监测诊断技术

设备状态监测与故障诊断技术一、概述设备状态监测与故障诊断技术70年代初形成于英国，由于其实用性以及为社会和企业带来的效益，日益受到企业和政府主管部门的重视。特别是近20年来，随着科学技术的不断进步和发展，尤其是计算机技术的迅速发展和普及，它已逐步形成为一门较为完整的新兴边缘综合工程学科。该学科以设备的管理、状态监测和故障诊断为内容，以建立新的维修体制为目标，在欧美、日本以不同形式获得了推广，成为国际上一大热门学科。过去一般只有在机器运行出现问题，或者拆开检查才知道机器的某部分发生了故障。为了确保机器的正常运行，不得不规定定期维修检查制度，既不经济又不合理。故障诊断技术是依据设备在运行过程中，伴随故障必然产生的振动、噪声、温度、压力等物理参数的变化来判断和识别设备的工作状态和故障，对故障的危害进行早期预报、识别，防患于未然，做到预知维修，保证设备安全、稳定、长周期、满负荷优质运行，避免“过剩维修”造成的不经济、不合理现象。随着计算机技术、信号分析与数据处理技术、测试技术、控制理论、振动和噪声理论及其它相关学科的发展，随着工业生产逐步向大型化、高速化、自动化方向迈进，为设备故障诊断技术开辟了广阔的应用前景，在实际生产中将发挥越来越大的作用。二、故障诊断的技术环节设备故障诊断技术，其实质是了解和掌握设备在运行过程中的状态；预测设备的可靠性；确定其整体或局部是正常或异常；早期发现故障，并对其原因、部位、危险程度等进行识别和评价；预报故障的发展趋势，并针对具体情况作出实施维护决策的技术。设备故障诊断技术主要包括以下三个基本环节：1、信息采集设备故障诊断技术属于信息技术的范畴。其诊断依据是被诊断对象所表征的一切有用的信息，比如说振动、噪声、转速、温度、压力、流量等信息。没有信息，故障诊断就无从谈起。对设备来说，主要是通过传感器，如振动传感器、温度传感器、压力传感器等来采集信息。人的感官也是一种特殊的传感器，因此，传感器的类型、性能和质量、安装方法、位置以及人的思维和判断往往是决定诊断信息是否会失真或泄露的关键。2、分析处理由传感器或人的感官所获取的信息往往是杂乱无章的，其特征不明显、不直观，很难加以判断。分析处理的目的是把采集的信息通过一定的方法进行变换处理，从不同角度获取最敏感、最直观、最有用的特征信息。分析处理可用专门的分析仪或计算机进行，一般可从多重分析域、多重角度来观查这些信息。人的感官所获取的信息，是在人的大脑中进行分析处理的。分析处理方法的选择、结果的准确性以及表示的直观性都会对诊断的结论产生较大的影响。3、故障诊断故障诊断包括对设备运行状态的识别、判断和预报。它充分利用分析处理所提供的特征信息参数，运用各种知识和经验，其中包括对设备及其零部件故障或失效机理方面的知识，以及设备结构原理、运动学和动力学、设计、制造、安装、运行、维修等方面的知识，对设备的状态进行识别、诊断，并对其发展趋势进行预测和预报，为下一步的设备维修决策提供技术依据。三、故障诊断的分类1、按工作精细程度可分为简易诊断和精密诊断。（1）简易诊断是设备运行状态的初级诊断，目的是能够对设备的状态迅速有效的作出概括的评价。简易诊断主要由现场工作人员实施。（2）精密诊断是在简易诊断基础之上进行的更深层次的诊断，目的是对设备故障的原因、部位以及严重程度进行深入分析，作出判断，从而为进一步的治理决策提供依据。精密诊断常需较精密的分析仪器，不仅价格昂贵，同时对使用人员的素质要求也比较高，不如简易诊断成熟和简便易行，因此往往应用于大型设备上。2、按诊断方式实施的诊断方法按诊断的方式及诊断仪器的使用情况可分为离线诊断和在线诊断。（1）离线诊断一般是在现场完成信息采集，信息可以以模拟形式记录在磁带记录仪上，也可以以数字方式记录在便携式采集器上。分析处理和诊断工作可以在实验室或其他认为合适的地方进行。磁带记录仪所记录的信号可以经回放送入信号分析处理仪，也可经A/D转换送入计算机。采集器所记录的数字信号可直接送入计算机。诊断过程可以由人工完成，也可由配制专用诊断软件的计算机完成。离线分析诊断的优点是灵活、方便，投资较小。缺点是其分析结论有较长的时间滞后，不利于处理紧急故障。同时，很难进行连续监视，易遗漏故障。故一般用于设备的常规检查或不太重要的设备上。（2）在线诊断是将传感器所采集的信息直接送入分析处理仪，或经A/D转换直接用通讯电缆送入计算机。计算机可放在现场，也可远离现场，并即时进行分析处理和诊断。在线诊断的优点是即时、迅速、适时性好，可保证不遗漏故障，但不灵活，造价高。一般为专门使用，故常用于关键设备上。四、动态信号分析的理论基础机械设备出现的故障种类繁多，其诊断信息包括温度、声音、振动、压力、以及流量等。对旋转设备来说，没有任何一种信息能够象振动那样对设备状态具有更直接的反应。振动分析及测量在旋转机械的故障诊断中占有极为重要的地位。动态信号可分为用确定的时间函数来表达的确定性信号和不能用时间函数来描述的随机信号。具体分类如下：动态信号确定性信号周期信号复杂周期信号简谐信号非周期信号准周期信号瞬变非周期信号随机信号平稳随机信号各态历经信号非各态历经信号非平稳随机信号一般非平稳随机信号瞬变随机信号1、周期信号的合成与分解物体做简谐振动时，位移x和时间t的关系可用三角函数表示为x=Asin(ωt+φ)，简谐振动的速度和加速度就是位移表达式关于时间t的一阶和二阶导数：υ=х=ωAcos(ωt+φ)=ωAsin(ωt+φ+π/2)а=х=-ω2Asin(ωt+φ)=ω2Asin(ωt+φ+π)可见，若位移为简谐函数，则其速度和加速度也是简谐函数，且与位移具有相同的频率，但在相位上，速度和加速度分别比位移超前π/2和π。简谐振动是一种最简单的周期振动，周期振动只要满足一定的条件，就可分解成简谐振动，条件是：①、函数在一个周期内连续或者只有有限个断点，而且在断点上函数的左右极限都存在；②、每个周期内只有有限个极大和极小值。把一个周期函数展开成傅立叶级数，亦即展开成一系列简谐函数之和，称为谐波分析。谐波分析对于分析振动位移、速度和加速度的波形具有重要意义。假定x(t)为满足上述条件、周期为T的周期振动函数，则可展开成傅立叶级数的形式x(t)=a0/2+a1cosωt+a2cosωt+…+b1sinωt+b2sinωt+…=a0/2+∑(ancosωt+bnsinωt)式中ω=2π/T,a0、an、bn均为待定常数。傅立叶变换是进行频率结构分析的重要工具，它可以辨别或区分组成任意波形的一些不同频率的正弦波和它们各自的振幅。对傅立叶正变换，有F(ω)=∫X(t)e-iωtdt或F(ω)=∫X(t)e-iftdt对傅立叶逆变换，有x(t)=1/2π∫F(ω)e-iωtdω或X(ω)=∫F(ω)e-iftdω式中ω=2πf，X(t)是被分解为正弦波之和的波形，F(ω)或F(f)为X(t)的傅立叶变换，i=(-1)1/2...n=1∞-∞∞-∞∞-∞∞-∞2、非周期性信号非周期性信号包括准周期信号和瞬变非周期信号。周期信号可以分解为一系列频率成正比的正弦波信号，反之，几个频率成正比的正弦波信号也可以合成一个周期信号。然而，任意的两个或几个正弦波之和，一般不会组成周期信号，只有每一对频率之比都是有理数时，才能合成周期信号。因为只有这样，其基本周期才存在。瞬变非周期信号指除准周期信号以外的非周期信号。瞬变非周期信号也可以用某时变函数进行描述。瞬变非周期信号一般持续时间很短，有明显的开始和结束。如激振力消除后振动系统的衰减振动。瞬变非周期信号不能象周期信号那样用离散谱表示，其谱结构为由傅立叶积分所表示的连续谱。3、随机信号随机信号不能用确定的时间函数来表达。对同一事物的变化过程独立地重复进行多次观测，所得的信号是不同的，波形在无限长时间内不会重复。对于随机信号，需要用概率统计的方法进行分析。随机过程可分为平稳随机过程和非平稳随机过程。通过幅值统计平均计算概率密度，再通过相关分析和频谱分析（谱密度分析），在幅域、时域和频域里进行统计处理。平稳随机过程可进一步分为各态历经过程和非各态历经过程两类。自相关函数自相关函数Rx(τ)为随机信号x(t)在时间t时的值与时间为（t+τ）时的值的乘积的平均值，即Rx(τ)=lim自相关函数表示波形与自己相差一个时间τ值时的相似程度。互相关函数互相关函数Rxy(τ)为信号x(t)在时间为t时的值与另一信号y(t)在时间为(t+τ)时的值的乘积的平均值Rx(τ)=lim互相关函数表示两个信号波形相差时间τ时的相似程度。传递函数传递函数H(p)定义为系统脉冲响应函数h(τ)的拉普拉斯变换H(P)=∫h(τ)edτ式中p=a+ib。令a=0,b=2πf,则得到频率响应函数H(f)=∫h(τ)edτ对于物理上可实现和稳定得系统，频率响应函数可以代替传递函数而不会失去有用的信息。4、采样采样过程，把模拟信号转换为数字信号的过程为模/数(A/D)转换过程。该过程包括了采样、量化、编码等，这是数字信号分析的必要过程。采样，也称抽样，是利用采样脉冲序列p(t)从模拟信号x(t)中抽取一系列离散样值，使之成为采样信号的过程。Δt称为采样间隔，1/Δt=fs称为采样频率。采样实质上是将模拟信号x(t)按一定的时间间隔Δt逐点取其瞬时值。采样定理，采样的基本问题是如何确定合理的采样间隔ΔtT∞1_T∫x(t)x(t+τ)dtT0_∫x(t)x(t+τ)dtT1∞0-pτ∞0-i2πfτT∞0T以及采样长度T，以保证采样所得的数字信号能真实地代表原来的连续信号x(t)。一般说，采样频率fs越高，采点越密，所获得的数字信号越逼近原信号。然而，当采样长度T一定时，fs越高，数据量N=T/Δt越大，所需的计算机存储量就越大；反之，当采样频率降低到一定程度，就会丢失或歪曲原来的信息。采样定理给出了带限信号不丢失信息的最底采样频率为：fs≥2fm或ωs≥2ωm式中fm为原信号中最高频率成分的频率。若不满足此采样定理，将会产生频率混淆现象。解决频率混淆的办法是：①、提高采样频率以满足采样定理，一般工程中取fs=（2.56～4）fm②、用低通滤波器滤掉不必要的高频成分，以防频混发生，此时的低通滤波器也称抗频混滤波器，如滤波器的截止频率为fc,则fc=fs/（2.56～4）。5、采样长度与频率分辨率当采样长度为Δt时，采样长度T越长，数据点数N就越大。为了减少计算量，T不宜过长。但是若T过短，则不能反映信号的全貌，因为在作傅立叶分析时，频率分辨率Δf与采样长度T成反比Δf=1/T=1/(NΔt)一般在信号分析中，采样点数N选2M，使用较多的有512、1024、2048等。若各档分析频率范围取fc=fs/2.56,则Δf=1/(ΔtN)=2.56fc/N=(1/200,1/400,1/800)fc6、窗函数数字信号分析需要选取合理的采样长度T，亦即对信号进行截断。截断实质上是对无限长的信号加一个权函数,或称为窗函数。研究窗谱的基本思路是改善截断处的不连续状态，因为时域内的间断反映到频域，必然产生振荡现象。加窗的作用除了减少泄露以外，在某些情况下，还可抑制噪声，提高频率辩识能力。窗函数主要分为以下几种类型：矩形窗、汉宁窗、指数窗等。五、测振用传感器1、测试对象和部位的选择在旋转机械中，转子是设备的核心部件，整个设备能否正常工作主要取决于转子能否正常运转。对于大型旋转设备，可以主要从监测转子的振动发现故障。一般来说，监测转子比测试轴承座或机壳的振动信息更为直接和有效。在出现故障时，转子上振动的变化比轴承座及外壳要敏感得多，这是因为油膜轴承具有较大的轴承间隙，因此轴径的相对振动与轴承座的振动有显著的差别，尤其是当支撑系统的刚度相对来说较硬时（或者说机械阻抗较大），轴径的振动常常可以比轴承座的振动大几倍到十几倍。对于滚动轴承而言，轴径与轴承之间只有极小的间隙，因此轴的相对振动量较小，但当滚动轴承出现严重磨损或损坏时，其振动值将明显增加。同理，齿轮本身出现故障时，轴系的振动反映比外壳和轴承座要明显得多。不过，