设备故障诊断的研究方案设备故障诊断的研究方案
随着现代化工业大生产的不断发展,机械设备的结构变得越来越复杂,并且经
常运行于高速、重载以及恶劣环境等条件下。由于各种因素的干扰和影响,会导
致机械设备发生故障,轻则降低生产质量或导致停产,重则会造成严重的甚至是
灾难性的事故。为此,为尽最大可能地避免事故的发生,机械设备状态监测与故
障诊断技术近年来得到了极为广泛的重视,其应用所达到的深入程度十分令人鼓
舞。目前,机械设备状态监测与故障诊断已经基本上形成了一门既有理论基础、
又有实际应用背景的交叉性学科。
故障诊断的基本任务是监视机械设备的运行状态...
设备故障诊断的研究方案
随着现代化工业大生产的不断发展,机械设备的结构变得越来越复杂,并且经
常运行于高速、重载以及恶劣环境等条件下。由于各种因素的干扰和影响,会导
致机械设备发生故障,轻则降低生产质量或导致停产,重则会造成严重的甚至是
灾难性的事故。为此,为尽最大可能地避免事故的发生,机械设备状态监测与故
障诊断技术近年来得到了极为广泛的重视,其应用所达到的深入程度十分令人鼓
舞。目前,机械设备状态监测与故障诊断已经基本上形成了一门既有理论基础、
又有实际应用背景的交叉性学科。
故障诊断的基本任务是监视机械设备的运行状态,诊断和判断机械设备
的故障并提供有效的排故措施,指导设备管理和维修。
在实际应用中,故障与征兆之间往往并不存在简单的一一对应关系,一种故
障可能对应着多种征兆,反之一种征兆也可能是由于多种故障所致。因此,通常
我们必须要借助信号处理等手段从采集的原始数据中加工出特征信息,提取特征
量,从而保证有效、准确地进行故障诊断,也就是说,信号处理与故障诊断有着
极为密切的联系,信号处理、特征提取是故障诊断中必不可少的一个重要环节。
为此,本次研究方案从采集设备开始,通过对信号的分析与处理得出机械设
备部件的损坏部位及运行状态,并在此基础上建立一套数据库管理系统
数据采集是进行故障检测的第一步,数据采集的过程如图1所示:
数据采集的可靠性和数据包含信息的多少直接影响到后期的分析、处理等工作。
因此前端的采集系统是很重要的。
1、
通道数量:通道数量是在同一时间内,同一个采集卡可以接通传感器的
数量。本次采用6通道采集(可根据需要扩充通道数量)。 2、 传感器:传感器是能够感受物体运动并将物体的运动转换成模拟电信号
的一种灵敏的换能元件。传感器的种类很多,本次研究电涡流式位移传感
器、惯性式速度传感器、压电式加速度传感器,三向加速度传感器和三向
速度传感器。通过安装三向传感器在轴承座孔处,以获得在径向水平、径
向垂直和轴向三个方向的振动信号。由三维振动矢量全面反映检测对象的 采集卡:采集卡是数据采集的核心部位。由于它需要接多种传感器,因振动状态。 此它必须有多种接口来兼容多种传感器的连接。在采集卡上主要的部件有
前置增益、滤波、A/D转换等控制。初步设计为24位A/D转换,采用83、
档的高、低切滤波器设计,增益采用浮点放大技术。 4、 通讯:采用当今流行的PCI接口进行采集卡与主机之间的数据传输。
5、 主机:采用工业
的586主板和底板。显示器采用液晶真彩,并安装
触摸屏。
(一)常规的数据分析与处理
1、时域波形分析及示性指标
在状态监测和故障诊断的过程中,我们常常会直接利用振动时域信号进行分
析并给出结果,这是最简单且最直接的
,特别是当信号中明显含有简谐成分、
周期成分或瞬时脉冲成分时更为有效。当然这种方法要求分析人员具有比较丰富
的实际经验。
振动时域波形是一条时间历程的波动曲线。根据测量所用传感器类型的不
同,曲线的幅值可代
位移、速度或加速度。
进行波形分析时,主要采用如下特征量,也称示性指标:
(1) 振动幅值
不同的机械设备,不同的故障源通常会产生不同频率的机械振动,因此,频率分
析在故障诊断中占有十分重要的地位。
(3) 相位
相位表示在给定时刻振动部件被测点相对于某一固定参考点或其它振动部
件的位置。在实际应用中,相位主要用于比较不同振动运动之间的关系,或确定
一个部件相对于另一个部件的振动状况。通常不同振源产生的振动具有不同相
位。
(4) 其它指标
为了有效描述复杂的振动,在实际应用中也经常使用下面一些示性指标:
峰态因数?裕度因数?脉冲因数?峰值因数?波形因数
2、频谱分析
频谱是在频域中对原信号分布情况的描述,通常能够提供比时域波形更加直
观的特征信息。因此,频谱(包括功率谱和幅值谱等)被广泛用作为故障诊断的依据。
频谱可以通过傅里叶变换的方式获取。具体分析时,首先应当注意幅值较高
的谱峰,因为它们对振动的总量级贡献较大,我们应当分析产生这些频率分量的
原因。值得一提的是,机器振动频谱中,有些振动分量虽然较大,但不随时间而
变化,对机器的正常运行也不会构成什么威胁。相反,有一些幅值较小,但增长
很快的频率分量却往往预示着故障的产生和发展,应该引起足够的重视。特别地,
当一些在原频谱图上并不存在或比较微弱的频率分量突然出现并急剧增大时,极
有可能在较短时间内破坏机器的正常工作状态。因此,在频谱分析中不仅要注意
各分量的绝对大小,更应当注意各谱峰的发展变化趋势。
频谱分析的结果还可用于趋势估计。事实上只要将某一个或几个特殊频率分
量的多次测量分析结果按时间顺序描绘出来,便能形成“幅值-时间”趋势曲线,
然后把该曲线沿时间轴向前外推,即可有效地估计出机器运行状态达到危险极限
的时间。图2给出了某一频率分量的“幅值-时间趋势”图。
3、倒频谱分析
根据利用FFT进行时-频域转换的概念,可以将频谱分析结果再次利用FFT技术转换到一个新的分析域中。这样就形成了所谓的倒频谱分析。
倒频谱具有检测和分离频谱中周期性成分的能力,会使原来谱图上成族的边
频谱线简化为倒频谱上的单根谱线,从而使频谱中的复杂周期成分变得清晰易
辨,以利于故障诊断。
图3的结果表明倒频谱能有效地辨识频谱中的周期特性。图中所示是某卡车
变速箱在正常[(b),(d)]和异常[(a),(c)]状态下一档齿轮啮合时振动信号
的功率谱图和倒频谱图。可以看到,在正常状态下功率谱上并无明显的周期性,
而异常状态时的功率谱中则含有大量间距为10Hz左右的边频,在倒频谱图上相
应的倒频率一目了然,为95.9ms(10.4Hz)。由于输出轴的旋转频率为5.4Hz, 最初怀疑调制频率是输出轴频的二次谐波, 但这样调制频率就应该是 10.8Hz而不是10.4Hz,最后分析确定空转不受载荷的二档齿轮是调制源,其旋转频率正
好是10.4Hz。
4、包络分析
包络分析就是提取载附在高频信号上的低频信号,从时域上看,为取时域波
形的包络轨迹。像具有齿轮、轴承等零部件的旋转机械故障诊断常常用到包络分
析。当旋转机械的轴承零部件有点蚀、剥落等损伤类故障时,伴随设备运转这些
故障会产生周期性脉冲冲击力,激起设备的各阶固有振动。选择冲击激起的高频
固有振动为研究对象,通过滤波将其从信号中分离出来,然后通过包络检波,提
取出载附在其上的与周期脉冲冲击力对应的包络信号,从其强度和频次就可以判
断零件损伤的程度和部位。这种技术称为包络解调,也称为早期故障探测法,它
是判断设备零件损伤类故障的一种有效的手段。
包络技术可以分为宽带解调技术、共振解调技术、选频解调技术、希尔伯特
解调技术、同态滤波技术等,其核心都是把调制在高频段上的低频故障信息,解
调到低频进行分析处理,提取故障信息。在这个处理过程中剔除了低频段的信号,
而旋转机械的干扰和噪声的能量一般集中在低频段,这样就减少了设备振动检测
信号中的中、低频环境振动干扰和噪声的影响。因此,利用包络技术分析高频中
的故障信息,可以提高信噪比。
(二)现代信号分析
除了经典的数据分析外,本次研究还将进行现代信号分析。
1、
参数模型功率谱估计。本次主要研究以下3个模型的功率谱:(1)AR
模型;(2)MA模型;(3)ARMA模型。对于平稳态的随机信号而言,经典功率
谱估计的方差性能较差,分辨率较低。方差性较差的原因是无法实现功率谱密度
原始定义中的求均值和求极限的运算。分辨率较低的原因主要由于对周期图法是
假定数据窗以外的数据全为零,对自相关法是假定在延迟窗以外的自相关
全
为零。而参数估计的思路是:
(1)假定所研究的过程x(n)是由一个输入序列u(n)激励一个线形系统H(z)
的输出。
(2)由已知的x(n)来估计H(z)的参数。
(3)由H(z)的参数来估计x(n)的功率谱。
对一个研究对像建立数学模型是现代工程中常用的方法,它一方面使所研究
的对像有一个简洁的数学表达式,另一方面,我们通过对模型的研究,可得到更
多的参数,也可使我们对所研究的对像有更深入的了解。
(2)小波分解分析
在机械运行故障中,由于滚动轴承等元件的缺陷,滚动体依次滚过工作面上
的缺陷受到反复冲击,而产生的低频脉动,称为轴承的“通过振动” 由于这种
周期出现的冲击而产生的相应频率称为“通过频率”,该频率可以由机器转速、
零件尺寸和缺陷位置等参数来求得,此外轴瓦损坏、齿轮轮齿损伤等缺陷也会产
生类似的振动。通过频率一般较低,大约在几个Hz到几百Hz的范围内,但是在信号的频谱图上却难以找到这个频率,其原因有二:一是由于这种冲击的周期较
大,所以冲击成分的能量在信号总能量中占有比例少;二是由于其频率较低,与
机器中流体动力噪声等干扰的频率相近,容易被这些干扰所淹没。因为这两个原
因,目前很少直接利用这一频带来诊断轴承故障。
但是通过振动是轴承重要信息特征之一,是一个既直接又有效的诊断途径,
虽然表面上这些冲击成分是周期出现的,但各冲击过程相距较远,且对于单个冲
击成分则具有非平稳信号的瞬态特性,因此在常规傅立叶频谱方法基本失效的情
况下,利用小波变换的手段,发挥小波变换对非平稳性信号的分析优势,而有效
地将通过振动从干扰和噪声中识别出来。利用小波变换的方法,有效识别了旋转
机械运行中由滚动轴承等元件的缺陷引起的通过振动,并从时域上计算其通过频
率,解决了以往此类故障由于干扰大而难以识别的困难,为机械故障诊断提供了
一个非常有效的手段。
(3)K-L变换分解
K-L分解是一种最佳的信号分解技术。该方法通过对信号x(n)的分解,分解
为特征值和特征向量。通过分析不同特征值对应的特征向量,以及通过与以往数
据的对比,分析机械损坏部位的噪声来源。
建立数据库管理系统是把不同的机械结构诊断结果建立其相应的数据库,其
目的有:
(1)实现动态诊断,随时观测所有诊断结果;
(2)在数据库中存储大量的前期诊断结果,把当前的诊断结果与前其的任
意次结果进行数据的最小二乘比较,得出两次不同时间段诊断结果的变
换极点,这对判断机械结构的完整性如何是很重要的。 (3)通过建库方式,可以先对已知的结构建立其变化的模型,通过对已知
模型的不断学习,对新的诊断结果进行自动拟合,找出其机械结构的损
坏位置。
设备故障诊断是一个不断需要发展和完善的技术,对不同的设备,不同
的故障原因,其引起的信号是不一样的,所以要从尊重事实出发,在诊断过
程中,不断开发新的分析手段,使设备故障诊断技术的应用日益广泛和深入。
本文档为【设备故障诊断的研究方案】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。