搜索
第1章绪论本章导读学习要求：了解发展智能运维与健康管理技术国内外背景与重要意义；当前机械状态监测与故障诊断技术的发展水平与存在问题；掌握智能运维与健康管理核心技术的概念内涵与体系结构、资产管理方法及智能运维方法；了解培养目标与新工科计划、高等工程教育专业认证关系。基本内容及要点：本课程研究的背景、对象、意义与内容；了解机械状态监测与故障诊断技术的发展现状；了解智能运维与健康管理技术的体系结构与实现流程引言1机械状态监测与故障诊断2智能运维与健康管理3讲义提纲培养目标与新工科计划、高等工程教育专业认证的关系4PART1.1引言1.1绪论5国际形势：制造大国间的博弈智能制造成为国家具备强大竞争力与抢占发展制高点的关键技术，其关键要素之一为“远程运维服务”。美国制造业复兴美国“制造业回归”的重要组成，智能制造是其主要内容。德国工业4.0智能工厂、智能生产、智能物流是重要主题。日本超智能社会5.0以超智慧社会作为重要内容，实现实现日本社会智能化。中国中国制造2025由制造大国到制造强国的转变，制造+互联网是关键，智能制造是主要内容。1.1绪论6德国工业4.0对于世界制造业的发展影响最为深远，要点概括为：建设一个网络、研究三大主题、实现三项集成、实施八项计划。•一个网络：信息物理系统网络（Cyber-PhysicalSystems简称CPS）；•三大主题：智能工厂、智能生产、智能物流；•三项集成：横向集成、纵向集成与端对端的集成；•实施八项计划：建立标准化参考架构、管理复杂系统、建设综合的工业宽带基础设施、实现安全和保障、工作的组织和设计、培训持续的职业发展、建立监管框架、提高资源利用效率。图1-1工业4.0框架图1.1绪论7中国制造2025《智能制造工程实施指南（2016-2020）》中明确提到智能制造新模式关键要素之一为“远程运维服务”。•建有标准化信息采集与控制系统、自动诊断系统、基于专家系统的故障预测模型和故障索引知识库；•可实现装备（产品）远程无人操控、工作环境预警、运行状态监测、故障诊断与自修复；•建立产品生命周期分析平台、核心配件生命周期分析平台、用户使用习惯信息模型；•可对智能装备（产品）提供健康状况监测、虚拟设备维护方案制定与执行、最优使用方案推送、创新应用开放等服务。图1-1工业4.0框架图设备的故障预测与健康管理（PrognosticandHealthManagement，简称PHM）是实现远程运维、保障重大装备可靠性的重要核心技术。1.1绪论8智能运维和健康管理对国民经济和国防安全意义重大•在20世纪70年代起，A-7E飞机的发动机使用了发动机管理系统（EngineManagementSystem，简称EMS）成为PHM早期的经典案例。•中国的三一重工率先开启智能生产、智能服务，自主开发企业控制中心(Enterprisecontrolcenter，ECC)可获取设备的位置、累计工作时间、累计油耗等。在设备故障后可以依据传回数据进行分析和排查，指导进行维修；能根据设备运行情况判断用户盈利及恶意拖欠债款行为，实现对设备远程锁定，维护企业利益。美国海军A-7E攻击机A-7E攻击机TF41发动机三一重工18号厂房企业控制中心1.1绪论9智能运维和健康管理对国民经济和国防安全意义重大交通运输能源电力太空技术国防工业航空动力国民经济领域重大装备：如高速列车、航空发动机等，服役期占据产品全生命周期90%以上；运行中严重故障导致灾难性事故，如马航失联、国产新舟60全面停飞、挑战者号空难；民用航空领域：民用飞机全寿命维修成本已达其价格的50%-120%；风电能源领域：现役风电装备维护费用高达风电装备总收入的20-25%；智能制造领域：数控机床服役性能监控、刀具在线监测、智能主轴微振动监测与主动控制等，需要远程监测与控制技术。1.1绪论10智能运维和健康管理对国民经济和国防安全意义重大•设备故障预测与健康管理（PrognosticandHealthManagement，简称PHM）是实现远程运维、保障重大装备可靠性重要核心技术，利用工业系统中产生的各种数据，进行信号处理和数据分析，提取出特征信息，并通过建模与故障机理分析，实现复杂和重大工业系统的健康状态监测、预测和管理。•智能运维：在PHM基础上，产生的一种新维修模式，包含完善的自检和自诊断能力、对大型装备进行实时监测和故障报警，实施远程故障集中报警和维护信息的综合管理分析，减少对人员因素的依赖，逐步信任机器，实现机器的自判、自断和自决。•智能运维与健康管理技术对企业的运营管理乃至产品/设备的全寿命周期影响深远，在确保设备的安全、稳定、可靠运行与保障人身安全的同时，能够提高企业生产效益、增强行业的国际竞争力和影响力，正在引领全球范围内新一轮制造业的设计、生产制造与维修保障体制的变革。PART1.2机械状态监测与故障诊断•1.2.1故障监测诊断的重要意义•1.2.2国内外研究现状•1.2.3机械故障监测诊断现今存在的问题•1.2.5总结•1.2.4未来故障监测诊断突破方向1.2机械状态监测与故障诊断121.2.1故障监测诊断的重要意义•机械故障诊断定义：是借助机械、力学、电子、计算机、信号处理、人工智能等学科方面的技术对连续运行机械设备的状态和故障进行监测、诊断的一门现代化科学技术，并且迅速发展成为一门新兴学科。•机械故障诊断理论与技术已成为国内外的研究热点。Google学术搜索关键词英文名称文献篇数故障诊断faultdiagnosis25400损伤检测damagedetection931002016~2018年Google学术故障诊断相关研究数量1.2机械状态监测与故障诊断131.2.1故障监测诊断的重要意义会议名称英文名称举行频次设备状态监测与故障诊断国际学术会议InternationalConferenceonConditionMonitoringandDiagnosis，CMD两年一届世界维修大会WorldCongressonMaintenance，WCM两年一届国际结构、材料和环境健康监测大会InternationalConferenceonHealthMonitoringogStructure,MaterialandEnvironment，HMSME三年一届结构损伤评估国际会InternationalConferenceonDamageAssessmentofStructure，DAMAS两年一届状态监测与诊断工程管理Conditionmonitoringanddiagnosticengineeringmanagement,COMADEM每年一届机械失效预防技术Machineryfailurepreventiontechnology,MFPT每年一届全国设备监测与诊断学术会议两年一届全国设备监测诊断与维护学术会议每年一届具有影响力的故障诊断相关国际、国内会议信息1.2机械状态监测与故障诊断141.2.2故障监测诊断国内外研究现状机械故障诊断研究是机器或机组运行状态的变化在诊断信息中的反映，由数据采集、特征提取、模式识别、故障预知组成。同时，故障机理承担着数据和特征之间联系，研究可分为信号获取与传感技术、故障机理与征兆联系、信号处理与特征提取、识别分类与智能决策。1.信号获取与传感器技术•可靠的信号获取与先进的传感技术，是机械故障诊断的前提。各国学者致力于传感技术与机械设备的结合。•2009年美国三院院士、西北大学机械工程系ACHENBACH教授将传感技术等列入结构健康监控重要研究范畴内；•美国斯坦福大学KIREMIDJIAN开展了传感网络方面的研究；•日本东京大学TAKEDA等人在复合材料结构健康监测传感方面取得显著成果。•南京航空航天大学对结构健康监测中的压电阵列技术进行了研究；•武汉理工大学对光纤传感技术应用于机械设备监测方面进行研究。1.2机械状态监测与故障诊断151.2.2故障监测诊断国内外研究现状2.故障机理与征兆联系•研究故障的产生机理和表征形式，是为掌握故障形成和发展过程,了解故障内在本质及特征，建立合理故障模式，是机械故障诊断的基础。•日本白木万博自六七十年代以来，发表了大量的故障诊断方面文章，总结了丰富的现场故障处理经验并进行了理论分析；•美国Bently公司的转子动力学研究所对转子和轴承系统典型故障机理进行了大量试验研究并发表了不少论文；•意大利学者BACHSCHMID等人在MSSP国际期刊上主编一期裂纹研究综述文章，从裂纹转子模型、裂纹机理等多方面做了相关的论述；•闻邦椿和陈予恕基于混沌和分岔理论对轴系非线性动力学行为研究；•刘杨等基于非线性有限元法建立了双盘耦合故障转子系统动力学模型，并通过实验研究分析了不同转速下的系统动态响应特性。1.2机械状态监测与故障诊断161.2.2故障监测诊断国内外研究现状3.信号处理与诊断方法•从运行动态信号中提取出故障征兆，是机械故障诊断的必要条件。•现代信号处理方法大致分为时域、频域以及相结合的时频域处理方法。随着信号处理的方法从经典的FFT到更强大的小波变换再到自适应强的EMD以及其他方法不断的发展，机械诊断研究也在如日中天的进行着。•国外Thalji等详细综述了利用时域统计指标来诊断轴承故障的优缺点；•马来西亚MOHAMMAD等人讨论了各种状态监测与信号处理方法的原理与特点；•美国斯坦福大学IHN在复合材料结构健康监测方面取得了显著的研究成果；•英国曼彻斯特和哈德菲尔德大学BALL团队长期从事故障诊断的研究工作；•Haile等人利用盲源分离方法来分析旋翼飞机的轴承故障；•在时频分析方面，帝国理工大学Ahrabian等学者将同步压缩变换方法从一维扩展成并行多维，提高算法的抗噪声性能；1.2机械状态监测与故障诊断171.2.2故障监测诊断国内外研究现状3.信号处理与诊断方法•国内郭远晶等提出了一种基于STFT时频谱系数收缩的旋转机械故障振动信号降噪方法，该方法能够从噪声混合信号中恢复出时域降噪信号；•胥永刚等人提出并利用了基于形态分量分析（MorphologicalComponentAnalysis，MCA）的双树复小波降噪方法成功的对仿真信号和某轧机齿轮箱打齿故障早期信号提取出强背景噪声下的微弱故障特征信息；•Wang等详细综述了有关谱峭度的理论发展和与之相关的应用研究，为推动该方法在机械故障诊断领域的广泛使用提供了基础；•EMD是近阶段较新的且从最本质的模式分量出发的方法，蒋超等提出了基于快速谱峭度图的选取方法，选取出EEMD处理后中反应故障最敏感的分量，并将其应用于滚动轴承故障诊断中；•雷亚国等[47]将EEMD自适应的应用到齿轮故障诊断中，自适应的改变加入信号中的白噪声，提高了诊断的准确性。1.2机械状态监测与故障诊断181.2.2故障监测诊断国内外研究现状4.识别分类与智能决策•计算机人工智能和机器学习技术的快速进步使得故障诊断系统逐步向智能化方向发展，专家系统，模糊集理论，人工神经网络，支持向量机等技术得到广泛应用。•智能故障诊断：就是模拟人类思考的过程，通过有效地获取、传递和处理诊断信息，模拟人类专家，以灵活的策略对监测对象的运行状态和故障做出准确的判断和最佳的决策。•作用：具有学习功能和自动获取诊断信息对故障进行实时诊断的能力，所以是实现机械故障诊断的应用关键。1.2机械状态监测与故障诊断191.2.2故障监测诊断国内外研究现状4.识别分类与智能决策•Mechefske采用模糊集理论对轴承在不同状态下的频谱进行分类。•Saravanan等将人工神经网络和支持向量机相结合，并将其应用于齿轮箱故障识别，对比了神经网络与支持向量机的识别效果。•Yang等根据风机齿轮箱结构特征构建故障树模型，开发了风机齿轮箱故障诊断专家系统，并成功应用于风机的健康维护。•美国密执安大学倪军、辛辛那提大学李杰等在美国自然科学基金(NSF)的资助下，联合工业界共同成立了“智能维护系统(IMS)中心”，致力于对机械设备性能衰退分析和预测性维护方法的研究。•国内，雷亚国等提出了一种基于深度