前言：中文期刊網(wǎng)精心挑選了旋轉(zhuǎn)機械故障診斷范文供你參考和學(xué)習(xí)，希望我們的參考范文能激發(fā)你的文章創(chuàng)作靈感，歡迎閱讀。

旋轉(zhuǎn)機械故障診斷范文1

關(guān)鍵詞：LabVIEW；旋轉(zhuǎn)機械；EMD；故障診斷

中圖分類號：TH164 文獻標志碼：A 文章編號：2095-2945（2017）19-0052-02

引言

近年來，虛擬儀器軟件開發(fā)平臺在機械設(shè)備領(lǐng)域的成功應(yīng)用，對機械關(guān)鍵部件的人工智能化故障診斷起到推動作用。本文結(jié)合虛擬儀器設(shè)備和AIC9000轉(zhuǎn)子試驗儀器搭建平臺，研究一套應(yīng)用LabVIEW軟件、MATLAB軟件和EMD方法的旋轉(zhuǎn)機械設(shè)備狀態(tài)監(jiān)測、分析系統(tǒng)。從實際工況出發(fā)，對設(shè)備監(jiān)測故障預(yù)判有一定的指導(dǎo)作用。

1 LabVIEW數(shù)據(jù)采集系統(tǒng)

試驗臺搭建：有AIC9000多功能轉(zhuǎn)子試驗臺、布點8組傳感器、調(diào)理信號組件和LabVIEW虛擬儀器設(shè)備。

系統(tǒng)的程序設(shè)計基于NI-LabVIEW，實現(xiàn)對AIC9000轉(zhuǎn)子設(shè)備及相關(guān)診斷儀器的改進設(shè)計，易于設(shè)備的升級和維護。AIC多功能轉(zhuǎn)子系統(tǒng)和LabVIEW主機：Model：PXle-1078，PRODUCT OF MALAYSIA。

1.1 搭建LabVIEW平臺

將8通道傳輸接口與調(diào)理信號模塊連接，數(shù)字采集卡、信號處理卡等模塊化的PXI板卡插入虛擬儀器主機箱中，機箱連接顯示器。

1.2 LabVIEW軟件程序設(shè)計

在程序框圖窗口編程，程序匯編數(shù)據(jù)流設(shè)計包括通道設(shè)置定時設(shè)置觸發(fā)設(shè)置信息采集分析設(shè)置記錄設(shè)置等。數(shù)據(jù)流向即為LabVIEW軟件程序執(zhí)行的順序，按箭頭方向依次連接各程序框圖節(jié)點，其中信號采集部分和分析部分是信號調(diào)理、振動診斷并分析等最為重要。

1.3 DAQ數(shù)據(jù)采集

程序設(shè)計采用NI-DAQmx編程，常用數(shù)據(jù)采集VI有DAQmx創(chuàng)建虛擬通道VI、DAQmx讀取VI、DAQmx寫入VI、DAQmx定時VI、DAQmx觸發(fā)VI、DAQmx開始任務(wù)VI、DAQmx清除任務(wù)VI等。

2 經(jīng)驗?zāi)B(tài)分解法（EMD）

旋轉(zhuǎn)機械相關(guān)的傳統(tǒng)故障診斷方法準確度較低，結(jié)合經(jīng)驗猜測估計得出大概故障類型及部位。EMD方法是一種自適應(yīng)較好的時頻分析法，其基本思想是將原始振動信號分解成一系列IMF的組合，再根據(jù)實際需要，對各個IMF進行希爾伯特變換組成時頻譜圖進行分析。

在虛擬程序系統(tǒng)的設(shè)計中，為提高故障信號的特征提取以及包絡(luò)分析的準確性，應(yīng)用HHT變換的EMD分解，將EMD程序以m.文件保存，并通過LabVIEW程序調(diào)用MATLAB軟件的m.文件進行信號分析。

3 LabVIEW系統(tǒng)信號分析編程

在設(shè)計系統(tǒng)時，結(jié)合了MATLAB軟件強大的數(shù)學(xué)分析計算和圖形繪制功能的優(yōu)勢， 在LabVIEW編程時調(diào)用MATLAB命令。兩種軟件的嵌套使用強強聯(lián)合，既進化了LabVIEW的復(fù)雜編程又發(fā)揮出了MATLAB在機械信號診斷分析方面的優(yōu)勢，提升計算速度。

3.1 EMD的m.文件程序

應(yīng)用MATlAB軟件編寫function 函數(shù)語句function plot_hht（x，imf，Ts）% Plot the HHT.，并在MATLAB軟件中File>>Set Path…>>Add Folder，將其添加保存到MATLAB函數(shù)中。

設(shè)置自適應(yīng)的數(shù)據(jù)長度j和循環(huán)次數(shù)i等，結(jié)合使用for循環(huán)-if語句等實現(xiàn)IMF的分量提取。

3.2 創(chuàng)建MATLAB腳本節(jié)點

程序設(shè)計使用了最為快捷的m.文件調(diào)用方法，即直接調(diào)用NI-LabVIEW2014軟件中的MATLAB Script節(jié)點。調(diào)用步驟為：在程序框圖右擊鼠標，執(zhí)行all functions> > analyze> > mathematics> > formula> > matlab script操作，在程序框圖中拖拽鼠標建立一個大小合適的MATLAB腳本節(jié)點，右擊鼠標，設(shè)置程序框圖輸入和輸出變量的數(shù)量，然后調(diào)用EMD程序代碼的m.文件，最后完成連線。MATLAB腳本文件的創(chuàng)建圖如圖1。

3.3 EMD在LabVIEW中的實現(xiàn)

使用本系統(tǒng)對AIC轉(zhuǎn)子試驗臺進行智能分析，在齒輪箱中安裝故障齒輪，針對齒輪故障產(chǎn)生的振動信號進行8分量的IMF分解結(jié)果如圖2所示。

從圖2中可以看出點蝕I和點蝕II兩種故障的8組信號數(shù)據(jù)經(jīng)過EMD分解的IMF1～IMF8結(jié)果；點蝕信號柱狀圖對比正常齒輪信號特征其故障直觀、明顯。

4 結(jié)束語

LabVIEW平臺具有有良好的擴展性，性價比較高，在科研和實際工程中得到了廣泛的應(yīng)用。從實際出發(fā)，根據(jù)旋轉(zhuǎn)機械設(shè)備故障診斷的實際要求，構(gòu)建LabVIEW軟件平臺，合理安裝多傳感器進行信號采集，運用虛擬儀器設(shè)計在線采集、分析、預(yù)測診斷。EMD方法、MATLAB軟件與LabVIEW三者的結(jié)合，在診斷速度、分析準確性、程序設(shè)計的快捷性等方面都表現(xiàn)出了很強的優(yōu)勢，也將是未來的一個發(fā)展方向。

參考文獻：

[1]胡勁松.面向旋轉(zhuǎn)機械故障診斷的經(jīng)驗?zāi)B(tài)分解時頻分析方法及實驗研究[D].浙江大學(xué)，2003.

[2]程軍圣，于德介，楊宇.EMD方法在轉(zhuǎn)子局部碰摩故障診斷中的應(yīng)用[J].振動、測試與診斷，2006，01：24-27+74.

[3]申永軍，楊紹普，孔德順.基于奇異值分解的欠定盲信號分離新方法及應(yīng)用[J].機械工程W報，2009，45（8）：64-70.

旋轉(zhuǎn)機械故障診斷范文2

關(guān)鍵詞：汽輪發(fā)電機組；故障診斷；預(yù)警；分析

中圖分類號：TB857+.3 文獻標識碼：A 文章編號：

1引言

汽輪機發(fā)電機組是高速旋轉(zhuǎn)的機械設(shè)備，機械設(shè)備的故障一般都有前期癥狀，而故障診斷預(yù)警系統(tǒng)能提前預(yù)知，從而防止設(shè)備故障進一步惡化，對設(shè)備有針對性地計劃檢修，減少了汽輪機發(fā)電機組重大事故發(fā)生和機組跳閘對社會供電的影響。同時故障診斷預(yù)警系統(tǒng)對汽輪機發(fā)電機組機械故障具有診斷和分析功能，能具體分析出故障的原因所在，為專業(yè)人員分析故障提供重要的依據(jù)。某廠#3汽輪發(fā)電機組選用丹麥ROVSING Dynamics公司的OPENpredictorTM故障診斷預(yù)警系統(tǒng)，本文介紹該系統(tǒng)的應(yīng)用，同時為其它汽輪發(fā)電機組故障分析提供借鑒。

2系統(tǒng)綜述

OPENpredictorTM故障診斷預(yù)警系統(tǒng)通過安裝在設(shè)備上的傳感器，將探測到的過程信息與故障庫中的故障種類和程度進行類比。一旦探測到故障，設(shè)備或部件的故障位置和診斷信息就會以清晰的文本形式呈現(xiàn)給相關(guān)人員。此外，故障的嚴重程度、何時需要維修以及何時會發(fā)展成為重大事故，都由預(yù)測系統(tǒng)根據(jù)故障癥狀進行評估。同時給故障診斷專家提供了豐富的數(shù)學(xué)模型和診斷工具。

OPENpredictorTM系統(tǒng)提供了廣泛的故障類型庫，加上獨特的信號分析功能和相對完善的氣動熱力模型，可以完全自動地實現(xiàn)故障預(yù)警功能。并對設(shè)備健康狀態(tài)進行評估，實現(xiàn)設(shè)備狀態(tài)檢修。

3系統(tǒng)組成及測點分布3．1系統(tǒng)組成系統(tǒng)主要由信號處理單元（SPU）、OPENpredictorTM系統(tǒng)服務(wù)器、工作站組成。SPU采集汽輪發(fā)電機組狀態(tài)參數(shù)并做數(shù)據(jù)處理和分析,結(jié)果通過以太網(wǎng)提供給OPENpredictorTM系統(tǒng)服務(wù)器使用，工作人員通過工作站可視畫面對機組整體監(jiān)視，同時OPENpredictorTM系統(tǒng)服務(wù)器數(shù)據(jù)通過MIS網(wǎng)的內(nèi)外網(wǎng)連接的FTP服務(wù)器每24小時（可設(shè)定）打包一次數(shù)據(jù)傳輸?shù)竭h程服務(wù)中心，利用遠程服務(wù)中心的外來力量對機組狀態(tài)進行分析。系統(tǒng)的組成圖1所示。

圖1：系統(tǒng)組成圖

3．2數(shù)據(jù)采集測點分布

下面圖2所示是系統(tǒng)所有傳感器的安裝位置：

圖2：測點分布圖

表1：測點清單

4系統(tǒng)實現(xiàn)功能

OPENpredictorTM旋轉(zhuǎn)機械預(yù)警專家系統(tǒng)在本工程中診斷的汽輪發(fā)電機組故障庫見表2

說明：AS：自動頻譜、CPB：恒定百分比帶寬、DC：電流、OTA：次序跟蹤分析、SCL：軸中線、SED=選擇性包絡(luò)檢波、SMD：同步調(diào)制探測、Spp：峰-峰值信號、Temp：溫度

表2：汽輪發(fā)電機組故障庫

4.1設(shè)備健康評估

為了達到生產(chǎn)時間最大化的目的，就必須合理安排機組維護。OPENpredictor™能夠監(jiān)控機組全部狀態(tài)，并定期總結(jié)機組的健康狀況，指導(dǎo)技術(shù)人員合理安排機組檢修。

4.2早期故障探測

采用“故障選擇信號”方法在早期就能夠探測出故障，通過連續(xù)監(jiān)測潛在的故障癥狀，對機械健康狀態(tài)進行評估。每一個類型的機械都有它獨特的故障類型，OPENpredictor™預(yù)測維護信息系統(tǒng)采用覆蓋最廣范圍的故障選擇信號對故障進行檢測。

為了進一步增加故障探測靈敏度，依據(jù)運行情況對信號進行分類。采用信號比照方法，減少錯誤報警的次數(shù)、增加故障預(yù)測的可靠性。

4.3早期故障診斷

早期故障診斷的模型采用了信號對照的結(jié)果，還采用了其它來源的信號：軸承溫度、機組功率等其它相關(guān)的參數(shù)，綜合計算，將清晰的結(jié)論呈現(xiàn)給技術(shù)人員。AutoDiagnosis™信息窗口為技術(shù)人員提供機械部件、辨別故障、預(yù)計維修時間和維護建議等清楚的信息。技術(shù)人員根據(jù)信息決定是否對機組進行維護。預(yù)測自診斷（PAD）故障項目有：軸承不穩(wěn)定(油膜振蕩)、軸承磨損(軸向的)、軸承磨損(徑向的)、葉片現(xiàn)象(共振，結(jié)構(gòu)改變等等)、轉(zhuǎn)子不對中、轉(zhuǎn)子不對中、轉(zhuǎn)子磨擦、轉(zhuǎn)子不平衡、轉(zhuǎn)子不平衡、發(fā)電機定子線圈松動。

4.4故障發(fā)展趨勢預(yù)測

“預(yù)測”運算法則通過推算故障信號的歷史數(shù)據(jù)，確定故障發(fā)展至預(yù)定報警水平所需的時間。

4.5瞬時故障診斷

對機組運行突發(fā)的故障進行診斷，協(xié)助技術(shù)人員快速準確查找故障原因，并給出處理方案。瞬時自動診斷（IAD）故障項目有：轉(zhuǎn)子軸向移位、軸承不穩(wěn)定(油膜振蕩)IAD、外部強烈振動、轉(zhuǎn)子彎曲、轉(zhuǎn)子裂紋IAD、轉(zhuǎn)子磨損IAD低頻、葉片磨損、徑向軸承磨損、結(jié)構(gòu)膨脹。

4.6遠程故障診斷

OPENpredictorTM旋轉(zhuǎn)機械設(shè)備預(yù)警系統(tǒng)每天打包數(shù)據(jù)傳輸?shù)竭h程服務(wù)中心，實現(xiàn)專家遠程診斷。

5系統(tǒng)應(yīng)用效果（實例）

系統(tǒng)自2011年01月份開始發(fā)現(xiàn)機組軸系不對中故障，自動產(chǎn)生診斷報警并給出預(yù)測（如圖3），說明機組軸系的不對中故障發(fā)展已比較嚴重。2011年3月17日系統(tǒng)又再次發(fā)出低壓轉(zhuǎn)子不對中的報警，顯示低壓轉(zhuǎn)子未對中的癥狀已發(fā)展到比較嚴重的程度，提示應(yīng)檢查軸承及聯(lián)軸器。

圖3：轉(zhuǎn)子不對中故障提示

2011年3月20日國外專家通過遠程獲取的數(shù)據(jù)，對低壓缸轉(zhuǎn)子不對中故障診斷分析，認為軸承可能出現(xiàn)問題。同時#1和#2軸X方向軸振動在2011年3月5日自動頻譜圖（圖4）中顯示除一倍頻分量振動較大外，還存在約0.5倍頻分量的振動，顯示軸承有碰磨故障現(xiàn)象。

圖4：#1和#2軸X方向軸振動自動頻譜圖

2011年4月4日在機組計劃停機過程中發(fā)現(xiàn)#1軸X方向振動突然變大，惰走至轉(zhuǎn)速150rpm左右時，#2軸承金屬溫度在短時間內(nèi)由55℃突然直升到113℃左右，超出高限105℃，#2軸承可能磨損。

根據(jù)數(shù)據(jù)回顧及信號圖譜分析，機組低壓缸部分存在轉(zhuǎn)子不對中故障，故障診斷系統(tǒng)也明確發(fā)出自動診斷報警。專家建議對#2、#3軸承進行檢修，并對高中壓轉(zhuǎn)子、低壓轉(zhuǎn)子及發(fā)電機轉(zhuǎn)子進行找中心，核查整個軸系各軸頸揚度值。

檢查情況：解體#2軸承發(fā)現(xiàn)鎢金輕度磨損；#2軸承標高偏高，汽輪機整個軸系揚度發(fā)生變化，導(dǎo)致轉(zhuǎn)子不對中故障。同時#3軸承載荷減少，#2軸承載荷加重，低轉(zhuǎn)速下,#2軸承油膜穩(wěn)定性差，油膜無法正常形成，最終造成#2軸承磨損。

處理情況：對#2軸承磨損面進行修復(fù)，#2軸承標高降低0.05mm，減少#2軸承載荷，并對軸系重新對中。

經(jīng)此次檢修后，不再重復(fù)出現(xiàn)轉(zhuǎn)子不對中故障，機組安全運行，成功地防止了故障進一步擴大。

旋轉(zhuǎn)機械故障診斷范文3

[關(guān)鍵詞]知識 機械故障診斷 專家系統(tǒng)

中圖分類號：TH22.5 文獻標識碼：A 文章編號：1009-914X（2014）10-0277-01

一、電動機故障診斷專家系統(tǒng)

電動機故障診斷專家系統(tǒng)（FaultDiagnosisEXpertSystemofMotor，簡稱FDEsM）是本文研究的機械設(shè)備故障智能診斷系統(tǒng)的一個子系統(tǒng)之一，主要利用基于知識的專家系統(tǒng)智能診斷技術(shù)進行大型電動機故障的診斷。

1.FDESM的系統(tǒng)結(jié)構(gòu)

FDESM的總體結(jié)構(gòu)如1所示，由人機接口、知識庫和知識庫管理系統(tǒng)、數(shù)據(jù)庫和數(shù)據(jù)庫管理系統(tǒng)、控制部分、推理機、解釋系統(tǒng)等幾個部分組成。為了清晰、使用方便，運行靈活、節(jié)省時間，本系統(tǒng)采用窗口驅(qū)動系統(tǒng)來實現(xiàn)總體控制策略和運行結(jié)構(gòu)，是一個完整而封閉的系統(tǒng)。

2.FDESM的知識庫系統(tǒng)

在知識獲取的過程中，一方面到各個企業(yè)中進行實地考察，了解關(guān)于大型電動機使用及其故障現(xiàn)象和故障診斷經(jīng)驗，獲取直接知識；另一方面從有關(guān)電動機故障診斷文獻中獲取間接知識。

知識庫的組織對推理結(jié)果有很大的影響，特別是當知識庫的規(guī)模龐大時，如果組織不好就會產(chǎn)生“組合爆炸”現(xiàn)象，使得推理效率迅速下降。其次，推理過程中如果對知識從頭到尾地搜索，也缺乏針對性，因為某一故障可能僅涉及其中的一部分知識。因此知識庫需要較好的組織，使其既便于維護，又不至于使推理下降。

二、FDESM的推理機制

解決了知識的獲取及知識表示的有關(guān)問題，就可以把問題領(lǐng)域中的知識表示出來，并以一定的形式存儲到計算機中，形成知識庫。但是，正如一個人只有知識而沒有運用知識求解問題的能力仍然算不上“聰明”一樣，對一個智能系統(tǒng)來說，不但應(yīng)使它具有問題的知識，還應(yīng)該使它具有運用知識求解問題的能力。運用知識的過程是一個思維過程，即推理過程。根據(jù)推理的方向分為正向推理、反向推理及正向一反向混合推理。

反向推理又稱為目標驅(qū)動控制策略或自頂向下推理、目標推理、后件推理等。它是首先提出某個假設(shè)，然后尋找支持該假設(shè)的證據(jù)，若所需的證據(jù)能找到，說明原假設(shè)是正確的；若無論如何都找不到所需要的證據(jù)，則說明原假設(shè)不成立，此時需要另作新的假設(shè)。因此，要求提出的假設(shè)要盡量符合實際，否則就要多次提出假設(shè)，影響求解的效率。

三、FDESM運行實例

通過對感應(yīng)電動機故障診斷的實例運行和測試，結(jié)果表明：該系統(tǒng)運行正常、實用方便，達到了預(yù)想結(jié)果，從而驗證了本系統(tǒng)的準確性和可靠性。

如某一感應(yīng)電動機發(fā)生了故障，并表現(xiàn)出下列現(xiàn)象：

（l）轉(zhuǎn)速達不到要求速度，加速度小；

（2）電流變動；

（3）起動時有不正常聲音。

運行診斷系統(tǒng)，選擇對應(yīng)的現(xiàn)象集，則診斷出故障原因為：

（1）超負載、電壓不夠、轉(zhuǎn)子或風扇同固定部分有摩擦；

（2）繞組、滑環(huán)、電刷器械與轉(zhuǎn)子電路中有接觸不良；

（3）斷相或電壓過低，過負載也有可能。

解決故障對策為：

（l）檢查負載和電壓，以及氣隙、風扇部分；

（2）檢查焊接處、繞組與滑環(huán)間、電刷器械、接線螺栓松動問題；

（3）檢查電壓與負載。

總之，利用基于知識的專家系統(tǒng)在大型電動機故障診斷技術(shù)中應(yīng)用的研究，建立了故障診斷系統(tǒng)，本系統(tǒng)具有對大型電動機故障進行綜合診斷的功能。該系統(tǒng)知識庫具有高度模塊化的特點，這對知識庫的維護、擴充及刪改帶來了極大的方便，知識庫的這種樹狀層次結(jié)構(gòu)便于知識庫的管理，可以減少一些不相容的規(guī)則。本系統(tǒng)采用可視化界面窗口來實現(xiàn)總體控制策略和運行結(jié)構(gòu)，通過實例可以看出系統(tǒng)具有清晰、無二義性，運行靈活、診斷快速等特點，具有一定的可靠性。

參考文獻

[1]趙沖沖.網(wǎng)絡(luò)技術(shù)在旋轉(zhuǎn)機械狀態(tài)監(jiān)測與故障診斷中的應(yīng)用田].西北工業(yè)大學(xué)碩士學(xué)位論文，2001，3

[2]馬建倉，林其敖，葛文杰.機械故障診斷學(xué)科現(xiàn)狀及發(fā)展團.機械科學(xué)與技術(shù)，1994，50（2）：85～ 90

旋轉(zhuǎn)機械故障診斷范文4

關(guān)鍵詞：機械設(shè)備、故障診斷、安全運行、維修成本

1.引言：在近幾十年來因機械設(shè)備故障而引發(fā)的的災(zāi)難性事件層出不窮，一方面造成了巨大的經(jīng)濟損失、人員傷亡以及環(huán)境污染，另一方面其對社會造成的惡性影響也是難以估量的。若機械生產(chǎn)設(shè)備一旦產(chǎn)生故障，在經(jīng)濟損失成倍增加的基礎(chǔ)上，又會出現(xiàn)維修復(fù)雜化、困難化、交叉化等問題。因此，當我們在設(shè)法如何更好地享受生活的時候，不僅要對機械設(shè)備的速度、容量、效率、安全可靠性等方面提出更為苛刻的要求的同時；也要對針對設(shè)備故障進行檢測和診斷的先進的狀態(tài)監(jiān)測與診斷技術(shù)投以更多的目光。

2.機械設(shè)備中常見的問題

一般而言，我們籠統(tǒng)的將設(shè)備在生產(chǎn)運行過程中因為某種原因而喪失某種或全部所要求預(yù)期功能的現(xiàn)象，稱之為故障。以系統(tǒng)的角度而言，傳統(tǒng)的故障主要包含兩層含義： 偏離正常功能地機械系統(tǒng)，其主要原因是由于機械系統(tǒng)及其零部件的工作條件超出了生產(chǎn)設(shè)計所規(guī)定的工作條件而產(chǎn)生的，這種現(xiàn)象工作人員可以通過調(diào)節(jié)相關(guān)參數(shù)或?qū)δ承┝悴考M行簡單修復(fù)后更換來消除，我們傳統(tǒng)的稱其為故障；以功能失效為緣由的機械故障是指機械系統(tǒng)出現(xiàn)連續(xù)偏離正常功能的閾值并且其程度加劇的趨勢越來越明顯的現(xiàn)象，使機械設(shè)備功能不能完全的發(fā)揮出來的現(xiàn)象稱之為失效。這就是為什么我們經(jīng)常將故障與失效混為一談的原因。但在某些特殊情況下而這又有所不同。常見的機械設(shè)備故障問題主要分為兩大類：以電氣控制系統(tǒng)故障為主的電氣問題和以機械本體為主的機械結(jié)構(gòu)問題。電氣控制系統(tǒng)常見的問題有因機械故障而引發(fā)的電機燒損、控制電路板短路燒損以及信號采集設(shè)備燒損等問題。機械本體產(chǎn)生的問題較為多發(fā)而且往往會引發(fā)一系列的連鎖反應(yīng)，如位于機械傳動部分的減速器、離合器接觸面的磨損致使傳動精度下降，導(dǎo)致加工出的產(chǎn)品達不到設(shè)計的精度要求，因生產(chǎn)加工條件所限產(chǎn)生設(shè)備摩擦過熱又不能及時降溫導(dǎo)致熱傳導(dǎo)效應(yīng)，致使控制電氣部分受到強烈干擾等。

3.導(dǎo)致問題的原因

以橋式起重機的減速器而言，作為起重機的重要傳動部件的減速器通過齒輪間的嚙合來傳遞運動及力，將電動機高速運轉(zhuǎn)的轉(zhuǎn)速利用齒輪間降速傳動的這一規(guī)律轉(zhuǎn)變?yōu)榈退俅笈ぞ氐倪\動，但往往在傳遞扭矩過程中會出現(xiàn)因扭矩過大或運行下時間過長系統(tǒng)不好以及短時間過載或受到?jīng)_擊載荷，多次重復(fù)彎曲引起的等產(chǎn)生齒輪輪齒折斷現(xiàn)象，在齒輪傳動過程中因雜物粘到齒面以及輪齒表面面不光滑，有凸起點產(chǎn)生應(yīng)力集中，或劑不清潔由于溫度過高引起失效。由于硬的顆粒進入摩擦面引起磨損，液壓缸和控制頭漏油在而產(chǎn)生的齒面點蝕或齒面磨損現(xiàn)象，因為輪齒見接觸溫度過高以及輪齒間接觸力過大產(chǎn)生的齒面膠和等現(xiàn)象，以上這些因素都會對起重機裝備造成運行功能達不到設(shè)計預(yù)期要求的現(xiàn)象。

4.淺談機械設(shè)備故障檢測的方法

在裝備制造業(yè)蓬勃發(fā)展的當今社會，即使機電設(shè)備故障診斷技術(shù)已逐步發(fā)展為一門集數(shù)學(xué)、物理、化學(xué)、生物學(xué)、信息處理、模式識別、智能控制、信息科學(xué)、電工電子技術(shù)、計算機科學(xué)技術(shù)、通訊技術(shù)系統(tǒng)科學(xué)、人工智能和機械設(shè)計加工制造等多學(xué)科領(lǐng)域交叉的新型綜合性技術(shù)。但以振動監(jiān)測技術(shù)、油液磨屑分析檢測診斷技術(shù)、噪聲監(jiān)測技術(shù)、紅外測溫技術(shù)以及射線掃描技術(shù)等為代表的傳統(tǒng)的機械設(shè)備診斷技術(shù)仍然被大量地使用于很多機械設(shè)備領(lǐng)域。首先，作為最常用的機械設(shè)備診斷技術(shù)振動監(jiān)測診斷技術(shù)憑借其簡單高效的優(yōu)越性仍被廣大技術(shù)檢測人員所親睞，振動監(jiān)測診斷技術(shù)是通過測對設(shè)備進行測量來得出機械設(shè)備的振動參數(shù)及其特征，并利用計算機信息處理系統(tǒng)來對設(shè)備的狀態(tài)進行系統(tǒng)的分析并給出處理故障的方法。由于振動的廣泛性、參數(shù)多維性、測振方法的無損性、在線性的一種機械設(shè)備檢測技術(shù)。憑借上面所提到的其簡單高效的檢測手段，人們將機械設(shè)備振動監(jiān)測診斷理所當然的作為機械設(shè)備故障診斷的首選方法。機械運行過程中要產(chǎn)生振動，機械狀態(tài)特征凝結(jié)在振動信息中。機械振動檢測技術(shù)需要測量的參數(shù)有速度、加速度以及位移，檢測人員可根據(jù)機械設(shè)備運行的固有頻率來對測量的參數(shù)和所用傳感器進行針對性的選擇。其次，通過對油液磨屑粒形狀識別或觀察油液介質(zhì)的物理、化學(xué)成分的變化來判斷機械運行狀況而產(chǎn)生的另一中機械設(shè)備檢測技術(shù)隨之產(chǎn)生，即油液磨屑分析檢測診斷技術(shù)。其主要用于以機械設(shè)備系統(tǒng)和液壓系統(tǒng)為主的場合。最后就是以熱傳導(dǎo)為基礎(chǔ)而產(chǎn)生的紅外測溫診斷技術(shù)；通過對機械設(shè)備各部位所產(chǎn)生的不同溫度或溫度變化范圍及趨勢來對機械設(shè)備系統(tǒng)進行分析判斷來檢測機械設(shè)備運行狀態(tài)的紅外測溫診斷技術(shù)方法。諸如機械磨損、發(fā)動機排煙管堵塞、液壓系統(tǒng)油液性能優(yōu)劣、電器接點燒壞等常見的機械設(shè)備故障問題均會引起機械設(shè)備溫度的變化，此外材料機械性能如剪切。彎曲、扭轉(zhuǎn)、拉伸壓、縮應(yīng)力也與溫度的變化有著密不可分的關(guān)聯(lián)，因此，紅外測溫診斷技術(shù)在檢測機械設(shè)備故障問題上有著不可替代的優(yōu)越性；尤其是對高速旋轉(zhuǎn)機件，采用一般以傳感器測溫為主流的檢測方法不能獲得準確測量值時，紅外測溫儀的優(yōu)越性就更為顯著； 紅外測溫儀不僅能夠進行遠距離和非接觸式測溫，而且還具有信息處理、運算和進行簡單邏輯判斷的功能。

5. 小結(jié)

為了適應(yīng)制造化大潮流的發(fā)展，在科學(xué)技術(shù)與現(xiàn)代化工業(yè)蓬勃發(fā)展當今世界，機械設(shè)備領(lǐng)域正朝著大型化、高速化、多功能化、輕型化、集成化、簡單化、自動化和大功率、大載荷、連續(xù)化方向飛速的實現(xiàn)跨越式的發(fā)展。機械系統(tǒng)的檢測技術(shù)勢必朝著智能化、集成化、多功能化的方向發(fā)展，實現(xiàn)以計算機控制為主流的機械設(shè)備人工網(wǎng)絡(luò)控制檢測檢測系統(tǒng)終將代替?zhèn)鹘y(tǒng)的機械設(shè)備故障檢測方法。

參考文獻

[1]夏希樓.機械設(shè)備故障檢測診斷技術(shù)的現(xiàn)狀與發(fā)展[J]. 煤礦機械，2007，28（3）：183-185.

[2]王勝春，韓捷，李志農(nóng)，等.基于矢模糊函數(shù)的旋轉(zhuǎn)機械故障診斷方法的研究[J].中國機械工程，2006（17）：74-77.

[3] 鐘秉林，黃仁，機械故障診斷學(xué)[M].北京：機械工業(yè)出版社，2002，第2版.

旋轉(zhuǎn)機械故障診斷范文5

關(guān)鍵詞 滾動軸承 狀態(tài)監(jiān)測 MATLAB BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：TH133 文獻標識碼：A

1 監(jiān)測軸承的意義和重要性

滾動軸承是各種旋轉(zhuǎn)機械中應(yīng)用最廣泛的一種通用機械部件，它們在旋轉(zhuǎn)機械中起著關(guān)鍵的作用，旋轉(zhuǎn)機械的故障30%是由滾動軸承故障引起的，其運行狀態(tài)的正常與否直接影響到整臺機器的性能（包括精度、可靠性及壽命等）。因此，及時發(fā)現(xiàn)滾動軸承的故障并消除，能有效保證機器正常運轉(zhuǎn)，提高使用壽命。

2 常見軸承故障

滾動軸承在工作過程中，常見的軸承故障可總結(jié)為損傷和磨損兩大類。損傷類故障有疲勞剝落、塑性變形、軸承燒傷、銹蝕 、斷裂、膠合六種；磨損類故障為軸承長期正常工作引起的漸變性故障。

（1）疲勞剝落

在工作中，軸承滾子和滾道接觸面相對滾動的同時又互相擠壓，軸承部件接觸面將產(chǎn)生小的剝落坑，最終發(fā)展為大面積剝落，該現(xiàn)象稱作疲勞剝落。

（2）塑性變形

當工作載荷過重時，由于滾 動 軸 承 承受 的 過 大 的 沖 擊 力 和 靜 載 荷 的 原 因 ，軸承滾道的表面上形成的不均勻凹坑，這種現(xiàn)象主要發(fā)生在低速旋轉(zhuǎn)的軸承上。

（3）斷裂

過大的負荷和工作過程中摩擦產(chǎn)生的熱應(yīng)力過大時能引起軸承零件斷裂。

（4）軸承燒傷

軸承不良、應(yīng)用變質(zhì)的油、裝配過緊或存在較大偏斜量能引起軸承的燒傷。

（5）膠合

軸承在高速高負荷和欠缺的情況下，摩擦產(chǎn)生的熱量能使軸承部件迅速升溫，到達一定溫度時能引起軸承部件接觸的金屬表面相互粘接，該現(xiàn)象稱作膠合。

3 常用的滾動軸承監(jiān)測數(shù)據(jù)分析手段

利用振動信號對故障進行診斷，是設(shè)備故障診斷方法中有效且常用的方法。機械設(shè)備和機構(gòu)系統(tǒng)在運行過程中的振動及其特征信息是反映系統(tǒng)狀態(tài)及其變化規(guī)律的主要信號。通過各種動態(tài)測試儀器提取、記錄和分析動態(tài)信息，是進行系統(tǒng)狀態(tài)監(jiān)測和故障的主要選徑。常用的信號處理方法主要有時域分析、頻域分析和小波分析等。

4 信號采集和特征值提取

通過加速度傳感器可提取到振動信號。滾動軸承的振動信號的特征包括時域和頻域特征，這些特征的合理組合能夠很好的反應(yīng)滾動軸承的運行狀態(tài)，實現(xiàn)對其的監(jiān)測，并能通過進一步處理實現(xiàn)故障的識別。時域特征可包含信號的能量、波動性等信息，但遠遠不足以準確判斷故障所在；頻域的特征則是更加明顯。然而只有兩累特征綜合來判斷才能對故障進行準確識別。

對時域和頻域的各個參數(shù)分別進行分析，從中抽取特征，可用作模式識別的輸入量。特征選取依據(jù)以下原則：（1）同種狀態(tài)信號的特征重復(fù)性好；（2）不同種狀態(tài)信號的特征差異性好，即當被監(jiān)測對象狀態(tài)發(fā)生改變時，特征值會明顯改變。

5 神經(jīng)網(wǎng)絡(luò)的模式識別

5.1 人工神經(jīng)網(wǎng)絡(luò)的基本原理

（1）人工神經(jīng)元模型

最早提出神經(jīng)元模型并且影響較人的是1943年心理學(xué)家在分析總結(jié)神經(jīng)元基本特性的基礎(chǔ)上首先提出的MP模型。人工神經(jīng)元模型是由大量處理單元廣泛互連而成的網(wǎng)絡(luò)，是人腦的抽象、簡化、模擬，反映人腦的基本特性。

（2）人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

神經(jīng)網(wǎng)絡(luò)常分成兩大類：沒有反饋的前向神經(jīng)網(wǎng)絡(luò)和相互結(jié)合型網(wǎng)絡(luò)，如圖4.1所示。

前向神經(jīng)網(wǎng)絡(luò)由輸入層、一層或多層的隱含層和輸出層組成，每一層的神經(jīng)元只接受前一層神經(jīng)元的輸出。相互連接是指網(wǎng)絡(luò)中任意兩個單元之間都是可達的，即存在連接路徑。

5.2 BP神經(jīng)網(wǎng)絡(luò)

（1）BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)，即多層前饋式誤差反傳神經(jīng)網(wǎng)絡(luò)，通常由輸入層、輸出層和若干隱含層構(gòu)成：每一層都由若干個節(jié)點組成，每一個節(jié)點表示一個神經(jīng)元，上層節(jié)點與下層節(jié)點之間通過權(quán)值連接，層與層之間的節(jié)點采用全互聯(lián)的連接方式。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖如下所示：

（2）網(wǎng)絡(luò)參數(shù)的確定

①網(wǎng)絡(luò)層數(shù)的確定

BP網(wǎng)絡(luò)是通過輸入層到輸出層的計算來完成的。多一層的隱含層雖然能提高網(wǎng)絡(luò)的訓(xùn)練速度，但是需要較多的訓(xùn)練時間，而訓(xùn)練速度可以用增加隱含層節(jié)點個數(shù)來實現(xiàn)，因此在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)時，選取只有一個隱含層的三層BP神經(jīng)網(wǎng)絡(luò)就足夠了。

②輸入、輸出層神經(jīng)元個數(shù)的確定

輸入層的神經(jīng)元個數(shù)就是提取到的有效特征值的個數(shù)；輸出層神經(jīng)元的個數(shù)要看問題模式的種類數(shù)，監(jiān)測軸承的好壞有正常與故障兩種模式，故輸出層神經(jīng)元的個數(shù)為1。當輸出為1時表示該軸承為正常軸承，輸出為0時表示該軸承為故障軸承。

③隱層神經(jīng)元個數(shù)的確定

隱層神經(jīng)元個數(shù)的確定比較復(fù)雜。在具體設(shè)計時，首先根據(jù)經(jīng)驗公式初步確定隱含層神經(jīng)元個數(shù)，然后通過對網(wǎng)絡(luò)進行訓(xùn)練對比，再最終確定神經(jīng)元數(shù)。通用的隱含層神經(jīng)元數(shù)的確定經(jīng)驗公式有：

其中為隱含層神經(jīng)元的個數(shù)，n為輸入層神經(jīng)元的個數(shù)，m為輸出層神經(jīng)元的個數(shù)，a為常數(shù)且1 < a < 10。

6 結(jié)束語

通過對軸承特征值的提取，提取到了重復(fù)性好、差異性好的有效特征值。利用神經(jīng)網(wǎng)絡(luò)模式對軸承的工作狀態(tài)進行有效的識別，將歸一化處理后的有效特征值作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)輸入，用實驗所測得的數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，從而達到軸承狀態(tài)識別的目標。

參考文獻

[1] 雷建中，張增岐.國內(nèi)外軸承廢品及失效分析.NSTL期刊，2010.7.

[2] 武棟梁.滾動軸承常見故障及其振動信號特征.中國航空導(dǎo)彈研究院，2012.6

[3] 蘇寶定.滾動軸承振動檢測與智能診斷系統(tǒng)研究.大連理工大學(xué)，2008.12

[4] 常文龍，胡朋.滾動軸承運行狀態(tài)智能化監(jiān)測.科教導(dǎo)刊，2013.3

旋轉(zhuǎn)機械故障診斷范文6

1 故障診斷技術(shù)的發(fā)展[1]

故障診斷(FD)始于(機械)設(shè)備故障診斷，其全名是狀態(tài)監(jiān)測與故障診斷(CMFD)。它包含兩方面內(nèi)容:一是對設(shè)備的運行狀態(tài)進行監(jiān)測;二是在發(fā)現(xiàn)異常情況后對設(shè)備的故障進行分析、診斷。故障診斷技術(shù)是一門交叉學(xué)科，融合了現(xiàn)代控制理論、信號處理、模式識別、最優(yōu)化方法、決策論、人工智能等，為解決復(fù)雜系統(tǒng)的故障診斷問題提供了強有力的理論基礎(chǔ)，同時實現(xiàn)了故障診斷技術(shù)的實用化;近二十年來，由于技術(shù)進步與市場需求的雙重驅(qū)動，故障診斷技術(shù)得到了快速發(fā)展，已在航空航天、核反應(yīng)堆、電廠、鋼鐵、化工等行業(yè)得到了成功應(yīng)用，取得了顯著的經(jīng)濟效益;從故障診斷技術(shù)誕生起，國際自動控制界就給予了高度重視。

以運動機械的振動檢測為中心，輔助以溫度、壓力、位移、轉(zhuǎn)速和電流等各種參數(shù)的采集，從而對鋼鐵冶煉中的各種大型傳動設(shè)備的狀態(tài)進行分析和判斷，從而達到故障診斷的目的。

2 故障診斷的主要理論和方法[2-3]

1971年Beard 發(fā)表的博士論文以及Mehra和Peschon發(fā)表的論文標志著故障診斷這門交叉學(xué)科的誕生。發(fā)展至今已有30多年的發(fā)展歷史，但作為一門綜合性新學(xué)科——故障診斷學(xué)——還是近些年發(fā)展起來的。從不同的角度出發(fā)有多種故障診斷分類方法，這些方法各有特點，但從學(xué)科整體可歸納以下幾類方法。

1) 基于系統(tǒng)數(shù)學(xué)模型的診斷方法:該方法以系統(tǒng)的數(shù)學(xué)模型為基礎(chǔ)，以現(xiàn)代控制理論和現(xiàn)代優(yōu)化方法為指導(dǎo)，利用Luenberger觀測器 、等價空間方程、Kalman濾波器、參數(shù)模型估計與辨識等方法產(chǎn)生殘差，然后基于某種準則或閥值對殘差進行分析與評價，實現(xiàn)故障診斷。該方法要求與控制系統(tǒng)緊急結(jié)合，是實現(xiàn)監(jiān)控、容錯控制、系統(tǒng)修復(fù)與重構(gòu)等的前提、得到了高度重視，但是這種方法過于依賴系統(tǒng)數(shù)學(xué)模型的精確性，對于非線性高耦合等難以建立數(shù)學(xué)模型的系統(tǒng)，實現(xiàn)起來較困難。如狀態(tài)估計診斷法、參數(shù)估計診斷法、一致性檢查診斷法等。

2) 基于系統(tǒng)輸入輸出信號處理的診斷方法:通過某種信息處理和特征提取方法來進行故障診斷，應(yīng)用較多的有各種譜分析方法、時間序列特征提取方法、自適應(yīng)信號處理方法等。這種方法不需要對象的準備模型，因此適應(yīng)性強。這類診斷方法有基于小波變換的診斷方法、基于輸出信號處理的診斷方法、基于時間序列特征提取的診斷方法?；谛畔⑷诤系脑\斷方法等。

3) 基于人工智能的診斷方法:基于建模處理和信號處理的診斷技術(shù)正發(fā)展為基于知識處理的智能診斷技術(shù)。人工智能最為控制領(lǐng)域最前沿的學(xué)科，在故障診斷中已得到成功的應(yīng)用。對于那些沒有精確數(shù)學(xué)模型或者很難建立數(shù)學(xué)模型的復(fù)雜大系統(tǒng)，人工智能的方法有其與生俱來的優(yōu)勢?；趯＜蚁到y(tǒng)的智能診斷技術(shù)、基于神經(jīng)網(wǎng)絡(luò)的智能診斷技術(shù)與基于模糊邏輯的診斷方法已成為解決復(fù)雜大系統(tǒng)故障診斷的首選方法，有很高的研究價值和應(yīng)用前景。這類智能診斷方法有基于專家系統(tǒng)的智能診斷技術(shù)、基于神經(jīng)網(wǎng)絡(luò)的智能診斷技術(shù)、基于模糊邏輯的診斷方法、基于故障樹分析的診斷方法等。

4) 其它診斷方法:其它診斷方法有模式識別診斷方法、定性模型診斷方法以及基于灰色系統(tǒng)理論的診斷方法等。另外還包括前述方法之間互相耦合、互補不足而形成的一些混合診斷方法。

3 鋼鐵行業(yè)中故障診斷技術(shù)的應(yīng)用[4-6]

鋼鐵行業(yè)中的主要機械設(shè)備是各種傳動設(shè)備和液壓設(shè)備，如軋機、傳送帶、各種風機等。它們的工作狀況決定了生產(chǎn)效率和鋼鐵冶煉的質(zhì)量，對這些設(shè)備狀態(tài)的在線檢測，能夠及時、準確的檢測出生產(chǎn)設(shè)備的運行狀況，并給出相應(yīng)的操作和建議。因此建立相應(yīng)的故障診斷系統(tǒng)對整個系統(tǒng)的正常運行特別重要。于是針對鋼鐵行業(yè)特殊的機械環(huán)境(多傳動設(shè)備和液壓設(shè)備)，相應(yīng)的故障診斷系統(tǒng)也必須以這些設(shè)備的特點而建立。主要原理是以運動機械的振動參量檢測為中心，輔助以溫度、壓力、位移、轉(zhuǎn)速和電流等各種參數(shù)的采集，從而對這些大型傳動設(shè)備的狀態(tài)進行分析和判斷，再進行相應(yīng)的處理。整套故障診斷系統(tǒng)由計算機系統(tǒng)、數(shù)據(jù)采集單元、檢測元件、數(shù)據(jù)通訊單元以及專業(yè)開發(fā)軟件組成。此系統(tǒng)既可單獨工作，又可和DCS或PLC組成分散式故障診斷系統(tǒng)對所遇生產(chǎn)設(shè)備進行監(jiān)控和故障診斷。整個系統(tǒng)的工作流程圖如圖1所示。

機械振動是普遍存在工程實際中，這種振動往往會影響其工作精度，加劇及其的磨損，加速疲勞損壞;同時由于磨損的增加和疲勞損壞的產(chǎn)生又會加劇機械設(shè)備的振動，形成一個惡性循環(huán)，直至設(shè)備發(fā)生故障，導(dǎo)致系統(tǒng)癱瘓、損壞。同時機械設(shè)備的工作環(huán)境也是造成機械設(shè)備發(fā)生故障主要原因之一，因此，根據(jù)對機械振動信號和工作環(huán)境溫度、濕度的測量和分析，不用停機和解體方式，就可以對機械的惡劣程度和故障性質(zhì)有所了解。同時根據(jù)以往經(jīng)驗建立相應(yīng)的處理機制庫，從而針對不同的故障做出相應(yīng)的診斷和處理。整個處理過程如下:

1)傳感器采集設(shè)備工作狀態(tài)信號。如各種傳動裝置的振動信號、溫度信號、液壓裝置的壓力、流量和功率信號等。

2)特征信號提取。將各種傳感器采集信號進行信號分類，刷選出相應(yīng)的傳感器信號，如振動傳感器采集的文振動強度信號、壓力傳感器采集的壓力信號等。

3)對特征信號處理。對傳感器采集的特征信號進行濾波、放大等處理，提取出相應(yīng)的特征信號。

4)對采集信號進行故障診斷。將提取的特征信號進行判斷處理，選擇相應(yīng)的故障方法(如小波變換法)，分析故障類型和設(shè)備狀態(tài)，然后查詢故障類型庫，做出相應(yīng)的決策。

4 結(jié)束語

建立在現(xiàn)代故障診斷技術(shù)上的鋼鐵冶煉設(shè)備故障診斷系統(tǒng)，可對設(shè)備的運行狀態(tài)進行實時在線檢測、通過對其監(jiān)測信號的處理與分析，可真實地反映出設(shè)備的運行狀態(tài)和松動磨損等情況的發(fā)展程度及趨勢，為預(yù)防事故、科學(xué)合理安排檢修提供依據(jù)，可以提高設(shè)備的利用效率，產(chǎn)生了很大的經(jīng)濟價值，對此類故障診斷系統(tǒng)的研究有很深遠的意義。

參考文獻

[1] 沈慶根，鄭水英.設(shè)備故障診斷[M].北京:化學(xué)工業(yè)出版社，2006.

[2] 王仲生.智能故障診斷與容錯控制[M].西安:西北工業(yè)大學(xué)出版社，2005.

[3] 李民中.狀態(tài)監(jiān)測與故障診斷技術(shù)在煤礦大型機械設(shè)備上的應(yīng)用[J].煤礦機械，2006(03).

[4] 傅其鳳，葛杏衛(wèi).基于BP神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械故障診斷[J].煤礦機械，2006(04).