旋转机械故障诊断的研究现状.doc

《旋转机械故障诊断的研究现状.doc》由会员分享，可在线阅读，更多相关《旋转机械故障诊断的研究现状.doc（6页珍藏版）》请在三一办公上搜索。

1、现代信号处理与故障诊断课程论文旋转机械故障诊断的研究现状姓名：杨 大 鹏 学号：200812020080202023郑州大学机械工程学院旋转机械故障诊断的研究现状摘 要：本文详细介绍了旋转机械故障诊断国内外的发展现状，对主要采用的研究方法进行了概要的说明，分析了故障诊断现在主要的研究方向，介绍了故障诊断装置的开发和研究，简要说明了故障诊断的发展趋势。关键字：故障诊断；研究方法；故障诊断装置1. 引言机器的振动总是伴随着机器的运转而产生的。即使机器在最佳的运行状态，山于很小的缺陷，也将产生某些振动。例如，飞机在飞行时机翼的振动，火车在铁轨上行驶时产生的振动和噪声，机床在切削是刀具产生的振动等。同

2、样，旋转机械，包括蒸气机、燃气透平机、水力透平机、压缩机、鼓风机、离心机、发电机、泵以及各种齿轮减速(增速)器等在运转时也必然会产生振动和噪声。由于转子、轴承、壳体、联轴节、密封和基础等部分的结构以及加工和安装方面的缺陷，使机器在运行时引起振动，过大的振动往往是机器破坏的主要原因，所以对旋转机械的振动测量、监视和分析是非常重要的。又由于振动比其它状态参数，例如润滑油或内部流体的温度、压力、流量或电机的电流等更能直接、快速准确地反映机组的运行状态，即，正常状态和异常状态，所以一般把振动信号作为对旋转机械进行状态监测和诊断的主要依据。机械设备故障常以振动形式表现出来，振动危及设备的正常运行，严重时

3、甚至可能导致机毁人亡事故，如1972年日本关西电力公司南海电厂600MW汽轮发电机组、1985年大同电厂和1988年秦岭电厂的ZOOMW汽轮发电机组的断轴毁机事故。进行振动监测与故障诊断的目的在于预防及减少设备故障的发生，以最小的维修费用，确保机组安全运行并获得最大的机组可用率及经济效益。旋转机械是生产实践中的关键设备，开展旋转机械的监测和故障诊断系统具有重要的现实意义。2. 旋转机械故障诊断的目的旋转机械故障诊断的目的主要有三个:(1)能及时、正确地对旋转机械各种异常状态或故障状态做出诊断，预防或消除故障，对设备的运行进行必要的指导，提高设备运行的可靠性、安全性和有效性，以把故障损失降低到最

4、低水平。(2)保证旋转机械设备发挥最大的设计能力，制定合理的检测维修制度，以便在允许的条件下充分挖掘设备潜力，延长使用寿命，降低设备安全寿命周期费用。(3)通过监测、故障分析、性能评估为设备结构修改、优化设计等提供数据和信息。总之，旋转机械设备故障诊断既要保证设备的安全可靠运行，又要获得最大的经济效益和社会效益。3. 转机械故障诊断研究现状近几十年来各国都在大力开展有关设备故障诊断技术的研究，并已取得了显著的成效，获得了巨大的经济效益。设备故障诊断技术的发展，大致可以分为五个阶段：第一个阶段是19世纪，由于机器设备本身的技术水平和复杂程度都很低，因此多采用事后维修的方式。第二个阶段是进入20世

5、纪后，随着大生产的发展，机器设备本身的技术复杂程度也有了提高，设备故障或事故对生产的影响显著增加，在这种情况下，出现了定期预防维修方式。第三阶段是从60年代开始，特别是70年代以来，设备诊断技术随着现代计算机、数据处理等技术的发展，出现了更科学的按设备状态来进行维修的方式。第四阶段是进入80年代以后，人工智能技术开始发展，并有实际应用，使设备维修技术达到了智能化高度。第五阶段是90年代以来，模拟人脑物理结构和直觉联想的人工神经网络智能诊断系统和专家系统开始迅速发展，已成为国际上该领域的最新热点。旋转机械故障诊断技术可大致划分为三类:传统的诊断方法、数学诊断方法和智能诊断方法。其中，传统的诊断方

6、法包括:振动监测技术、噪声监测技术、油液分析技术、红外测温技术、声发射技术等;数学诊断方法包括:基于贝叶斯决策判据以及基于线性和非线性判别函数的模式识别方法、基于距离判据的故障诊断方法、基于概率统计的时序模型诊断方法、模糊诊断原理、灰色系统诊断方法、故障树分析法、小波分析法以及混沌分析法与分形几何法等;智能诊断方法包括:模糊逻辑、神经网络、专家系统和进化计算方法等。3.1国外旋转机械故障诊断发展现状日本的设备诊断技术在某些民用工业，如钢铁、化工、铁路等部门发展的很快，占有优势。日本机械维修一协会，计测自动控制学会、电气学会、机械学会也相继设立了自己的专研究机构。国立研究机构中，机械技术研究所和

7、船舶技术研究所重点研究机械基础件的诊断技术，东京大学、东京工业大学、京都大学、早稻田大学等高等学校着重基础性理论研究。其他民办企业，如三菱重工、川崎重工、日立制作所、东京芝浦电气等企业内部工作为中心开展应用水平较高的实用项目，三菱重工的白木万博在旋转机械故障诊断方面开展了系统的工作，他所研制的“机械保健系统”在汽轮发电机组故障监测和诊断方面起到了有效的作用。美国军方大约在60年代，意识到定期维修的一系列弊病，开始变定期维修为预知维修，即在设备正常运行过程中就开始进行监护，以发现潜在的故障因素，及早采取措施，防止突发性故障的产生。恩泰克一爱迪国际公司 (EntekIRD hitemational

8、Nevada)在设备状态监测、故障诊断与预知维修技术研究和软硬件产品开发方面做了大量的工作，在世范围内安装近15000套系统。奔特力公司 (BentleyNevada)开发的DM2000网络系统，能对多台设备进行在线监测和智能诊断，能与企业的管理和控制系统联网通讯，使企业不同部门都能同时获取设备运行状态信息，也能对不同地区不同企业的设备进行监测和诊断等。由此可见设备诊断与预维修技术已成为企业现代化管理的基本内容。美国机械工程师学会(ASME)领导下的锅炉压力容器监测中心，在应用声发射诊断技术(AE)对静设备故障诊断方面取得了较大的进展。美国在航空方面，在可靠性维修管理的基础上，大规模地对飞机进

9、行状态监测，采用了飞行器计算机数据综合系统(AIDS)，分析处理大量飞行中的信息来确定飞机各部位的故障原因并发出消除故障的命令，这一技术己用于B747和DCg等巨型客机中，大大提高了飞行安全性。据统计，世界班机每亿旅客公里的死亡率从20世纪60年代的0.6左右下降到70年代的0.2左右。欧洲其他一些国家也在诊断技术的某些方面具有特色或占有领先地位，如英国曼彻斯特大学成立了沃福森工业维修公司(Wn讨U)，瑞典的SPM轴承监测技术，挪威的船舶诊断技术，丹麦B&K的振动和声发射技术。3.2国内旋转机械故障诊断发展现状在我国，设备故障诊断与预维修技术研究工作起步较晚。国内的一些民用工业，尤其是冶金、石

10、化和电力等流程工业，在开发和应用设备诊断技术方面走在了前面，因为这些工业的关键设备一旦发生事故就会造成很大的损失。八十年代国内一些高校和科研单位开始进行机械设备状态监测与故障诊断技术的理论研究和小范围工程实际应用研究。并且在冶金、化工、机械、交通、电力及核工业等部门取得了一批卓有成效的成果，如哈尔滨工业大学研制的微计算机化旋转机械状态监测故障诊断装置“MMMD一m”、哈尔滨电工仪表所等单位联合研制的“ZooMW汽轮发电机组状态监测/分析及故障诊断系统ZHX一10”等，目前全国已有数十个单位开展设备故障诊断技术的研究工作，各行业都很重视在关键设备上装备故障诊断系统，特别是具有智能化功能的故障诊断

11、专家系统，并已经成功开发了20种以上的机组故障诊断系统。石化总公司从20世纪70年代组织无损检测到80年代开展设备状态监测，已投资600多万元为其所属企业装备了各类监测仪表1400多台，加强了对旋转机械的振动监测及故障原因分析。郑州大学以全矢谱分析技术为核心，开发了eM3000设备远程监控与运行管理系统和PDES设备状态检测与安全评价系统。前者主要应用在连续性作业的石油、化工、冶金、电力等行业的关键机组，后者则主要应用在大、中型分布式机组。此外，机械行业在现场简易诊断和精密诊断方面，航空工业在研制诊断仪器方面，核工业在进行反应堆故障诊断和寿命预测方面，铁道部门在进行内燃机车油液的光谱、铁谱分析

12、和电力机车诊断方面，以及交通部门在实施汽车不解体检4. 转机械故障诊断的研究方向目前对旋转机械故障诊断的研究主要在三个方面，故障机理的研究、机械系统信号信息的研究和故障诊断系统的研究。故障机理的研究是状态监测与故障诊断的客观依据。转子的异常或故障是在机械运行中通过其状态信号变化反映出来的。转子故障机理的研究主要是从运动学和动力学的角度，建立合理的物理或数学模型，研究转子系统的故障原因和状态效应。它的目的是掌握转子的故障形成和发展过程，了解其内在的本质及其特征，为故障诊断和状态监测提供敏感参数及相关特征。机械系统信号信息的研究包括故障信号的检测和分析处理两部分，即利用先进的信号采集和处理技术提取

13、故障特征。信号的检测主要是测取系统的振动、噪音、温度和压力等，为信号分析处理提供数据。信号的分析处理是对这些信号进行加工、变化、提取出反映设备状态的特征指标。5. 故障诊断装置的开发和研究设备故障诊断离不开实际的手段。目前在这方面的发展主要在以下两个方向进行，即便携式的振动监测、诊断仪(包括数据采集器)及在线监测与诊断装置。(l)便携式的监测诊断仪器该仪器主要采用单片机，其功能主要是对机组振动情号进行测试并对所测信号进行简易分析与诊断。一般这类仪器还配有现场动平衡的功能。(2)在线监测与诊断装置这类装置配有传感器系统、数据预处理系统、采样控制系统、计算机系统及打印输出系统，并配有丰富的监测与论

14、断软件，它可存储大量运行数据，以备分析诊断使用。这类装置一般采用上下位机工作方式，下位机进行数据的采集与监测，上位机对采集的数据进行分析、诊断。最近几年国内各高校、研究所相继开发了各种类型的在线诊断装置用于电厂大型发电机组及石化系统的压缩机组，与国外产品相比，可以说软件功能相当，但装置可靠性方面应进一步提高。国内开发的最大优点是，软件功能可进一步完善，采用汉字显示便于现场应用，价格较国外产品大为下降。6. 设备故障诊断技术发展趋势设备故障诊断技术发展到今天，己成为一门独立的跨学科的综合信息处理技术，它以可靠性理论、信息论、控制论和系统论为理论基础，以现代测试仪器和计算机为技术手段，结合各种诊断

15、对象(系统、设备、机器、装置、工程结构、工艺过程等)的特殊规律逐步形成的一门新兴学科。随着科学技术的发展，单一参数闭值比较的机器监测方法正开始向全息化、智能化监测方法过渡，监测手段也从依靠人的感官和简单仪器向精密电子仪器以及以计算机为核心的监测系统发展。当前，机械设备的监测诊断呈现出如下一些特点。在监测系统结构上，以分布监测代替集中监测、以网络化监测系统替代微机集中监测系统。监测系统网络化是计算机网络技术在机械监测中的具体应用，也是当代设备监测技术发展的必趋势。在监测方式上，以实时的在线监测替代定期监测和巡回监测。在监测参数上，以多参数、大容量监测替代单参数监测。在软件设计上，以多任务系统替代

16、单任务系统。在监测的内容上，从平稳运行监测到非平稳的状态监测发展。在系统功能上，由监测、诊断逐步向监测一诊断一预报治理和管理一体化的方向发展，诊断方法向智能化、快捷化、灵敏化方向发展，诊断方式向现场诊断和远程诊断相结合的方向发展。在监测方法上，不再是单参数的闭值比较，取而代之的是基于信息集成、融合、信息分解、提纯等技术的监测方法。与当代前沿科学的融合是设备故障诊断技术的发展方向。当今故障诊断技术的发展趋势是传感器的精密化、多维化;诊断理论、诊断模型的多元化，诊断技术的智能化，具体来说表现在如下方面:与当代最新传感器技术尤其是激光测试技术的融合。近年来，激光技术已从军事、医疗、机械加工等领域深入

17、发展到振动测量和设备故障诊断中，并且己经成功应用于测振和旋转机械对中等方面。与最新信号处理方法相融合。随着新的信号处理方法在设备故障诊断领域中的应用，传统的基于快速傅里叶变换的机械设备信号分析技术有了新的突破性进展。与非线性原理和方法的融合。机械设备在发生故障时，其行为往往表现为非线性。如旋转机械的转子在不平衡外力的作用下表现出的非线性特征。随着混沌与分形几何方法的日趋完善，这一类诊断问题必将得到进一步解决。与多元传感器信息的融合。现代化的大生产要求对设备进行全方位、多角度的监测与维护，以便对设备的运行状态有整体、全面的了解。因此，在进行故障诊断时，可用多个传感器同时对设备的各位置进行监测，然

18、后按照一定方法对这些信息进行处理。与现代智能方法的融合。现代智能方法包括专家系统、模糊逻辑、神经网络、进化计算等。现代智能方法在设备故障诊断技术中已得到广泛的应用。随着智能技术的不断发展，设备状态的智能监测和设备故障的智能诊断，将是故障诊断技术的最终目标。与计算机网络技术相结合基于智能控制的回转压缩机械故障诊断与研究计算机网络的普及和建设，为设备故障诊断技术的发展带来了新的思路与前景。将网络技术与故障诊断技术相结合，可以构造基于计算机网络的远程故障诊断系统。远程故障诊断以互联网为桥梁，跨越企业和研究机构在空间上的距离，实现知识、理论和技术的共享。远程诊断系统将具有更强的诊断能力，更高的总体可靠

19、性和先进性，良好的可扩展性和相对低廉的建设维护成本。纵览国内外在故障诊断技术方面的研究现状和发展趋势，对故障诊断体系的研究和开发应该分两步走:一方面，针对大型机组、关键设备的预报警系统，在全国乃至全球范围内建立专业的故障诊断数据库;另一方面，建立故障诊断的局域网，应用状态监测软件进行有针对性的故障诊断，进一步，利用互联网实现远程故障诊断。可见，未来的故障诊断系统将会是专家型与智能型故障诊断系统的融合。参考文献1徐敏,黄昭毅,等.设备故障诊断手册.西安:西安交通大学出版社,1998:1-10782虞和济,韩庆大,李沈.设备故障诊断工程.北京:冶金工业出版社,2001,1-7633张萍,周东华.动

20、态系统的故障诊断方法.控制理论与应用,2000,17(2):153-1584夏松波等.旋转机械故障诊断技术的现状与展望.振动与冲击,1997,2(16):1-55崔彦平,等.机械设备故障诊断发展历程及展望.河北工业科技,2004,21(4):59-626徐小力,梁福平,许宝杰,等.旋转机械状态监测及预测技术的发展与研究.建设机械技术与管理,2003,7:20-247史进渊,张兆鹤等.大型汽轮机研究的某些新进展.动力工程,1999,19(2):1-78J.Rafiee,F.Arvani,etc.Intelligent condition monitoring of a gearbox using

21、 artificial neural network.Mechanical System and Signal Processing,2007,21(4):1746-1754 9杨叔子.机械设备诊断学的探讨.华中工学院学报,1987,15(2):1-810钮永胜,赵新民.采用基于神经网络的时间系列预测器的故障诊断新方法.仪器仪表学报,1998,19(4):383-38711朱大奇,于盛林.基于知识的故障诊断方法综述.安徽工业大学学报,2002,19(3):197-20412李如强,陈进,伍星.基于知识的模糊神经网络的旋转机械故障诊断.应用数学和力学,2006,27(1):89-9713轩建平,

22、张华.基于动力模型的故障检测与诊断理论和方法综述.振动工程学报(增刊),1998,4-714张吉先,钟秋海,戴亚平.RBF及模糊神经网络在旋转机械故障诊断中的应用.系统仿真学报,2004,16(3):560-56315王冬石,傅向华.基于异构粗糙神经网络集成的故障诊断研究.机械设计与制造,2006,1:98-10016T.V.Santosh et al.Application of artificial neural networks to nuclear power plant transient diagnosis.Reliability Engineering&System Safety,2007,92(10):1468-147217陈如清,沈士根.基于递归神经网络的旋转机械故障诊断方法.振动、测试与诊断,2005,25(3):233-23518宋云雪,史永胜.基于模糊自组织映射神经网络的故障诊断方法.计算机工程,2003,29(14):98-9919张彼德,欧健,孙才新.汽轮发电机多故障诊断的SOM神经网络方法.重庆大学学报(自然科学版),2005,28(2):36-3820朱大奇,桑庆兵.光电雷达电子部件的量子神经网络故障诊断算法.电子学报,2006,34(3):573-576