机械故障诊断技术

机械故障诊断技术 学 习 报 告 学院, 班级, 姓名, 学号, 机械故障诊断技术 机械故障诊断 【绪论】 随着科技的发张,现代工业逐步向生产设备大型化、复杂化、高速化和自动化方向发展,设备的复杂程度日益提高,要保证设备的安全运行,已成为一个十分严峻的问题。机械设备是现代化工业生产的物质技术基础,设备管理则是企业管理中的重要领域。也就是说,企业管理的现代化必然要以设备管理的现代化作为其重要组成部分,机械设备状态监测与故障诊断技术在设备管理与维修现代化中占有重要的地位。在满足上述这些要求中,扮演着越来越重要的角色,因此,其诊断技术能对设备故障的发展做出早期预报,对出现故障的原因做出判断,提出对策建议,避免或减少事故的发生能改变设备的维修体制,从现行的定期维修向更合理的视情维修转变,降低维修费用,确保机械设备安全运行。 故障诊断技术是预防(状态)维修的必要条件,推广和应用设备状态监测与故障诊断技术可以达到所需的目的。其保障设备运行安全,防止突发事故的同时,还保证设备工作精度,提高产品质量,在实施状态维修(或预防维修)的同时,也节约维修费用。更避免设备事故带来的环境污染及其它危害,给企业部门带来较大的间接经济效益。 因此就需要我们了解故障诊断的意义、含义、基本内容、常用方法,机械故障诊断的研究现状,熟悉信号分析及处理技术以及振动与测试,旋转机械常见振动故障分析,掌握新理论与技术以便在工程中能更好的的应用,服务工程,提高安全性,创造巨大的经济和社会效益。 【正文】 机械故障诊断的含义: 机械故障诊断是一种了解和掌握机器在运行过程的状态，确定其整体或局部正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。油液监测、振动监测、噪声监测、性能趋势分析和无损探伤等为其主要的诊断技术方式。 机械故障诊断是识别机械设备(机器或机组)运行状态的一门综合性应用科学和技术，其主要研究机械设备运行状态的变化在诊断信息中的反映，通过测取设备状态信号，并结合其历史状况对所测信号进行处理分析，特征提取，从而定量诊断(识别)机械设备及其零部件的运行状态(正常、异常、故障)，进一步预测将来状态，最终确定需要采取的必要对策的一门技术 机械故障诊断的研究主要内容: 包括监测、诊断(识别)和预测三个方面，保障设备安全运行，其诊断技术能对设备故障的发展做出早期预报，对出现故障的原因做出判断，提出对策建议，减少事故的发生，能改 2 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 变设备的维修体制，从现行的定期维修向更合理的视情维修转变，降低维修费用，确保机械设备安全运行。 机械故障诊断的主要目的: 及时、正确、有效地对设备的各种异常或故障状态作出诊断，预防或消除故障;同时对设备的运行维护进行必要的指导。确保可靠性、安全性和有效性。制定合理的监测维修制度，保证设备发挥最大设计能力,同时在允许的条件下充分挖掘设备潜力，延长其服役期及使用寿命，降低设备全寿命周期费用。通过检测、分析、性能评估等，为设备修改结构、优化设计、合理制造及生产过程提供数据和信息。 近年来机械故障诊断的应用: 诊断技术发展几十年来，产生了巨大的经济效益，成为各国研究的热点。从诊断技术的各分支技术来看，美国占有领先地位。美国的一些公司，如HP，他们的监测产品基本上代表了当今诊断技术的最高水平，不仅具有完善的监测功能，而且具有较强的诊断功能，在宇宙、军事、化工等方面具有广泛的应用。美国西屋公司的三套人工智能诊断软件(汽轮机，发电机，水化学)对其所产机组的安全运行发挥了巨大的作用。还有美国通用电器公司研究的用于内燃电力机车故障排除的专家系统DELTA;美国NASA研制的用于动力系统诊断的专家系统, DELIO Products公司研制的用于汽车发动机冷却系统噪声原因诊断的专家系统ENGING COOLING ADCISOR等。近年来，由于微机特别是便携机的迅速发展，基于便携机的在线、离线监测与诊断系统日益普及，如美国生产的M6000系列产品，得到了广泛的应用。 机械故障诊断理论与方法 机械故障诊断分为三种层次的监测方法。 第一，以监测仪表为主体的监测装置。由传感器和指示仪表构成，主要用于监测振动。但这种方法也存在缺点，其幅值监测不能动态过程特征，在强烈振动前，故障征兆并不是很明显，仪表无分析功能，靠人工经验判断。 第二，监测仪表配备软硬件装置。由传感器+频谱分析仪构成，具有频谱分析、谱阵图、波特图、轴心轨迹图等功能。它的缺点是不能自动判断，诊断依赖于领域专家，也不能预防突发性故障。对于大型设备结构复杂，故障与征兆无一一对应关系，难免误诊断。 第三，计算机辅助监测与诊断系统。由传感器+接口装置+计算机(含人工智能技术)组成。它的好处是可实时监测和自动诊断，是机械工况监测与故障诊断的主要发展领域。 3 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 机械设备故障诊断发展现状 机械设备故障诊断是一门正在不断完善和发展的交叉型学科，从二战开始认识到这种技术的重要性，60年代后，电子技术、计算机技术发展、1965年FFT方法和对应的数字信号处理和分析技术的发展为设备诊断技术奠定了技术基础。到现在它已经成为一项与现代化工业大生产紧密相关的技术，是机械学科领域的研究热点之一。 我国诊断技术的发展始于70年代末，而真正的起步应该从1983年南京首届设备诊断技术专题座谈会开始。虽起步较晚，但经过近几年的努力，加上政府有关部门多次组织外国诊断技术专家来华讲学，已基本跟上了国外在此方面的步伐，在某些理论研究方面已和国外不相上下。目前我国在一些特定设备的诊断研究方面很有特色，形成了一批自己的监测诊断产品。全国各行业都很重视在关键设备上装备故障诊断系统，特别是智能化的故障诊断专家系统，在电力系统、石化系统、冶金系统、以及高科技产业中的核动力电站、航空部门和载人航天工程等。工作比较集中的是大型旋转机械故障诊断系统，已经开发了20种以上的机组故障诊断系统和十余种可用来做现场故障诊断的便携式现场数据采集器。透平发电机、压缩机的诊断技术已列入国家重点攻关项目并受到高度重视;而西安交通大学的“大型选转机械计算机状态监测与故障诊断系统”，哈尔滨工业大学的“机组振动微机监测和故障诊断系统”。东北大学设备诊断工程中心经过多年研究，研制成功了“轧钢机状态监测诊断系统”，“风机工作状态监测诊断系统”，均取得了可喜的成果。 信号分析及处理技术 基于振动(噪声)测量与分析，在这里所提及的状态监测与故障诊断，均是指基于振动测量与分析方面的技术。事实上状态监测与故障诊断是一门综合性极强、涉及面非常广泛、学科交叉渗透十分丰富的技术，除了应用振动分析方法之外，还可采用油液分析、红外热像、超声探伤以及温度、压力分析等多种不同技术。振动是自然界中的一种很普遍的运动，机械振动信号中包含了丰富的机器状态信息，它是机械设备故障特征信息的良好载体。利用振动信号来获取机械设备的运行状态并进行故障诊断具有如下优点:方便性:利用各种振动传感器及分析仪器，可以很方便地获得振动信号;在线性:振动监测可在现场不停机的情况下进行;无损性:在振动监测过程中，不会对被测对象造成损伤;信号处理技术是进行故障诊断的基础，是特征提取必不可少的工具。信号处理技术分为传统和现代两大类，其中:传统的信号处理技术是指以FFT为核心的信号分析技术，在实际运用中发挥着重要的作用;而近年来发展起来的现代信号处理技术在故障特征提取方面正崭露出头角。现代信号处理的本质可用七个“ 非”字来高度概括，即研究:非线性、非因果、非最小相位系统、非高斯、非平稳、非整数维(分形)信号、非白色加性噪声 为准确、有效地获得故障特征信息，目前重点是:研究和发展基于非高斯、非平稳及非线性故障信号的分析理论及方法。时频分布、小波分析、高阶统计量分析、循环平稳信号处理、非线性分析等等。 监测与诊断系统，监测与诊断系统前的考虑。建立监测与诊断系统之前应考虑如下问题: 经济性 - 应能够尽可能地节省投资;可靠性 - 自身应具有更高的可靠性;实用性 - 实用的功能，操作简便;有效性 - 分析、诊断结果有效;扩展性 - 较好的可扩展性和自开发性能。 一般情况下，根据经验企业用于设备状态监测与故障诊断的投资应占其固定资产的1,,5,。并且，随着设备复杂程度和技术先进性的增加，此项投资的额度还应有相应的 4 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 增加:监测与诊断系统的分类与选用、离线系统(巡检系统)、 在线系统(集中式、分布式)、远程系统、离线系统与在线系统相互交融，最终形成一体化远程监测与诊断系统，其中:分析方法和算法等共享、数据库、知识库共享、设备管理机制共享、在线系统负责关键机组设备、巡检系统面向尚无固定测点的中小设备、设备管理功能占重要地位。 振动与测试; 振动信号分类:振动分为确定性振动和随机振动两大类、确定性振动可分为周期性振动和非周期性振动。周期性振动包括简谐振动和复杂周期振动。非周期性振动包括准周期振动和瞬态振动。准周期振动由一些不同频率的简谐振动合成，在这些不同频率的简谐分量中，总会有一个分量与另一个分量的频率之比值为无理数，因而是非周期振动。机械系统中，回转体不平衡引起的振动，往往也是一种周期性运动。准周期信号是非周期信号的特例，处于周期与非周期的边缘情况，是由有限个周期信号合成的，但各周期信号的频率相互间不是公倍数关系，其合成信号不满足周期条件。 振动测量方法分类:振动测量方法按振动信号转换的方式可分为电测法、机械法和光学法。电测法振动测量系统。测振传感器:测振用的传感器又称拾振器，它有接触式和非接触式之分。接触式中有磁电式、电感式、压电式等;非接触式中又有电涡流式、电容式、霍尔式、光电式等。拾振部分是振动测量仪器的最基本部分，它的性能往往决定了整个仪器或系统的性能。下面介绍压电式测振传感器及其应用。信号中不同频率成分通过测量系统后的输出:压电传感器的工作原理。压电式传感器是一种自发电式传感器。它以某些电介质的压电效应为基础，在外力作用下，在电介质表面产生电荷，从而实现非电量电测的目的。 压电传感元件是力敏感元件，它可以测量最终能变换为力的那些非电物理量，例如动态力、动态压力、振动加速度等，但不能用于静态参数的测量。 压电式传感器具有体积小、质量轻、频响高、信噪比大等特点。由于它没有运动部件，因此结构坚固、可靠性、稳定性高。 压电效应:天然结构的石英晶体呈六角形晶柱，用金刚石刀具切割出一片正方形薄片。当晶体薄片受到压力时，晶格产生变形，表面产生正电荷，电荷Q与所施加的力F成正比 ，这种现象称为压电效应 。还有一些人造的材料也具有压电效应。若在电介质的极化方向上施加交变电压，它就会产生机械变形。当去掉外加电场时，电介质的变形随之消失，这种现象称为逆压电效应(电致伸缩效应)。 旋转机械常见振动故障分析 滚动轴承振动故障分析 滚动轴承的磨损失效。磨损是滚动轴承最常见的一种失效形式。在滚动轴承运转中，滚动体和套圈之间均存在滑动，这些滑动会引起零件接触面的磨损。尤其在轴承中侵入金属粉末、氧化物以及其他硬质颗粒时，则形成严重的磨料磨损，使之更为加剧。另外，由于振动和磨料的共同作用，对于处在非旋转状态的滚动轴承，会在套圈上形成与钢球节距相同的凹坑，即为摩擦腐蚀现象。如果轴承与座孔或轴颈配合太松，在运行中引起的相对运动，又会造成轴承座孔或轴径的磨损。当磨损量较大时，轴承便产生游隙噪声，振动增大。 滚动轴承的疲劳失效。在滚动轴承中，滚动体或套圈滚动表面由于接触载荷的反复作用，表层因反复的弹性变形而致冷作硬化，下层的材料应力与表层出现断层状分布，导致从表面下形成细小裂纹，随着以后的持续负荷运转，裂纹逐步发展到表面，致使材料表面的裂纹相互贯通，直至金属表层产生片状或点坑状剥落。轴承的这种失效形式称为疲劳失效。随着滚 5 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 动轴承的继续运转，损坏逐步增大。因为脱落的碎片被滚压在其余部分滚道上，并给那里造成局部超载荷而进一步使滚道损坏。轴承运转时，一旦发生疲劳剥落，其振动和噪声将急剧恶化。 滚动轴承的腐蚀失效。轴承零件表面的腐蚀分三种类型。化学腐蚀，当水、酸等进入轴承或者使用含酸的润滑剂，都会产生这种腐蚀。电腐蚀，由于轴承表面间有较大电流通过使表面产生点蚀。微振腐蚀，为轴承套圈在机座座孔中或轴颈上的微小相对运动所至。结果使套圈表面产生红色(Fe2O3)或黑色的锈斑。轴承的腐蚀斑则是以后损坏的起点。 滚动轴承的胶合失效。滑动接触的两个表面，当一个表面上的金属粘附到另一个表面上的现象称为胶合。对于滚动轴承，当滚动体在保持架内被卡住或者润滑不足、速度过高造成摩擦热过大，使保持架的材料粘附到滚子上而形成胶合。其胶合状为螺旋形污斑状。还有的是由于安装的初间隙过小，热膨胀引起滚动体与内外圈挤压，致使在轴承的滚道中产生胶合和剥落。 齿轮振动故障分析 据统计，在齿轮箱的各类零件中，齿轮本身产生的故障比例最大，占60%，其余零件的故障率为:轴承占19%，轴占10%，箱体占7%，坚固件占3%，油封占1%。引起故障原因中，属于维护、操作不当又占最大比重。齿轮的故障，主要与齿轮的热处理质量及运行时的润滑条件有关，也可能与设计不当、制造误差、装配不良等有关。根据齿轮损伤的形貌和损伤过程或机理，故障的形式通常分为齿的断裂、齿面疲劳(点蚀、剥落、龟裂)、齿面磨损、齿面划痕等四类。根据国外抽样统计的结果，齿轮的各种损伤发生的概率分别为:齿的断裂41%，齿面疲劳31%，齿面磨损10%，齿面划痕10%，其它故障(如塑性变形、化学腐蚀、异物嵌入等)8%。齿的断裂:齿的断裂分疲劳断裂和过负荷断裂;齿面疲劳:齿面疲劳主要包括齿面点蚀与剥落。由于点蚀面积的增长率与负荷的循环次数有关，可定期检测齿面点蚀的面积率，预测需要维修的时间。随着点蚀面积的增加，齿面必然成为剥离状态，因此，定期检查润滑油中混杂的剥离片，也可预测齿轮需要维修的时间。 新理论与技术在故障诊断中的应用 模糊故障诊断方法 复杂系统的故障表现出精确性和模糊性的复杂特征。经典的精确推理模型对于诊断模糊故障存在一定局限性。法本文提出模糊产生式规则网模型，研究模糊故障诊断方。该模型采用产生式规则描述故障的因果关系，以网络作为系统复杂关联关系的推理框架，应用模糊集合论技。技术处理故障的模糊性问题。当规则或事件的信度退化时，该模型表现为精确故障推理模式，可以对精确故障进行诊断;当信度为区间时，又表现为模糊网络，可以对模糊故障进行诊断。研究结果表明:模糊产生式规则网模型可以有效地对复杂特征故障进行推理诊断。 故障诊断专家系统 专家系统( Ex per t Sy st em, ES) 是人工智能技术( Art if-icial I ntelligence, AI) 的一个重要分支, 其智能化主要表现为能够在特定的领域内模仿人类专家思维来求解复杂问题。专家系统必须包含领域专家的大量知识, 拥有类似人类专家思维的推理能力, 并能用这些知识来解决实际问题。故障诊断技术是一门应用型边缘学科, 其理论基础涉及多门学科, 如现代控制理论、计算机工程、数理统计、模糊集理论、信号处理、模式识别等。故障诊断的任务是在系统发生故障时, 根据系统中的各种量( 可测的或不可测的) 或其中部分量表现出的与正常状态不同的特性, 找出故障的特征描述并进行故障的检测与隔离。故障诊断专家系统是将专家系统应用到故障诊断之中, 可以利用领域知识和专家经验提高故障诊断的效率[ 1] 。目前专家系统在故障诊断领域的应用非常广泛, 如美空军研制的用于飞机喷气发动机故障诊断专家系统XM AN[ 2] , NASA 与MIT 合作开发的用于动力系统诊断的专家系统, 英国某 6 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 公司为英美军方开发的直升机发动机转子监控与诊断专家系统[ 3] 等, 此外在电力、机械、化工、船舶等许多领域中也大量应用了故障诊断专家系统。根据知识组织方式与推理机制的不同, 可将目前常用的故障诊断专家系统大致分为基于规则的诊断专家系统、基于模型的诊断专家系统、基于人工神经网络的诊断专家系统、基于模 糊推理的诊断专家系统和基于事例的诊断专家系统。 小波故障诊断方法 小波分析是近年来国际上掀起的一个前沿领域，它被认为是傅立叶分析方法的突破性进展。小波分析优于傅立叶之处在于，小波分析在时域和频域同时具有良好的局部化性质。可以对高频成分采用逐渐精细的时域或空间域取代步长，从而可以聚焦到对象的任意细节。因此，小波变换被誉为分析信号的显微镜，傅立叶分析发展史上的一个新的里程碑。小波分析是一个新的数学分支，它是泛函分析、傅立叶分析、数值分析的最完美结晶:在应用领域，特别是在信号处理、图象处理、语音分析、模式识别、量子物理、生物医学工程、计算机视觉、故障诊断及众多非线性科学领域都有广泛的应用。小波分析最初由法国理论物理学家Grossman和法国数学家Morlet共同提出的。与傅里叶变换相比，它具有许多优良的特性。 【小结】 在全球化的竞争中占据主动。工厂的设备高效率的,低成本的运转已经是不可缺少的一个环节。全面系统的落实机械设备状态监控分析对达到该目的是我们所期望的。我们应该把有限的资金用在工厂的关键设备上做机械设备的状态监控分析。通过专家的指导,对机械装备状态监控的理论及经验能够充分的了解与应用。将故障诊断的多种方法结合起来使用,使中国的机械行业迈入一个新的台阶。 【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,2007 [2]郑洋.小波变换在旋转机械故障检测中的应用研究[J].机械应用与研究,2008 [3]段晨东,何正嘉.基于提升模式的特征小波构造及其应用[J].振动工程学报,2007(1). [4]张中民,卢文祥,杨叔子.基于小波系数包络谱的滚动轴承故障诊断.振动工程学报,1998 [5]雷继尧,何世德.机械故障诊断基础知识.西安交通大学出版社, 1991 [6]李卓彦,周强强,李志雄.滚动轴承故障诊断技术的研究.科技信息,2008年第36期 7 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 年06期 ,7,左万里,武小悦)电子设备智能故障诊断技术发展综述,6,)系统工程与电子技术 8 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 9 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 10 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 11 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 12 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 13 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 14 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 15 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 16 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 17 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 18 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 19 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 20 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 21 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 22 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 23 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 24 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 25 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 26 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 27 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 28 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 29 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 30 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 31 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 32 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 33 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 34 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 35 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 36 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 37 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 38 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 39 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 40 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 41 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 42 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 43 姓名,XXXX 学号,xxxxxxxxxxxxxx 机械故障诊断技术 44 姓名,XXXX 学号,xxxxxxxxxxxxxx