机械故障诊断作业

1、机械故障诊断绪论：机械设备状态监测与故障诊断：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，它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。主要内容包括监测、诊断（识别）和预测三个方面。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

2、代化中占有重要的地位。机械设备状态监测与故障诊断技术在满足可靠性、可用性、维修性、经济性、安全性要求中，扮演着越来越重要的角色。机械故障的诊断的意义当然是不可忽略的。第一，有利于提高设备管理水平，“管好、用好、修好”设备，不仅是保证简单再生产的必要条件，而且能提高企业经济效益，推动国民经济持续、稳定、协调地发展。机械设备状态监测与故障诊断是提高设备管理水平的一个重要组成部分；第二，避免重大事故发生，减少事故危害性，现代设备的结构越来越复杂，功能越来越完善，自动化程度越来越高。但是，当设备出现故障时所带来的影响程度也明显增大，有时不仅仅是造成巨大的经济损失，往往还会带来灾难性的事故，发展机械设备

3、状态监测与故障诊断技术，并进行有效、合理的实施，可以掌握设备的状态变化规律及发展趋势，防止事故于未然，将事故消灭在萌芽；第三，宏观上实施故障诊断能带来经济效益。机械设备的发展也是从最初最原始的方法到至今的高端迈进。第一阶段：19世纪工业革命到20世纪初，低的生产力水平，事后维修方式；第二阶段：20世纪初到20世纪50年代，规模化生产方式定期维修设备诊断技术孕育，由听、摸、闻、看到初步的设备诊断仪器；第三阶段：20世纪6070年代，大规模生产方式状态维修设备诊断技术形成；第四阶段：20世纪80目前，柔性生产方式风险管理智能化设备诊断技术，设备诊断相关信息的集成化、智能化、网络化利用。第二次世界大

4、战中,认识到这种技术的重要性；第二次世界大战后，因对应技术未发展而发展不快;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。机械设备状态监测与故障诊断是一门正在不断完善和发展的交叉型学科，是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。故障诊断学科需解决的重要问题，故障特征信息提取和故障分类、识别的新理论及新方法研究，复杂故障产生机理及模型的深入研究，故障诊断智能系统研究，包括诊断专家系统和网络化远程诊断系统，而机械故障诊断学的学科范畴也是将多数学科融合一起的一个综合学科。他包括了机械工程，建模技

5、术（CAD、CAE、坐标反求、图像处理），分析技术，测量技术，结构强度，参数辨识，信号处理分析，故障诊断应用力学等等学科。机械设备诊断的目的及任务目标：保证设备的安全、可靠和高效、经济运行主要目的：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。任务：状态监测，故障诊断与指导设备管理和维修，而

6、状态监测即了解和掌握设备的运行状态。包括采用各种检测、测量、监视、分析和判别方法，结合设备的历史和现状，考虑环境因素，对运行状态作出评估，并为进一步分析提供信息。故障诊断即为根据状态监测所得信息，结合已知的结构特性和参数、环境条件及运行历史，对故障进行预报和分析、判断，确定故障的性质、类别、程度、原因、部位，指出故障发生和发展的趋势及其后果。设备管理和维修即为根据故障诊断的结果，提出控制故障继续发展和消除故障的对策或措施（调整、维修、治理）；为推进视情维修体制提供依据。在明确了机械诊断的目的及任务之后我们则需要了解机械诊断所涉及的内容，主要学科及常用方法，以便对机械诊断做出正确而及时的分析。其

7、常用方法有：按诊断环境分类：离线与在线诊断;按监测手段分类：振动监测诊断法、噪声监测诊断法、温度监测诊断法、声发射监测诊断法、压力监测诊断法、油液监测诊断法、金相分析诊断法等；按诊断方法、原理分类：频域诊断法、时域诊断法、统计分析法、信息理论分析法、模式识别法、人工神经网络、专家系统等等；按诊断对象分类：军械装备，矿山机械、选矿机械、旋转机械等。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。缺点：幅值监测不能动态过程特征；强烈振动前，故障征兆不明显；仪表无分析功能，靠人工经验判断。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

8、等功能。缺点：不能自动判断，诊断依赖于领域专家；不能预防突发性故障；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。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。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。（目前无商品供应，但国内外有这种系统的开发与应用）。另外其主要理论及其诊断方法也包括：基于故障机理的诊断方法基于故障树分析的诊断方法，基于信号分析和处理的诊断方法，基于模式识别的诊断理论，基于模糊数学的诊断理论，基于灰色系统的诊断理论，基于神经网络的诊断理论和方法，基于专家系统的智能诊断方法，油液分析诊断方法，红外热成像诊断、超声波诊断

9、、放射线同位素诊断，无损探伤诊断、热工参数诊断、电工参数诊断。机械诊断的对现代机械故障的预防，修复，维修也可谓是功不可没。现代机械设备发展的一个明显趋势是向大型化、高速化、连续化和自动化的方向发展。而且设备的功能越来越多，性能越来越高，组成和结构也越来越复杂。一方面，设备一旦发生故障，给生产和质量以至人们的生命、财产安全造成的影响难以估量，为使设备保持正常的运行状态所花的维修费用在企业经营费用中占有很大的比重，因此，应该对设备可能发生的故障有正确的了解。另一方面，信息传感技术、信号处理技术以及现代测试技术等相关学科的发展，特别是计算机技术的发展，为设备故障诊断提供了技术支持，从而使上述需要成为

10、可能。这一客观形势促使了机械故障诊断这一门新的技术和学科的诞生和兴起。这门新的技术的根本宗旨就是运用当代科技的新成果发现设备的隐患，对设备事故防患于未然。机械故障诊断是识别机器或机组运行状态的科学，它研究的是机器或机组运行状态的变化在诊断信息中的反映，其研究内容包括对机器运行现状的识别诊断、对其运行过程的监测以及对其运行趋势的预测三个方面。国外开展机械故障诊断技术已有40年的历史。早在20世纪60年代末，美国宇航局(NASA)倡导成立了美国机械故障预防小组，英国成立了英国机器保健中心，开展了近代机械故障诊断技术的研究。到20世纪80年代中期，以计算机为中心的现代机械故障诊断技术得到了迅速发展，

11、涌现出了许多商业化的故障诊断系统。20世纪80年代，人工智能得到迅猛发展，其中专家系统被广泛的应用到各个领域。以信息处理技术为基础的现代故障诊断技术开始向基于知识的职能诊断技术方向发展。就目前来看，美国在航空航天、军事、核能等尖端技术领域的故障诊断技术仍处于领先地位，英国在汽车、飞机发动机摩擦磨损监测和诊断方面的技术具有领先优势，日本则在钢铁、化工、铁路等民用工业的诊断技术方面处于领先地位。我国开展机械故障诊断技术较晚，大致经历了三个阶段：第一阶段从20世纪70年代到80年代初期，主要是引进和吸收国外的先进技术，在此基础上开始研究机械设备的故障激励、诊断方法等；第二阶段从20世纪80年代初到8

12、0年代末，主要是研究各种新的诊断技术，研究和创建新的诊断理论和诊断方法，将设备诊断技术推广应用到生产中去；第三阶段从20世纪80年代末至今，主要是从理论上和生产实践建立较有系统性的诊断理论，研究设备状态检测和故障诊断系统，将我国的机械故障诊断技术推向理论研究和应用的新高潮。信号分析与处理技术：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

13、、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。包括时频分布、小波分析、高阶统计量分析、循环平稳信号处理、非线性分析。信号分析与处理主要涉及的内容：在计算机上数值实现信号的分数阶微积分。首先，分析比较分数阶微积分常用的!种时域定义，以及其在傅立叶变换域和子波变换域中的两种频域定义；然后，推导比较信号分数阶微分的幂级数数值算法、傅里叶级数数值算法、基于:DEFGH&I1JKL%M定义的数值算法之间的优劣；进而，推导具有较高精度和计算速度的基于子波变换的分数阶微

14、积分快速数值算法；最后，以计算精度为代价进一步提高计算速度，推导基于子波变换和连续内插的快速工程算法。理论推导和实验结果均证明基于子波变换的数值算法具有较高精度和运算速度，其改进的快速工程算法运算速度最高，但精度下降。这两种算法都具有较强的实用价值。振动与测试：机械振动在大多数情况下是有害的。另一方面，振动也被利用来完成各项有益的工作，如清洗、粉碎、脱水等。除了对各种机械设备提出低振动和低噪声要求外，还需随时对机器的运行状况进行监测、分析、诊断，对工作环境进行控制等，这些都离不开振动测量；为了提高机械结构的抗振性能；有必要进行机械结构的振动分析和振动设计，找出薄弱环节，改善其抗振能力；为了保证

15、大型机电设备的安全、正常、有效运行，必须检测其振动信息，监视其工况，并进行故障诊断。因此，振动的测试在生产和科研等各方面都有着十分重要的地位。振动测试包括两方面的内容：一是测量工作机械或结构在工作状态下存在的振动，如参数位移、速度、加速度、频率和相位等，了解被测对象的振动状态、评定等级和寻找振源，以及进行监测、分析、诊断和预测；二是对机械设备或结构施加某种激励，测量其受迫振动，以便求得被测对象的振动力学参量或动态性能，如固有频率、阻尼、刚度、响应和模态等。对机械设备进行振动测试首先得确认振动信号的类型，振动分为两大类，分别为确定性振动和随机振动。确定性振动可分为周期性振动和非周期性振动。周期性

16、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。振动测量方法主要分为以下几类，电测法，机械法，光学法。图所示为用电测法测振时系统的一般组成框图。由图可见，一个一般的振动测量系统通常由激振、拾振、中间变换电路、振动分析仪器及显示记录装置等环节所组成。干扰振动测量分析中所用到的仪器有；测振仪，频率分析仪，FFT分析仪，虚拟频谱分析仪。测振仪测振仪是用来直接指示位移、速度、加速度等振动量的峰值、峰一峰值、平均值或均方值的仪器。频率分析仪模拟量频谱分析仪目前仍是振动测量较常用的分析设备。振动信号转换成电信号后，经中间变换电路输入频率分析仪，手控或自动扫描就可完成所需频带的频谱分析

17、。FFT分析仪随着计算机技术和数字信号处理技术的发展，用数学技术处理振动测量信号的方式已广泛被采用。以微处理器为核心和以快速傅里叶变换（FFT）算法为基础的数字分析仪，精度高、动态范围大、功能多、性能稳定、抗干扰能力强。4.虚拟频谱分析仪虚拟仪器的核心是具备各种功能的软件系统，通常包括计算机图形软件，数据处理软件和显示测量结果的测试系统软件等。当然也包括少量的仪器硬件（例如数据采集硬件）以及将计算机与仪器硬件相连的总线结构等。和传统的FFT分析仪相比，具有频谱分析功能的虚拟仪器可以更加灵活地选择窗口，采样速率和频谱二进制数，且价格低，技术更新快，具有灵活的开放功能等。旋转机械常见故障诊断分析随

18、着机械设备向着高速、重载、精密方向发展，对机械传动设备的要求越来越高。不仅要求机械传动设备能够传递较大的功率和载荷而且传动系统本身必须具备较好的可靠性，从而降低设备的运营成本并提高设备运营过程中的安全性。在故障诊断的发展过程中，人们发现最重要、最关键而且也最困难的问题就是故障特征信息提取，其必须借助于信息处理，特别是现代信号处理的理论方法和技术手段，探索故障特征信息提取的途径，发展新的故障诊断理论和技术。滚动轴承是旋转机械中应用最广泛的一种通用机械部件，在旋转机械的各种故障中，滚动轴承故障占有相当大的比例。这是因为滚动轴承是机械设备中工作条件最为恶劣的部件，它在机械设备中起着承受载荷和传递载荷

19、的作用，其运行状态是否正常往往直接影响到整台机器的性能与其他机械零部件相比，滚动轴承有一个很大的特点，其寿命离散性很大。有的轴承已经大大超过设计寿命而依然完好地工作，而有的轴承远未达到设计寿命就出现各种故障。所以滚动轴承的故障诊断方法，一直是机械故障诊断中重点发展的技术之一。滚动轴承故障诊断可以减少或杜绝事故的发生，最大限度地发挥轴承的工作潜力，节约开支，具有重大意义。许多机械设备在带故障运行时，都要伴随振动和冲击的发生。振动和冲击的发生也常常反映了机械的故障。因此目前的故障诊断方法大都以振动理论为基础。共振解调技术是近年来发展起来的对滚动轴承的点蚀、剥落、擦伤和裂纹等所谓元件工作表面损伤类故

20、障行之有效的方法。王志刚等人针对低速重载轴承特点，提出了适合于低速重载轴承故障诊断的共振解调方法。黄海鹰等人利用高频解调技术能突出滚动轴承的故障特征信息，有效提高信噪比，从而准确地诊断出其早期故障。目前国内关于利用包络分析法诊断轴承故障的文献中很多是利用希尔伯特变换实现包络解调。何岭松等人采用垂直数字滤波技术实现包络信号提取，将信号的窄带滤波与包络检测过程合二为一，与传统的以希尔伯特变换为基础包络解调方法相比，新算法实时性强，包络检波长度不受限制，为后续包络信号的重采样，提高包络谱分析精度提供了极大的方便。武和雷等人采用能量算子对故障轴承的高频共振信号进行包络解调，提取故障特征，从而达到诊断故

21、障的目的。传统的滚动轴承故障诊断方法有频域分析方法和时域分析方法，它们对滚动轴承的分布式故障有很好的效果。但是对于局部缺陷，这些诊断方法的应用效果不太理想，尤其是在故障的初期。近年来，新的诊断方法不断涌现，其中包括时频分析方法。时频分析方法可以有效地应用于非平稳信号的分析，弥补了传统的基于快速傅利叶变换的频谱分析只适用于平稳信号分析的缺陷。常用的时频分析方法有短时傅利叶变换、Wiger-Ville分布和小波分析等。彭桂兰等人对磁电式速度传感器采集的水泵轴承振动信号分别进行了短时傅利叶变换、小波变换、小波包变换。其结果表明：小波包变换提高了中高频带的频率分辨率，克服了短时傅利叶变换和小波变换的缺

22、点，小波包变换有利于提取轴承故障特征，它能准确地诊断水泵机组轴承的故障。机械故障诊断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波分析等分析方法&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