数控设备状态监测与智能维护-交大.ppt

《数控设备状态监测与智能维护-交大.ppt》由会员分享，可在线阅读，更多相关《数控设备状态监测与智能维护-交大.ppt（179页珍藏版）》请在三一办公上搜索。

1、主讲人：王太勇,第二部分 数控装备状态监测与智能诊断系统研究与设计,主讲人：王太勇 博士/教授/博导 天津大学数字化制造与测控技术研究所所长 北京交通大学数字化制造与智能测控技术中心主任 中国机械工程学会机床专委会主任 中国振动工程学会机械动力学学会理事长 中国振动工程学会机械故障诊断学会副理事长 中国计量测试学会常务理事及在线检测技术专委会主任 天津市机械加工学会理事长 电话：邮箱：网址：,主要从事数控技术与数字化制造、智能诊断与动态测控技术、机械动力学、CAD/CAE/CAM/PDM及制造业信息化等研究工作。主持国家和省部级各类项目50余项，获省部级一等奖2项、二等奖4项，国家发明专利等1

2、0余项，发表论文300余篇，被SCI/EI收录100余篇次。“天大精益”数控系统及数控机床等主要学术成果已在形成产业化，前景广阔。,数控装备状态监测与智能诊断的研究现状与趋势 数控装备状态监测与故障智能诊断理论技术数控装备故障诊断和智能维护技术,数控装备状态监测与智能诊断系统研究与设计,1.数控装备状态监测与智能诊断的研究现状与趋势,1.1 状态监测与故障诊断技术介绍1.2 最新发展动态1.3 重点讲述,制造系统的自动化、最优化、柔性化、集成化、智能化、精密化和高速化趋势，对数控设备的状态监测和故障诊断提出越来越高的要求。智能化的监测手段和诊断方式已经成为提高数控装备稳定性的必要手段。,1.数

3、控装备状态监测与智能诊断的研究现状与趋势,1.1 状态监测与故障诊断必要性,按技术水平的高低，数控装备状态监测与故障诊断技术可分为三类：第一类：手工诊断技术，诊断结果是建立感官和专业经验基础上，仅对诊断信息作简单的处理。第二类：以传感器技术和动态测试技术为手段、以信号处理和建模处理为基础的常规诊断技术。其中，信号处理包括统计分析、相关分析、频谱分析、小波分析和模态分析等。第三类：智能诊断技术。至90年代初期以后，由于数控装备设备的大型化、复杂化以及连续高速运行的需要，基于知识的专家系统和以并行分布处理为特征的人工神经网络等技术在智能故障诊断中的应用，使得故障诊断技术更多的融入了人工智能的技术。

4、,1.1 状态监测与故障诊断必要性,1.数控装备状态监测与智能诊断的研究现状与趋势,近年来，世界上各大数控厂商不断推出具有自诊断、自修复、基于人工智能和远程诊断维护技术的高端数控系统。如西门子ePS和FANUC 18i系列监测系统等,在国内天津天大精益数控技术有限公司也研制成功了具有在机质量检测、在线状态监测与智能诊断功能的网络化数控系统。,西门子,天大精益,发那科,1.2 最新发展动态,1.数控装备状态监测与智能诊断的研究现状与趋势,(1)西门子新一代状态监视技术ePS(electronic Production system)网络服务 在2005年的 EMO 行业展览会上，西门子工业自动化

5、与驱动技术集团第一次展示了其新一代状态监视技术ePS Network Services。,1.2 最新发展动态,ePS网络服务整体实施过程,ePS通过定期执行预先设定的测试序列，采集测试数据，并上传到网络服务器进行自动数据分析 ePS能够实时把握设备运行状态，在设备维护时能有效地得到设备提供方、高等院校和其它相关部门的技术支持，大大提高维护效率和生产质量。,1.数控装备状态监测与智能诊断的研究现状与趋势,(1)西门子新一代状态监视技术ePS(electronic Production system)网络服务,1.2 最新发展动态,ePS对数控设备状态进行各种标准测试,ePS可对数控设备状态进行

6、各种标准测试，包括，圆度测试、恒速轴测试、通用轴测试、PLC监控等。通过这些测试可准确把握机床状态。例如，通过新的 PLC 负荷监视器，可以对每个机器部件进行负荷分析，从而可以对机床的轴和主轴的状态做出判断。,1.数控装备状态监测与智能诊断的研究现状与趋势,(2)天大精益数控系统有机集成多种监控技术 在加工过程中，应时刻保持机床处于良好或最优工作状态。尤其对于单件加工成本较高的工件以及复杂精密机床。其产品报废及机床损坏甚至是加工效率的降低都将造成巨大损失。在此情况下，需要及时掌握加工状态信息，以便迅速做出调整。传统上采用巡检或定期检测的方式，以保持机床性能。但这种方式不足以防止加工过程中的异常

7、发生。天津大学数字化制造与测控技术研究所提出了数控机床在线状态监测与在机质量检测的新方法，并结合最新的网络技术，提出了数控装备的远程状态监测与智能故障诊断方法，并将其成功应用在了自主开发的高档数控系统TDNC-H8上。,1.2 最新发展动态,1.数控装备状态监测与智能诊断的研究现状与趋势,(2)天大精益数控系统有机集成多种监控技术在线状态监测,1.2 最新发展动态,天大精益TDNC-H8在线状态监测模块功能,1.数控装备状态监测与智能诊断的研究现状与趋势,(2)天大精益数控系统有机集成多种监控技术机质量检测,1.2 最新发展动态,天大精益在机质量检测技术实施流程,天大精益在机质量检测系统构成,

8、1.数控装备状态监测与智能诊断的研究现状与趋势,(2)天大精益数控系统有机集成多种监控技术远程状态监测与智能故障诊断,1.2 最新发展动态,具有远程状态监测与智能故障诊断功能的天大精益数控系统,1.数控装备状态监测与智能诊断的研究现状与趋势,(3)行业新标准MTConnect、TDNC-Connect,1.2 最新发展动态,MTConnect实施过程,2009年，由美国机械制造技术协会（AMT）联合美国通用电气等世界制造业主要企业推出了机床通信新标准MTConnect，目的在于解决数控设备状态监测数据交换不统一问题。MTConnect协议是XML编程语言中的一个标准，可以将机床连接到互联网上。

9、通过使用统一的数据交换标准，有利于数控设备状态监测与智能诊断技术大范围推广应用。,1.数控装备状态监测与智能诊断的研究现状与趋势,(3)行业新标准MTConnect、TDNC-Connect,1.2 最新发展动态,值得提及的是，考虑到MTConnect标准在数控装备故障诊断和状态监测数据描述中的不足，天津大学数字化制造与测控技术研究所开发出了对数控装备故障诊断和状态监测数据进行更加详尽描述的TDNC-Connect传输协议，该协议不仅包含了数控机床的固有属性，同时也包含的传感器获取的机床物理状态信息，能够更加全面的反映出数控设备的各种状态。,1.数控装备状态监测与智能诊断的研究现状与趋势,本部

10、分课程在结合数控装备状态监测与智能诊断最新的发展动态的基础上，将从与状态监测与智能诊断相关的基础理论入手，先介绍基本的数据采集与信号分析方法，然后讲述各种智能诊断系统所使用到的人工智能技术，最后讲述数控装备智能维护的相关技术。,1.3 重点讲述,1.数控装备状态监测与智能诊断的研究现状与趋势,状态监测与智能故障诊断技术：新兴综合性科学技术,2.数控装备状态监测与故障智能诊断理论技术,概述,状态监测与故障智能诊断技术的主要内容：数控加工设备、加工过程状态检测与故障诊断技术研究的主要内容，同时也是需要突破的技术关键是：,在复杂多变的工况与过程中快速有效地识别状态；进行动态、关联、离散设备的状态监测

11、与故障诊断；在无法完全获取状态及故障的先验知识样本及故障类别时进行识别分类；简捷地实现实际加工现场环境下的检测与诊断；,概述,2.数控装备状态监测与故障智能诊断理论技术,状态监测与智能故障诊断技术作用：安全生产预防设备恶性事故故障前兆代替定期检修经济效益每年设备故障处理费用可减少25-50%关键设备实时监测有的放矢处理故障，节约处理时间,传统故障处理时间分配,概述,2.数控装备状态监测与故障智能诊断理论技术,2.1 信号的定义与分类2.2 信号的采集与预处理2.3 时域分析方法及其在数控机床故障诊断中的应用2.4 频域分析方法在数控机床故障诊断中的应用2.5 随机共振算法研究及其在数控机床故障

12、诊断中的应用2.6 典型的故障诊断理论技术,2.数控装备状态监测与故障智能诊断理论技术,目录,2.数控装备状态监测与故障智能诊断理论技术,2.1 信号的定义与分类,工程上所遇到的大多数信号均为动态信号，我们可以按以下几种方法对其进行分类：,(1)确定性信号和随机信号可以用明确的数学表达式描述的信号称为确定性信号。随机信号所描述的物理现象是一种随机过程，它在某个点上的取值是随机变量，不能用数学关系式描述。,(2)能量信号和功率信号 若信号在所分析的区间能量为有限值，则该类信号称为能量信号。若区间变为无穷大时，上式仍然大于零，则信号具有有限的平均功率，此类信号称之为功率信号。,(3)时限与频限信号

13、时域有限信号在有限区间内定义，其幅值在区间外恒等于零。频域有限信号是指信号经过傅立叶变换，在频域内占据一定带宽,其幅值在区间外恒等于零。,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,根据信号采集后的分析方式，目前的故障诊断系统可分为：,离线式故障诊断系统。(2)在线式故障诊断系统。(3)网络化远程故障诊断系统。,离线监测与故障诊断,定期或不定期的巡检的方式采集现场数据，然后回放到计算机，由计算机软件进行监测与诊断分析。特点：离线分析，对突发故障无能为力，但可精细分析 例如：基于便携式数采仪的故障诊断与预测维修系统,2.数控装备状态监测与故障智能诊断理论技术,2.2

14、信号的采集与预处理,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,离线监测与故障诊断,国外：SKF、日本理音、美国艾默生、ENTEK等；国内：天大精益、北京西马力、上海华阳、北京振通、上海容知、东昊测试,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,离线监测与故障诊断（EMERSON 艾默生便携式机械设备诊断分析仪）,内置智能诊断功能模块，使得在现场的数据采集成为机电设备维修的决策支持信息。提供先进的数字信号处理技术，可对机械设备中早期故障进行报警，并做故障趋势分析。该便携式机械设备诊断分析仪能够扮演临时在线监测仪的角色，能够长时间自动采集并

15、存储各种故障特征频率振动，持续的监测设备健康状态。,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,离线监测与故障诊断（天大精益IDPM4A型便携式数采分析仪）,离线监测与故障诊断（天大精益IDPM4A型便携式数采分析仪）,离线检测故障诊断仪,天大精益公司研发和设计了基于ARM和DSP的双CPU便携式数据采集分析仪，该系统将故障诊断技术与嵌入式技术相融合，充分利用DSP强大、快速的数据处理能力和ARM强大控制能力的优势，功能强大，体积小，成本低，针对性强，符合国内一般厂矿企业的需求。,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,2.数控装备状

16、态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,离线监测与故障诊断（天大精益IDPM4A型便携式数采分析仪）,离线检测故障诊断仪,数采分析仪采用ARM+DSP的双CPU的设计思想,将复杂的运算和系统的控制分开，利用DSP实现振动信号的采集和数据处理,主处理器ARM主要负责接口控制和数据传输等任务。这样能充分发挥两种处理器的优势,既能实现信号的精确采集,又能保证运算处理的实时性与准确性。,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,离线监测与故障诊断（天大精益IDPM4A型便携式数采分析仪）,四通道，单通道转换频率为150K,16位A/D灵敏度：1.0Mv/

17、(m/s2)输入范围：-15V+15V频响范围：5Hz150kHz 通信接口:串口 USB 网络存储功能：SD卡，USB外接海量存储键盘输入：功能键、数字键、字母键显示：6.4寸彩色LCD 分辨率为640480，有背光采样点数：512、1024、2048FFT分析 分析频谱线=200、400、800、1600；分析功能：时域、频域、时频域环境条件：080,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,在线监测与故障诊断,由传感器及高速实时数采硬件、控制计算机及监测分析软件组成。特点：在线监测，可以给出设备的当前状态，捕捉突发故障并进行及时分析。例如：在线故障诊断与自动

18、报警系统,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,艾默生 CSI 6000在线设备监测系统,强大的预测分析工具（图谱、趋势、瞬态、频谱分析、PeakVue技术、统计分析）基于Web的性能监测基于Web的设备优先等级和维修计划振动和过程参数趋势分析事件/报警记录分析,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,天大精益SD150设备状态在线监测系统,采用高性能ICP、电荷等传感器，高精度，抗干扰性强 连续大样本数据采集、存储与分析 主从分布网络化远程监控设备状态，便于故障的实时、精细诊断与远程决策 多通道、多机组主从分布实时采集与监测

19、在线监测、实时报警，便于捕捉突发故障 自动数据采集、存储并远程备份 配备强大的信号分析软件（时域、幅值域、频域、时频域）和先进的故障诊断方法（BP神经网络、灰色理论等）设备、测点路径管理，后台数据库支持，并可与企业ERP等无缝集成,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,前瞻性的故障诊断模式：,以网络技术和计算机技术为基础，开发出主从分布式网络化集成在线监控与诊断系统。特点：充分挖掘和发挥网络信息交换、资源共享的优点，充分利用科研院所的专家资源，实现“移动的是数据而不是人”，在网络层面上实现故障信息的挖掘和故障类型的确诊。例如：中国设备远程诊断网,2.数控装备状

20、态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,前瞻性的故障诊断模式：,数控机床状态监测与故障诊断主要包括如下几个环节：,测取的信号应能反映设备的状态与故障信息，具体包括：振动、声、力、温度、超声、油污染、锈蚀、转速、扭矩、功率、电流、电压等。其中：振动信号最常用，方法成熟，信息量大；声信号采用非接触测量，测取方便，信息量大，但容易受干扰。方法：以振动测量为例，可测：加速度、速度、位移等物理量。通常采用加速度传感器。,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,典型的采集过程,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,压电加速

21、度传感器,加速度传感器输出的电荷量与振动加速度成正比。传感器必须与前置电压放大器、电荷放大器或测量放大器配用。直接放大可测加速度，经过一次积分可测速度，经过二次积分可测位移。,加速度传感器一般具有很高的固有频率，适于测量高频振动或设备振动中的高频成分。例如齿轮箱的捏合频率、滚动轴承的特征频率等。,加速度传感器测量的是被测物体的绝对振动。,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,速度传感器,速度传感器固定在被测物体上，物体振动时，传感器输出的电量与振动速度成正比。经过一次积分可测位移，经过一次微分可测加速度。速度传感器测量的是被测物体的绝对振动。速度传感器的频响范

22、围较加速度低一些，不适合测量太高频率的振动。,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,电涡流式位移传感器,涡流传感器属于非接触式传感器一类，在旋转机械中应用最多。可以用来监测转子系统的运动状态，例如转子的径向振动、轴向振动、轴心轨迹、轴心位置、油膜厚度、转子转速等信息。涡流传感器测量的是被测物体与传感器探头端面之间的距离。,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,t,0,t,0,t,0,模拟信号,离散,量化,传感器输出的信号一般都是诸如电压、电荷、电阻变化值、电容变化值等模拟信号，在利用计算机对其进行处理之前必须对其进行离散量化成

23、数字信号。模拟信号到数字信号转换的过程如下图所示。,模拟信号的采集,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,采样频率采样周期的倒数表示采样快慢的物理量多少时间采一个点/每秒采样多少个点采样定律：fs=2*fmax fs：采样频率 fmax：信号最高频率 一般最小为fs=2.5*fmax,采样定理,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,足够的采样率下的采样结果,过低采样率下的采样结果,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,能够正确显示信号而不发生畸变的最大频率叫做Nyquist频率，它是采样频率的

24、一半。信号中所包含的频率高于Nyquist频率的成分，将在直流和Nyquist频率之间发生畸变，称为混叠。解决方案在A/D前加入低通滤波器，将信号中高于Nyquist频率的信号成分滤去，称为抗混叠滤波器。,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,零均值化处理消除趋势项加窗处理：对长序列信号截断后得到有限长信号(滤波),(a)记录到的信号(b)趋势项(c)真实信号,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,数控机床弱耦合监测单元。采集前对采集通道数，分析频率，采样点数，传感器灵敏度，存储文件位置等进行设置。,2.数控装备状态监测与故障

25、智能诊断理论技术,2.2 信号的采集与预处理,数控机床在线监测单元采集界面,强耦合监测单元,弱耦合监测单元,2.数控装备状态监测与故障智能诊断理论技术,2.2 信号的采集与预处理,状态特征的提取（信号处理）,信号处理的方法：时域分析、幅值域分析、频域分析、时频分析等,信号处理的目的：采用各种技术和手段挖掘信号中内含的本质，即信息。具体到机电设备状态监测和故障诊断中就是提取设备相关信号（包括振动、声音、温度、压力等）的特征，对设备当前状态作出准确的评价和预测，对已发生的故障进行确诊，提出正确的维修建议。,2.数控装备状态监测与故障智能诊断理论技术,2.3 时域分析方法,2.3 时域分析方法,概率

26、密度，概率密度矩（均值、均方、歪度、峭度）自相关函数，互相关函数最大值、最小值、均值、方差、波形指标、峰值指 标，脉冲指标轴心轨迹时间历程波形,2.数控装备状态监测与故障智能诊断理论技术,均值（一阶矩）：描述信号的 稳定分量,方差（二阶中心矩）：描述信号的 波动分量,信号的时域波形,偏斜度（三阶矩）：反映信号中大幅值成分的影响,2.3 时域分析方法概率密度,2.数控装备状态监测与故障智能诊断理论技术,峭度（四阶矩）：反映信号中大幅值成分的影响,信号的概率表示：,概率密度函数的物理意义,信号的概率密度函数：,2.3 时域分析方法概率密度,2.数控装备状态监测与故障智能诊断理论技术,直接应用于机器

27、状态的诊断。例如，图为车床变速箱的噪声概率密度函数p(x)，a新车床，b旧车床，显然新、旧车床变速箱噪声概率密度函数p(x)值有较大差异。,车床变速箱噪声概率密度函数a)新车床噪声p(x)b)旧车床噪声p(x),2.3 时域分析方法概率密度,2.数控装备状态监测与故障智能诊断理论技术,(a)新变速箱概率密度(b)旧变速箱概率密度,新变速箱中的噪声为随机噪声，反映在时域信号是大量无规则、量值小的随机冲击，其幅值概率分布比较集中。旧变速箱，随故障的出现，随机噪声中会出现周期信号使噪声功率增加，使概率密度分散度加大，曲线顶部变平缓。,概率密度：信号幅值的概率表示动态信号某一瞬时幅值发生的几率。概率密

28、度是指该信号单位幅值区间内的概率。,2.3 时域分析方法概率密度,2.数控装备状态监测与故障智能诊断理论技术,1、自相关函数 是偶函数，即。2、当 时，自相关函数 等于信号的方差3、当 时，自相关函数 的值总是小于，即小于方差,信号的自相关函数：描述信号自身的相似程度,重要规律：周期信号或者其他非随机信号的自相关函数不随变量 的变化而衰减；随机信号的自相关函数当变量 增大时将趋向于零。因此，自相关函数是在机器噪声中查找周期信号或者瞬时信号的重要手段。,2.3 时域分析方法自相关函数,2.数控装备状态监测与故障智能诊断理论技术,特点：信号的周期性分量在自相关函数中不衰减且保持原来的周期，自相关函

29、数可从被噪声干扰的信号中找出周期成分。,应用：区别信号类型；检测混杂在随机信号中的周期成分。,自相关函数：反映了信号自身取值随自变量时间前后变化的相似性。,自相关函数,2.3 时域分析方法自相关函数,2.数控装备状态监测与故障智能诊断理论技术,应用：正常运行状态机器噪声是大量的、无序的、大小接近的随机冲击结果，有宽而均匀的频谱。运行不正常状态随机噪声将出现有规则、周期性的脉冲，其大小比随机冲击大的多。例如;机构中轴承磨损间隙增大时，轴与轴盖就会有碰击现象。首先运用自相关函数查找出隐藏的周期分量，进而依靠其幅值和波动的频率可以查找出机器的缺陷所在。,图 C630型车床主轴箱噪声的自相关函数,2.

30、3 时域分析方法自相关函数,2.数控装备状态监测与故障智能诊断理论技术,(a)原始信号(b)自相关函数 故障状态下机床振动信号的自相关分析,正常机床振动是大量无规则的随机扰动，其自相关函数与宽带随机噪声的自相关函数接近；不正常运行状态下的振动信号，通常是在随机信号中出现有规则的周期性的脉冲，其大小也往往比随机信号强得多。通过观察自相关函数，可以发现其中隐藏的周期分量，根据自相关函数的幅值和频率，可以进一步确定故障或缺陷发生的原因。该方法在故障初期周期信号不明显时，非常有效。,2.3 时域分析方法自相关函数,2.数控装备状态监测与故障智能诊断理论技术,信号的互相关函数：描述两个信号之间的相似程度

31、或相关性,性质：,1、互相关函数 不一定是偶函数。2、当 时，互相关函数 不一定是最大值。3、互相关函数具有反对称性。,重要规律：若互相关函数出现峰值，则表示两个信号相似；若互相关函数几乎处处为零，则表示两个信号不相关。,2.3 时域分析方法互相关函数,2.数控装备状态监测与故障智能诊断理论技术,应用一：相关测速,2.3 时域分析方法互相关函数,2.数控装备状态监测与故障智能诊断理论技术,应用二：故障定位,2.3 时域分析方法互相关函数,2.数控装备状态监测与故障智能诊断理论技术,发动机与司机座的相关性较差，而后桥与司机座的互相关较大，可以认为司机座的振动主要是由汽车后轮的振动引起的。,应用三

32、：传递通道的相关测定,2.3 时域分析方法互相关函数,2.数控装备状态监测与故障智能诊断理论技术,信号的幅值参数,（2）平均幅值,（3）均方幅值,（4）峰值,（1）方根幅值,2.3 时域分析方法幅值参数，无量纲参数,2.数控装备状态监测与故障智能诊断理论技术,（2）峰值指标,（3）脉冲指标,（4）裕度指标,信号的无量纲指标,=均方幅值/平均幅值,=峰值/均方幅值,=峰值/平均幅值,=峰值/方根幅值,（1）波形指标,2.3 时域分析方法幅值参数，无量纲参数,2.数控装备状态监测与故障智能诊断理论技术,汽车后桥齿轮加速度信号的无量纲指标,如图所示是对28只汽车后桥齿轮在不同运行状态下振动的加速度信

33、号经过计算得到的无量纲指标。由图课件，波形指标K的变化很小，没有足够的诊断能力；脉冲指标I最好，可以作为齿轮运行状态的优良诊断指标。峰值指标C比起脉冲指标I要差一些。,2.3 时域分析方法幅值参数，无量纲参数,2.数控装备状态监测与故障智能诊断理论技术,齿轮故障时的时域波形,故障现象：存在明显的周期性冲击信号,时域波形的应用,2.3 时域分析方法时间历程,2.数控装备状态监测与故障智能诊断理论技术,轴心轨迹：轴心轨迹的获取是利用相互垂直的两个非接触式传感器分别安置于转子某一截面上，同时采集数据绘制而成。如图所示。,通过分析轴心轨迹的运动方向与转轴的旋转方向，可以确定转轴的进动方向（正进动和反进

34、动）。轴心轨迹在故障诊断中可以用来确定转子的临界转速、空间振型曲线以及部分摩擦，如不对中、摩擦、油膜振荡等。,2.3 时域分析方法轴线轨迹,2.数控装备状态监测与故障智能诊断理论技术,轴心位置：借助于相互垂直的两个电涡流传感器，监测直流间隙电压，就可得到转子轴颈中心的径向位置。如图所示。,通过轴心位置图可判断轴颈是否处于正常位置，对中好坏、轴承标准高是否正常、轴瓦有否变形等情况，从长时间轴心位置的趋势可以观察出轴承的磨损情况。轴心位置图是指转轴在没有径向振动情况下轴心相对于轴承中心的稳态位置。,2.3 时域分析方法轴线轨迹,2.数控装备状态监测与故障智能诊断理论技术,轴心轨迹的应用,2.3 时

35、域分析方法轴线轨迹,2.数控装备状态监测与故障智能诊断理论技术,频谱分析和FFT频谱的定义：频谱反映了信号的频率成分及分布情况。理论基础：连续傅立叶变换及其逆变换，由于其不能直接用于计算机计算，对于离散的数字信号，需进行离散傅立叶变换DFT。FFT快速傅立叶算法是离散傅立叶变换DFT的一种快速算法，使DFT的运算在实际中真正得到了广泛的应用。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,2.4 频域分析常用方法,简谐振动的时间历程及频谱,合成振动的时间历程及频谱,2.数控装备状态监测与故障智能诊断理论技术,旋转机械不平衡时的波形和幅值谱,从波形上看为一个准周期信号，从

36、频谱图上则显示多个频率成分，且以1次谐波幅值最为突出，表现出明显的转子不平衡。,幅值谱：反映振动信号中各个简谐分量的幅值及频率关系。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,自功率谱：表示振动信号中各谐波分量的频率及能量关系。,旧轴承在所在频率上的振动能量增加，根据频谱的前后变化及突出峰值判断轴承的故障情况。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,功率谱 倒谱,倒谱更加突出主频率成分，谱线更清晰，当功率谱谱线较为复杂时，倒谱有时具有更好的频率分别效果。,倒谱：自功率谱取对数再进行傅里叶逆变换（功率谱的功率谱）。,2.4 频域分析常用

37、方法,2.数控装备状态监测与故障智能诊断理论技术,不平衡振动频率成分单一表现为转子的基频等于转子的转频，有时还会激起微弱的倍频。,旋转机械的不平衡现象,旋转机械的不对中现象,特点为激起多倍转频振动。针对不同的不对中类型，频率略有差异。如平行不对中激起二倍转频，角度不对中为一倍转频。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,由松动引起的振动具有一定的非线性，其振动信号的频率除基频外，还产生高次谐波和分频振动，频谱结构成梳状。由松动引起的振动方向性明显，如地脚螺栓的松动表现出垂直方向强烈的振动。,电机地角松动时振动频谱,2.4 频域分析常用方法,2.数控装备状态监测与

38、故障智能诊断理论技术,现象：旋转机械在启动升速时，当达到某个转速，有时会出现振动急剧增大的现象。,原因：旋转机械固有频率在其转频附近时，出现的共振现象。,共振,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,基于网络的智能维护系统轴承数据库及故障识别,2.4 频域分析常用方法,网络版在线监测软件,2.数控装备状态监测与故障智能诊断理论技术,为钢球数；为钢球直径；为滚道节径；为接触角；为回转频率。,滚动轴承的常见故障主要有：磨损、疲劳（点蚀、剥落）、塑性变形、腐蚀以及断裂、胶合等其他失效形式。,滚动轴承的故障诊断,轴承的特征频率计算公式：,（1）内圈剥落：,（2）外圈剥落：

39、,（3）钢球剥落：,（4）保持架不平衡：,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,滚动轴承的故障诊断,滚动轴承常用分析方法：带通滤波法 共振解调法包络谱 脉冲冲击法SPM 频谱分析法 油样分析（铁谱、光谱、磁塞）轴承温度：如高速机车的轴温监测,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,滚动轴承的故障诊断,右图为某外圈有剥落206轴承振动信号的频谱和包络谱图。7500Hz附近为测试棒引起的高频固有振动。以15200Hz为中心频率，以带宽3200Hz进行包络分析得到下图。其上408Hz、816Hz谱线非常明显，这分别是外圈故障特征频率的一倍

40、频和二倍频。在三倍频1224Hz处也有谱峰存在，但不明显。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,齿轮振动信号的频率成分：齿轮啮合频率：齿轮齿数旋转频率齿轮自振频率：有缺陷的齿轮运行中产生的冲击将激起齿轮的固有频率是齿轮失效的重要指标。齿轮边频带：齿轮故障时载荷波动产生的幅值调制。,齿轮诊断,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,齿轮箱的故障诊断,1、啮合频率及其高次谐波2、磨损时谐波较基频幅值增加快3、由调制效应产生的边频带（除磨损外）4、寄生成分：加工分度误差引起，载荷大寄生力大,齿轮箱故障信号特征：,2.4 频域分析常用方法

41、,2.数控装备状态监测与故障智能诊断理论技术,1、啮合频率及其高次谐波,齿轮在啮合过程中载荷的分配是变化的，载荷的变化会引起齿轮刚性的变化，从而引起齿轮的振动，这种振动通常称为啮合振动。该振动在频谱图上会出现啮合频率及其高次谐波。均匀磨损后啮合频率及其高次谐波振动分量的幅值都会上升，但基频增长较慢，而高次谐波分量的增长比基频快。,齿轮传动的振动波形及其频频,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,2、由调制效应产生的边频带,在一对齿轮啮合过程中，其啮合频率及其高次谐波可以看作一个高频振荡（载波），而那些在每周呈现出一次或二次的振动信号，如齿面上的点蚀、剥落后引起的

42、振动信号（故障信号）可视为缓变信号（调制信号）。两种信号同时出现时，就会产生调制效应。在频谱图中，两谱线间的间隔就是调制信号的频率，这是非常有价值的诊断信号。找出调制信号的频率，就可判断其相应的故障。,幅值调制过程,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,3、寄生成分（鬼线）,鬼线是频谱图上的一个频率分量，其产生的原因为加工过程给一个齿轮带来的周期性缺陷，缺陷来源于分度涡轮、蜗杆及齿轮的误差。鬼线是由一定的几何误差产生的，载荷改变对其影响很小。磨损使鬼线分量幅值减小，却使其啮合频率下的幅值增大。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术

43、,频谱细化分析是近几年发展起来的一项信号处理的新技术。能够以指定的、足够高的频率，分析频率轴上任一窄带信号的频谱结构，获得更高的频率分辨率。右图是某齿轮箱振动加速度信号。细化后发现啮合频率2252Hz附近调制了大量的低速轴的转频谱线，判断齿轮存在严重磨损或断齿。停机检修断定诊断是正确的。,某齿轮箱振动加速度信号波形、频谱及其细化谱,2.4 频域分析常用方法,4、频谱细化分析,2.数控装备状态监测与故障智能诊断理论技术,倒频谱分析能区别出因调制而引起的功率谱中的周期分量，诊断出调制源。倒谱将信号变换到一个新的时间域倒频域。倒频谱能将原来谱图上成簇的边频带谱线简化为单根谱线，以便观察。从而可是别处

44、复杂频谱图上的周期结构，分离和提取出密集信号中的周期成分。这对于具有周期成分及度成分边频带等复杂信号的识别尤为有效。,倒频谱的基本步骤,2.4 频域分析常用方法,5、倒频谱分析,2.数控装备状态监测与故障智能诊断理论技术,5、倒频谱分析,右上图是某齿轮箱的时域波形，中图是其倒频谱图，下图为低频信号扩展后的频谱图。图中可以清楚地看到主要特征频率对应地时域点，如5轴和6轴啮合频率3.695Hz对应地269.87ms。可以判断这两轴的啮合齿轮之间出现了均匀磨损。同时还可看到点击的转动频率16.93Hz及其2倍频33.77Hz出幅值较大，由此可以判断蹲在电机转子初始不平衡和不对中现象。,2.4 频域分

45、析常用方法,2.数控装备状态监测与故障智能诊断理论技术,波德图：波德图是反应及其振幅和相位随转速变化的关系曲线。如图所示。,图中以转速为横坐标，振幅和相位角为纵坐标。这种图形一般用跟踪矢量滤波器在机器起动或停车阶段测得。从波德图上可以得到：（1）转子系统在各种转速下的振幅和相位。（2）转子系统的临界转速。（3）转子系统的共振放大系数。（4）转子振型。（5）系统的阻尼大小。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,奈奎斯特图：奈奎斯特图是把振幅与相位随转速的变化关系用极坐标的形式表示出来。如图所示。,图中用一旋转矢量的点代表转子的轴心，该点在各转速下所处位置的极半径

46、表示轴的径向振幅，角度就是相位角。从奈奎斯特图上可以得到比波德图更多的信息，例如转子不平衡质量的方位。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,瀑布图：瀑布图是三坐标图，x轴为振动频率，y轴为转速或者时间间隔，z轴为振动幅值。如图所示。,瀑布图常用来表达机器振动在骤变过程或者启动停车过程中各频率成分的幅值变化，可以判断机器的临界转速、振动原因以及系统的阻尼情况。例如，机器过临界转速、轴承发生油膜振荡、零件磨损以及各种突然发生的亚异步振动等，均能在瀑布图上获得分析故障原因的有用信息。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,趋势分析：趋

47、势分析是把所测得的特征数据值和预报值按一定的时间顺序排列起来进行分析。如图所示。,这些特征数据可以是通频振动、1倍频振动、2倍频振动、0.5倍频振动、轴心位置等。时间序列可以按前后各次采样、按小时、按天等。趋势分析在故障诊断中起着重要的作用。,2.4 频域分析常用方法,2.数控装备状态监测与故障智能诊断理论技术,传统信号处理领域中傅里叶变换时一种常用的方法。缺点：从公式中可以看出，傅立叶变换 与信号 在整个实轴上的整体性质有关，因而很难反映出信号在局部时间范围中的特性。,2.数控装备状态监测与故障智能诊断理论技术,2.4 信号分析特殊方法小波变换,我们想知道信号频谱随时间变化的情况，就需要使用

48、时间和频率的联合函数来表示信号，即信号的时频分析。短时傅里叶变换 小波变换（最常用）Gabor变换 Hilbert-Huang变换 Wigner-Ville分布,2.数控装备状态监测与故障智能诊断理论技术,2.4 信号分析特殊方法小波变换,一维正交小波分解与重构运算,可以简单的将小波变换方法理解成一组正交的高通低通滤波器组，可以将信号的不同频率成分通过多层小波变换分解开来。也可以通过逆运算将分解开的信号重构回去。,2.数控装备状态监测与故障智能诊断理论技术,2.4 信号分析特殊方法小波变换,主要理论依据是，,系数幅值.,经小波分解后，信号的小波系数幅值要大于噪声的,具体处理过程为：将含噪信号在

49、各尺度上进行（正交）小波分解，保留大尺度（低分辨率）下的全部分解值；对于小尺度（高分辨率）下的分解值，可以设定一个阈值，幅值低于该阈值的小波系数置为零，高于该阈值的小波系数或者完整保留，或者做相应的“收缩（shrinkage）”处理。最后将处理后获得的小波系数利用逆小波变换进行重构，恢复出有效的信号。,阈值的选取方法，,这里介绍最常用的VisuShrink，这种方法采用全局,统一阈值,小波阈值去噪法:小波阈值收缩法,2.数控装备状态监测与故障智能诊断理论技术,2.4 信号分析特殊方法小波变换,算法描述,1）计算含噪信号的正交小波变换。常采用周期延拓方法。,2）对小波系数进行非线性阈值处理,为保

50、持信号的整体形状不变，保留所有的低频变换系数,对每个小波系数，采用软阈值和硬阈值方法进行处理,(a)硬阈值方法(b)软阈值方法,特点:,软阈值法获得的重构信号具有更好的光滑性,但误差相对较大.硬阈值法获得的重构信号具有更好的逼近性,但有附加振荡.,3）进行小波逆变换。,2.数控装备状态监测与故障智能诊断理论技术,2.4 信号分析特殊方法小波变换,2.数控装备状态监测与故障智能诊断理论技术,2.4 信号分析特殊方法小波变换,2.数控装备状态监测与故障智能诊断理论技术,随机共振的原理,当保持驱动信号强度不变而增加输入噪声强度时，在双稳系统的输出端，系统的输出信噪比（SNR）会增加，出现力学中人们熟