旋转机械故障诊断十篇

旋转机械故障诊断篇1

关键词：旋转机械；故障诊断；原因分析

中图分类号：U472.42文献标识码：A 文章编号：

引言

所谓旋转机械指的是通过内部零部件的旋转运动完成相关功能的机器设备。通常指的是那些旋转速度比较高应用较为广泛的机械，比如离心式压缩机、电动机、汽轮发电机、离心式水泵、真空泵和离心式鼓风机等具有旋转运动都属于旋转机械。旋转机械一般构造较为复杂，发生故障时较难查找出故障原因，更不容易做出有效的维修方案，为旋转机械的维修和管理人员提出较大的难题，本文主要就旋转机械故障的原因作出简要的分析，并总结了故障诊断技术的相关内容。

1 旋转机械故障诊断的特点

进行旋转机械的故障诊断时，首先需要了解旋转机械故障所具备一些特性，以下做出简单的分析：

1.1转子特性

而转子组件的运行的良好与否直接决定了旋转机械的运行状况，所以旋转机械的故障的诊断主要是通过检测转子组件而形成的。转子系统安装转子动力学的理论又被科研人员分为刚性转子与柔性转子。人们将旋转机械内部的转子的转速不能超过其第一阶临界转速的称之为刚性转子，反之则为柔性转子。

1.2旋转机械振动的频率特征

对于旋转机械的诊断需要采集其振动信号，包括诸如周期信号参数或平稳随即信号以及准周期信号等。也就是说旋转机械的振动故障一般都会涉及到转子的速度以及振动频率的状态正常与否。通常旋转机械的振动故障时，其转子的旋转素的与故障特征频率是相关的，一般改特征频率是转子回转频率的几倍或几分之一倍。所以通过分析振动特征频率与转子频率的相关性可以找出旋转机械故障的成因。经实践调查发现，旋转机械故障特征频率与转频具有如下的相关性：

1）同步振动

同步振动指的是转子的故障特征频率域转子频率相同或是其整倍。而一般如果出现强迫振动时表现多为同步振动。很多时候容易出现同步振动，如转子不平衡和联轴器不对中时都可以出现同步振动的现象。

2）亚同步振动

亚同步振动即为振动特征频率低于转子频率时，或者为转频的分数倍时的情况。像涡轮机械发生的喘振和滑动轴承出现的油膜振荡都是属于亚同步振动，而旋转机械的亚同步振动又多为自激振动。

3）超异步振动

超异步振动的情况很多，像齿轮损坏发生的啮合频率会导致超异步振动，还有叶轮叶片的振动时产生的频率也能引起超异步振动，其原理就是故障特征频率高于转频。

通过上述的旋转机械故障发生时的振动情况介绍，其实千万不能简单地认为机器发生故障就表现为上述三种情况的一种，要是如此就简单了。实际情况是，旋转机械在运行过程中，遇到故障时往往表现为三种情况同时存在。

获取旋转机械故障信号的主要途径如下：

1）振动频率分析

因为旋转机械不同的故障类型具有相应固定的特征频率，旋转机械的故障发生时的特征频率是分析及诊断旋转机械故障类型的有效参数。

2）分析振幅的方向特征

因为旋转机械各异的故障情况发生时的振动方向具有比较明显的方向特点，一般在进行故障诊断时，需要在相应的测点进行三个不同方向的振动测量，然后根据其振动方向可以初步判定其故障类型。

3）分析振幅随转速变化的关系

旋转机械有相当一部分故障的振动幅值与转速变化有密切的关系，所以现场测量时，在必要的时候，要尽量创造条件，在改变转速的过程中测量机器的振幅值。

2旋转机械故障的来源及主要原因分析

旋转机械出现故障的诊断技术首先是基于对于机械故障的原因进行分析，以下是根据实践经验总结的引起机械故障的不同原因，有助于工作人员对机械故障做出顺利而准确的诊断。

2.1设计和制造引起机械故障

设计不当，动态特性不良，容易引起旋转机械发生强迫振动或者是自激振动的现象；由于结构设计不够合理，导致构件截面出现应力集中现象；工作转速应尽量避免接近临界转速区，否则容易引起旋转机械出现故障的一个原因；运行点接近或落入运行非稳定区；零部件加工制造精度达标，引起产品质量问题；零件材质不良，造成旋转机械出现质量问题而容易引起故障；设计时或制造过程导致的转子动平衡不满足技术要求。

2.2安装和维修引起机械故障

当机器安装不当，零部件发生错位使得机械预负荷过大，容易引起机械故障；轴系对中不良（一般是由于轴系热态对中的考虑不够）；机器的各几何参数（比如配合间隙、过盈量及相对位置）调整的位置不当；管道压力过大，使得机器在工作状态下改变了动态特性和安装精度；转子长期放置不当，破坏了动平衡精度容易引起机械故障；安装或维修工程破坏了机械的原有配合性质和精度导致的机械故障等。

2.3运行操作不当引起机械故障

具体的引起旋转机械故障的不当运行操作如下所述：旋转机械在非不满足设计要求的状态下运行（如转速过大、长时间或较大的负荷），导致机械构件出现损坏，导致故障；不够或冷却不良；旋转体出现损坏、耗损或结垢的现象；机械的相关参数设定不当（如温度、转速等），使得机器运行失稳，易引起机械出现较大的故障；不按设计要求进行机器的启动、控制升降速等操作，或者暖机不够、热膨胀不均匀等。

2.4机械状况恶劣导致机械故障

这里指的是机器使用过程中保养维护不当引起的故障：如机器没有得到足够的时间调整，而长时间负荷状态下使得其转子挠度增大；机器的地基基础出现不同程度的沉降，导致旋转机械的外表壳出现变形的情况等。

3旋转机械故障诊断技术的内容

对于旋转机械故障做出诊断需要进行以下三方面的内容：

（1）特征参数的采集：改内容是属于旋转机械故障诊断的一个准备的过程，主要的工作就是采用相关的仪器测得机器各个设备的一些参数，比如转速、湿度、温度、压力、频率、流量、噪音等。采集相关参数所使用的仪器一般由基于不同的构造原理的传感技术制作成的传感器组成。通常所使用的传感器暴扣速度传感器、电涡流传感器湿度传感器和加速度传感器等，近年来随着科技的进步还有光导纤维、激光以及声发射等传感技术的被广泛应用到旋转机械故障诊断中。

（2）参数的提取与处理：通过上述的准备阶段即参数的采集结果中，提取与旋转机械的故障有关联的特征信息，并与政策状态的相应参数进行对比，可以有效地检测旋转机械的状态。一般对于旋转机械的轴承故障诊断过程中，使用较为广泛的分析方法是小波分析。而目前兴起的的方法如空间重构的GMD的数据处理方法也逐渐被用于较为复杂的机械如旋转机械的非线性振动中，可以为预测旋转机械故障的发展趋势提供有效的帮助。

（3）判断故障种类：经过之前两个阶段，得到了对于旋转机械故障所处的状态进行较为准确的识别，并为维修方案的决策提供理论依据。这个阶段需要进行的工作就是研究机器的相关参数及故障诊断中的应用技术，考虑不同传感器的优化配置的方案优劣性，通过发展信息融合技术、采用模糊诊断和神经网络的方法、经过小波转换分析、并通过在专家系统中的应用，最终能够对于旋转机械故障提供准确而可靠的诊断。

4结语

随着技术的发展，旋转机械故障诊断技术主要是通过考察所诊断机器的故障历史、根据相关参数的采集识别机器的实时状况，通过相关的分析方法来诊断旋转机械现有的故障情况，并预测其故障未来的发展趋势，从而为提供行之有效的维修方案提供理论及技术支持。旋转机械故障诊断技术是基于近代数学、计算机技术、机械自动化控制理论、信号处理技术及理论、仿真模拟技术、可靠性等理论而形成应用型技术。应用较为的广泛的旋转机械故障诊断的方法很多，如振动检测诊断法、温度检测法、声发射检测法、噪声检测法、油液分析法、人工神经网络、模糊数学分析法、专家系统以及粗糙集理论等都常见于旋转机械的故障诊断工作中。

参考文献

[1] 张全伟. 机电设备故障诊断技术浅析[J]. 商业文化(学术版), 2008,(06)

旋转机械故障诊断篇2

关键词：智能诊断；旋转机械故障；应用

DOI：10.16640/ki.37-1222/t.2016.13.138

0 引言

旋转机械的应用在企业的生产工作中发挥着越来越重要的作用，一旦旋转机械发生故障，极其容易对企业的正常生产造成巨大的影响，因此，对于该类设备的故障监测与诊断具有不可忽视的重要性，旋转机械的故障类型偏多，且较为复杂，所以，对于该类设备的监测难度较大，伴随着科学技术水平的高速提升，旋转设备的故障监测方法也逐步智能化，智能诊断方法在旋转机械故障研究的应用中极其重要。

1 智能诊断方法

1.1 专家系统

专家系统是一个拥有极度丰富与全面专业知识的系统应用，该系统能够应该专业的知识与办法解决旋转机械的故障问题，专家系统是一个储存知识丰富的数据库，我国专家梁亮就通过对专家系统的风机故障诊断功能进行检测，使用效果良好，我国还有众多专家都对其相关功能进行检测，因此，专家系统的故障诊断功能还是具有较高的实用性，但是，不可否认的是专家系统也存在一定的不足，专家系统的学习能力、记忆能力以及推理能力等都存在一定的缺陷。

1.2 支持向量机方法

支持向量机方法主要是解决旋转机械在小样本、高维模式等方面的故障诊断，我国相关领域的专业学者就针对该模式分类方法进行研究，提出了无环图的分类算法，该方法具有很强的实用性，具有极其高效的旋转机械的故障诊断性能，作为最新的智能诊断方法，其也存在一定的不足，因此，支持向量机方法还需要科研人员的进一步研究与完善。

1.3 模糊逻辑方法

迷糊逻辑方法主要是仿照人脑的模糊思维进行诊断的，由于设备的部分故障是无法通过准确的关系模型进行判断的，且设备故障也具有一定的模糊性，因此，对于模糊性的设备故障就应该使用模糊逻辑方法，该方法能够解决故障产生时间较长，且具置不清楚、故障原因不明显等问题，同样，该方法也存在一定的不足，例如模糊关系不明确、知识获取困难以及模糊数转化不清楚等问题。

1.4 人工神经网络

人工神经网络主要是针对故障诊断中传统模式识别困难的问题，该方法能够解决众多传统方法无法解决的故障，近些年，该方法在故障诊断领域的使用越来越广泛，相关的新闻报道屡见不鲜，例如，我国著名专家闻建龙就利用该方法对输油泵的故障进行完美的诊断，神经网络的主要优势表现为其在诊断方面的精确度，而神经网的缺点是结构不好、无法判定诊断行为以及知识显示的复杂性等。

2 智能诊断在旋转机械故障研究中的应用

2.1 信号搜集与分析

设备的诊断技术主要是通过对设备的相关故障进行分析，其次再进行维护，而故障的检测主要是通过信号的搜集与分析得到的，因此，信号的搜集与分析是智能诊断技术在旋转机械故障研究中的重要应用之一。在一般情况下，旋转机械的转速都高达几十万转，因此，信号中断频率提高，则采样频率也应该随之提高，只有这样，才能保证信号搜集的精确性，采样频率的最高值主要是由转换器的转换时间决定的，因此，为了准确搜集旋转机械的最高频率，就应该采取专业的搜集方法。

2.2 样本构造

旋转机械的主要故障包括转子不对称、转子不平衡、转子磨损、油膜不稳定以及转轴破裂等，除此之外，还具有许多的故障类型，因此，对于故障模型的构造能够更好地对故障进行研究，而神经网络能够很好地实现故障的样本构造，神经网络强大的计算能力、诊断能力以及学习能力能够快速地对故障诊断的类型进行判断，并根据不同的故障类型实现样本的构造。

2.3 诊断试验

在企业对设备的诊断试验中，智能诊断技术具有极其重要的作用，例如可以利用计算机程序对相关的检测数据进行一定的分析，根据数据是否超标判定设备是否产生故障，与此同时，还可以通过对神经网络输入相关数据，得到诊断结果。神经网络能够对故障的诊断结果进行可靠的分析，判断试验人员的诊断结果是否可靠，并且能够通过相关的数据与信息高效、精确地判断设备的具体故障以及故障的具置。智能诊断能够快速、准确地发现旋转机械的故障问题，该能够进行高效的解决，尤其神经网络甚至能够解决复杂的复合型故障，并利用内部的计算模式将诊断结果直观表现，总而言之，故障诊断技术的智能化为旋转设备的使用提供了极大的便利。

3 结论

故障诊断技术的智能化、专业化以及高效化是我们一直追求的目标，通过智能诊断技术的实际应用可见，诊断技术在旋转机械的故障研究中发挥了巨大的作用，并且伴随着相关技术的不断进步与完善，在日后的企业设备维护中，其必然会发挥着更加重要的作用，因此，本文也主要通过对专家系统、支持向量机方法、模糊逻辑方法以及人工神经网络等智能诊断方法进行简答介绍，并对这些方法在信号搜集与分析、样本构造以及诊断试验等方面的应用进行系统分析，合适的智能诊断技术是保证企业生产稳定、高效进行的重要因素，因此，希望本文能够对我国旋转机械故障诊断领域的进步与发展具有一定的参考作用。

参考文献：

旋转机械故障诊断篇3

关键词 电梯曳引机；机械振动；故障诊断；在线监测

中图分类号TU857 文献标识码A 文章编号 1674-6708（2012）78-0065-01

当前世界各国屡屡发生重大电梯安全事故，我国也曾发生多起断齿急坠事故，造成巨大经济损失[1-2]。因此，开展电梯曳引机状态监测与故障诊断系统的研究意义重大。本文为此具体探讨了电梯曳引机振动中的故障诊断体系的建立。

1 旋转机械振动中的故障诊断的必要性与可行性

1.1 旋转机械振动中的故障诊断的必要性

旋转机械故障诊断技术对于减少维修费用，降低生产成本，提高经济效益和社会效益具有重要作用。一台200MW的汽轮机发电机每停机一天，则少发电480万千瓦时，经济损失高达数百万元[3]，一台电梯停止运行，涉及千家万户的生活甚至安全。可以通过监测机械设备是否出现故障的迹象来预知并防止可能产生的停机。振动监测及机械设备诊断是对生产设备状态进行跟踪的有效方法，符合最佳维护实践，能够延长设备使用寿命，避免意外停机。此外，访问关键生产设备运行状态的可靠性信息是至关重要的，而不是等到设备内部出现故障后得到一个故障信号。机械设备停车保护只是整体监测策略的一部分，它针对的是那些不起眼的状况。真正的监测设备需要训练有素的工作人员使用配套的软件在重要的压缩机、涡轮机、变速箱、泵、连接器和风机等设备发生意外故障前就发现和确定各种迹象。不管如何，能够及时进行维护总要比等到发生灾难性的故障然后进行费用高昂的维修要好得多[4]。

1.2 旋转机械振动中的故障诊断的可行性

某某企业通过对某电厂汽轮机的现场测试，分析了转子系统故障发生的原因，针对机器的振动超标问题，采取改变转子支承刚度和改变轴承支承位置等措施，保证了机器正常和可靠地运转，进而创造了近亿元的直接经济效益。我市某电梯生产企业，通过对曳引机的现场检测，发现曳引机涡轮齿轮断齿，并经过分析轮齿断面分析和材质分析，采取了改变涡轮材质和调整设计方案的措施，保证曳引机可靠性，预防和减少故障的发生。当前根据旋转机械面临的重大实际问题，国家自然科学基金委员会设立了自然科学基金重大项目"大型旋转机械非线性动力学问题"，以非线性动力学理论为基础，研究故障旋转机械的非线性动力学问题，进而揭示故障旋转机械的复杂非线性动力学特性及故障发生 的机理，并提出抑制振动的有效措施，以减少甚至避免重大事故的发生[5]。

2 旋转机械振动中的故障在线监测体系的建立

先进的在线监测系统代表了一种超越传统人工监测的技术，它可以获得旋转机械设备的连续状态信息，而不是像过去 只能监测某一个时间点的信息。我们可以监测到重要设备的振动频率变化和温度升高，而这些迹象都预示着即将发生故障。从设备中获取的信息以图形化的形式表现出来，这使工作人员可对所发生的情况一目了然，维护工程师和设备专家可通过这些实时信息来分析机械设备的运行状况。分析人员根据这些信号可以了解故障的具体方位、性质和严重程度，同时可以更加精确地预测设备什么时候需要维护，从而避免设备损坏造成的意外停机和停产。机械设备状态管理软件对每一种机械设备在生产环境中的重要性进行了分类，并就各种设备故障是否会引起整个工厂停车或是部分停车进行了描述。在线监测功 能的优点就是可以对机械设备的状态进行连续监测[6]。

3 旋转机械振动中的故障在线监测体系的发展

随着科学技术的发展，艾默生的CSI6500 机械设备状态监测器是专门针对过程自动化项目以及新建和升级项目保护而设计的，它集预测和防护于一体，遵循API670标准，可提供用于快速决策的实时信息。另外还有AMS设备管理组合中的机械状态管理预测维护软件，它能够连续捕捉工厂设备的振动数据，并以图形化的方式向分析人员展示机械设备内部发生的情况。操作人员因为获得了机械设备和过程的状态信息，能够更容易地识别和掌控各种状况，从而避免设备故障和性能下降，并有机会对过程和性能进行优化，以提高设备的投资回报。近日，DK-MDES旋转机械状态监测与故障诊断专家系统在京通过专家鉴定，这套系统的研制成功标志着我国故障诊断水平将登上一个新的台阶。该系统是一个以计算机为基础，由状态监测和故障诊断专家系统两大部分组成的有机整体。它采用了新一代的人工智能语言，由知识库、动态数据库、推理机及 人机交互等模块组成。在智能推理过程中应用了模糊理论的模糊模式识别与不精确的推理，在诊断策略上采用了分级评判（频谱模式识别、运行相量的模糊识别及故障特征智能推理分析）与综合评判，在此基础上得出最终的诊断结论。此监测系统在电梯旋转部件在线诊断中也将有广泛的应用价值。

总之，本文围绕电梯曳引机智能故障诊断这一关键问题，引入在线监测的理论和方法，能较好地识别故障模式，在电梯曳引机故障诊断中具有良好的应用前景。

参考文献

[1]蔡玉峰.动态系统故障诊断技术研究进展与展望[J].计算机测量与控制，2002，10（12）：770-781.

[2]于开平，张玉国，郑丽雯，等.机械振动信号分析的非线性的小波方法[J].汽轮机技术，2011，2（4）：229-230.

[3]孙为民，杨冬生.汽轮发电机组安装后启动过程中振动故障的分析与处理[J].汽轮机技术，2001，8（4）：241-243.

[4]于翔，陆颂元.一台200MW机组改造后轴系振动分析和高速动平衡[J].汽轮机技术，2009，5（3）：153-155.

旋转机械故障诊断篇4

【关键词】化工设备；状态监测；故障诊断；预知维修；功率谱

【中图分类号】TQ420.5 【文献标识码】A 【文章编号】1672—5158（2012）08—0003-01

化工企业机械设备繁多，当机械设备发生故障时，以往的维修方法是当机器损坏以后再维修，即“事后维修”。这种做法由于机器损坏、停机维修时间较长，不仅经济损失大，也危及设备和人身安全。后来提出的“定期维修”，虽然能保证机器正常运行，但由于不知道机器在什么时候、什么部位发生什么样的故障，所以很难正确地确定机器的检修周期。在此基础上，提出了“预知维修”，对化工机械设备进行状态监测和故障诊断，提早预防，将隐患消除在萌芽状态。

1 化工机械设备状态监测和故障诊断

1.1 状态监测和故障诊断包含内容

一是对设备的运行状态进行监测；二是在发现异常后对设备的故障进行分析诊断。状态监测的主要方法有趋势监测和状态检查。趋势监测是连续地或有规律地对机器有关参数进行测量和分析，确定机器的运行趋势和状况，提出机器劣化停机的预防时间。要选择最敏感的特征信息，振动和噪声能实时地、直观地、精确地显示出机器的动态特性及其变化过程，测试方法简便易行，并且对它们也很敏感。所以振动信号谱分析技术已成为对机器进行状态监测和诊断的主要方法。

1.2 故障诊断技术的分类

故障诊断技术可分为简易诊断和精密诊断。简易诊断就是使用简单便携的点检仪器或专用仪器，对机器的状态参数进行监测并作出初步的判断；精密诊断就是运用如频谱分析仪及其他一些计算机支持的仪器对监测到的信号进行数据处理分析，从而确定机器发生异常的原因、部位、程度及发展趋势等，并决定应采取的对策。

2 设备状态监测和故障诊断运用的主要技术

2.1 电子和计算技术

一些专用仪器和一些新的信号的拾取、分析及处理的方法基于该两项技术。

2.2 声、振测试和分析技术

机器设备运行状态的好坏与机器的振动有着直接的联系，它是目前状态监测和故障诊断技术中应用最广泛、最普遍的技术之一，且已取得较好的效果。

2.3 测温技术

温度的测试技术，尤其是适合于在线、非接触式、远距测试的红外测温技术的运用较为普遍，被测点的温度数值可以直接读出、因而在利用温度对设备进行诊断能起到立竿见影的效果。

2.4 油液分析技术

磨损、疲劳和腐蚀是机械零件失效的三种主要形式和原因。而其中磨损失效约占80%左右，由于油液分析对磨损监测的灵敏性和有效性，因此这种方法在状态监测和故障诊断中日益显示其重要地位。

2.5 无损检测技术

该技术是一门独立的技术，被引进到状态监测和故障诊断技术中。如超声及射线探伤，磁粉、着色渗透的表面裂纹探伤及声发射探伤等技术被用来对大型固定或运动着的装置进行监测和诊断已越来越受到人们的重视。

3 振动信号的概念与处理方法

3.1 振动信号的概念

振动是指物体在平衡位置上作往复运动的现象。最简单的就是简谐振动，简谐振动可以用正弦曲线或余弦曲线来表示。非确定性信号是指不能用数学关系式描述的信号，也无法预知其将来的幅值，又称为随机信号。在工程实践中，采集到的几乎全部是随机信号。

3.2 随机信号的分析和处理方法

主要有时域分析、频域分析。常常采用倒频谱分析法，与时域分析相比，它在频率分辨方面大大提高了灵敏度。倒频谱分析可以使信号中较低的幅值分量得到较高的增强，可以清楚地识别信号的组成，突出感兴趣的周期成分，并且能清楚地分离边带信号和谐波。使用倒频谱分析能够清楚地检测和分离出这些周期信号。

3.3 信号处理的要求

一是处理的快速性，二是高的分辨率。对信号处理的高分辨率的要求是来自于设备结构的复杂化和工作转速的日益提高。研究任意频带的频率分析技术，即细化分析技术，是应用最广泛的是复调制FFT（快速傅氏变换）方法，它是一项最为有效地提高频率分辨率的实用技术。

4 化工机械设备故障诊断

化工机械设备种类繁多，如汽轮机、压缩机、泵、风机、电动机、粉碎机、膨胀机等，统称为旋转机械。旋转机械故障的诊断，首先要根据各种故障发生的机理，寻找其特有的症状及敏感参数。

4.1 故障的简易诊断方法

简易诊断方法就是采用一些便携式测振仪拾取信号，并直接由信号的某些参数或统计量构成诊断指标，根据对诊断指标的分析以判定设备是正常或是异常，主要是用于设备状态监测中。正确地拾取信号是进行设备诊断的基础或先决条件，因此需正确处理好以下几个问题。

正确选择测量方式和测量参数振动信号的采集有两种测量方式，一种是离线测量，即采集信号和分析数据是分别进行的。测量参数的选择除了根据频率范围外，还应同时考虑所采用的传感器及判断标准等。例如采用涡流传感器进行轴心轨迹分析时，就要选择输出位移。采用国际标准进行振动等级评判时就必须输出速度。

合理布置测点。因轴承是反映诊断信息最集中和最敏感的部位，主要测点应布置在的轴承部位。遵循原则：即每次测量要在同一测点进行，还要保持测量时设备的工况、测量的参数和使用的仪器和测量的方法相同，这样才能保证每次所测数据的真实性和相互可比性。

选定合适的测量周期。测量周期是指每次采集信号的间隔时间。它与机器的类型及故障发展的速度有关。而一般低速旋转机械或与磨损有关的故障，则可以采用较长的测量周期，但是一旦发现故障进展较快时，就应缩短测量周期。

4.2 齿轮故障诊断方法

由于齿轮传动具有结构紧凑、效率高、寿命长、工作可靠和维修方便等特点。功率谱一般有三种频率结构，分别对应于不同的原因。正常运行的齿轮的功率谱中一般可能同时有这三种频率结构。随着齿轮故障的产生，其线状谱部分的幅值会上升。线状谱，主要产生原因是齿轮的啮合频率及其谐波；山状谱，主要产生原因是结构共振如齿轮轴横向振动固有频率；随机谱，主要产生原因是随机振动信号。

5 结语

功率谱分析作为目前振动监测和故障诊断中应用最广的信号处理技术，它对齿轮的大面积磨损、点蚀等均匀故障有比较明显的分析效果，但对齿轮的早期故障和局部故障不敏感。旋转机械故障的诊断，不仅把测得的振动信号进行各种数据处理和分析，还要对振动的方向和位置、对机器的工作参数（如转速、载荷、压力、流量、油温度及环境温度等）的敏感特征进行识别。

参考文献

[1]刘军.化工机械设备状态的诊断与分析[J].中国新技术新产品.2011.10

旋转机械故障诊断篇5

关键字：旋转机械，转子振动，故障诊断，Agilent，实验系统

Abstract：Integration of Agilent vibration analysis comprehensive experiment platform which can realize all functions of original experiment system and has the characteristics of higher precision and figure quality， the portable features can be used in the field diagnosis of rotating machinery rotor vibration fault.

Keyword：he rotating machinery， the vibration of rotor， fault diagnosis， Agilent， experimental system

引言

旋转机械的振动如火力发电厂汽轮发电机组及其辅机（送风机、引风机、给水泵、凝结水泵等）的振动一直作为此类装置安全评估的重要指标。Agilent35670a多通道动态分析仪测量精确度等级高，内置的信号源可选的特性优化了用于分析振动问题，十分适用于对旋转机械的振动故障进行分析研究。

通过项目实施，将实验室现有的一套转子振动模拟实验台和Agilent35670a多通道动态分析仪通过数据采集装置集成为一个综合实验系统，拓展原实验装置的功能，使其成为一个旋转机械振动故障的诊断研究平台，实现旋转机械转子振动的频谱分析、阶次分析，对旋转机械的振动征象进行研究。

一、实验设备

1 原实验装置

原实验系统包括转子振动模拟实验台、电涡流传感器、光电传感器、前置放大器、多道数据采集装置、模拟台调速器、计算机振动数据采集与分析系统，能有效地模拟大型旋转机械产生的转子轴不对中、转子质量不平衡、转静碰摩、油膜涡动及振荡四种振动故障及其振动特征图获得与再现。

2 Agilent35670a多通道动态分析仪

Agilent35670a多通道动态分析仪具有四个测量通道，可进行转动机械测量、结构测量、声学测量等，在本实验设计中使用Agilent35670a进行转动机械测量的功能，采用频谱分析[1-2]、阶次分析[3-4]两种工作方式。

二、实验系统的集成方案

设计的实验系统仍以转子振动模拟实验台为振动分析对象，以Agilent35670a多通道动态分析仪为分析工具，结合BNC同轴电缆、前端的测振传感器及前置放大器，使其成为一个振动故障诊断与研究平台。设计方案图如图1所示。

1 信号的测量

电涡流传感器用于测量振动位移，光电传感器用于转速计量和键相。电涡流传感器和光电传感器都是有源器件，需要外部向它们提供电源，Agilent35670a不能向外部提供电源，因此在Agilent实验系统中，其电源仍然由数据采集装置提供，数据采集分析仪提供的电源与传感器的Vdc端子相连。

2 信号的传输

前置放大器和光电传感器的输出信号通过BNC同轴电缆的内导线传输给Agilent。为了实现信号完整正确的传输，前置放大器和光电传感器输出信号的接地点与Agilent的地之间无电位差，而它们输出信号的接地点在它们各自电源的负极，电源由数据采集装置提供，因此将前置放大器与光电传感器的GND端接到数据采集装置中去，为了使输出信号的接地点与Agilent的地之间无电位差，用一根导线将Agilent与数据采集装置的地连接起来。

3 信号的采集

Agilent对输入的模拟信号进行抗混叠滤波，低通滤波，A/D转换，数字滤波，信号经窗函数的处理后进行频谱分析、阶次分析将振动特征用图形显示出来。

4 振动特征图的存储与导出

振动特征图绘制出来之后，需要将图形进行存储与导出。Agilent对于示迹的存储与导出有两种方式，一种是选择分析仪内部的磁盘驱动器，此驱动器位于Agilent的前面板，将数据存储在内存为1.44M的3.5英寸软盘上，另一种是利用安捷伦82357B USB-GPIB线缆直接将安捷伦后面板的GPIB接口与电脑的USB接口连接起来进行数据传送。

三、实验系统的功能实现

完成Agilent实验系统方案设计及构建之后，利用Agilent实验系统具备的功能进行实验。

Agilent实验系统中获得的信号可以通过窗函数、信号平均、数字变焦提高信号质量。Agilent提供了统一窗、汉宁窗、平顶窗可供选择，实验发现，选取统一窗获得的功率谱比另外两种窗函数获得的功率谱的能量泄漏要大，选取平顶窗获得的功率谱的频率分辨率又要比汉宁窗的高。Agilent提供了均方根平均、均方根指数平均、峰值保持平均、时间平均、时间指数平均可供选择，实验发现，选取时间平均和时间指数平均获得的功率谱比另外三种平均获得的功率谱能量泄漏要大，峰值保持平均获得的图形比均方根平均和均方根指数平均的信噪比高。Agilent还可进行宽带频谱和窄带频谱测量，宽带频谱测量可以观察到全频宽的频谱情况，通过数字变焦进行窄带测量，可观察较窄频宽的频谱情况。

在Agilent实验系统中进行转子轴不对中、转子质量不平衡、转静碰摩、油膜涡动及振荡实验，获得了Bode图，功率谱图，阶次谱图，轴心轨迹图，相同的条件下，在原实验系统中进行这四个实验，得到Bode图，轴心轨迹图，数据列表。对两个实验系统中获得的振动特征图进行对比分析可发现，Agilent实验系统可以实现原实验系统的所有功能，而且还可以获得获得功率谱图，原实验系统的测量阶次只能达到4阶，而Agilent实验系统的测量阶次最高可达到200阶，拓展了原实验系统的功能。

四、旋转机械振动故障诊断

大型旋转机械振动故障原因复杂，故障之间具有很强的相似性，相同的特征图可能对应不同的故障原因。旋转机械出现故障后，总是希望能将故障原因尽可能细化，将故障范围尽可能缩小，所作出的决策尽可能具体，这就需要根据振动特征图进行综合分析从而判断出振动故障类型。

1 常见的旋转机械振动故障

（1）转子质量不平衡

由于腐蚀、磨损等原因，使转子中心偏离几何旋转中心线，产生与转速的平方成正比的不平衡离心力，造成转子质量不平衡。其1x处振动尖峰在频谱中占主要优势，轴心轨迹图呈椭圆形。

（2）转子轴不对中

由于制造偏差大、静止支撑部分变形等原因，造成转子轴不对中。其1x处振动尖峰在频谱中占主要优势，轴心轨迹图呈香蕉形。

（3）转静碰摩

由于膨胀不当、不对中、热弯曲等原因，导致转子与静止部件发生碰摩。碰摩发生时，其振动频谱成分丰富，不仅有工频，2x、3x...有较大的振动分量，轴心轨迹图呈不规则图形。

（4）油膜振荡

由于油温过低，黏性大、设计与制造不当等原因，发生油膜振荡。其频谱特征图中转子系统的第一阶临界转速成为主峰，且不随转速的变化而变化，半频谐波振幅值超过或等于工频振幅，轴心轨迹图呈不规则图形。

2. 案例1

从图2可以看出，其振动的幅值主要集中在1x，1x占主要优势，高倍频处也分布有振动分量，两种振动故障具有相同的频谱特性，且从图3中可以看出，它们的临界转速均降低，此时，依据阶次谱图和Bode图不能判断出振动故障的类型，而图4的功率谱图则反应出，二者的高频谐波分量存在一定差异，而且从图5可看出一个振动故障的轴心轨迹图呈椭圆形，一个呈香蕉形，存在较大的差异。依据各振动故障的频谱特征和轴心轨迹图特征可判定图（a）对应的振动故障为转子质量不平衡，而图（b）则对应转子轴不对中。

3.案例2

从图6可以看出，两种振动故障的轴心轨迹图均呈不规则图形，可排除故障为转子轴不对中和转静碰摩，从图7中的（a）可获得其振动频谱成分不仅有工频，2x、3x处也有较大的振动分量，图（b）中的半频谐波振幅值超过工频振幅，且从图8功率谱图中可看出，图（a）中的振动能量主要集中在1x、2x、3x处，图（b）中的振动能量集中在转子的固有频率处，二者的频谱特性存在较大的差异。依据各振动故障的特征可判定图（a）对应的振动故障为转静碰摩，而图（b）则对应油膜振荡。

五、结论

结合以上工作，得到以下结论：

1）在Agilent实验系统中获得的信号可以通过窗函数、平均、数字变焦提高信号质量，通过选择最佳的窗函数来减少能量的泄漏，选取最佳的平均类型及数字变焦功能来提高信噪比，而原实验系统不具备这些功能的可选性。因此，Agilent实验系统不仅拓展了原实验系统的功能，同时还提高了测量的精确度等级。

2）原实验系统可以完成的功能，在Agilent实验系统中也可以完成，且在Agilent实验系统中可以获得功率谱，从功率谱中可以很直观地看出振动信号的能量随着频率的分布情况，求得动态信号中的各个频率成分，求出各个频率成分的能量分布，从而得到主要能量分布的频率值。

3）原实验系统获得的数据列表只能测得1/2X、1X、2X、3X、4X下的振幅值，而Agilent实验系统的阶次谱测量阶次最高可达到200阶次。

4）通过本设计，实现了一个旋转机械振动故障诊断研究平台，在振动故障未知的情况下，单一相同的特征图可能对应不同的故障原因，可辅以其它特征图进行综合分析从而诊断出故障类型。

参考文献

[1]张韧.旋转机械故障特征提取技术及其系统研究[D].浙江：浙江大学， 2004.

[2]李远友.大型旋转机械振动信号测试与分析系统的研制[D].重庆：重庆大学，2002.

旋转机械故障诊断篇6

关键词：水电机组；故障诊断；技术；应用现状；技术发展

中图分类号：U226.8+1 文献标识码：A 文章编号：

水电机组是水电厂的关键设备，运行状态的好坏直接影响水电厂的安全运行。随着水轮发电机组单机容量的不断增大，对机组的检修、维护、运行、管理提出了更高的要求，实施水轮发电机组运行状况的状态监测，对机组故障进行及时预测预报、分析原因，对于大中型水轮发电机组的安全运行具有重要的意义水电机组属于低速旋转机械，故障的发展一般是渐变过程，突发的恶性事故比较少，故障的发展有一个从量变到质变的渐变过程，使得利用状态监测、故障诊断和趋势分析技术来捕捉事故征兆、早期预警和防范故障成为可能。因此，为了最终实现状态检修机制，指导机组安全经济运行，故障诊断方法的研究和应用具有重要的现实意义和工程应用前景。

一、水电机组故障的定义和特点

水电机组最常见、最主要的故障就是振动故障，据西北国网50 台4．5MW 以上水轮发电机组六年运行资料的统计． 大约有80％的故障或事故都在振动信息上有所反映。认识并把握机组振动故障的特点是故障诊断研究工作盼首要任务，水轮发电机组振动故障具有如下特点：

1、水电机组故障具有复杂多样性

水电机组是一个涉及机械、电磁和水力的复杂系统。机组在运行时，除了机械因素外，还有电磁和水力因素的影响。机械方面的原因有：转动部件不平衡、弯曲、以及部件脱落，机组对中不良、法兰连接不紧或固定件松动，固定部件与转动部件的碰磨，导轴承间隙过大、推力轴承调整不良等等。水力原因：卡门涡引起的中高频压力脉动，叶片进口水流冲角过大引起的中高频压力脉动，尾水管内的漩涡流引起的压力脉动等等。电磁方面：发电机定转子间隙不均匀，转子及磁极线圈匝间短路，转子主极磁场对定子几何中心不对称等等。引起振动的因素具有不确定性，可能是机械、电磁、水力三种因素中的一种引起的单一振动，也可能是几种因素共同作用的藕合振动，机械、电磁、水力三者是相互影响的．振动机理比较复杂，直观判断和简单的测试手段很难找到主导性故障原因。

2、水电机组故障具有渐变性

水电机组与其他旋转机械相比转速明显较低，一般在100～200r/min 之间，因此水轮发电机组振动故障发展一般属于渐变性或耗损性故障。具有磨损和疲劳特征，突发恶性事故较少，如水力机组部件因空化或泥沙磨损等原因导致的振动，即有一个从量变到质变的过程。这使得利用状态监测和趋势分析技术，捕捉事故征兆．早期报警，防范故障变得相对容易和准确。

3、水电机组故障具有不规则性

由于每个水电站的设计、施工受地理位置、地质状况和经济技术等多方面的影响，每个水电站都是专门设计的。因此水电机组运行时还会受到电网、水文、气候和现场安装等诸多因素的影响，有些影响是不可预知的。这就使得不同电站，甚至同一电站的不同机组的故障情况很不一样，特殊案例比比皆是。水轮机组故障的不规则性，是对通用型故障诊断系统研究的一个巨大的挑战。

二、水轮发电机组故障诊断技术研究现状

近年来，随着技术引进、消化和吸收，我国水电机组状态状态监测、分析与故障诊断方面取得了一系列卓有成效的研究成果。但由于水电机组单机装机容量的不断增大，水电设备结构、运行状态及故障机理的现实复杂性，故障特征及现场诊断方法的研究还有待进一步地深入。水轮发电机组是旋转机械的一种，它与一般旋转机械有许多共性，有关旋转机械故障诊断的技术与经验许多都可以借鉴。但水轮发电机组也有自己的固有特性，目前水轮发电机组故障诊断技术还存在以下几个问题：

1、由于水轮发电机组的结构复杂、影响因素众多，对深层故障机理的研究还很缺乏。为了提高故障诊断的准确率，有必要对深层故障机理进行广泛的研究。

2、现有的大部分水轮发电机组故障诊断系统主要利用振动信号频率成分结构与频率幅值两个重要信息进行综合自动诊断。由于水轮发电机组故障具有复杂性、随机性、耦合性及频谱结构存在相似性等特点，仅仅依赖振动信号频谱信息进行诊断，诊断类型不明确，常常出现误诊的现象，甚至会造成重大的损失。有必要结合故障机理分析，提取其他故障征兆特征，建立基于知识的诊断系统，这是改善故障诊断性能的有效途径。

3、当前开发的水轮发电机组故障诊断专家系统起不到真正意义上的故障诊断作用， 由于各台水电机组在制造、安装和运行方式的不同，决定了每台机组的健康评定标准也不尽相同，目前国内的故障诊断专家系统过分依赖各种“规程规范”， 不能有效地将积累的大量现场用户检修数据和实际检修经验融入诊断系统，专家系统的知识库和推理机制过分教条和简单，导致诊断结果的失误，以致实际意义不大。

三、在线状态监测与故障诊断技术存在的不足

1、一些早期建成的水电厂在投入状态监测系统时，没有充分利用电厂已有的计算机监控系统采集到数据，出现了状态监测系统重复设置被监测对象的问题，增加了运行成本。

2、随着状态监测技术研究的深入，一些新开发的状态监测系统能对机组进行多项监测，并且在此基础上增加了运行分析功能。这类系统实际上只是单项监测系统的集合，没有充分综合机组运行中采集的所有数据而对机组设备进行较全面的分析，事实上没有实现真正的集成。同时，国内没有一个监测系统可以实现对机组所有设备和状态的全面监测。

3、水轮发电机组故障诊断技术以专家系统技术和神经网络技术为研究的热点。目前投入运行的故障诊断系统多以专家系统技术为主。这种诊断系统的缺点在于，往往只有当某个测点信号报警或超限时才能诊断，不能提前预测或在运行中长期跟踪机组运行状态，做到及时发现故障隐患，正确预知机组运行的发展趋势。真正的诊断系统必须针对具体水电站机组的运行性能，依靠现场工程师在机组长期的运行过程中积累现场经验，和从事状态监测系统研发的专家，联合开发出的有针对性的适用于具体水电站机组的多种故障推理模式。

四、故障诊断技术的发展

现阶段机组状态监测和故障诊断系统并不能完全避免机组的所有故障，但好的水电机组故障诊断系统应该能够提供两个主要功能，一个是在故障未发生时，提供机组运行健康状态和故障预警，避免和预防故障的发生，为实现状态检修提供技术支持，二是在故障即将发生或已经发生时，减轻故障影响和事故后果，并指导后期维修。另外，故障诊断专家系统还可以使水电厂和水电专家常年积累的专业知识，得以系统化的保存、再现和应用。在近几十年，水电机组故障诊断技术取得了较大的进展，主要表现在以下4个方面：

1、计算机技术的发展使得水电机组状态监测技术日益完善。市场上已经出现较为成熟的水电机组状态监测系统，水电厂积极开展状态监测设备的安装和应用，使得状态检修这种科学的检修制度有了一定的技术基础，并使得实时诊断成为可能。

2、故障诊断方法不断出现新成果。贝叶斯网络、灰色理论分析、时间序列分析、全息谱分析、故障诊断专家系统、人工神经网络系统等技术在故障诊断中得到了较为广泛的研究和初步应用。这些方法的出现使得水电机组故障诊断水平得到了一定的提高。

3、传感器技术和检测技术的发展，如超声波技术、声发射技术、热成象诊断技术、油样分析技术等技术的应用日趋成熟，扩大了故障诊断技术在水电机组的应用范围。

4、国内外从事故障诊断的专业人员和专业机构大大增加。近年来,国内外许多高校和研究院就设置了故障诊断方面的研究，开展了大量水电机组故障诊断课题的研究，既培养出一批故障诊断专业人才，也出了一些研究成果，加快了水电机组故障诊断技术学科的发展。

随着我国电力工业的迅速发展和我国多年来从事的故障诊断工作研究, 水电站设备故障诊断技术及故障诊断系统日益引起制造厂、电厂和科研院所的认识和重视。通过对国内外水电站故障诊断技术及应用情况的了解，认识故障诊断系统存在的不足,积极开展故障诊断系统的研究工作,将会更快地推动我国水电机组故障诊断技术的发展。

参考文献：

[1] 周叶,潘罗平.实时数据库在水电机组状态监测中的应用[J]. 水电站机电技术. 2011(01)

旋转机械故障诊断篇7

【关键词】轴承；故障检测；智能化

一.轴承故障检测技术的发展现状

机械故障诊断学可以对及其或者机组的运行状态进行有效识别。随着科学技术的日益发展，工业水平也不断提高，机械设备的自动化程度也不断提升，要想凭借个人感觉来对机械设备进行故障诊断已经不切实际了。在第二次世界大战时期，由于军事设备的诊断维修技术落后，导致大量军事设备发生非战斗引起的破坏，由此可见设备故障检测技术是如此重要。在20世纪60年代以来，半导体技术快速发展，使越来越多的集成电路出现在机械设备中，随着电子技术和计算机技术的更新换代，逐渐出现了数字信号处理和分析技术的分支，为机械设备的故障检测技术打下了良好的基础。而轴承是在各种旋转式机械中最常用的一种零配件，它的正常与否能够直接影响设备 的综合性能，例如精度、寿命、稳定性等。根据可靠数据显示，在旋转机械常见故障中，百分之三十都是由于轴承故障所导致的。轴承故障诊断技术最初起源于国外20世纪60年代初，现阶段，该领域相关研究人员对于轴承故障诊断技术的研究主要体现在以下几个方面。

1.时域分析法

时域分析法是轴承故障诊断技术发展的起源方法，这种诊断方式主要是依靠相关分析和时序分析等信号提取特征，同时使用振动信号中常见的基本数字特征及概率分布特征实现机械设备的诊断工作。其中包括均值、有效值、峰值等判定依据。时域同步平均法在轴承故障诊断中极其常见，它主要依靠信号增强原则，并通过对轴承振动信号的取样，实现对多周期信号的同步平局，以此来得到时域同步平均信号。该方式的主要优点在于能够有效减少其他零部件或振动源对于信号的干扰，增强信噪比。

2.频域分析法

频域分析法主要是通过将时域波形在FFT的变换下转换为频谱图，并利用振动信号的频谱特征实现轴承故障诊断，例如特征频率、无量纲判别因子等，对轴承故障进行深入的检测。在频谱分析技术中，细化技术和倒谱技术是最常用的诊断手段，在对轴承振动信号的频谱进行分析时必须达到一定程度的频率分辨率，细化谱分析技术可以有效提高频率分辨率。另外，在不另外增加采样点数的条件下，FFT-FS频谱细化方式可以选择性地对感兴趣的频带进行细化处理，以此得到较为精确的频率值。

3.时频分析法

利用普通的频谱分析技术很难与视频技术同时进行，探测到信号的时域特点。若采用时频分析技术，既可以体现出时域特征又能够体现出频域特征，可以对轴承故障的特征进行全面描述。在1946年，GABOR提出了一种基于窗口傅立叶的转换概念，通过一个可在时间上进行滑动的时窗来实现傅立叶的变换，从而研究出一种在时域和频域方面都拥有良好局部性的分析方式。其中，小波分析方式中的多尺度特性及其对突变信号的发现能力，对于稳定信号的处理具有极大的优势，它成功破解了短时傅立叶变换分辨率中无法改变的缺陷，使时域和频域同时具有较好的局部性，并成为轴承诊断发展过程中的研究重点。

4.智能化诊断分析法

计算机人工智能和诊断理论的有效融合形成了具有信息时代特征的智能化诊断方法。现阶段中，轴承诊断领域中出现频率较高的两类人工智能诊断系统主要是在知识专家系统和网络智能诊断系统的基础上建立的。其中，基于知识的专家系统具有以下特征：以知识为技术基础，通过串行运行模式对人类大脑逻辑思维能力进行模拟，以此实现精密的人工故障诊断技术。而基于神经网络的智能诊断系统具有以下特征：以神经网络结构为技术基础，通过大规模并行运算模式实现人脑物理结构的模拟。通常情况下，智能诊断系统会和各种现论基础进行相结合，例如模糊集理论基础与转矩系统结合之后会形成具有模糊性质的专家系统，而将小波和神经网络相结合可以形成具有小波特性的神经网络。这种结合方式可以充分发挥各种系统的优势，扬长避短，对更加复杂的轴承故障进行诊断分析，得到更加准确的诊断结果。相关研究人员根据该模型的特征提出了一种新算法来取代传统的BP算法，这种算法可以提高学习速度，并避免陷入局部极小的状况发生。改善后的新算法能够很好地运用在轴承故障诊断中，根据大量实验表表明，该算法可以有效降低网络在训练过程中停留在局部极小区域的时间，极大地提高了网络学习速度。

二.轴承故障诊断技术的前景展望

随着信息技术和通信技术的高速发展，轴承故障诊断技术也逐渐实现电子化和智能化。根据现阶段的研究资料来看，轴承故障诊断的未来发展趋势主要集中在以下几个方面：

1.混合故障诊断技术

智能诊断技术为轴承故障诊断工作提供了一个重要的发展方向。而将各种不同类型的智能技术进行有效结合而形成的混合式故障诊断系统，将是智能故障诊断研究道路上的突破点。这些智能技术之间的结合方式多种多样，主要有根据规则进行的专家系统神经网络系统的结合、实例推理与神经网络系统的结合、模糊逻辑和神经网络之间的结合。

2.多层次诊断融合

集成知识库中各类诊断经验，与数据库中存档的各类故障数据，根据故障的特征进行综合性分析，确定故障的具体发生场所。该技术主要是对状态监测过程中所监测到的数据信息进行相结合，再与层次诊断模型进行相结合，按照层次性推理方式作出由浅至深的诊断。除此之外，它还可以进一步讲状态监测过程中所监测到的信号汇总到诊断系统中，实现在线数据分析处理和在线故障诊断，无论是在实时性还是智能化方面都有较大的提升。

旋转机械故障诊断篇8

【关键词】循环平稳；故障处理；应用

机械设备信号的特征提取法一般分为两种，第一种是稳态信号的处理方法。非常典型的有离散频谱分析法和频率细化分析法等。这种处理方法相对很成熟，应用的范围也是非常广泛。第二种是非平稳信号的处理方法。非常典型的有转速跟踪法和Wigner-Ville分布法等，循环平稳和高阶谱等分析方法的引用，使得循环平稳的分析方法有了非常大的进步，为社会带来了一定的经济效益，但是其中存在的问题，也是我们最为关注的。

一、循环平稳信号处理的简单介绍

循环平稳信号，就是在统计特征函数的时候会出现周期性的变化。这种信号在实际应用中有着非常重要的意义。通常来讲，平稳信号的出现都有一定的普遍性，当统计系统统计特征函数的时候，可以利用单次记录的时间平均值代替平均集合，这一点很适用现场生产数据的收集。但是对于非平稳的时间序列，统计特征是随意变换的，因此我们就没有办法用上述特征判断。循环平稳信号因为自身独特的平稳特征，使得单次收集到的数据都有一定的普遍性，因此适合现场数据的处理和分析。

循环平稳信号广泛应用在通讯、机械等系统中。比如在机械滚动轴承中出现的反复机械的振动的信号。我们以滚动轴承为例子，当滚动轴承发生故障的时候，因为机器周期性的旋转和周围因素的干扰，使其产生复杂的震动信号，这种振动信号也存在部分的随机信号。对于随机信号，我们通常认为是有规律的，因此对这种随机信号进行循环平稳的分析，有效的提取出被噪声埋没的周期成分。循环信号处理技术在机械中的应用，对于机械故障诊断有着至关重要的意义。

二、循环平稳信号的具体应用

1、一阶循环统计量的应用。这项内容主要包括了一阶循环矩。通过分析一阶循环矩的具体分析机理，我们建立一套具备噪声干扰的增幅振动信号的模型，分别进行四组不同的仿真实验。通过实验数据的显示，我们发现在旋转机械系统中的调幅信号存在循环平稳的特征，利用非平稳信号的循环平稳性，加上一阶循环矩的具体分析，我们可以有效的提取出信号在部分噪声干扰的情况下的规律性频率。之后我们对一阶循环平稳信号进行了有效的升级，提出了双向同步平均法，用的就是一阶循环矩来表示状态特性，针对变速箱齿轮的振动信号进行有效的分析，结果证明不单单可以反映出齿轮的啮合情况，还可以检测出齿轮存在缺陷的振动信号。循环均值不具备一定的解调性能，不会很好的分离出多种调制类机械振动的有用信号，因此这一项技术在机械设备故障的诊断中应用不是很广泛。一般情况下都是通过小波分解、幅值的手段分析处理。

2、二阶循环统计量的应用。这项技术主要包括的有循环谱密度函数和循环平稳度等。在研究二阶循环统计量的基础之上，我们对比了二阶循环系统统计量的分析和传统方法的比较。第一种分析方法：通过分析故障滚动轴承的振动信号，指出了各自存在的优势和缺陷。循环信号的处理作为一种强大的工具，对于旋转机械的故障判断和分析具有很高的精准度。指出了变速箱的振动信号也具有一定的二阶循环平稳性，这个信号谱的相关密度函数可以有效的识别振动的参数，通过对齿轮箱故障振动的实验，我们得出和验证了这项结论。第二种分析方法：分析包络和统计量谱的密度在故障设备中的区别和联系，研究表明了额循环谱的密度在频率轴承上的显示可以很好的显示出故障的特征。与此同时，还证明了积分谱的密度和包络谱之间的等价关系，从而对包络谱的理论进行补充。循环密度函数方法和平方包络解调方法都可以通过引入的循环平稳信号进行相关的解调。通过试验数据的结果分析，指出平方包络分析中因为构造了一定的解析函数，使得数值平方和循环导致的混叠效应得到了很好的抑制。第三种分析方法：从机械振动信号的角度证明多循环平稳、纯循环平稳的概念，还有就是和周期的过程、平稳过程之间的关系。常见的采样方式有两种：等时间采样和等角度采样。这两种采样方法分别研究了他们的循环的平稳性，得出不一样的循环平稳的条件。文中理论证明了当旋转机械等角度采样得到的振动信号的时候，只要是转速的波动为循环平稳的时候，那么等时间采样的信号也属于循环平稳的信号。鉴于循环平稳在旋转机械中的广泛存在性，应该打破常规的平稳假设，在循环平稳的基础之上研究旋转机械 的振动信号更加切合实际。我们以齿轮、内燃机和滚动轴承的三种机械的比较，通过研究旋转机械将平稳的类型非为三类，多循环平稳、简稳和准循环平稳，由此形成了初步的平稳模型。第四种分析方法：时变幅值信号的处理方法。在已经给定的时变幅值信号模型的基础之上，我们论证了这个模型具备循环平稳的特征，通过相关的研究得出，时变幅值信号的二阶循环统计量能够有效的分离调制频率和载波频率。

另外，部分学者也尝试利用神经网传和小波分析的方法引入到齿轮和轴承的循环平稳系统中。比如说采用小波包原理对一组滚动轴承的振动信号和仿真信号进行分析和重组，然后再计算它的循环谱的密度，就可以有效的抑制干扰信号和噪声对解调结果的影响程度。二阶循环统计量理论在机械设备的故障诊断领域中的应用非常广泛，但是在计算量和计算方法方面依然很难概念，而且计算的精准度不是很高。

3、高阶循环统计量的应用。高阶循环统计量主要包括了高阶循环矩、高阶循环矩谱和高阶循环累计量谱。高阶循环统计量是建立在二阶循环统计量的基础之上。它很好的吸收了高阶统计量和循环平稳两项的优点，可以很好的分离出循环平稳的信号，完全抑制各种状态下的高斯噪声的干扰。但与此同时也继承了二者的缺点，最为突出的地方就是分析的时间过程更长。而在实际的操作过程中，为了提高结果的精准度，需要适当的增加样本的个数，于是就不可避免的增加了计算的量，从而增加了机械设备的应用难度。

总结

本文从机械设备故障的诊断和应用两个角度为大家详细介绍了循环平稳信号的处理技术的应用。在此基础上有具体分析了三阶理论的应用，分析了它们在机械设备故障中的应用和发展的前景，客观的评价了优势所在和缺陷，并和同类技术进行全方面的比较。随着计算机性能的逐步提高和实际应用的不断深入，对三阶理论知识的深度研究，一定会让机械设备故障诊断技术得到全新的发展。

参考文献

[1]刘章孟，黄知涛，周一宇等.基于多循环频率聚焦的宽带循环平稳信号阵列测向方法[J].电子与信息学报，2009，（10）：244-245.

[2]郭艳，刘学亮，李宁等.多径环境下循环平稳信号的波达方向估计方法[J].北京邮电大学学报，2009，（1）：143-146.

旋转机械故障诊断篇9

1 故障诊断技术的发展[1]

故障诊断(FD)始于(机械)设备故障诊断,其全名是状态监测与故障诊断(CMFD)。它包含两方面内容:一是对设备的运行状态进行监测;二是在发现异常情况后对设备的故障进行分析、诊断。故障诊断技术是一门交叉学科,融合了现代控制理论、信号处理、模式识别、最优化方法、决策论、人工智能等,为解决复杂系统的故障诊断问题提供了强有力的理论基础,同时实现了故障诊断技术的实用化;近二十年来,由于技术进步与市场需求的双重驱动,故障诊断技术得到了快速发展,已在航空航天、核反应堆、电厂、钢铁、化工等行业得到了成功应用,取得了显着的经济效益;从故障诊断技术诞生起,国际自动控制界就给予了高度重视。

以运动机械的振动检测为中心,辅助以温度、压力、位移、转速和电流等各种参数的采集,从而对钢铁冶炼中的各种大型传动设备的状态进行分析和判断,从而达到故障诊断的目的。

2 故障诊断的主要理论和方法[2-3]

1971年Beard 发表的博士论文以及Mehra和Peschon发表的论文标志着故障诊断这门交叉学科的诞生。发展至今已有30多年的发展历史,但作为一门综合性新学科——故障诊断学——还是近些年发展起来的。从不同的角度出发有多种故障诊断分类方法,这些方法各有特点,但从学科整体可归纳以下几类方法。

1) 基于系统数学模型的诊断方法:该方法以系统的数学模型为基础,以现代控制理论和现代优化方法为指导,利用Luenberger观测器 、等价空间方程、Kalman滤波器、参数模型估计与辨识等方法产生残差,然后基于某种准则或阀值对残差进行分析与评价,实现故障诊断。该方法要求与控制系统紧急结合,是实现监控、容错控制、系统修复与重构等的前提、得到了高度重视,但是这种方法过于依赖系统数学模型的精确性,对于非线性高耦合等难以建立数学模型的系统,实现起来较困难。如状态估计诊断法、参数估计诊断法、一致性检查诊断法等。

2) 基于系统输入输出信号处理的诊断方法:通过某种信息处理和特征提取方法来进行故障诊断,应用较多的有各种谱分析方法、时间序列特征提取方法、自适应信号处理方法等。这种方法不需要对象的准备模型,因此适应性强。这类诊断方法有基于小波变换的诊断方法、基于输出信号处理的诊断方法、基于时间序列特征提取的诊断方法。基于信息融合的诊断方法等。

3) 基于人工智能的诊断方法:基于建模处理和信号处理的诊断技术正发展为基于知识处理的智能诊断技术。人工智能最为控制领域最前沿的学科,在故障诊断中已得到成功的应用。对于那些没有精确数学模型或者很难建立数学模型的复杂大系统,人工智能的方法有其与生俱来的优势。基于专家系统的智能诊断技术、基于神经网络的智能诊断技术与基于模糊逻辑的诊断方法已成为解决复杂大系统故障诊断的首选方法,有很高的研究价值和应用前景。这类智能诊断方法有基于专家系统的智能诊断技术、基于神经网络的智能诊断技术、基于模糊逻辑的诊断方法、基于故障树分析的诊断方法等。

4) 其它诊断方法:其它诊断方法有模式识别诊断方法、定性模型诊断方法以及基于灰色系统理论的诊断方法等。另外还包括前述方法之间互相耦合、互补不足而形成的一些混合诊断方法。

3 钢铁行业中故障诊断技术的应用[4-6]

钢铁行业中的主要机械设备是各种传动设备和液压设备,如轧机、传送带、各种风机等。它们的工作状况决定了生产效率和钢铁冶炼的质量,对这些设备状态的在线检测,能够及时、准确的检测出生产设备的运行状况,并给出相应的操作和建议。因此建立相应的故障诊断系统对整个系统的正常运行特别重要。于是针对钢铁行业特殊的机械环境(多传动设备和液压设备),相应的故障诊断系统也必须以这些设备的特点而建立。主要原理是以运动机械的振动参量检测为中心,辅助以温度、压力、位移、转速和电流等各种参数的采集,从而对这些大型传动设备的状态进行分析和判断,再进行相应的处理。整套故障诊断系统由计算机系统、数据采集单元、检测元件、数据通讯单元以及专业开发软件组成。此系统既可单独工作,又可和DCS或PLC组成分散式故障诊断系统对所遇生产设备进行监控和故障诊断。整个系统的工作流程图如图1所示。

机械振动是普遍存在工程实际中,这种振动往往会影响其工作精度,加剧及其的磨损,加速疲劳损坏;同时由于磨损的增加和疲劳损坏的产生又会加剧机械设备的振动,形成一个恶性循环,直至设备发生故障,导致系统瘫痪、损坏。同时机械设备的工作环境也是造成机械设备发生故障主要原因之一,因此,根据对机械振动信号和工作环境温度、湿度的测量和分析,不用停机和解体方式,就可以对机械的恶劣程度和故障性质有所了解。同时根据以往经验建立相应的处理机制库,从而针对不同的故障做出相应的诊断和处理。整个处理过程如下:

1)传感器采集设备工作状态信号。如各种传动装置的振动信号、温度信号、液压装置的压力、流量和功率信号等。

2)特征信号提取。将各种传感器采集信号进行信号分类,刷选出相应的传感器信号,如振动传感器采集的文振动强度信号、压力传感器采集的压力信号等。

3)对特征信号处理。对传感器采集的特征信号进行滤波、放大等处理,提取出相应的特征信号。

4)对采集信号进行故障诊断。将提取的特征信号进行判断处理,选择相应的故障方法(如小波变换法),分析故障类型和设备状态,然后查询故障类型库,做出相应的决策。

4 结束语

建立在现代故障诊断技术上的钢铁冶炼设备故障诊断系统,可对设备的运行状态进行实时在线检测、通过对其监测信号的处理与分析,可真实地反映出设备的运行状态和松动磨损等情况的发展程度及趋势,为预防事故、科学合理安排检修提供依据,可以提高设备的利用效率,产生了很大的经济价值,对此类故障诊断系统的研究有很深远的意义。

参考文献:

[1] 沈庆根,郑水英.设备故障诊断[M].北京:化学工业出版社,2006.

[2] 王仲生.智能故障诊断与容错控制[M].西安:西北工业大学出版社,2005.

[3] 李民中.状态监测与故障诊断技术在煤矿大型机械设备上的应用[J].煤矿机械,2006(03).

[4] 傅其凤,葛杏卫.基于BP神经网络的旋转机械故障诊断[J].煤矿机械,2006(04).

旋转机械故障诊断篇10

关键词：大型汽轮发电机；振动故障；故障诊断方法

中图分类号：TM31 文献标识码：A

振动故障是大型汽轮发电机组最常见的故障之一，由于大型汽轮发电机组一般自动化程度较高，而且机组主要机构在运行过程中由于旋转作用使得产生振动，这在日常工作中往往是不可避免的，再加上大型汽轮发电机本身结构的复杂性，就更增加了其振动故障诊断的复杂性。因此研究大型汽轮发电机振动故障的产生原因，并采取有效的振动故障诊断措施使故障被及时发现、及时消除具有十分重要的意义。

1 大型汽轮发电机振动故障分类及原因分析

1.1 大型汽轮发电机组振动的分类

大型汽轮发电机组的振动根据振动的性质不同可分为强迫振动和自激振动两大类，其中强迫振动分为普通强迫振动、电磁激振、高次谐波共振、分谐波共振、撞击震动、拍振、随机振动；自激振动包括轴瓦自激振动、参数振动、汽流激振、摩擦涡动等，在我国当前投入运行的大型汽轮发电机中，气流激振和摩擦涡动这两种振动形式一般不作考虑。而根据产生的原因不同大型汽轮发电机振动又可分为机械振动和电磁振动两大类。因此，在分析大型汽轮发电机振动故障时要先弄清楚其振动的原因是机械方面的还是电磁方面的，从而制定有针对性的消振措施。

1.2 大型汽轮发电机组振动故障的类型及原因分析

汽轮发电机组常见的十二种机械振动故障有：动静碰摩、汽流激振、转子质量不平衡、汽轮机转子热弯曲、发电机转子热弯曲、转子部件脱落、转子不对中、油膜涡动、油膜振荡、参数振动、转子横向裂纹、支承松动。

汽轮发电机组的电磁故障主要发生在发电机上，也能通过轴系传到机组的其他部常见的部位，电磁故障有：转子绕组匝间短路、定转子之间气隙不均、定子绕组端部振转子中心位置偏移、不对称负荷和电磁谐振等。

在上述诸多振动故障中，动静碰磨与气流激振是最常见的两种振动故障，因此本文将这两种振动故障作为典型分析其产生的原因。

1.2.1 动静碰磨

动静碰磨指的是在大型汽轮发电机中转子与定子之间发生碰撞、摩擦从而产生振动的现象，动静碰磨是机械振动故障里最常见也是危害最大的，产生动静碰磨的原因有很多，究其内在来说，主要是由于转子与定子之间的间隙过小，同时由于安装、检修等过程中导致了动静间隙沿圆周方向不均匀，或者由于气缸、轴承座受热变形跑偏造成的动静摩擦、碰撞等导致的振动。图1为动静碰磨原理图，当转子旋转中心O′偏离了原本的中心O，在转子以角速度w旋转时与定子碰撞时就会产生径向冲击力N以及反向摩擦力f。

1.2.2 气流激振

在大容量汽轮发电机组中，尤其是超临界或超超临界机组，当运行负荷增大，导致作用在转子上的气流激振力也随之增大，当增大到一定程度时，就会在汽轮机转子上会诱发产生振动现象，这种振动一般具有突发性的特点。

2 大型汽轮发电机组振动故障诊断与分析方法

2.1 传统方法

传统振动故障诊断方法就是利用工作人员、专家的听觉、触觉或使用频谱仪、声压计等设备来确定振动故障的原因及发生故障的部位，更多的是依靠专家的主观经验和业务能力，综合频谱分析、概率统计等学科的知识，是一种常用的故障诊断方法，对线性特征明显的振动故障实用性很强，而对相对复杂、非线性的振动故障效果较差。

2.2 专家系统故障诊断分析法

在传统振动故障检测诊断技术中，由于每个专家的水平差异很大，并且本领域国内顶尖的专家不可能及时到达故障现场，因此传统的依靠专家的诊断方法有一定的局限性。随着人工智能技术的发展，将本行业专家的经验、理论等录入数据库，结合计算机、数据库、仿生学等知识，使系统可以模拟专家的思维对大型汽轮发电机组的振动故障进行诊断，有利于提高振动故障检测诊断的准确性和效率。

2.3 模糊故障诊断分析法

模糊诊断法是一种基于数值运算的诊断方法，其主要是利用模糊数学的知识，根据振动故障的现象以及其形成的原因建立起模糊关系，利用计算机设定好的程序进行运算，从而确定出振动故障的未来发展趋势。模糊故障诊断法一般可实现高度的自动化，在无人工干预的情况下实现对故障的模糊运算，其对振动故障发展的过程可完全不考虑，只针对故障最初发生的现象，因此不必要求数据的实时性，一般只对振动故障进行简单的和初步的诊断，给工作人员提供参考，并且只能针对单一目标，对多原因造成的振动故障无法做出判断。但是，由于模糊诊断法自身的特点，使其尤其适用于难以确定标准信息征兆群的情况。

结语

随着大型汽轮发电机组在我国发电站中得到普遍的应用，其运行的安全性和可靠性已经成为不得不关注的问题，大型汽轮发电机在运行的过程中会发生机械性的或者电磁性的振动，这些振动极有可能导致振动故障的发生，因此作为工作人员必须弄清楚故障发生的原因，从而有的放矢的采取相应的措施，消除振动故障的影响。在我国当前大型汽轮发电机振动故障诊断技术正在快速发展，不断与国际接轨，然而也应当看到，在实际工作中故障诊断准确率以及故障原因分析水平还有待提高，因此必须继续加大大型汽轮发电机振动故障诊断技术的研究，以适应我国电力行业的飞速发展。

参考文献