旋转机械故障诊断范文

时间:2023-03-15 18:51:45

导语:如何才能写好一篇旋转机械故障诊断,这就需要搜集整理更多的资料和文献,欢迎阅读由公务员之家整理的十篇范文,供你借鉴。

旋转机械故障诊断

篇1

关键词:旋转机械故障诊断;方法

DOI:10.16640/ki.37-1222/t.2017.10.026

随着诊断技术研究的深入,可以实现故障诊断的方法越来越多,既有对前人研究成果的完善,也有一些原创性的研究成果相继被提出,根据各类方法在实现方式上的不同,可以大致将其分为三类,第一种是通过建立合适的模型进行故障诊断,这种方法在实际的生产应用中,往往由于设备结构复杂,无法构建精准的模型,即便可以获得合适的参数模型,其耗资也会相当大,所以实际应用可行性不大。第二种方法是结合人工智能技术的专家系统,在实际应用中这种方法得到了一定的肯定,但仍然存在知识获取不全面、针对性太强、智能水平低等问题,使得故障诊断结果可靠性不强。而模式识别是故障诊断中应用最为广泛的方法,且目前很多学者都认为基于模式识别的故障诊断有很大的进步空间。

1 旋转机械故障特点

旋转机械故障的故障特点与其他类型的机械故障存在一定的区别,且是机械设备中最为常用的一类,所以有必要对其进行单独的深入研究。旋转机械故障是指有转子系统的机械设备在运行过程中出现异常的工作状态,比如不正常的噪声、异常大的振动、温度急剧升高,或者其他指标不正常。旋转机械的结构复杂,故障发生具有一定的阶段性,并且部分故障的发生有一个渐进的过程,在进行故障诊断时,必须综合考虑多项因素,使得进行准确故障诊断的难度较大。

2 旋转机械故障检测方法

2.1 模式识别

经过多年的发展,模式识别己是故障检测的重要理论基础之一。近十几年来,模式识别技术在机械设备故障诊断领域的应用己经非常普遍,每年都有相关的改进方法被。在机器人模仿人类思考能力的研究领域上,模式识别方法一直占据着十分重要地位,在机械故障诊断方法中模式识别也始终是一个先进且富有挑战的探索方向。

随着计算机技术的迅速发展,各国在旋转机械故障诊断方面都取得了很大的进步,摆脱了传统依靠技术工人经验判断的主观臆断和不准确性,特别是这几年,计算机技术的发展使得各种更加完善的算法运行更为迅速,进而推进了旋转机械故障诊断的发展。

美国是最先研究机械故障诊断技术的国家之一,其诊断技术在很多方面都属于世界先进水平,目前美国从事故障诊断研究的机构主要有电子能源研究机构、西屋电气、Bently和CSI等公司。其中西屋电气是最早应用计算机网络的,该公司自己开发的汽轮机故障诊断软件可以对远程对多台机组进行诊断。而Bently公司在转子的动力系统和故障的诊断机理方面比较领先。

我国在机械故障诊断方面的研究起步相对较晚,技术也较为落后。刚开始主要以学习研究国外相关理论为主。直到80年代初期才逐渐有了自己研发的技术,在这个阶段,大型设备的出现和各项相关技术的发展也刺激了国人对旋转机械故障诊断技术的重视,也推动了该技术的自主研发。随着国家和企业对这项技术领域的投入逐渐增大,许多学者开始涉足这个领域,并对其进行大量的探索和实验,加上与国际交流合作,我国也开发出了一些在线监测与故障诊断的软件,这也很大程度上减小了与国际上相关先进技术的差距,但事实上,我国研究水平总体还是比较落后,故障诊断技术的可靠性还需要不断提升。

2.2 人工神经网络理论

1940年左右,有关应用人工神经网络的理论开始出现,经过多年的发展,它己经被引入到许多领域,比如,智能机器的控制、神经网络计算机的研发、算法的优化、应用计算机进行图像处理、模式识别、连续续语音的识别、数据的压缩、信息处理等领域,在实践应用中取得了很好的效果,作为一项新的模式识别技术和信息处理办法,人工神经网络的应用前景十分可观。

目前,使用人工神经网络进行故障诊断的方法有很多,最常用方法是:多层感知器神经网络、BP神经网络、自组织Kohonen神经网络、和径向基函数RBF(Radial Bases Function)神经网络,也有学者将人工神经网络与各种其他方法相结合的实例。在使用人工神经网络进行故障处理时,首先检查采集到的故障信息数据,剔除多余或者不合理的异常数据,再对有效数据进行归一化处理,预处理工作完成后即可将数据输入到神经网络中进行训练学习和故障识别过程。

2002年,王守觉院士分析传统模式识别方法的缺点,认为传统的BP神经网络和RBF神经网络都是假设特征空间中包括了所有的模式类别,要实现模式识别只需要找到最佳的特征空间划分方法,但事实上,任何一个特征空间中不可能包含所有的模式类别,特征空间中必然存在模式空白区域,就像人类对某些事物表现为不认识一样。认识到这一点后,王守觉院士提出了“仿生模式识别”这一概念,与传统的基于特征空间最佳划分的方法相比,仿生模式识别最为突出的特点就是,能构造封闭的、复杂的几何形体对各类样本进行覆盖,从而达到模式识别的目的。

2.3 仿生模式识别

自从仿生模式识别这一概念被提出以来,许多学者对其进行了深入研究,并将其应用到了人脸识别、车牌识别、语音识别、字体识别等领域。并取得了良的识别效果,例如:陆飞在其硕士论文中重点对仿生模式识别中的几何模型进行了深入分析,并用超香肠神经网络作为仿生模式识别的实现方法应用到了人脸识别中,取得了良好的实验结果;刘焕云等人将仿生模式识别应用到目标识别和跟踪方面,编写了自适应目标算法,与传统方法相比,跟踪识别效果有显著的提升;王守觉院士自己也对仿生模式识别算法进行了一系列的优化,先后提出了超香肠神经网络和多权值神经网络识别实现方法,并在文献中将基于仿生模式识别的多权值神经网络应用到连续语音识别中,与目前认可度最高的基于隐马尔可夫模型(HMM)的识别方法进行比较,表现出了显著的优势。

目前有许多的编程软件都加入了神经网络的功能,其中MATLAB软件最为方便实用,并且易于操作。它除了拥有对各种图形和数据进行处理的强大功能,其开发公司一一美国的MathWorks公司一一还专门在软件中开发加入了神经网络工具箱,全面包含了人工神经网络中常用的激励函数,例如线性函数(purline函数),感知器函数((sigmoid函数)以及径向基函数(radbas函数),除了这些常用传递函数,还可以自定义相关的函数。各层网络之间的映射也有严格的设定,映射函数可自行设定。鉴于以上优点,本文采用MATLAB软件编写仿生模式识别的实现程序,以及机械故障信号的特征提取和网络测试。

参考文献:

篇2

【关键词】旋转机械 振动诊断 故障诊断 状态检测 齿轮

【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

旋转机械如发电机、压缩机、齿轮、轴承等,在各行业均有广泛应用,是各领域的关键机械设备或机械设备的关键部件。随着科技的快速发展,旋转设备朝着大型化和复杂化方向发展,一旦发生故障,损失十分严重。旋转设备通过旋转运动实现其功能,在旋转过程中会出现一些小故障,这些故障可能会引发连锁反应,进而导致整个设备发生大故障[1,2]。旋转机械在运行过程中伴有振动,当发生故障时,振动信号也会出现异常,所以对旋转机械的振动信号进行监测,能够对设备运行状态进行预测和对故障进行诊断,这有着重要的现实意义和经济价值。

1 旋转机械故障类型及振动信号特点

旋转机械因其运行特点,引起故障主要有三种原因:不平衡,不对中和因转子受损出现动静碰擦[3]。不同故障类型产生的振动信号也不相同,分析不同故障的振动信号特点,是旋转机械故障的前提。

1.1 不平衡

转型机制运行过程中,转子不平衡是普遍存在的问题。因离心惯性力存在周期性,从而对转子的激励作用力不同,就使得其难以平稳旋转。当产生此类故障时,转子的轴心轨迹呈椭圆形;振动信号的原始时间波形一般呈正弦波形;在频谱图中,基频所占比重很大,其他倍频占比重很小,谐波能量主要集中在基频。

1.2 不对中

复杂旋转机械中,往往一系列转轴,如果出现轴系对中不良,将会使各轴承的相对位置、轴系的工作状态等都发生改变,同时还会引起轴系固有振动频率的改变。当发生此类故障时,振动信号的原始时间波形会从常规的正弦波发生畸变;ω为机械的旋转频率,频谱图中常以1ω和2ω为主,故障程度越严重,2ω所占的比例就愈大,通常会超过1ω的比例;轴向振动的频谱图中,1ω幅值较大,并且振幅和相位通常较稳定。

1.3 动静碰摩

转子旋转过程中可能会局部受损,出现局部动静碰摩,并引起不规则振动,进而造成受损程度加重,导致全周动静碰摩,最终将导致机械损坏。出现此故障时,振动信号的原始时间波形也将从正弦波发生畸变;轻度局部动静碰擦时,频谱中以基频成分的幅值为主,第2、第3阶谐波幅值所占比例不高,且第2阶谐波幅值大于第3阶谐波幅值;一旦出现全周动静碰擦时,转子振动会带有亚异步成分,多为1阶固有频率,高阶谐波消失[4]。

2 旋转机械的振动诊断技术

振动诊断技术广泛应用在机械设备的状态监测和故障诊断方面,尤其对于旋转机械。振动诊断具有不停机或不解体的情况下能够实现对设备状态的监测和诊断、技术比较成熟、诊断比较准确等特点[5]。

2.1 振动诊断原理

因振动信号具有普遍性,机械设备在正常运行时振动的特征值具有一定的周期性和规律性,时域波形和频域波形都在一定范围内。当机械设备运行存在隐患或出现故障时,振动信号也会出现相应变化,通过对振动信号的监测、分析,能够判断隐患和故障的类型与程度,为制定检修方案提供可靠的依据。其常用的分析方法有:时域波形分析和频域波形分析两种[6]。

时域波形分析主要考察振动信号的时间历程,根据时域波形特征值,尤其是歪度和峭度的变化情况,对其周期性和随机性给出定性评价,从而评估出设备所处的状态,该法能够判断出90%的故障特征;频域波形分析,时域信号经傅里叶变换,将其简化为有限或无限个频率的简谐分量,在按照频率高低对各次谐波进行排列,通过观察新增的频率成分和原有频率幅值的增长情况,来判断机械设备的故障位置和程度。

2.2 诊断流程

振动诊断技术在故障诊断时,一般采取的步骤为:(1)分析机械设备易出故障的部位,确定出诊断范围并选择合理测量位置;(2)选择诊断方法,并根据所选的方法确定需要的振动传感器,如简易诊断,只需采用振动计和振动测量仪等简单仪器;(3)振动信号数据采集,开启各个传感器对机械设备的振动信号进行数据采集和存储;(4)振动信号分析,常用的分析方法有时域分析法、频域分析法、时频域分析法;(5)做出判断,将采集到的振动信号数据与正常运行时特征值进行对比分析,从而对设备存在的隐患和故障进行判断,并给出相应的维护意见。

3 旋转机械故障诊断实例

齿轮是旋转机械的重要部件,也是易发生故障的部位。本节以齿轮为例,采用振动诊断技术对其监测和诊断。

3.1 齿轮故障特点与诊断方法

当齿轮发生故障时,振动信号频率、幅值等参数都会出现异常,如上表所示,不同类型故障所对应的振动信号也不相同,尤其是边频带会增多,对各种故障边频特征进行分析,能更好地识别齿轮故障。将有效故障特征进行整合,形成故障诊断的专家知识库,专家知识库有助于提高故障诊断的自动化和智能化水平。同时再结合专业检修人员对现场采集信号的分析,能够及时、准确地对故障隐患进行预警和对已发故障进行定位和判断。

3.2 齿轮特征频率

以数控机床的主传动系统,其振动强度有增大趋势,振动烈度也有一定异常,对其进行故障诊断。该系统由两级传动构成:Ⅰ轴――Ⅱ轴――Ⅲ轴(主轴),其特征频率为:主轴额定转速为700r/min、频率为11.7Hz时,Ⅱ轴的转速为2310r/min、频率为38.5Hz,Ⅰ轴的转速为4270r/min,频率为71.2Hz;Ⅰ轴和Ⅱ轴的啮合频率为2348Hz,Ⅱ轴和Ⅲ轴的啮合频率为711Hz。

3.3 振动诊断

通过齿轮上振动信号传感器传出的数据,生成1#测试点的加速度时域波形图,见图1(a)。由图可知,该时域波形出现了明显的衰减脉冲信号,图中1、2、3点,发现时间间隔约为26ms,换算成频率约为38.5Hz,为Ⅱ轴和Ⅲ轴传动系统中齿数为20的小齿轮的旋转频率。图1(b)是其频谱图,从图中可以看出点3处有频率约为1420Hz的峰,是Ⅱ轴和Ⅲ轴啮合频率的二倍频,两边且有分布均匀的变频带,且间隔与齿数为20的小齿轮旋转频率38.5Hz一致。由此,可以判断Ⅱ轴上齿数为20的小齿轮上应有较严重的缺陷。经拆机检修,发现该齿轮已出现严重磨损和缺陷,无法继续使用,振动诊断结果与拆机检修结果一致。更换齿轮后,再次测试振动信号,无异常出现。这表明振动诊断技术,对故障诊断具有一定的可靠性。

结语

旋转机械是各行业机械设备中的关键部位,其运行状态直接影响着整个设备的性能,因此对其状态检测和故障诊断具有重要意义。旋转机械主要因不平衡、不对中和动静碰擦等几种原因发生故障,不同类型的故障伴随有不同特征的振动信号;振动诊断是通过采集旋转机械的振动信号,再用时域分析法、频域分析法、时频域分析法等方法对振动信号进行对比、分析,从而判断出其运行状态和对故障进行诊断;以某数控机床上齿轮箱为例,实例验证了振动诊断技术在对旋转机械状态检测和故障诊断上的可靠性。

参考文献

[1]罗仁泽,曹鹏,代云中等.旋转机械故障诊断理论与实现[J].仪表技术与传感器,2014,(3):107-110.

[2]谢,史景钊,李祥付等.基于ADAMS的牛头刨床运动仿真及优化设计[J].河南科学,2014,32(2):204-206.

[3]向家伟,崔向欢,王衍学等.轴承故障诊断的最优化随机共振方法分析[J].农业工程学报,2014,30(12):50-53.

[4]王磊,张清华,马春燕等.基于多频谱分析的机械故障定位研究[J].组合机床与自动化加工技术,2014,(3):78-81.

篇3

【关键词】石油化工行业;钻井机械;故障诊断技术

在我国社会主义市场经济迅猛发展的条件下,石油化工行业开始对能源提出越来越高的要求。目前,钻井机械已在自然资源勘探项目中得到广泛应用,但由于大部分钻井机械不具备较高的工作效率,所以无法实现自动化操作,加上人为因素与自然因素的双重影响,使得大部分钻井机械在实际运作过程中存在不同程度的故障问题,这对于钻井行业的健康、持久、稳定发展来说可起到一定的阻碍作用[1]。

1.钻井机械故障问题

常见的钻井机械故障:①因各种因素影响而导致钻井机械出现开裂、意外压痕等损坏性故障;②因外界运行环境影响而导致钻井机械故障,例如受干扰程度过大或运行受压程度过大等;③因介质渗漏等内部因素影响而导致钻井机械故障;④因自然因素影响而导致钻井机械出现不正常磨损、使用周期过长和质量变差等常规性故障;⑤因机械性能失调而导致钻井机械故障;⑥因机械零部件松动等自身因素而导致钻井机械故障。

2.钻井机械故障产生的原因

根据有关调查数据显示,零部件磨损、协调性不达标、操作不当等是导致钻井机械产生故障的主要原因。①零部件磨损。大多数机械操作人员对于零部件磨损问题均没有予以高度重视,所以要求所有人员在选用钻井机械零部件过程中,必须仔细检查原材料的品质,同时还要注重钻井机械的生产工艺与设计结构,以有效降低钻井机械的磨损程度。②协调性不达标。是保证钻井机械运行温度的关键,也是维持零部件良好间距的决定性因素,其不仅可以防止外界杂质渗入到钻井机械内部,还可以降低各零部件之间的磨损程度,达到减少故障产生率的目的。③操作不当。在负荷平稳的条件下,钻井机械可以保持流畅的运转,所以钻井机械的各操作人员必须保持认真负责的工作态度,只有全面了解和掌握钻井机械的工作原理,才能合理科学的操控各个机械,使钻井机械在实际运转过程中维持常温,防止因操作不当而引发机械故障。

3.钻井机械故障诊断技术及解决对策

无损检测、振动诊断、测量温度与油样分析是钻井机械故障常用的诊断技术,其中振动诊断技术牵涉到许多不同工作领域,而国内对于该诊断技术也投入了许多研究。现阶段,我国在分析和诊断振动信号方面有统计分析、模型分析和时频域分析三种方法,同时也可以利用机械的具体参数进行全方位诊断[2]。而随着钻井科技的不断进步,钻井机械故障诊断技术日益增多,例如以频率为核心的全息谱分析、细化分析、共振解调分析,以信号为基础的短时傅里叶变换诊断技术,以小波为主的变换诊断技术,以机械轴心运转轨迹为目标的诊断技术。

3.1模糊识别诊断技术与共振解调诊断技术

展开钻井作业时,往往会因环境恶劣、噪音过大、四周振源等因素而导致钻井机械发生故障。由于钻井泵轴故障具有较为繁复的特点,所以必须采用共振解调诊断技术将潜在的轴承故障问题挖掘出来,并在此基础上完成各项频谱分析工作。但是在实际操作过程中,机械轴承尺寸会存在一定差异,加上外界因素影响,使得频谱上显示的频率值和计算得出的故障特征频率值互不相同。为此,共振解调诊断技术必须与模糊识别诊断技术相互配合、相互协作,对各种故障特征频率进行有效识别,以明确钻井机械故障产生原因。诊断钻井机械故障时,往往会因外界环境或底层复杂性等多种因素的干扰而导致诊断工作无法顺利进行,所以必须全面了解和掌握机械故障特点与机械故障原因,只有明确钻井机械故障类型,才能采取有效性处理措施。

3.2以神经网络为主的旋转机械故障诊断技术

过去通常采用以多层感知器为主的诊断技术对钻井机械故障问题进行检查,但该技术已无法满足现代化诊断需求,因而以神经网络为主的旋转机械故障诊断技术应运而生。以神经网络、振动频率为主的旋转机械故障诊断技术是一种新型的诊断方法,其不仅可以准确辨别和诊断钻井机械发生故障原因,还可以明确神经网络数目和隐层[3]。基于旋转机械故障诊断技术,有关研究人员还建立了一套合理科学的智能故障诊断系统,其主要是根据知识子块理论模式实现了查询信息功能、网络资讯功能、管理数据库功能和故障诊断功能等,这对于大型风机的故障诊断来说具有至关重要的作用和意义。

为了有效降低钻井机械故障的产生率,各工作人员必须做好以下几点工作:①做好钻井机械设备的保养工作。PMS系统是预防钻井机械故障的强制保养系统,也是预防钻井机械故障的强制维修系统。展开钻井工作时,一定要提高机械设备的检修和维护水平,只有这样才能保证机械设备安全稳定运行。在实际工作过程中,运用PMS系统不仅可以协助操作人员处理潜在的机械性能故障问题,还可以维护和保养机械性能,使工作效率得到显著提高,最终取得最大化经济效益和社会效益。②培养一支高素质、高文化、高水平的钻井机械故障诊断队伍。无论是机械运行工作还是机械管理工作,各人员都必须做到对工作认真、负责。同时,企业还要组织所有工作人员开展专业化技术培训活动,让所有员工都能够了解和掌握钻井技术的重要知识和难点知识,以强化钻井机械设备的战斗力,推动企业不断向前发展。③高度重视配件质量,加强油品管理能力。在我国市场经济迅猛发展的条件下,与石油钻井机械设备相关的配件市场出现了极为严重的垄断情况。部分配件质量不达标,直接降低了其自身的耐用性,并给技术人员的日常维护检修工作带来许多困难[4]。针对这一情况,企业必须高度重视配件质量,加强油品管理能力,以降低钻井机械设备故障发产生率,提高机械工作效率。

4.结束语

自身质量、人为因素、外界因素、自然因素的影响均会导致钻井机械在运行过程中出现各种不同程度的故障问题。为此,技术人员必须全面了解和掌握钻井机械故障的产生原因,明确其故障类型,只有这样才能利用先进的钻井故障诊断技术对故障问题进行有效性处理。除此之外,还要组织所有工作人员开展专业化钻井技术培训活动,让各员工更加了解钻井技术知识,正确操作钻井机械,最终达到防止钻井机械产生故障的目的。

参考文献

[1]王常亮,佟宏远.分析钻井机械故障诊断数据挖掘系统结构[J].中国石油和化工标准与质量,2013,(06):65.

[2]杨志国,姜云鹏,李莉.天然气水合物赋存地层钻井液技术研究[J].科技致富向导,2010,(29):197-209.

篇4

关键词 发动机;机械故障;诊断提取算法

中图分类号U46 文献标识码A 文章编号 1674-6708(2013)85-0061-02

汽车的发动机是整个汽车的核心,对发动机机械故障进行及时的诊断并处理可以有效地消除汽车的隐患。汽车发动机故障可能由多个方面引起的,但从总体上来说,主要是机械系统故障和电控系统故障两种。对于电控故障目前已经有比较完善的技术及仪器进行维护;而机械故障是由于发动机的机械系统运转出现偏差引起的,例如连杆轴承、活塞、气门和齿轮等构件不正常引起的,当前对于该方面的维修基本都是依赖维修工的经验来进行的。本文通过振动传感器采集发动机的信号,并对信号进行有效的分析,可以实现有效的诊断方法,帮助维修人员对发动机进行检测。

在发动机机械故障系统中,通过各种传感器对数据信息进行采集,通过诊断推理机和学习推理机来对信息进行分析和完善,以准确判断出故障。本文主要针对故障诊断特征的提取算法进行分析。对于故障诊断特征的提取问题,从本质上来说,就是机器学习和人工智能对汽车发动机故障方面的具体应用。

2 FFT算法

在发动机机械故障中,旋转机械故障是比较常见的。一般来说,信号频域特征可以有效地对信号进行分类,同样可以利用传感器收集的信号,对故障进行有效的分类。在此,采用FFT算法可以对故障信号进行映射,使其转换成频域信号,然后对其进行分析,进而分析出发动机的哪一部分发生了故障。

FFT算法是在离散傅里叶算换(DFT)算法的进一步研究,也称之为快速傅里叶变换算法。该算法可以让离散傅里叶变换算法在计算时所需的运行次数大大减少,当离散所抽取的样本点数越多,其运算的优越性越明显,极大地节省了运算的时间。该算法当前已经较为普遍地运用在信号分析的领域之中。

FFT算法对于变换长度为N的序列x(n)其傅立叶变换可以表示如下

经过FFT算法对时域特征进行分析,可以有效地对汽缸套、正时齿轮、气门、连杆、活塞销、小瓦等故障信号进行区别,从而让故障的诊断更加精确。

3 结论

本文针对发动机机械故障的诊断特征提取算法进行分析,首先分析了汽车发动机机械故障诊断系统的原理,描述其故障诊断特征算法的重要性;其次对FFT算法进行详细的分析,该算法是傅里叶算法的进一步研究,并给出了该算法了部分核心代码。

参考文献

[1]鲁植雄,黄学勤.汽车故障诊断高级教程[M].江苏:江苏科学技术出版社,2005.

[2]陈彬,洪家荣,王亚东.最优特征子集选择问题[J].计算机学报,1997,20(2):133-138.

[3]蒋长锦,蒋勇.快速傅里叶变换及其C程序[M].中国科学技术大学出版社,2004,8.

篇5

关键词:预防维修状态监测故障诊断

中图分类号: TQ420 文献标识码: A

引言:当前我国正在走可持续发展道路,建设节约型社会。节约新品采购费用等,其产生的节资、节材、节能、环保的效益是不言而喻的,这将带动我国维修科学技术向更高水平发展,对加快维修现代化进程将产生深远影响。

一.机械设备维修的基本概念、分类及发展

设备维修作为一个过程,常常被定义为能产生一定效果、有逻辑关系的一系列任务。

1.设备维修方式的分类

设备维修由维修预防、事后维修、改善维修、预防维修和全面规范化五种具体的维修方式构成。

1.1维修预防

维修预防是一种很好的思想,从根本上防止故障和事故的发生,从而减少和避免设备的维修。

1.2事后维修

20世纪初期,工程机械维修一般都是在发生故障以后才进行的,即事后维修。它的最大优点是充分地利用了零部件或系统部件的寿命,但事后维修是非计划性维修,浪费了较多的剩余修理,同时还存在一定的缺陷和不足。事后维修是设备出了故障再修,不坏不修。之所以采用这种维修方式,一方面是因为设备检查诊断不可能把所有的故障隐患全部发现,设备故障在生产中时有发生;另一方面,事后维修方式还是比较经济的,对于简单或不重要的设备,可以采用这种维修方式。

1.3改善维修

改善维修是不断利用先进的工艺方法和技术,对设备进行技术改造,改正设备的某些缺陷和先天不足,提高其先进性、可靠性及维修性,提高设备的运转率。任何先进的设备是相对的,总有某些不足之处和可以改进的地方,通过维修同时对设备进行技术改造,使设备更趋于完善。

1.4预防维修

20世纪50年代,人们对设备的磨损机理认识有了更进一步的深入:机件工作-产生磨损-发生故障-影响使用并危及安全。为使每个机件都达到使用可靠和安全,从而形成了以预防为主的维修思想。这种维修思想包含了主动预防的思想内容,其实质是通过采取各种预防性措施,将故障消灭在萌芽状态,改变了事后维修缺乏计划性的被动局面。预防维修是以加强设备检查为主,设备故障早期发现,早期排除,能大大减少故障的停机时间。

旋转机械的预防维修主要采用获取实时振动参数进行检测和诊断的状态维修办法。1.5全面规范化生产维护

TNPM是以设备综合效率和完全有效生产率为目标,以全系统的预防维修系统为载体,以员工的行为规范为过程,全体人员参与为基础的生产和设备维护、保养和维修体制。设备维修中最重要的是基础化管理,而5s 活动则是设备基础化管理的精髓。5s是日语中整理、整顿、清洁、清扫、素养5个以“S”发音的拼音字头。

2.目前国内外机械设备故障诊断技术现状

故障诊断技术是 20 世纪 70 年代以来,随着电子测量技术、信号处理技术以及计算机技术的发展逐渐形成的一门综合技术。较常用的技术手段有振动监测、噪声监测、温度监测、油液分析、无损探伤等。

故障诊断技术可以在设备运行过程或基本不拆卸的情况下,监测设备的运行技术状况,预测设备的可靠性,判断故障的部位和原因。因此,能够防止突发故障和事故的发生,减少事故性停机;较科学地确定设备修理间隔期和内容,降低维修成本,保证安全生产,节约能源。

2.1国内外较典型的状态监测方式

2.1.1离线定期监测方式

测试人员定期到现场用一个传感器依次对各测点进行测试,并用磁带机记录信号,数据处理在专用计算机上完成,或是直接在便携式内置微机的仪器上完成;这是当前利用进口监测仪器普遍采用的方式。采用该方式,测试系统较简单,但是测试工作较烦琐,需要专门的测试人员;由于是离线定期监测,不能及时避免突发性故障。

2.1.2在线检测离线分析的监测方式

亦称主从机监测方式,在设备上的多个测点均安装传感器,由现场微处理器从机系统进行各测点的数据采集和处理,在主机系统上由专业人员进行分析和判断。这种方式是近年在大型旋转机械上采用的方式。相对第一种方式,该方式免去了更换测点的麻烦,并能在线进行检测和报警;但是该方式需要离线进行数据分析和判断 ,而且分析和判断需要专业技术人员参与。

2.1.3自动在线监测方式

该方式不仅能实现自动在线监测设备的工作状态,及时进行故障预报,而且能实现在线地进行数据处理和分析判断。该方式技术最先进,不需要人为更换测点,不仅不需要专门的测试人员,也不需要专业技术人员参与分析和判断;但是软硬件的研制工作量很大。本课题研究的是这种方式。

随着人工智能理论的发展及其在实际中的应用、数据处理软件的大量开发,今后旋转机械状态监测技术正向多目标、多层次监测和网络化方向发展 。

2.2国外旋转机械的在线检测技术现状

90年代以来,高档微机不断更新且价格迅速下降,适合数字信号处理的计算方法不断优化, 使数据处理速度大为提高,为在工业现场直接应用状态监测技术创造了条件。丹麦、美国、 德国、日本等发达国家的专家学者对旋转机械工作状态监测技术进行了深入研究,研制出不同系统。该类系统以丹麦 B&K公司的2520型振动监测系统、美国BENTLY 公司的3300 系列振动监测系统、美国亚特兰大公司的M6000系统为代表已经达到较高的水平。

在功能上比较典型的系统之一是丹麦B&K公司的2520型振动监测系统,主要功能有:自动谱比较并进行故障预警报警;对6%和23%恒百 分比带宽谱进行速度补偿;幅值增长趋势图显示; 三维谱图显示;振动总均方根值计算;支持局域网。

美国IRD公司的IQ2000系统可认为是至今为止有报道的功能最齐全的监测与诊断系统。

2.3国内旋转机械的在线检测技术现状

80年代中后期以来,我国有关研究院所、高等院校和企业开始自行或合作研究旋转机械状态监测技术,无论在理论研究、测试技术和仪器研制方面,都取得了成果,并开发出相应的旋转机械状态监测系统。如:西安交通大学、浙江大学、北京理工 大学、北京机械工业学院等。

国内主要有以下几种类型:

a.哈尔滨工业大学等单位联合研制的3MD-Ⅰ、3MD-Ⅱ、3MD-Ⅲ系统;

b.西安交通大学机械监测与诊断研究室的RMMDS系统;

c.西安交通大学理论及轴承研 究室的RB20-1系统;

d.郑州工学院的RMMDS系统;

e.重庆太笛公司的CDMS系统;

f.浙江大学 的CMD-I型及II型系统;g.西北工业大学的MD3905系统;

h.北京机械工业学院的BJD-ZⅠ、BJ D-ZⅡ、BJD-ZⅢ系统。

这些系统 的主要功能有:轴振动监测,包括轴心轨迹分析、轴向串动、轴振动位移峰-峰值计算;壳 体振动监测;频谱分析,包括频率细化、阶比谱分析、阶跟踪谱、三维功率谱分析;自动预 、报警;故障特征提取及诊断。

3.总结

振动方法一直是机械故障诊断的重要方法,并且逐渐发展得比较成熟。随着故障诊断系统化网络化方向的发展,所监测的参数不再只局限于振动、轴位移等,而是进一步扩展到了影响机械运行状态的主要工艺过程量,如流量、温度、压力以及一些主要开关量,对于机械设备运行状态的把握更及时、更全面、更准确。

参考文献:

[1]王方,旋转机械的故障诊断,机械工业出版社,2006年

篇6

【关键词】机械设备故障诊断与监测常用方法 发展趋势

中图分类号: U673.38 文献标识码: A 文章编号:

随着科学技术的不断发展,近代机械工业逐渐地向着机电一体化的方向发展 机械设备的自动化、智能化、大型化、集成化、复杂化程度不断提高。因此,在生产过程中,为了避免产生巨大的经济损失,必须确保设备安全、可靠地运行。对机械设备的工作状态进行实时监视与诊断,并利用诊断结论采取相应的对策,杜绝生产事故的发生,无疑是一种行之有效的方法。故障检测与诊断技术就是在此基础上产生的一门新兴的学科,随着它在机械工程中作用的不断加强,故障检测与诊断技术越来越受到人们的关注,得到了迅速的发展。

机械故障诊断和监测技术的发展及现状

早在二次世界大战期间,由于大量军事装备缺乏诊断技术和维修手段,而造成非战斗性的损坏,使人们意识到故障诊断和监测技术的重要性。6o年代以来,由于半导体的发展,集成电路的出现,电子技术、计算机技术的更新换代,特别是l 965年FFT方法获得突破性进展后出现了数字信号处理和分析技术的新分支,为机械设备诊断和监测技术的发展奠定了重要的技术基础。

美国最早开展机械故障诊断技术的研究。英国、瑞典、挪威、丹麦、日本等国紧随其后。早在1 967年,美国就成立了机械故障预防小组(MFPG),开始有组织有计划地对机械诊断技术进行专题研究,并成功的运用于航天、航空、军事等行业的机械设备中;日本在钢铁、化工、铁路等民用工业部门的诊断技术方面发展很快,并具有较高水平;丹麦在机械振动监测诊断和声发射监测仪器方面具有较高水平。

我国在机械故障诊断技术方面的研究和应用相对较晚,二十世纪八十年代才开始着手组建故障诊断的研究机构。其发展也经历了从简易诊断到精密诊断,从一般诊断到智能诊断,从单机诊断到网络诊断的过程,发展速度愈来愈快。与国外发达国家相比,我国虽然在理论上跟踪较紧,但总体而言,在机械设备诊断的可靠性等方面仍有一定差距。

经过30多年的发展,作为新兴的综合性的边缘学科,机械故障诊断技术已初步形成了比较完整的学科体系。就其技术手段而言,已逐步形成以振动诊断、抽样分析、温度监测和无损检测探伤为主,一些新技术或方法不断兴起和发展的局面。计算机硬件的突飞猛进、软件技术的日新月异,极大地促进了信号分析与处理技术的发展,从而更进一步推动机械故障诊断和监测技术向着科学化和实用化的方向发展。

故障诊断和状态监测的常用方法

状态监测和故障诊断是两种具有不同目的和方法的技术。设备状态检测的目的是判断机器运行的状态是否正常,包括采用各种测量、分析和判别方法。为进一步的故障诊断提供必要的数据和信息。而设备故障诊断的目的是判断设备运行内部隐含故障,识别故障的性质、程度、类别、部位、原因等,并能说明故障发展的趋势及影响,即作出中长期预报。

设备的故障有多种,不同的故障对应着状态信号中的一系列特征信息,这是设备状态或故障能被识别的客观基础。设备故障诊断的研究实质即为状态的模式识别问题。

常用的机械设备的诊断技术有振动诊断方法、无损检测技术、温度诊断方法、铁谱分析方法等。振动检测技术是通过对机械信号的拾取、放大、显示振动的峰值,以了解机械的振动状态,广泛地应用于设备诊断领域,常用于诊断旋转机械。振动信号是设备状态信息的载体,包含了丰富的设备故障信息,而振动特征是设备运行状态好坏的重要标志。振动诊断技术已经历了一个较长的发展阶段,其理论基础已比较雄厚,分析测试设备也已比较完善,诊断结果比较可靠,因而在故障诊断的整个领域中处于主导地位。但振动诊断技术也有不足之处:因为这一技术涉及信息传感、振动测试、信号处理等领域,对设备诊断技术人员的要求比较高。

无损检测法,有射线探伤,超声波探伤,磁粉探伤、声发射等。主要用于探测设备的内部立体缺陷,判断缺陷的存在、位置、性质及大小,常用于矿山、石化等行业中。如各种形态的钢铁机件中的裂纹、气孔、夹杂等隐患,长期交变应力作用下产生疲劳裂纹等,这些缺陷均可用无损检测技术及早地加以诊断和监控。无损检测技术可改进产品制造工艺、降低制造成本、提高设备的运行可靠性。

温度与机械设备的运行状态密切相关。对于温度特别敏感的机械设备,可用温度诊断技术,查找机件缺陷和诊断各种由热应力引起的故障。随着现代热传感器和检测技术的发展,温度诊断技术已成为故障检测技术的一个重要发展方向。

铁谱技术常用于机械磨损检测,其核心是利用铁谱仪,将油内铁磁性磨损颗粒与油液及杂质分离开来,并根据各种磨粒的数量、形状、尺寸、成分及分布规律等情况,对磨屑进行定性和定量分析,及时、准确地判断出系统中元件的磨损部位、形式、程度等。油液污染度和气体污染度的检测技术。在各种油箱、油缸、管路中固体颗粒状污染物是造成机件磨损、刮伤、卡死、堵塞的主要原因。据统计,70% 以上的液压设备故障是由于固体颗粒物的污染造成的。所以,油液污染物的测定是预防机件破坏的有效途径。而气体污染是在故障形成过程中或故障形成后产生的故障,这种检测方法主要用于电气故障、发动机故障及空压机故障的监测。

故障诊断与监测技术的发展趋势

近十几年来,模糊诊断、故障树分析、专家系统、人工神经网络等新的诊断技术不断出现,从而产生了模式识别、故障树分析和小渡分析等分析方法。故障树分析法是对系统故障形成的原因采用从整体至局部按树枝状逐渐细化分析的方法。它通过分析系统的薄弱环节和完成系统的最优化来实现对机械设备故障的预测和诊断。模糊诊断法是建立在模糊数学基础上的,它利用症状向量隶属度和模糊关系矩阵求故障原因向量隶属度,故障原因隶属度就反映了造成机器故障原因的多重性和它们的主次关系程度,从而可以减少许多不确定因素给诊断工作带来的困难。专家系统是人工智能的一个重要分支,是一种以知识为基础的智能化的计算机程序系统,为计算机辅助诊断的高级阶段,研制专家系统是故障诊断技术的必然发展趋势。人工神经网络基于神经学研究的最新成果,是对人脑某些基本特征的简单数学模拟,它具有对故障的联想记忆,模式匹配和相似归纳能力,以实现故障和征兆之间复杂的非线性映射关系 这些方法在机械故障诊断领域的应用研究正蓬勃兴起,但尚处于发展和不断完善的过程中,将使机械设备状态监测朝系统化和智能化方向发展。

随着计算机网络化的飞速发展,人们共享资源和远程交换数据成为可能 利用光纤光缆、微波、无线通信及计算机网络等通信方式,将故障诊断系统与数字信号系统结合起来组成网络,从而实现对多台机组的有效管理,减少监测设备的投资,提高系统的利用率,因而网络化将是发展趋势之一。

总结

随着知识经济的来临,世界经济的全球化和一体化,人类对环境的要求越来越高 这对机械设备状态监测和故障诊断技术的要求也越来越高,不仅要满足实现诊断性能的要求,还要满足有利于保护环境、节约能源、节省资源、使用简单可靠的要求。这使得机械设备状态监测和故障诊断技术将朝着与环境相协饵的方向发展。

参考文献

[1] 崔彦平,傅其凤,葛杏卫,刘玉秋。 机械设备故障诊断发展历程及展望[J]. 河北工业科技. 2004(04)

[2] 刘全心。 LabVIEW实现机械设备状态监测与故障诊断[J]. 现代机械. 2008(03)

[3] 梁丹。 小波分析在机械故障监测与诊断中的应用[J]. 现代冶金. 2009(06)

篇7

关键词:钢铁;热连轧机;滚动轴承;振动监测;能量转化;故障诊断

中图分类号:TH133文献标识码:A文章编号:1009-2374 (2010)13-0054-02

热连轧机的主要作用是通过各种减速机,将电能转化为机械能,完成将厚钢板轧制成薄钢板的任务,运动部件主要是传动轴、齿轮和滚动轴承。目前对于热连轧机振动而言,主要监测对象集中于各种减速机的齿轮箱和滚动轴承。齿轮发生故障的机理主要有齿面磨损、齿面胶合和划痕、齿面接触疲劳和断齿、弯曲疲劳和断齿等,滚动轴承发生故障的机理主要有磨损、疲劳、胶合和断裂等。

一、齿轮及滚动轴承故障机理和故障的诊断

(一)齿轮的故障机理及故障诊断

齿轮故障机理主要有:

1.齿面磨损的机理通常是所谓的磨料磨损。当油不足或油质不清洁,在齿轮的工作面之间夹入金属微粒、金属氧化物或其它磨料时,将引起齿面发生磨料磨损,使齿廓显著改变,侧隙加大,以至由于齿厚过度减薄导致断齿。

2.齿面胶合和划痕。对于重载和高速的齿轮传动,齿面工作区温度很高,如条件不好,齿面间油膜破裂,一个齿面的金属会熔焊在与之啮合的另一个齿面上,形成垂直于节线的划痕和胶合。一般来说,新齿轮未经跑合时常在局部产生这种现象,使齿面擦伤。另一方面,油粘度过低,运行温度过高,齿面上单位面积载荷过大,相对滑动速度过高,以及接触面积过小等,也会使油膜易于破裂而造成齿面划痕。

3.齿面接触疲劳和断齿。齿轮在啮合过程中,既有相对滚动,又有相对滑动,而且相对滑动的摩擦力在节点两侧的方向相反,从而产生脉动载荷。这两种力的作用结果使齿轮表面层深处产生脉动循环变化的剪应力。当这种剪应力超过齿轮材料的剪切疲劳极限时表面将产生疲劳裂纹。裂纹扩展,最终会使齿面金属小块剥落,在齿面上形成小坑,称为点蚀。当点蚀扩大,连成一片时,形成齿面上金属块剥落。它一般发生在轮齿根部靠近节圆处。此外,材质不均或局部擦伤,也易在某一齿面上首先出现接触疲劳,产生剥落。

4.弯曲疲劳和断齿。轮齿承受载荷,如同悬臂梁,其根部受到脉冲循环的弯曲应力作用。当这种周期性应力超过齿轮材料的弯曲疲劳极限时,会在根部产生裂纹,并逐步扩展。当剩余部分无法承受外载荷时,就会发生断齿。齿轮由于工作中严重的冲击、偏载以及材质不均也可引起断齿。齿轮异常还可分为局部故障和分布故障,前者集中表现于某个或几个齿上,如剥落和断齿等,后者分布在齿轮的各个齿上,如磨损和点蚀等。

一对啮合中心齿轮,可以看作是一个具有质量、弹簧和阻尼的振动系统,根据其力学模型可写出其振动方程。齿轮的振动属于自激振动,即使在“理想”情况下齿轮也存在振动;齿轮振动主要来源于两个部分,第一部分与齿轮的误差和故障无关,称为常规啮合振动。第二部分取决于齿轮的综合刚度和故障函数,由这一部分可以比较好地解释齿轮信号中边频的存在以及他们和故障的关系。在齿轮的振动中,周向振动(即扭转振动)是主要的。齿轮噪声来源于齿轮的振动,薄齿轮的噪声主要受齿轮本体振动的影响,而厚齿轮的噪声则主要受齿轮啮合频率成分的影响。齿轮的振动属于自激振动。齿轮啮合刚度的周期性变化是由以下两个原因:一是随着啮合点位置的变化,参加啮合的单一轮齿的刚度发生了变化;二是参加啮合的齿数在变化。无论齿轮处于正常还是故障状态,齿轮的啮合频率成分是始终存在的,但在不同的状态下振动的量级大小是有差异的,因此,根据啮合频率分量进行故障诊断是可行的。但是,另一方面齿轮的振动信号又是十分复杂的,故障对振动信号的影响也是多方面的,其中包括传动误差的影响,调制现象的存在等。

开展齿轮故障诊断的困难在于其振动信号在传递中所经历的环节比较多,包括齿轮、轴、轴承、轴承座等,因而高频信号成分(20kHz以上)在传递过程中基本上都损失掉了。正是由于这一原因,齿轮故障诊断往往需要借助更精细的信号分析手段,以达到提高信噪比以便能有效提取故障特征的目的。

(二)滚动轴承故障机理及故障诊断

滚动轴承的故障机理包括:(1)磨损。磨损是滚动轴承最常见的一种失效形式,是轴承滚道、滚动体、保持架、座孔或安装轴承的轴颈,由于机械原因引起的表面磨损。(2)疲劳。表现为滚动体或滚道表面剥落或脱皮。造成剥落的主要原因是疲劳应力,有时是由于不良或强迫安装。(3)腐蚀。第一种是剂水分或湿气的化学腐蚀;第二种是轴承表面有较大的电流通过使表面产生点蚀,或由于小电流和微振作用下形成的腐蚀,属电腐蚀;第三种是微振腐蚀,由于轴承套圈在座孔中或轴颈上有微小的相对运动使表面产生的红色或黑色的锈斑。(4)压痕和胶合。压痕是由于装配不当,或者是由于过载和撞击造成的表面局部凹陷。胶合发生在滑动接触的两个表面,表现为一个表面的金属粘附到另一个表面上的现象。在不良,高速重载的情况下,由于摩擦发热,轴承零件可能在极短的时间内达到很高的温度,从而导致表面烧伤及损坏。

根据振动的起因,滚动轴承的振动可分为三种形式:轴承结构因素引起的振动,如滚动体通过时的振动,内、外圈的固有振动及轴承的弹性振动等;轴承制造因素引起的振动,如轴承零件的圆度、波纹度、伤痕、缺陷及保持架引起的振动等;使用条件引起的振动,如剂、载荷、转速、安装不当及配合引起的振动。

在轴旋转时,滚动体通过径向载荷方向的位置,使轴的中心上下移动,即产生周期性的振动,这种振动称为滚动体的通过振动。根据径向滚动轴承的运动关系模型建立方程,依据几何学条件,求得几个旋转频率和通过频率,包括内圈旋转频率fr、保持架旋转频率fc、滚动体自转频率fb、保持架通过内圈频率fi等参数,振动的频谱特征是诊断振动故障的主要依据,当轴承零件有故障时,几种通过频率便会在振动信号中出现。

二、齿轮及滚动轴承故障的界定和诊断标准

(一)齿轮和滚动轴承故障的界定

齿轮和滚动轴承的失效很难有一个统一的标准,通常情况下取如下建议值。

齿轮失效的界定应当考虑到齿轮的强度、运动精度和维修经济性,具体标准如下:(1)齿长磨损不应超过原齿长的30%;(2)齿厚磨损,最大限度不应超过0.4mm;(3)因剥落、点蚀等,齿轮啮合面积应不低于工作面积的2/3;(4)齿轮啮合间隙:使用极限为0.60~0.90mm。

滚动轴承失效的界定应当考虑到轴承的寿命、工作性能和维修经济性,具体标准如下:(1)径向间隙许用极限:0.3mm;(2)滚道内不允许有明显的凹坑、剥落、伤痕、卡滞现象。

(二)齿轮和滚动轴承故障的诊断标准

1.绝对判断标准。(1)齿轮故障的判断标准。对于1kHz

以下振动,速度的峰值在0.45cm/s以下为良好,对于1kHz以上振动,加速度的峰值在0.9g以下为良好。速度的峰值在0.9cm/s和加速度的峰值在1.8g以上为危险状态。(2)滚动轴承故障的判断标准。由于滚动轴承的振动是一个复杂的物理现象,牵涉的因素很多,如传感器安装位置、轴承类型、轴径大小、转速高低、故障性质和测量系统特性等,难以建立故障定量判断标准,除了可以借鉴旋转机械振动标准外,主要依靠相对判断标准。滚动轴承常规振动水平明显低于齿轮振动,并且一般要小一个数量级。但是,当滚动轴承出现比较严重的故障时,有时表现为轴承特征频率成分和齿轮振动成分的相互交叉调制,出现和频以及差频成分。对于包含多个齿轮和轴承故障的振动信号,需要通过频率细化和小波变换等技术,将齿轮与滚动轴承的故障频率区分开,以免误诊断。

2.相对判断标准。对同一部位 (同一测点、同一方向和同一工况)进行定期测定,将正常情况的值定为初始值(或正常值),将实测值与正常值进行比较,根据倍数来判断故障。在齿轮和滚动轴承的故障分析中,由于故障的离散性较大,较多使用以时间轴为基准的对比分析。通常考虑1000Hz以内的频率分量增加2倍,1000Hz以上的频率分量增加3倍作为状态恶化的警告值。1000Hz以内的频率分量增加4倍,1000Hz以上的频率分量增加6倍作为状态恶化的危险值。

3.类比判断标准。有数台机型、规格相同的设备时,在相同条件下进行测定,经过相互比较作出判断,称为类比判断。一般,当低频 (1000Hz以内)振幅大于其它大多数正常设备的1倍以上,高频 (1000Hz以上)的振幅大于2倍以上时,设备可能出现异常。当低频振幅大于2倍以上,高频振幅大于4倍以上时,应考虑立即停机。

众所周知,振动分析在大型旋转机械故障诊断领域取得了极大成功,因为旋转机械故障机理研究比较清楚,故障特征比较典型,如不平衡表现为一倍频较大,不对中表现为二倍频较大,碰摩表现为低频较大,松动表现为高频较大等,不同故障的特征差异较大,不容易混淆,易于区别。从振动频谱来看,故障的特征频谱通常是转速的整倍数或分倍数,因此需要进行整周期采样,一般通过FFT即可得到比较准确的故障特征频率。此外,有大量的现场故障案例,故障的重复性较多,具有丰富的诊断经验。

轧钢机械主要由齿轮和滚动轴承构成,由于受到齿轮齿数和轴承滚动体个数的影响,故障的特征频率通常不再是转速的倍数关系,而且差别不明显。同时,由于受到条件限制,测量振动的传感器一般安装在与振动源较远的壳体上,信号传递途径复杂,影响因素多,受干扰大,故障特征不明显,同时信号分析过程比较复杂,并且缺少典型案例和故障诊断经验,给轧钢机械的故障诊断带来较大的困难。因此,对轧钢机械进行故障诊断,除了如一般机械常规的波形和频谱分析外,还需要进行某些特征数据的计算分析以及频率细化技术、倒频谱、包络谱和小波变换等。

参考文献

[1]孙志辉,等.2030板带冷连轧机的振动分析[J].北京科技大学学报,1997,(S1).

[2]于辉,许石民,杜凤山.轧钢机机架的动力学特性及强度的研究[J].燕山大学学报,2004,(3).

篇8

【关键词】失效;故障频率;振动分析;包络法

中图分类号:TK22文献标识码:A文章编号:1006-0278(2012)06-124-01

滚动轴承是旋转机械中的重要零件,统计表明,在使用滚动轴承的旋转机械中,大约有30%的机械故障都是滚动轴承引起的。采用状态检测与故障诊断技术后,事故发生率可降低75%,维修费用可减少25%~50%。

一、 滚动轴承的失效形式

(一)疲劳剥落

滚动轴承的内外滚道和滚动体交替进入和退出承载区域,这些部件因长时间承受交变载荷的作用,首先从接触表面以下最大交变切应力处产生疲劳裂纹,继而扩展到接触表面在表层产生点状剥落,逐步发展到大片剥落,称之为疲劳剥落。

(二)磨损

由于滚道和滚动体的相对运动和尘埃异物引起表面磨损,不良会加剧磨损,结果使轴承游隙增大,表面粗糙度增加,降低了轴承运转精度,因而也降低了机器的运动精度,表现为振动水平及噪声的增大。

(三)擦伤

由于轴承内外滚道和滚动体接触表面上的微观凸起或硬质颗粒使接触面受力不均,在不良、高速重载工况下,因局部摩擦产生的热量造成接触面局部变形和摩擦焊合,严重时表面金属可能局部熔化,接触面上作用力将局部摩擦焊接点从基体上撕裂。

(四)断裂

当轴承所受载荷、振动过大时,内外圈的缺陷位置在滚动体的反复冲击下,缺陷逐步扩展而断裂。

(五)锈蚀

水分或酸、碱性物质直接侵入会引起轴承锈蚀。当轴承内部有轴电流通过时,在滚道和滚动体的接触点处引起电火花而产生电蚀,在表面上形成搓板状的凹凸不平。

二、滚动轴承的失效过程

轴承失效通常划分为四个阶段:

(一)第一阶段:轴承的超声频率振动阶段

轴承最早期的故障是表现在250kHz~350kHz范围的超声频率的振动异常,随着故障的发展,异常频率逐渐下降移到20kHz~60kHz,此时的轴承微小故障可被冲击包络和声发射的方法检测到,冲击包络值最大可达0.5gE(加速度包络,振动分析中表示振幅的一个加速度指标)。

(二)第二阶段:轴承的固有频率振动阶段

随着轴承的运转,轴承滚动表面会产生轻微的缺陷,这些轻微缺陷引起的振动会激起轴承部件的固有频率(fn)振动或轴承支承结构共振,一般振动频率在500Hz~2kHz。同时该频率还作为载波频率调制轴承的故障频率。起初只能观察到这个频率本身,后期表现为在固有频率附近出现边频。如果用加速度包络法检测会发现其包络值会上升至0.5~1.OgE左右。此时,轴承仍可安全运转。

(三)第三阶段:轴承缺陷频率及其倍频振动阶段

随着轴承微小缺陷的进一步扩展,轴承缺陷频率及其倍频开始出现,随着轴承磨损的进一步发展,更多缺陷频率的倍频开始出现,围绕这些倍频以及轴承部件固有频率的边频带数量也逐步上升。此时轴承的振动已经比较明显,应考虑尽早更换轴承。

(四)第四阶段:轴承随机宽带振动阶段

轴承已经接近完全失效,轴承的寿命已经接近尾声,甚至工频也受其影响而上升并产生许多工频的倍频,而原先离散的轴承缺陷频率和固有频率开始"消失",取而代之是随机的宽带高频"噪声振动",高频噪声振动和包络值有所下降,但就在轴承最终失效前,包络冲击值会大幅上升。

三 、滚动轴承的振动特征分析方法

(一) 特征参数法

特征参数法的优点在于仅有少数指标用于解释轴承的状态, 结果分析简单和方便。在滚动轴承诊断中常用的特征参数包括有效值、峰值等各种时域特征参数和重心频率等各种频域参数。

(三) 频谱分析法

滚动轴承的振动其频率成分十分丰富, 既含有低频成分,又含有高频成分。每一种特定的故障都对应特定的频率成分, 需要通过适当的信号处理方法将特定的频率成分分离出来, 从而指出特定故障的存在。

(三)包络法

包络法的优点包括它能区分同时发生在同一个轴承中的数种故障特征的特征,将与故障有关的信号从高频调制信号中取出, 从而避免了与其它低频干扰的混淆, 具有极高的诊断可靠性和灵敏度。

当轴承某一元件表面出现局部损伤时,在受载运行过程中要撞击与它接触的表面而产生冲击脉冲力。由于冲击脉冲力的频带很宽,包含轴承组件、轴承座、 机器结构及传感器的固有频率, 所以必然激起测振系统的共振。因此,测得的振动加速度信号包含着多个载波共振频率, 以及调制于其上的故障特征频率和其谐波成分。从而可以根据实际情况选取某一共振频率为中心,使微弱的轴承故障信号搭载在高幅值的谐振频段传递出来,再对所测信号进行绝对值处理,之后采用低通滤波,即可获得调制信号的包络线,然后进行快速傅立叶变换FFT,即可得到包含故障特征频率及其倍频成分的低频包络信号, 对包络信号进行频谱分析就可以很容易地诊断出轴承的故障来,这个过程也称为共振解调。

四、结语

了解轴承故障的形式和轴承故障的发展阶段,对于诊断轴承故障是十分必要的。掌握轴承故障诊断的分析原理和方法是准确诊断轴承故障的前提。

参考文献:

[1]赵晓玲.滚动轴承故障振动检测方法[J].重庆科技学院学报,2007.

篇9

关键词:数学形态学;机械领域;图像处理

鉴于数学形态学的主要优点:计算简单,并行快速,一般只包含布尔运算、加减法运算而不需要做先进乘法,便于硬件实现;可以应用于简化图像数据,保持基本的形状特性,并除去不相干的结构。因此在计算机文字识别,图像编码压缩,工业检测,机器人视觉等诸多领域取得了非常可观的应用。

1 数学形态学的特点

(1)它反映一幅图像中像素点之间的逻辑关系,而不仅为简单的数值关系;

(2)它是一种非线性的图像处理方法,具有不可逆性;

(3)它能够并行实现;

(4)它能够用来描述和定义图像的各种集合参数和特征。

针对正在大力推进的工业4.0计划的要求:提升制造业的智能化水平,建立具有适应性、资源效率及人因工程学的智慧工厂。其技术基础是网络实体系统及物联网。因此数学形态学在机械行业的应用前景非常乐观,目前已经应用的领域有机械信号处理,机械故障诊断,机器视觉等诸多领域。

数学形态学处理方法特殊,尽管在最终结果方面与其他处理方式有相同之处,可以用来增强输入的某种特征来减弱其他特征,但在理论基础和处理过程方面,存在着差异。数学工具不同于常用的频域和空域方法,形态学是以积分集合及随机集论为基础,积分几何有利于几何参数间接测量,随机集论适合描述书信号或图像随机性质。普通信号、图像的处理变换存在集合特性的扭曲,通过合适的形态运算和结构元素进行处理,能保留信号或图像的形态信息。

数学形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。它的基本运算包含4个: 膨胀(或扩张)、腐蚀(或侵蚀)、开启和闭合, 它们在二值图像和灰度图像中各有特点。本文只针对数学形态学在机械方向的应用展开探讨。

在机械信号处理方面,数学形态学基本运算可以进行详细有效的图像处理分析。(1)骨架化。骨架化广泛应用于图像识别以及数据压缩方向,是二值目标的重要拓扑描述。在综合比较形态学与中轴变幻的优缺点时,形态学骨架综合性更好一些,缺点是产生的骨架并非连续的,对比中轴变换计算量太大的缺点要好一些。(2)波峰、波谷检测。此处用到的原理为数学形态学中顶帽变换(Top-Hat Transform),实现了对波峰或波谷的检测。(3)边缘检测。图像处理中一般情况下认为局部极值点或灰度发生剧烈变化的点即为边缘点。数学形态学利用形态学梯度可进行边缘检测,在增强边缘的同时可以抑制噪声。

在机械故障诊断方面,传统的信号处理方法应用于故障信号分析存在诸多弊端,核心需求在于机械故障非线性非平稳信号的处理。数学形态学是一种非线性滤波方法,运算简单、快速,具有明确的物理意义。因而被应用与诸多图像处理当中。(1)滚动轴承故障信号处理,自适应提升形态小波降噪对滚动轴承故障信号进行处理,构造出无需抽样的形态非抽样小波。实现对滚动轴承故障机理分析,以及故障的固有信号特点和特征频率判别。(2)采用多尺度多结构元素的数学形态学分析方法对齿轮和转子时频图像进行处理,检测出齿轮振动源,以及实现齿轮故障振动响应及调节机理。并且通过信号拟合来判别齿轮典型的故障信号特征。(3)数学形态学与 GG( Gath-Geva) 模糊聚类相结合的旋转机械故障诊断方法,通过对滚动轴承信号的多尺度形态运算得到信号的形态谱,定量反映了信号在不同尺度下的形态变化特征。为进一步对滚动轴承信号进行故障识别奠定基础。

在机械视觉方面,对机械作业对象进行图像采集,利用颜色特征在RGB颜色空间完成图像分割,利用数学形态学完成图像滤波。数学图像处理技术由于其独特的非线性特点在图像增强与图像领域中占有较大的实用空间。数学形态数学形态学是一种特殊的图像处理技术,它的描述语言是集合论,它设计了一整套基于集合运算的概念和方法,提供了统一而强大的工具来处理图像。其中基于集合的观点是极其重要的。它通过研究图像中对象的几何特征等来描述图像中各个研究对象的特征和对象之间的相互关系。数学形态学进行图像处理的基本思想是用结构元素对原图像进行位移、交、并等运算,然后输出处理后的图像。

2 数学形态学处理图像的一般步骤

(1)提出所要描述的物体的几何结构模式(提取物体的几何结构特征);

(2)选择相应的结构元素,元素应简单而且对该模式最具有表现力;

(3)用选定的结构元素对图像进行形态变换,得到比原始图像更显著突出研究对象特征信息的图像。若赋予相应变量,则可得到对结构模式的描述;

(4)用经过形态变换的图像提取所需要的信息。

数学形态学在图像处理方面具有直观上的简明性和数学上的严谨性,能定量描述和分析图像的几何结构。因此,非常适合图像处理各方面的应用。可进行并行处理,大大加快了图像处理的速度,为实时识别和处理图像奠定了基础。如何改善形态运算的通用性,使其可以应用到更加广阔的图像处理领域,充分利用数学形态学的图像处理与分析方法,是数学形态学今后的必经之路。

参考文献

[1]沈路.数学形态学在机械故障诊断中的应用研究

篇10

关键词:分油机;故障诊断;数据采集;电路设计

中图分类号:U664.5 文献标识码:A 文章编号:16749944(2010)10018203

1 引言

由于船舶分油机工作是处于高速运转状态的,假如分离筒内的沉淀物在转鼓内积聚不均匀,分离筒内安装的配件不对,分离筒内分离片的压紧压力不够,立轴或者横轴的轴承损坏,油机立轴颈轴承弹簧老化或损坏都会对分油机的旋转轴产生不对中、振动,甚至造成裂纹,从而导致分油机工作异常。因此对船舶分油机实施振动检测和故障诊断是十分有必要的。

2 电路硬件设计

本文是以分油机故障诊断为背景,对其诊断系统的数据采集以及输入单元做出电路设计和硬件采购,其主要环节如图1。

2.1 磁电式速度传感器

磁电式速度传感器利用电磁感应原理,将输入运动速度变换成感应电势输出的传感器。它不需要辅助电源,就能把被测对象的机械能转换成易于测量的电信号,是一种有源传感器。 磁电式传感器有时也称作电动式或感应式传感器, 它只适合进行动态测量。由于它有较大的输出功率,故配用电路较简单,零位及性能稳定,工作频带一般为10~1 000Hz。其安装在分油机筒体内部来感受分油机的振动,进而采集分油机的信息。

2.2 运算放大电路

运算放大器是一种级间直接耦合的多级高增益放大器。它有2个输入端好输出端,其中“+”为同相输入端,“-”代表反向输入端。为了解决抑制共模输入电压与增益调节和阻抗匹配之间的互相牵连和矛盾,采用放大电路解决这个问题,如图2为典型的放大电路图。

图2 放大电路原理

图2所示放大器的电路可分两级来进行分析。A1,A2按理想放大器分析,得到

由此可见,调节R3即可方便地调节电路的增益。以上的电路采用的运放是采用美芯公司的LM348N运算放大器,四运放,供电电压为±18V,如图3。

图3 LM348N运算放大器

2.3 低通滤波器

让某一频率以下的信号分量通过,而对该频率以上的信号分量大大抑制的电容、电感与电阻等器件的组合装置,其电路图如图4。

图4 二阶压控电压源低通滤波电路

它是由两节RC滤波电路和同相比例放大电路组成,其中同相比例放大电路实际上就是所谓的压控电压源,其特点是,输入阻抗高,输出阻抗低。同相比例放大电路的电压增益就是低通滤波器的通带电压增益,即:

A0=AVF=1+Rf/R1.

考虑到集成运放的同相输入端电压为:

Vp(s)=V0(s)AVF.

而VP(s)与VA(s)的关系为:

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

对于节点A,应用KCL可得:

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

上面式子联合求解,可得电路的传递函数为:

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

令ωn=1RC,Q=13-AVF,则有二阶低通滤波电路传递函数经典表达式:

A(s)=AVFω2nS2+ωnQs+ω2n

=A0ω2nS2+ωnQ

s+ω2n .

其中ωn=1RC为特征角频率,而Q则称为等效品质因数。A0=AVF3才能稳定工作。当A0=AVF>3时,A(s)将有极点处于右半s平面或虚轴上,电路将自激震荡。

2.4 A/D转换

要使计算机或数字仪表能识别,处理这些信号,必须首先将这些模拟信号转换成数字信号,这样,就需要一种能在模拟信号与数字信号之间起桥梁作用的电路――模数转换器,简称为A/D转换器。A/D转换器采用现有的AD574A转换器,AD574A是常见的逐次逼近式12位转换器,其转换时间为25μs,转换误差为1LSB,可采用5V、12V、15V电源供电。可以与8位或16位微控制器直接相连。

通过分析看出,取样信号S(t)的频率越高,所取得信号经低通滤波器后愈能真实地复现输入信号。合理的取样频率由取样定理确定。将取样电路每次取得的模拟信号转换为数字信号都需要一定时间,为了给后续的量化编码过程提供一个稳定值,每次取得的模拟信号必须通过保持电路保持一段时间,见图5。

图5 取样――保持电路

电路由输入放大器A1,输出放大器A2,保持电容C和开关驱动电路组成。电路中要求A具有很高的输入阻抗,以减小输入信号源的影响。为保持阶段C上所存电荷不易泄放,A2也应具有较高输入阻抗,A2还应具有低的输出阻抗,这样可以提高电路的带负能力,一般还要求电路中A1•A2=1。

3 结语

对于分油机故障诊断的资料可以说是少之又少,再加上分油机的工作转速高,做起实验来有一定的难度和危险性。笔者通过查阅大量的书籍以及参考众多电路软件的设计, 以寻求比较合适的方案去探索。分油机振动故障有可能是多方面的,因此需要模拟更多的故障来和正常的状态相比较。

参考文献:

[1] 钟秉林,黄 仁.机械故障诊断学[M].北京:机械工业出版社,1997.

[2] 张 思.振动测量与分析技术[M].北京:清华大学出版社,1992.

[3] 文 虎,夏松波,刘瑞岩,等.设备故障诊断原理、技术及应用[M].北京:科学出版社,1996.

[4] 胡红英,马孝江.基于局域波分解的信号降噪算法[J].农业机械学报,2006,37(1):118~120.

[5] 何岭松,李巍华.用Morlet小波进行包络检波分析[J].振动工程学报,2002,15(1):119~122.

[6] 王国伟,李勇英.MSP430逻辑系统设计田[J].河西学院学报,2003,19(5):21~23.

[7] 丁 康,陈健林,苏向荣.平稳和非平稳振动信号的若干处理方法及发展[J].振动工程报,2003,16(1):1~10.

[8] 徐章遂,章立清,王希武.故障信息诊断原理及应用[M].北京: 国防工业出版社,2000.

[9] 陈雪峰,杨胜军,何正嘉,等.小波有限元的研究及其工程应用[J].西安交通大学学报,2003,(37):18~19.

[10] 贾民平,许飞云.小波尺度函数在旋转机械故障诊断中的应用[J].振动、测试与诊断,2004,24(1):161~162.

[11] 杨福生.小波变换的工程分析与应用[M].北京:科学出版社,2000.

[12] 秦前清,杨宗凯.实用小波分析[M].西安:电子科技大学出版社,1994.

[13] 崔锦泰.小波分析导论[M].西安:西安交通大学出版社,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.