；較科學地確定設備修理間隔期和內容，降低維修成本，保證安全生產，節約能源。

2.1國內外較典型的狀態監測方式

2.1.1離線定期監測方式

測試人員定期到現場用一個傳感器依次對各測點進行測試，并用磁帶機記錄信號，數據處理在專用計算機上完成，或是直接在便攜式內置微機的儀器上完成；這是當前利用進口監測儀器普遍采用的方式。采用該方式，測試系統較簡單，但是測試工作較煩瑣，需要專門的測試人員；由于是離線定期監測，不能及時避免突發性故障。

2.1.2在線檢測離線分析的監測方式

亦稱主從機監測方式，在設備上的多個測點均安裝傳感器，由現場微處理器從機系統進行各測點的數據采集和處理，在主機系統上由專業人員進行分析和判斷。這種方式是近年在大型旋轉機械上采用的方式。相對第一種方式，該方式免去了更換測點的麻煩，并能在線進行檢測和報警；但是該方式需要離線進行數據分析和判斷 ，而且分析和判斷需要專業技術人員參與。

2.1.3自動在線監測方式

該方式不僅能實現自動在線監測設備的工作狀態，及時進行故障預報，而且能實現在線地進行數據處理和分析判斷。該方式技術最先進，不需要人為更換測點，不僅不需要專門的測試人員，也不需要專業技術人員參與分析和判斷；但是軟硬件的研制工作量很大。本課題研究的是這種方式。

隨著人工智能理論的發展及其在實際中的應用、數據處理軟件的大量開發，今后旋轉機械狀態監測技術正向多目標、多層次監測和網絡化方向發展 。

2.2國外旋轉機械的在線檢測技術現狀

90年代以來，高檔微機不斷更新且價格迅速下降，適合數字信號處理的計算方法不斷優化， 使數據處理速度大為提高，為在工業現場直接應用狀態監測技術創造了條件。丹麥、美國、 德國、日本等發達國家的專家學者對旋轉機械工作狀態監測技術進行了深入研究，研制出不同系統。該類系統以丹麥 B&K公司的2520型振動監測系統、美國BENTLY 公司的3300 系列振動監測系統、美國亞特蘭大公司的M6000系統為代表已經達到較高的水平。

在功能上比較典型的系統之一是丹麥B&K公司的2520型振動監測系統，主要功能有：自動譜比較并進行故障預警報警；對6％和23％恒百 分比帶寬譜進行速度補償；幅值增長趨勢圖顯示； 三維譜圖顯示；振動總均方根值計算；支持局域網。

美國IRD公司的IQ2000系統可認為是至今為止有報道的功能最齊全的監測與診斷系統。

2.3國內旋轉機械的在線檢測技術現狀

80年代中后期以來，我國有關研究院所、高等院校和企業開始自行或合作研究旋轉機械狀態監測技術，無論在理論研究、測試技術和儀器研制方面，都取得了成果，并開發出相應的旋轉機械狀態監測系統。如：西安交通大學、浙江大學、北京理工 大學、北京機械工業學院等。

國內主要有以下幾種類型：

a.哈爾濱工業大學等單位聯合研制的3MD-Ⅰ、3MD-Ⅱ、3MD-Ⅲ系統；

b.西安交通大學機械監測與診斷研究室的RMMDS系統；

c.西安交通大學理論及軸承研 究室的RB20-1系統；

d.鄭州工學院的RMMDS系統；

e.重慶太笛公司的CDMS系統；

f.浙江大學 的CMD-I型及II型系統；g.西北工業大學的MD3905系統；

h.北京機械工業學院的BJD-ZⅠ、BJ D-ZⅡ、BJD-ZⅢ系統。

這些系統 的主要功能有：軸振動監測，包括軸心軌跡分析、軸向串動、軸振動位移峰-峰值計算；殼 體振動監測；頻譜分析，包括頻率細化、階比譜分析、階跟蹤譜、三維功率譜分析；自動預 、報警；故障特征提取及診斷。

3.總結

振動方法一直是機械故障診斷的重要方法，并且逐漸發展得比較成熟。隨著故障診斷系統化網絡化方向的發展，所監測的參數不再只局限于振動、軸位移等，而是進一步擴展到了影響機械運行狀態的主要工藝過程量，如流量、溫度、壓力以及一些主要開關量，對于機械設備運行狀態的把握更及時、更全面、更準確。

參考文獻：

[1]王方，旋轉機械的故障診斷，機械工業出版社，2006年

篇6

【關鍵詞】機械設備故障診斷與監測常用方法 發展趨勢

中圖分類號： U673.38 文獻標識碼： A 文章編號：

隨著科學技術的不斷發展，近代機械工業逐漸地向著機電一體化的方向發展 機械設備的自動化、智能化、大型化、集成化、復雜化程度不斷提高。因此，在生產過程中，為了避免產生巨大的經濟損失，必須確保設備安全、可靠地運行。對機械設備的工作狀態進行實時監視與診斷，并利用診斷結論采取相應的對策，杜絕生產事故的發生，無疑是一種行之有效的方法。故障檢測與診斷技術就是在此基礎上產生的一門新興的學科，隨著它在機械工程中作用的不斷加強，故障檢測與診斷技術越來越受到人們的關注，得到了迅速的發展。

機械故障診斷和監測技術的發展及現狀

早在二次世界大戰期間，由于大量軍事裝備缺乏診斷技術和維修手段，而造成非戰斗性的損壞，使人們意識到故障診斷和監測技術的重要性。6o年代以來，由于半導體的發展，集成電路的出現，電子技術、計算機技術的更新換代，特別是l 965年FFT方法獲得突破性進展后出現了數字信號處理和分析技術的新分支，為機械設備診斷和監測技術的發展奠定了重要的技術基礎。

美國最早開展機械故障診斷技術的研究。英國、瑞典、挪威、丹麥、日本等國緊隨其后。早在1 967年，美國就成立了機械故障預防小組(MFPG)，開始有組織有計劃地對機械診斷技術進行專題研究，并成功的運用于航天、航空、軍事等行業的機械設備中；日本在鋼鐵、化工、鐵路等民用工業部門的診斷技術方面發展很快，并具有較高水平；丹麥在機械振動監測診斷和聲發射監測儀器方面具有較高水平。

我國在機械故障診斷技術方面的研究和應用相對較晚，二十世紀八十年代才開始著手組建故障診斷的研究機構。其發展也經歷了從簡易診斷到精密診斷，從一般診斷到智能診斷，從單機診斷到網絡診斷的過程，發展速度愈來愈快。與國外發達國家相比，我國雖然在理論上跟蹤較緊，但總體而言，在機械設備診斷的可靠性等方面仍有一定差距。

經過30多年的發展，作為新興的綜合性的邊緣學科，機械故障診斷技術已初步形成了比較完整的學科體系。就其技術手段而言，已逐步形成以振動診斷、抽樣分析、溫度監測和無損檢測探傷為主，一些新技術或方法不斷興起和發展的局面。計算機硬件的突飛猛進、軟件技術的日新月異，極大地促進了信號分析與處理技術的發展，從而更進一步推動機械故障診斷和監測技術向著科學化和實用化的方向發展。

故障診斷和狀態監測的常用方法

狀態監測和故障診斷是兩種具有不同目的和方法的技術。設備狀態檢測的目的是判斷機器運行的狀態是否正常，包括采用各種測量、分析和判別方法。為進一步的故障診斷提供必要的數據和信息。而設備故障診斷的目的是判斷設備運行內部隱含故障，識別故障的性質、程度、類別、部位、原因等，并能說明故障發展的趨勢及影響，即作出中長期預報。

設備的故障有多種，不同的故障對應著狀態信號中的一系列特征信息，這是設備狀態或故障能被識別的客觀基礎。設備故障診斷的研究實質即為狀態的模式識別問題。

常用的機械設備的診斷技術有振動診斷方法、無損檢測技術、溫度診斷方法、鐵譜分析方法等。振動檢測技術是通過對機械信號的拾取、放大、顯示振動的峰值，以了解機械的振動狀態，廣泛地應用于設備診斷領域，常用于診斷旋轉機械。振動信號是設備狀態信息的載體，包含了豐富的設備故障信息，而振動特征是設備運行狀態好壞的重要標志。振動診斷技術已經歷了一個較長的發展階段，其理論基礎已比較雄厚，分析測試設備也已比較完善，診斷結果比較可靠，因而在故障診斷的整個領域中處于主導地位。但振動診斷技術也有不足之處：因為這一技術涉及信息傳感、振動測試、信號處理等領域，對設備診斷技術人員的要求比較高。

無損檢測法，有射線探傷，超聲波探傷，磁粉探傷、聲發射等。主要用于探測設備的內部立體缺陷，判斷缺陷的存在、位置、性質及大小，常用于礦山、石化等行業中。如各種形態的鋼鐵機件中的裂紋、氣孔、夾雜等隱患，長期交變應力作用下產生疲勞裂紋等，這些缺陷均可用無損檢測技術及早地加以診斷和監控。無損檢測技術可改進產品制造工藝、降低制造成本、提高設備的運行可靠性。

溫度與機械設備的運行狀態密切相關。對于溫度特別敏感的機械設備，可用溫度診斷技術，查找機件缺陷和診斷各種由熱應力引起的故障。隨著現代熱傳感器和檢測技術的發展，溫度診斷技術已成為故障檢測技術的一個重要發展方向。

鐵譜技術常用于機械磨損檢測，其核心是利用鐵譜儀，將油內鐵磁性磨損顆粒與油液及雜質分離開來，并根據各種磨粒的數量、形狀、尺寸、成分及分布規律等情況，對磨屑進行定性和定量分析，及時、準確地判斷出系統中元件的磨損部位、形式、程度等。油液污染度和氣體污染度的檢測技術。在各種油箱、油缸、管路中固體顆粒狀污染物是造成機件磨損、刮傷、卡死、堵塞的主要原因。據統計，70％ 以上的液壓設備故障是由于固體顆粒物的污染造成的。所以，油液污染物的測定是預防機件破壞的有效途徑。而氣體污染是在故障形成過程中或故障形成后產生的故障，這種檢測方法主要用于電氣故障、發動機故障及空壓機故障的監測。

故障診斷與監測技術的發展趨勢

近十幾年來，模糊診斷、故障樹分析、專家系統、人工神經網絡等新的診斷技術不斷出現，從而產生了模式識別、故障樹分析和小渡分析等分析方法。故障樹分析法是對系統故障形成的原因采用從整體至局部按樹枝狀逐漸細化分析的方法。它通過分析系統的薄弱環節和完成系統的最優化來實現對機械設備故障的預測和診斷。模糊診斷法是建立在模糊數學基礎上的，它利用癥狀向量隸屬度和模糊關系矩陣求故障原因向量隸屬度，故障原因隸屬度就反映了造成機器故障原因的多重性和它們的主次關系程度，從而可以減少許多不確定因素給診斷工作帶來的困難。專家系統是人工智能的一個重要分支，是一種以知識為基礎的智能化的計算機程序系統，為計算機輔助診斷的高級階段，研制專家系統是故障診斷技術的必然發展趨勢。人工神經網絡基于神經學研究的最新成果，是對人腦某些基本特征的簡單數學模擬，它具有對故障的聯想記憶，模式匹配和相似歸納能力，以實現故障和征兆之間復雜的非線性映射關系 這些方法在機械故障診斷領域的應用研究正蓬勃興起，但尚處于發展和不斷完善的過程中，將使機械設備狀態監測朝系統化和智能化方向發展。

隨著計算機網絡化的飛速發展，人們共享資源和遠程交換數據成為可能 利用光纖光纜、微波、無線通信及計算機網絡等通信方式，將故障診斷系統與數字信號系統結合起來組成網絡，從而實現對多臺機組的有效管理，減少監測設備的投資，提高系統的利用率，因而網絡化將是發展趨勢之一。

總結

隨著知識經濟的來臨，世界經濟的全球化和一體化，人類對環境的要求越來越高 這對機械設備狀態監測和故障診斷技術的要求也越來越高，不僅要滿足實現診斷性能的要求，還要滿足有利于保護環境、節約能源、節省資源、使用簡單可靠的要求。這使得機械設備狀態監測和故障診斷技術將朝著與環境相協餌的方向發展。

參考文獻

[1] 崔彥平，傅其鳳，葛杏衛，劉玉秋。 機械設備故障診斷發展歷程及展望[J]. 河北工業科技. 2004(04)

[2] 劉全心。 LabVIEW實現機械設備狀態監測與故障診斷[J]. 現代機械. 2008(03)

[3] 梁丹。 小波分析在機械故障監測與診斷中的應用[J]. 現代冶金. 2009(06)

篇7

關鍵詞:鋼鐵;熱連軋機;滾動軸承;振動監測;能量轉化;故障診斷

中圖分類號:TH133文獻標識碼:A文章編號:1009-2374 (2010)13-0054-02

熱連軋機的主要作用是通過各種減速機,將電能轉化為機械能,完成將厚鋼板軋制成薄鋼板的任務,運動部件主要是傳動軸、齒輪和滾動軸承。目前對于熱連軋機振動而言,主要監測對象集中于各種減速機的齒輪箱和滾動軸承。齒輪發生故障的機理主要有齒面磨損、齒面膠合和劃痕、齒面接觸疲勞和斷齒、彎曲疲勞和斷齒等,滾動軸承發生故障的機理主要有磨損、疲勞、膠合和斷裂等。

一、齒輪及滾動軸承故障機理和故障的診斷

(一)齒輪的故障機理及故障診斷

齒輪故障機理主要有:

1.齒面磨損的機理通常是所謂的磨料磨損。當油不足或油質不清潔,在齒輪的工作面之間夾入金屬微粒、金屬氧化物或其它磨料時,將引起齒面發生磨料磨損,使齒廓顯著改變,側隙加大,以至由于齒厚過度減薄導致斷齒。

2.齒面膠合和劃痕。對于重載和高速的齒輪傳動,齒面工作區溫度很高,如條件不好,齒面間油膜破裂,一個齒面的金屬會熔焊在與之嚙合的另一個齒面上,形成垂直于節線的劃痕和膠合。一般來說,新齒輪未經跑合時常在局部產生這種現象,使齒面擦傷。另一方面,油粘度過低,運行溫度過高,齒面上單位面積載荷過大,相對滑動速度過高,以及接觸面積過小等,也會使油膜易于破裂而造成齒面劃痕。

3.齒面接觸疲勞和斷齒。齒輪在嚙合過程中,既有相對滾動,又有相對滑動,而且相對滑動的摩擦力在節點兩側的方向相反,從而產生脈動載荷。這兩種力的作用結果使齒輪表面層深處產生脈動循環變化的剪應力。當這種剪應力超過齒輪材料的剪切疲勞極限時表面將產生疲勞裂紋。裂紋擴展,最終會使齒面金屬小塊剝落,在齒面上形成小坑,稱為點蝕。當點蝕擴大,連成一片時,形成齒面上金屬塊剝落。它一般發生在輪齒根部靠近節圓處。此外,材質不均或局部擦傷,也易在某一齒面上首先出現接觸疲勞,產生剝落。

4.彎曲疲勞和斷齒。輪齒承受載荷,如同懸臂梁,其根部受到脈沖循環的彎曲應力作用。當這種周期性應力超過齒輪材料的彎曲疲勞極限時,會在根部產生裂紋,并逐步擴展。當剩余部分無法承受外載荷時,就會發生斷齒。齒輪由于工作中嚴重的沖擊、偏載以及材質不均也可引起斷齒。齒輪異常還可分為局部故障和分布故障,前者集中表現于某個或幾個齒上,如剝落和斷齒等,后者分布在齒輪的各個齒上,如磨損和點蝕等。

一對嚙合中心齒輪,可以看作是一個具有質量、彈簧和阻尼的振動系統,根據其力學模型可寫出其振動方程。齒輪的振動屬于自激振動,即使在“理想”情況下齒輪也存在振動;齒輪振動主要來源于兩個部分,第一部分與齒輪的誤差和故障無關,稱為常規嚙合振動。第二部分取決于齒輪的綜合剛度和故障函數,由這一部分可以比較好地解釋齒輪信號中邊頻的存在以及他們和故障的關系。在齒輪的振動中,周向振動(即扭轉振動)是主要的。齒輪噪聲來源于齒輪的振動,薄齒輪的噪聲主要受齒輪本體振動的影響,而厚齒輪的噪聲則主要受齒輪嚙合頻率成分的影響。齒輪的振動屬于自激振動。齒輪嚙合剛度的周期性變化是由以下兩個原因:一是隨著嚙合點位置的變化,參加嚙合的單一輪齒的剛度發生了變化;二是參加嚙合的齒數在變化。無論齒輪處于正常還是故障狀態,齒輪的嚙合頻率成分是始終存在的,但在不同的狀態下振動的量級大小是有差異的,因此,根據嚙合頻率分量進行故障診斷是可行的。但是,另一方面齒輪的振動信號又是十分復雜的,故障對振動信號的影響也是多方面的,其中包括傳動誤差的影響,調制現象的存在等。

開展齒輪故障診斷的困難在于其振動信號在傳遞中所經歷的環節比較多,包括齒輪、軸、軸承、軸承座等,因而高頻信號成分(20kHz以上)在傳遞過程中基本上都損失掉了。正是由于這一原因,齒輪故障診斷往往需要借助更精細的信號分析手段,以達到提高信噪比以便能有效提取故障特征的目的。

(二)滾動軸承故障機理及故障診斷

滾動軸承的故障機理包括:(1)磨損。磨損是滾動軸承最常見的一種失效形式,是軸承滾道、滾動體、保持架、座孔或安裝軸承的軸頸,由于機械原因引起的表面磨損。(2)疲勞。表現為滾動體或滾道表面剝落或脫皮。造成剝落的主要原因是疲勞應力,有時是由于不良或強迫安裝。(3)腐蝕。第一種是劑水分或濕氣的化學腐蝕;第二種是軸承表面有較大的電流通過使表面產生點蝕,或由于小電流和微振作用下形成的腐蝕,屬電腐蝕;第三種是微振腐蝕,由于軸承套圈在座孔中或軸頸上有微小的相對運動使表面產生的紅色或黑色的銹斑。(4)壓痕和膠合。壓痕是由于裝配不當,或者是由于過載和撞擊造成的表面局部凹陷。膠合發生在滑動接觸的兩個表面,表現為一個表面的金屬粘附到另一個表面上的現象。在不良,高速重載的情況下,由于摩擦發熱,軸承零件可能在極短的時間內達到很高的溫度,從而導致表面燒傷及損壞。

根據振動的起因,滾動軸承的振動可分為三種形式:軸承結構因素引起的振動,如滾動體通過時的振動,內、外圈的固有振動及軸承的彈性振動等;軸承制造因素引起的振動,如軸承零件的圓度、波紋度、傷痕、缺陷及保持架引起的振動等;使用條件引起的振動,如劑、載荷、轉速、安裝不當及配合引起的振動。

在軸旋轉時,滾動體通過徑向載荷方向的位置,使軸的中心上下移動,即產生周期性的振動,這種振動稱為滾動體的通過振動。根據徑向滾動軸承的運動關系模型建立方程,依據幾何學條件,求得幾個旋轉頻率和通過頻率,包括內圈旋轉頻率fr、保持架旋轉頻率fc、滾動體自轉頻率fb、保持架通過內圈頻率fi等參數,振動的頻譜特征是診斷振動故障的主要依據,當軸承零件有故障時,幾種通過頻率便會在振動信號中出現。

二、齒輪及滾動軸承故障的界定和診斷標準

(一)齒輪和滾動軸承故障的界定

齒輪和滾動軸承的失效很難有一個統一的標準,通常情況下取如下建議值。

齒輪失效的界定應當考慮到齒輪的強度、運動精度和維修經濟性,具體標準如下:(1)齒長磨損不應超過原齒長的30%;(2)齒厚磨損,最大限度不應超過0.4mm;(3)因剝落、點蝕等,齒輪嚙合面積應不低于工作面積的2/3;(4)齒輪嚙合間隙:使用極限為0.60～0.90mm。

滾動軸承失效的界定應當考慮到軸承的壽命、工作性能和維修經濟性,具體標準如下:(1)徑向間隙許用極限:0.3mm;(2)滾道內不允許有明顯的凹坑、剝落、傷痕、卡滯現象。

(二)齒輪和滾動軸承故障的診斷標準

1.絕對判斷標準。(1)齒輪故障的判斷標準。對于1kHz

以下振動,速度的峰值在0.45cm/s以下為良好,對于1kHz以上振動,加速度的峰值在0.9g以下為良好。速度的峰值在0.9cm/s和加速度的峰值在1.8g以上為危險狀態。(2)滾動軸承故障的判斷標準。由于滾動軸承的振動是一個復雜的物理現象,牽涉的因素很多,如傳感器安裝位置、軸承類型、軸徑大小、轉速高低、故障性質和測量系統特性等,難以建立故障定量判斷標準,除了可以借鑒旋轉機械振動標準外,主要依靠相對判斷標準。滾動軸承常規振動水平明顯低于齒輪振動,并且一般要小一個數量級。但是,當滾動軸承出現比較嚴重的故障時,有時表現為軸承特征頻率成分和齒輪振動成分的相互交叉調制,出現和頻以及差頻成分。對于包含多個齒輪和軸承故障的振動信號,需要通過頻率細化和小波變換等技術,將齒輪與滾動軸承的故障頻率區分開,以免誤診斷。

2.相對判斷標準。對同一部位 (同一測點、同一方向和同一工況)進行定期測定,將正常情況的值定為初始值(或正常值),將實測值與正常值進行比較,根據倍數來判斷故障。在齒輪和滾動軸承的故障分析中,由于故障的離散性較大,較多使用以時間軸為基準的對比分析。通常考慮1000Hz以內的頻率分量增加2倍,1000Hz以上的頻率分量增加3倍作為狀態惡化的警告值。1000Hz以內的頻率分量增加4倍,1000Hz以上的頻率分量增加6倍作為狀態惡化的危險值。

3.類比判斷標準。有數臺機型、規格相同的設備時,在相同條件下進行測定,經過相互比較作出判斷,稱為類比判斷。一般,當低頻 (1000Hz以內)振幅大于其它大多數正常設備的1倍以上,高頻 (1000Hz以上)的振幅大于2倍以上時,設備可能出現異常。當低頻振幅大于2倍以上,高頻振幅大于4倍以上時,應考慮立即停機。

眾所周知,振動分析在大型旋轉機械故障診斷領域取得了極大成功,因為旋轉機械故障機理研究比較清楚,故障特征比較典型,如不平衡表現為一倍頻較大,不對中表現為二倍頻較大,碰摩表現為低頻較大,松動表現為高頻較大等,不同故障的特征差異較大,不容易混淆,易于區別。從振動頻譜來看,故障的特征頻譜通常是轉速的整倍數或分倍數,因此需要進行整周期采樣,一般通過FFT即可得到比較準確的故障特征頻率。此外,有大量的現場故障案例,故障的重復性較多,具有豐富的診斷經驗。

軋鋼機械主要由齒輪和滾動軸承構成,由于受到齒輪齒數和軸承滾動體個數的影響,故障的特征頻率通常不再是轉速的倍數關系,而且差別不明顯。同時,由于受到條件限制,測量振動的傳感器一般安裝在與振動源較遠的殼體上,信號傳遞途徑復雜,影響因素多,受干擾大,故障特征不明顯,同時信號分析過程比較復雜,并且缺少典型案例和故障診斷經驗,給軋鋼機械的故障診斷帶來較大的困難。因此,對軋鋼機械進行故障診斷,除了如一般機械常規的波形和頻譜分析外,還需要進行某些特征數據的計算分析以及頻率細化技術、倒頻譜、包絡譜和小波變換等。

參考文獻

[1]孫志輝,等.2030板帶冷連軋機的振動分析[J].北京科技大學學報,1997,(S1).

[2]于輝,許石民,杜鳳山.軋鋼機機架的動力學特性及強度的研究[J].燕山大學學報,2004,(3).

篇8

【關鍵詞】失效；故障頻率；振動分析；包絡法

中圖分類號：TK22文獻標識碼：A文章編號：1006-0278（2012）06-124-01

滾動軸承是旋轉機械中的重要零件，統計表明，在使用滾動軸承的旋轉機械中，大約有30%的機械故障都是滾動軸承引起的。采用狀態檢測與故障診斷技術后，事故發生率可降低75%，維修費用可減少25%～50%。

一、　滾動軸承的失效形式

（一）疲勞剝落

滾動軸承的內外滾道和滾動體交替進入和退出承載區域，這些部件因長時間承受交變載荷的作用，首先從接觸表面以下最大交變切應力處產生疲勞裂紋，繼而擴展到接觸表面在表層產生點狀剝落，逐步發展到大片剝落，稱之為疲勞剝落。

（二）磨損

由于滾道和滾動體的相對運動和塵埃異物引起表面磨損，不良會加劇磨損，結果使軸承游隙增大，表面粗糙度增加，降低了軸承運轉精度，因而也降低了機器的運動精度，表現為振動水平及噪聲的增大。

（三）擦傷

由于軸承內外滾道和滾動體接觸表面上的微觀凸起或硬質顆粒使接觸面受力不均，在不良、高速重載工況下，因局部摩擦產生的熱量造成接觸面局部變形和摩擦焊合，嚴重時表面金屬可能局部熔化，接觸面上作用力將局部摩擦焊接點從基體上撕裂。

（四）斷裂

當軸承所受載荷、振動過大時，內外圈的缺陷位置在滾動體的反復沖擊下，缺陷逐步擴展而斷裂。

（五）銹蝕

水分或酸、堿性物質直接侵入會引起軸承銹蝕。當軸承內部有軸電流通過時，在滾道和滾動體的接觸點處引起電火花而產生電蝕，在表面上形成搓板狀的凹凸不平。

二、滾動軸承的失效過程

軸承失效通常劃分為四個階段：

（一）第一階段：軸承的超聲頻率振動階段

軸承最早期的故障是表現在250kHz～350kHz范圍的超聲頻率的振動異常，隨著故障的發展，異常頻率逐漸下降移到20kHz～60kHz，此時的軸承微小故障可被沖擊包絡和聲發射的方法檢測到，沖擊包絡值最大可達0.5gE（加速度包絡，振動分析中表示振幅的一個加速度指標）。

（二）第二階段：軸承的固有頻率振動階段

隨著軸承的運轉，軸承滾動表面會產生輕微的缺陷，這些輕微缺陷引起的振動會激起軸承部件的固有頻率（fn）振動或軸承支承結構共振，一般振動頻率在500Hz～2kHz。同時該頻率還作為載波頻率調制軸承的故障頻率。起初只能觀察到這個頻率本身，后期表現為在固有頻率附近出現邊頻。如果用加速度包絡法檢測會發現其包絡值會上升至0.5～1.OgE左右。此時，軸承仍可安全運轉。

（三）第三階段：軸承缺陷頻率及其倍頻振動階段

隨著軸承微小缺陷的進一步擴展，軸承缺陷頻率及其倍頻開始出現，隨著軸承磨損的進一步發展，更多缺陷頻率的倍頻開始出現，圍繞這些倍頻以及軸承部件固有頻率的邊頻帶數量也逐步上升。此時軸承的振動已經比較明顯，應考慮盡早更換軸承。

（四）第四階段：軸承隨機寬帶振動階段

軸承已經接近完全失效，軸承的壽命已經接近尾聲，甚至工頻也受其影響而上升并產生許多工頻的倍頻，而原先離散的軸承缺陷頻率和固有頻率開始"消失"，取而代之是隨機的寬帶高頻"噪聲振動"，高頻噪聲振動和包絡值有所下降，但就在軸承最終失效前，包絡沖擊值會大幅上升。

三　、滾動軸承的振動特征分析方法

（一）　特征參數法

特征參數法的優點在于僅有少數指標用于解釋軸承的狀態，　結果分析簡單和方便。在滾動軸承診斷中常用的特征參數包括有效值、峰值等各種時域特征參數和重心頻率等各種頻域參數。

（三）　頻譜分析法

滾動軸承的振動其頻率成分十分豐富，　既含有低頻成分，又含有高頻成分。每一種特定的故障都對應特定的頻率成分，　需要通過適當的信號處理方法將特定的頻率成分分離出來，　從而指出特定故障的存在。

（三）包絡法

包絡法的優點包括它能區分同時發生在同一個軸承中的數種故障特征的特征，將與故障有關的信號從高頻調制信號中取出，　從而避免了與其它低頻干擾的混淆，　具有極高的診斷可靠性和靈敏度。

當軸承某一元件表面出現局部損傷時，在受載運行過程中要撞擊與它接觸的表面而產生沖擊脈沖力。由于沖擊脈沖力的頻帶很寬，包含軸承組件、軸承座、　機器結構及傳感器的固有頻率，　所以必然激起測振系統的共振。因此，測得的振動加速度信號包含著多個載波共振頻率，　以及調制于其上的故障特征頻率和其諧波成分。從而可以根據實際情況選取某一共振頻率為中心，使微弱的軸承故障信號搭載在高幅值的諧振頻段傳遞出來，再對所測信號進行絕對值處理，之后采用低通濾波，即可獲得調制信號的包絡線，然后進行快速傅立葉變換FFT，即可得到包含故障特征頻率及其倍頻成分的低頻包絡信號，　對包絡信號進行頻譜分析就可以很容易地診斷出軸承的故障來，這個過程也稱為共振解調。

四、結語

了解軸承故障的形式和軸承故障的發展階段，對于診斷軸承故障是十分必要的。掌握軸承故障診斷的分析原理和方法是準確診斷軸承故障的前提。

參考文獻：

[1]趙曉玲.滾動軸承故障振動檢測方法[J].重慶科技學院學報，2007.

篇9

關鍵詞：數學形態學；機械領域；圖像處理

鑒于數學形態學的主要優點：計算簡單，并行快速，一般只包含布爾運算、加減法運算而不需要做先進乘法，便于硬件實現；可以應用于簡化圖像數據，保持基本的形狀特性，并除去不相干的結構。因此在計算機文字識別，圖像編碼壓縮，工業檢測，機器人視覺等諸多領域取得了非常可觀的應用。

1 數學形態學的特點

（1）它反映一幅圖像中像素點之間的邏輯關系，而不僅為簡單的數值關系；

（2）它是一種非線性的圖像處理方法，具有不可逆性；

（3）它能夠并行實現；

（4）它能夠用來描述和定義圖像的各種集合參數和特征。

針對正在大力推進的工業4.0計劃的要求：提升制造業的智能化水平，建立具有適應性、資源效率及人因工程學的智慧工廠。其技術基礎是網絡實體系統及物聯網。因此數學形態學在機械行業的應用前景非常樂觀，目前已經應用的領域有機械信號處理，機械故障診斷，機器視覺等諸多領域。

數學形態學處理方法特殊，盡管在最終結果方面與其他處理方式有相同之處，可以用來增強輸入的某種特征來減弱其他特征，但在理論基礎和處理過程方面，存在著差異。數學工具不同于常用的頻域和空域方法，形態學是以積分集合及隨機集論為基礎，積分幾何有利于幾何參數間接測量，隨機集論適合描述書信號或圖像隨機性質。普通信號、圖像的處理變換存在集合特性的扭曲，通過合適的形態運算和結構元素進行處理，能保留信號或圖像的形態信息。

數學形態學的基本思想是用具有一定形態的結構元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。它的基本運算包含4個： 膨脹（或擴張）、腐蝕（或侵蝕）、開啟和閉合， 它們在二值圖像和灰度圖像中各有特點。本文只針對數學形態學在機械方向的應用展開探討。

在機械信號處理方面，數學形態學基本運算可以進行詳細有效的圖像處理分析。（1）骨架化。骨架化廣泛應用于圖像識別以及數據壓縮方向，是二值目標的重要拓撲描述。在綜合比較形態學與中軸變幻的優缺點時，形態學骨架綜合性更好一些，缺點是產生的骨架并非連續的，對比中軸變換計算量太大的缺點要好一些。（2）波峰、波谷檢測。此處用到的原理為數學形態學中頂帽變換（Top-Hat Transform），實現了對波峰或波谷的檢測。（3）邊緣檢測。圖像處理中一般情況下認為局部極值點或灰度發生劇烈變化的點即為邊緣點。數學形態學利用形態學梯度可進行邊緣檢測，在增強邊緣的同時可以抑制噪聲。

在機械故障診斷方面，傳統的信號處理方法應用于故障信號分析存在諸多弊端，核心需求在于機械故障非線性非平穩信號的處理。數學形態學是一種非線性濾波方法，運算簡單、快速，具有明確的物理意義。因而被應用與諸多圖像處理當中。（1）滾動軸承故障信號處理，自適應提升形態小波降噪對滾動軸承故障信號進行處理，構造出無需抽樣的形態非抽樣小波。實現對滾動軸承故障機理分析，以及故障的固有信號特點和特征頻率判別。（2）采用多尺度多結構元素的數學形態學分析方法對齒輪和轉子時頻圖像進行處理，檢測出齒輪振動源，以及實現齒輪故障振動響應及調節機理。并且通過信號擬合來判別齒輪典型的故障信號特征。（3）數學形態學與 GG（ Gath-Geva） 模糊聚類相結合的旋轉機械故障診斷方法，通過對滾動軸承信號的多尺度形態運算得到信號的形態譜，定量反映了信號在不同尺度下的形態變化特征。為進一步對滾動軸承信號進行故障識別奠定基礎。

在機械視覺方面，對機械作業對象進行圖像采集，利用顏色特征在RGB顏色空間完成圖像分割，利用數學形態學完成圖像濾波。數學圖像處理技術由于其獨特的非線性特點在圖像增強與圖像領域中占有較大的實用空間。數學形態數學形態學是一種特殊的圖像處理技術，它的描述語言是集合論，它設計了一整套基于集合運算的概念和方法，提供了統一而強大的工具來處理圖像。其中基于集合的觀點是極其重要的。它通過研究圖像中對象的幾何特征等來描述圖像中各個研究對象的特征和對象之間的相互關系。數學形態學進行圖像處理的基本思想是用結構元素對原圖像進行位移、交、并等運算，然后輸出處理后的圖像。

2 數學形態學處理圖像的一般步驟

（1）提出所要描述的物體的幾何結構模式（提取物體的幾何結構特征）；

（2）選擇相應的結構元素，元素應簡單而且對該模式最具有表現力；

（3）用選定的結構元素對圖像進行形態變換，得到比原始圖像更顯著突出研究對象特征信息的圖像。若賦予相應變量，則可得到對結構模式的描述；

（4）用經過形態變換的圖像提取所需要的信息。

數學形態學在圖像處理方面具有直觀上的簡明性和數學上的嚴謹性，能定量描述和分析圖像的幾何結構。因此，非常適合圖像處理各方面的應用。可進行并行處理，大大加快了圖像處理的速度，為實時識別和處理圖像奠定了基礎。如何改善形態運算的通用性，使其可以應用到更加廣闊的圖像處理領域，充分利用數學形態學的圖像處理與分析方法，是數學形態學今后的必經之路。

參考文獻

[1]沈路.數學形態學在機械故障診斷中的應用研究

篇10

關鍵詞:分油機;故障診斷;數據采集;電路設計

中圖分類號:U664.5 文獻標識碼:A 文章編號:16749944(2010)10018203

1 引言

由于船舶分油機工作是處于高速運轉狀態的,假如分離筒內的沉淀物在轉鼓內積聚不均勻,分離筒內安裝的配件不對,分離筒內分離片的壓緊壓力不夠,立軸或者橫軸的軸承損壞,油機立軸頸軸承彈簧老化或損壞都會對分油機的旋轉軸產生不對中、振動,甚至造成裂紋,從而導致分油機工作異常。因此對船舶分油機實施振動檢測和故障診斷是十分有必要的。

2 電路硬件設計

本文是以分油機故障診斷為背景,對其診斷系統的數據采集以及輸入單元做出電路設計和硬件采購,其主要環節如圖1。

2.1 磁電式速度傳感器

磁電式速度傳感器利用電磁感應原理,將輸入運動速度變換成感應電勢輸出的傳感器。它不需要輔助電源,就能把被測對象的機械能轉換成易于測量的電信號,是一種有源傳感器。 磁電式傳感器有時也稱作電動式或感應式傳感器, 它只適合進行動態測量。由于它有較大的輸出功率,故配用電路較簡單,零位及性能穩定,工作頻帶一般為10～1 000Hz。其安裝在分油機筒體內部來感受分油機的振動,進而采集分油機的信息。

2.2 運算放大電路

運算放大器是一種級間直接耦合的多級高增益放大器。它有2個輸入端好輸出端,其中“+”為同相輸入端,“-”代表反向輸入端。為了解決抑制共模輸入電壓與增益調節和阻抗匹配之間的互相牽連和矛盾,采用放大電路解決這個問題,如圖2為典型的放大電路圖。

圖2 放大電路原理

圖2所示放大器的電路可分兩級來進行分析。A1,A2按理想放大器分析,得到

由此可見,調節R3即可方便地調節電路的增益。以上的電路采用的運放是采用美芯公司的LM348N運算放大器,四運放,供電電壓為±18V,如圖3。

圖3 LM348N運算放大器

2.3 低通濾波器

讓某一頻率以下的信號分量通過,而對該頻率以上的信號分量大大抑制的電容、電感與電阻等器件的組合裝置,其電路圖如圖4。

圖4 二階壓控電壓源低通濾波電路

它是由兩節RC濾波電路和同相比例放大電路組成,其中同相比例放大電路實際上就是所謂的壓控電壓源,其特點是,輸入阻抗高,輸出阻抗低。同相比例放大電路的電壓增益就是低通濾波器的通帶電壓增益,即:

A0=AVF=1+Rf/R1.

考慮到集成運放的同相輸入端電壓為:

Vp(s)=V0(s)AVF.

而VP(s)與VA(s)的關系為:

VP(s)=V0(s)1+sRC .

對于節點A,應用KCL可得:

Vi(s)-VA(s)R-[VA(s)-V0(s)]sC-VA(s)-VP(s)R=0.

上面式子聯合求解,可得電路的傳遞函數為:

As=V0(s)Vi(s)=AVF1+(3-Avf)sCR+(sCR) .

令ωn=1RC,Q=13-AVF,則有二階低通濾波電路傳遞函數經典表達式:

A(s)=AVFω2nS2+ωnQs+ω2n

=A0ω2nS2+ωnQ

s+ω2n .

其中ωn=1RC為特征角頻率,而Q則稱為等效品質因數。A0=AVF3才能穩定工作。當A0=AVF>3時,A(s)將有極點處于右半s平面或虛軸上,電路將自激震蕩。

2.4 A/D轉換

要使計算機或數字儀表能識別,處理這些信號,必須首先將這些模擬信號轉換成數字信號,這樣,就需要一種能在模擬信號與數字信號之間起橋梁作用的電路――模數轉換器,簡稱為A/D轉換器。A/D轉換器采用現有的AD574A轉換器,AD574A是常見的逐次逼近式12位轉換器,其轉換時間為25μs,轉換誤差為1LSB,可采用5V、12V、15V電源供電。可以與8位或16位微控制器直接相連。

通過分析看出,取樣信號S(t)的頻率越高,所取得信號經低通濾波器后愈能真實地復現輸入信號。合理的取樣頻率由取樣定理確定。將取樣電路每次取得的模擬信號轉換為數字信號都需要一定時間,為了給后續的量化編碼過程提供一個穩定值,每次取得的模擬信號必須通過保持電路保持一段時間,見圖5。

圖5 取樣――保持電路

電路由輸入放大器A1,輸出放大器A2,保持電容C和開關驅動電路組成。電路中要求A具有很高的輸入阻抗,以減小輸入信號源的影響。為保持階段C上所存電荷不易泄放,A2也應具有較高輸入阻抗,A2還應具有低的輸出阻抗,這樣可以提高電路的帶負能力,一般還要求電路中A1•A2=1。

3 結語

對于分油機故障診斷的資料可以說是少之又少,再加上分油機的工作轉速高,做起實驗來有一定的難度和危險性。筆者通過查閱大量的書籍以及參考眾多電路軟件的設計, 以尋求比較合適的方案去探索。分油機振動故障有可能是多方面的,因此需要模擬更多的故障來和正常的狀態相比較。

參考文獻:

[1] 鐘秉林,黃 仁.機械故障診斷學[M].北京:機械工業出版社,1997.

[2] 張 思.振動測量與分析技術[M].北京:清華大學出版社,1992.

[3] 文 虎,夏松波,劉瑞巖,等.設備故障診斷原理、技術及應用[M].北京:科學出版社,1996.

[4] 胡紅英,馬孝江.基于局域波分解的信號降噪算法[J].農業機械學報,2006,37(1):118~120.

[5] 何嶺松,李巍華.用Morlet小波進行包絡檢波分析[J].振動工程學報,2002,15(1):119~122.

[6] 王國偉,李勇英.MSP430邏輯系統設計田[J].河西學院學報,2003,19(5):21~23.

[7] 丁 康,陳健林,蘇向榮.平穩和非平穩振動信號的若干處理方法及發展[J].振動工程報,2003,16(1):1~10.

[8] 徐章遂,章立清,王希武.故障信息診斷原理及應用[M].北京: 國防工業出版社,2000.

[9] 陳雪峰,楊勝軍,何正嘉,等.小波有限元的研究及其工程應用[J].西安交通大學學報,2003,(37):18~19.

[10] 賈民平,許飛云.小波尺度函數在旋轉機械故障診斷中的應用[J].振動、測試與診斷,2004,24(1):161~162.

[11] 楊福生.小波變換的工程分析與應用[M].北京:科學出版社,2000.

[12] 秦前清,楊宗凱.實用小波分析[M].西安:電子科技大學出版社,1994.

[13] 崔錦泰.小波分析導論[M].西安:西安交通大學出版社,1995.

The Circuit Design of Data acquisition and Processing for Oil Separator Fault

Diagnosis Experiment

Hu Yihuaihu,Chang Yong,Qiu Ye

(Hu Yihuai Department of Marine Engineering,Shanghai

Maritime University,Shanghai 200135,China)

Abstract:This paper introduces the preparatory steps of data acquisition and processing as well as the link circuit design before Oil Separator fault diagnosis.The steps are important and effective to dispel the outside influence on the working conditions of the machine,and also to make the control unit identify,save and analyze the data easily and quickly.Meanwhile,in the process,it can assess the working situation of the machine,so as to detect safety risks of major accidents promptly.