机电设备状态监测与故障诊断教程

机电设备状态监测与故障诊断天津工程师范学院邓三鹏机电设备状态监测与故障诊断现实生活和工业过程中恶性事故时有发生转子事故机电设备状态监测与故障诊断现实生活和工业过程中恶性事故时有发生透平机械事故机电设备状态监测与故障诊断现实生活和工业过程中恶性事故时有发生水轮机事故机电设备状态监测与故障诊断现实生活和工业过程中恶性事故时有发生美国哥伦比亚号载人航天飞机失事机电设备状态监测与故障诊断现实生活和工业过程中恶性事故时有发生断裂部位三峡塔带机断裂事故2002年9月3日机电设备状态监测与故障诊断对关键设备进行状态监测和故障诊断可以提高设备的可靠性，实现“事后维修”到“预知维修”的转变，提高企业和设备的管理水平，保证产品的质量，避免重大事故的发生，降低事故危害性，从而获得潜在的巨大经济效益和社会效益。机电设备故障诊断的意义：日本应用故障诊断技术后，事故发生率减少75%，维修费用降低25～50％。英国对2000个国营工厂的调查表明，采用状态监测和故障诊断技术后，每年可节省维修费用3亿英镑，而故障诊断系统的成本为0.5亿英镑。机电设备状态监测与故障诊断国外诊断技术的发展概况：★美国最早，1967年美国宇航局倡导成立了机械故障预防小组（“MFPG”）★70年代英国机械保健中心成立，并用于核发电、钢铁、电力等诊断。★71年日本开始发展自己的TPM（全员生产维修）：钢铁、石油、化工、铁路★进而欧美许多国家都在重视发展。如瑞典SPM轴承监测、挪威船舶诊断、丹麦B&K的振动与声发射诊断机电设备状态监测与故障诊断国内诊断技术的发展概况：★天津大学从1982年起研究齿轮传动、轴承、齿轮箱、切削过程等方面的诊断与监控技术，成果主要：1、设备的智能诊断与预测维修系统2、设备在线自动报警与保护通用监控系统3、动态测试与信号分析系统4、模态分析系统★华中理工大学：汽轮发电机组诊断专家系统、钢丝绳诊断系统★西安交通大学：旋转机械故障诊断RB—20，用于炼油行业★国防科技大学：望远号远洋考察船的在线监控与故障诊断系统★哈尔滨工业大学：20万KW汽轮发电机组诊断机电设备状态监测与故障诊断诊断技术的特点：★技术研究和积累较多★在石化、电力等方面的应用较多，效益好、易诊断★传统机械制造业应用少，主要原因是传动结构复杂、企业效益普遍不好★汽车制造业已经逐步重视，如：玉柴、吉普、桑塔纳、一汽、重庆长安、“九五”攻关项目等机电设备状态监测与故障诊断状态监测与故障诊断系统: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（天津大学机电科技中心）机电设备状态监测与故障诊断状态监测与故障诊断系统：离线监测与故障诊断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精细分析。例如：在线故障诊断与自动报警系统（天津大学机电科技中心）机电设备状态监测与故障诊断状态监测与故障诊断系统：机电设备状态监测与故障诊断状态监测与故障诊断系统：在线监测与故障诊断机床电源计算机监控箱记录、文件机电设备状态监测与故障诊断状态监测与故障诊断系统：在线监测与故障诊断机电设备状态监测与故障诊断状态监测与故障诊断系统：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（天津大学机电科技中心）状态监测与故障诊断系统：。。。。。。。。。。。….信号调理信号调理信号调理机组机组现场工控机….信号调理信号调理信号调理机组机组现场工控机。。。。。。。。。。。….信号调理信号调理信号调理机组机组现场工控机远程计算机局域网多机组网络化实时监测模式机电设备状态监测与故障诊断机电设备状态监测与故障诊断状态监测与故障诊断系统：前瞻性的故障诊断模式：机电设备状态监测与故障诊断设备状态监测与故障诊断主要包括如下几个环节：机电设备状态信息的获取状态特征的提取状态判断与决策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，可以测：加速度、速度、位移。通常采用加速度传感器。机电设备状态监测与故障诊断一、状态信息的获取压电加速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。机电设备状态监测与故障诊断一、状态信息的获取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围较加速度低一些，不适合测量太高频率的振动。机电设备状态监测与故障诊断一、状态信息的获取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。一、状态信息的获取机电设备状态监测与故障诊断)(txat0t)(ˆtxa0)(txat0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。模拟信号的采集机电设备状态监测与故障诊断二、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。机电设备状态监测与故障诊断二、状态特征的提取（时域分析）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机电设备状态监测与故障诊断二、状态特征的提取（时域分析）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：]lim[1lim0TTxxTx机电设备状态监测与故障诊断二、状态特征的提取（时域分析）应用：直接应用于机器状态的诊断。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)机电设备状态监测与故障诊断二、状态特征的提取（时域分析）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0)(R)()(RR0)(R)0(R)(RxDxDTTdttxtxTR1)()(1lim)(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。机电设备状态监测与故障诊断二、状态特征的提取（时域分析）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机电设备状态监测与故障诊断二、状态特征的提取（时域分析）信号的互相关函数：描述两个信号之间的相似程度或相关性TTxydttytxTR1)()(1lim)(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。0)(xyR)(xyR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。机电设备状态监测与故障诊断二、状态特征的提取（时域分析）应用一：相关测速机电设备状态监测与故障诊断二、状态特征的提取（时域分析）应用二：故障定位机电设备状态监测与故障诊断二、状态特征的提取（时域分析）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：传递通道的相关测定机电设备状态监测与故障诊断二、状态特征的提取（时域分析）信号的幅值参数22/1])([dxxpxxrdxxpxx)(})({maxˆtxEx2/12])([dxxpxxRMS（2）平均幅值（3）均方幅值（4）峰值（1）方根幅值机电设备状态监测与故障诊断二、状态特征的提取（时域分析）xxKRMS/RMSxxC/ˆrxxL/ˆxxI/ˆ（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）波形指标机电设备状态监测与故障诊断二、状态特征的提取（时域分析）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。机电设备状态监测与故障诊断二、状态特征的提取（频域分析）将时域信号转换到频域中去进行分析，最普遍的方法就是通过快速傅立叶变换（FFT）进行的在机电设备状态监测与故障诊断中，一些零部件都有自己的特征频率，我们把时域信号转换到频域中，查找对应的特征频率及其幅值的大小，就可以粗略判断故障的部位和程度。机电设备状态监测与故障诊断二、状态特征的提取（其他分析方法）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。机电设备状态监测与故障诊断二、状态特征的提取（其他分析方法）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。机电设备状态监测与故障诊断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。二、状态特征的提取（其他分析方法）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、