智能状态监测与故障诊断(共9页).doc

《智能状态监测与故障诊断(共9页).doc》由会员分享，可在线阅读，更多相关《智能状态监测与故障诊断(共9页).doc（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上智能状态监测与故障诊断测控一班高青春第一章绪论 在现代化的机械设备的生产和发展中，滚动轴承占很大的地位，同时它的故障诊断与监测技术也随着不断地发展，国内外学者对轴承的故障诊断做了大量的研究工作，各种方法与技巧不断产生、发展和完善，应用领域不断扩大，诊断精度也不断提高。时至今日，故障诊断技术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、系统论为理论基础，以现代测试仪器和计算机为技术手段，总的来说，轴承故障诊断的发展经历了以下几个阶段：第一段：利用通用的频谱分析仪诊断轴承故障。 第二阶段：利用冲击脉冲技术诊断轴承故障。 第三阶段：利用共振解调技

2、术诊断轴承故障。 第四阶段：以计算机为中心的故障诊断。国外的滚动轴承的故障诊断与监测技术要先于中国，而且这项技术的发展趋势啊已经趋向智能化状态，因为它机械化迅速，技术和设备都比较先进些，目前的技术也比较完善。但是总体来看，这其中的距离在不断拉近，我们相信不久的将来，中国也会使机械完善大国，也会完善和提高技术的精密度和准确度。【2】【3】1.1轴承监测与故障诊断的意义 滚动轴承是机械各类旋转机械中最常用的通用零件部件之一，也是旋转机械易损件之一，在机械生产中的作用不可取代，据统计旋转机械的故障有30%是由轴承故障引起的,它的好坏对机器的工作状态影响极大,轴承的缺陷会导致机器剧烈振动和产生噪音,甚

3、至会引起设备的损坏,因此,对重要用途的轴承进行状态监测与故障诊断是非常必要的【3】而且，可以生产系统的安全稳定运行和提高产品质量的重要手段和关键技术，在连续生产系统中，如果某台设备因故障而不能继续工作，往往会影响全厂的生产系正常统运行，从而会造成巨大的经济损失，甚至可能导致机毁人亡的严重后果。未达到设计寿命而出现故障的轴承没有被及时的发现，直到定期维修时才被拆下来报废，使得机器在轴承出现故障后和报废前这段时间内工作精度降低，或者未到维修时间就出现严重故障，导致整部机器陷于瘫痪状态。因此，进行滚动轴承工作状态及故障的早期检测与故障诊断，对于设备安全平稳运行具有重要的实际意义。【14】1.2滚动轴

4、承故障的分类: 滚动轴承的故障多种多样，有生产过程中产生的也有使用过程 中后天造成一系列故障，其失效形式有：1.2.1疲劳剥落: 指滚动体或滚道表剥落或脱皮在表面上,形成不规则凹坑等甚至会一定深度下形成能裂纹，继扩展到接触表面发生剥落坑，最后大面积剥落，造成失效。【12】 1.2.2断裂：由于轴承负荷过大,零件材料缺陷,压配过盈大,影 热处理不良等原因.1.2.3压痕： 外界硬粒物质进入轴承中，并压在滚动体和滚道之间，使转动表面形成压痕，凹坑。当轴承的过载或撞击造成表面部凹陷,会产生噪音.1.2.4磨损: 滚动体由于辊道贺的相对运动和尘埃异物,变卖弄磨损，润滑不良会加剧表面磨损，表面粗糙度加大

5、，运转精度下降从而振动水平和噪声增大。1.2.5腐蚀和电蚀: 润滑油中水分,湿气的诊断与方法化学腐蚀,电流的电腐蚀,和微振作用下形成的腐蚀【14】1.2.6胶合: 润滑不良，高速重栽下摸查发热，极端时间温度高，导致表面烧伤及胶合，张梅军，是发生在滑动阶层接触的两个表面, 一个表面的金属粘贴到另外一个表面的现象.会导致高温,噪音。.1.2.7塑性变形：过大的冲击负荷可以使接触表面局部塑性变形。从而导致明显的形变，造成失效。【2】1.3滚动轴承监测诊断方法与传感手段 对轴承故障的诊断方法有很多种，但是无论是温度监测，噪音诊断，振动诊断等各方面都需要传感手段来实现，因为现代机械，如滚动轴承，它们都不

6、是人工容易准确监测很诊断的，传感器是感器信息融合，有很多比较好的传感手段在轴承的故障监测诊断很实用。1.3.1光纤传感器振动,温度是利用信号光束的光纤输出R端面的参考光束对比得出故障的部位.简单而又准确.1.3.2电感式传感器轴的径向跳动，电感测微仪可以测量小尺度变化的精密测量仪器，可以测量轴的物理性能，如径向跳动等。【9】1.3.3温度传感器间隙和油流动的会导致温度变化，通常，轴的温度随着运转开始慢慢上升，1-2小时后达到稳定状态。如果润滑、安装部不合适，则会导致轴承温度急骤上升，出现异常高温，这时必须停止运转，采取必要的防范措施。使用热传感器可以随时监测轴承的工作温度，并实现温度超过规定值

7、时自动报警或停止，防止燃轴等事故的发生【1】1.3.4超声波传感器超声波的穿透能力很强,衰减和弱,利用超声波的入射和反射波形的变化情况可以判断出滚动轴承的故障类型和部位,这项技术现在运用得比较广泛.【8】1.4故障诊断分析方法:1.4.1时域分析: 应用时间序列模型及其有关的特性函数，判别轴承的运行状态及故障形成的原因。振动信号的位移,速度,加速度,构成时域波型,包括统计特征参量分析,相关分析,时域同步平均法, 1.4.2频域分析: 应用频谱分析技术，根据频谱特征变化,以时间为横坐标的时域信号通过傅立叶(flourier),分解为一频率为横坐标的频域信号，从而得到关于原频域和时域成分的复制于相

8、位信息的一种变换方法。包括，复制普分析法，相位谱分析法，平均谱分析法，功率谱分析法，对数谱分析法，倒频普分析法，已经成为诊断的主要内容了。是建立在时间或者是频率上分析所得信号的能量强度,将其与正常的轴承信号进行对比,得出故障的发生的部位。【12】【13】1.4.3时频域分析（小波分析及分形分析）： 小波分析是傅立叶分析的继承和发展，可判别故障性质，当轴承发生故障时,会发出非平稳信号,在滚动轴承的故障分析中,构造了脉冲响应小波,也就是当轴承某部分发生故障时,轴承缺陷产生脉冲冲击响应,通过对尺度-小波能量普的比较来定性判断轴承故障的部位和类型,是通过振动信号的冲激周期,固有振动频率的振动波型,冲激

9、响应小波波型,等方法分析信号【6】分形分析是将面对的复杂对象看成是分数维数，成一个连续函数，实现了滤波，在有限时间内和某一有限频率下得到的信号都是由不同的分形特征，可监测故障。【13】1.4.4极大熵谱法: 对于正常轴承和故障轴承的振动曲线，分别取1024个采集点进行图像分析，给出各种状态小啊的他的公路谱曲线及其相对应的极大熵谱曲线，极大熵谱曲线表现出的卓越峰值与理论值比较，得出故障部位。【11】1.4.5倒频谱及希尔伯特包络分析法: 由倒频谱图，正常和异常状态下的，图中会显示有故障的滚动轴承出现两条醒目的曲线， 其倒频谱率和理论上滚珠，内圈的故障频率一致，从而反映出了故障频率特征，可诊断出故

10、障的原因和部位。【12】1.5人工智能在滚动轴承故障监测中的应用神经网络是智能控制技术的重要部分，它具有逻辑思维与判断，不需要建立任何数学模型，主要用于非性系统辨识和神经网络控制及故障诊断。智能化故障诊断还有模糊诊断和专家系统等比较智能的能进行信号自动分析和处理的功能，它的发展趋势是趋向于故障诊断的自动监测状态，既准确又灵敏度高。1.5.1模糊神经网络诊断方法，有处理语言知识的能力。模糊神经网络是利用隶属度函数来推理进行统计分析数据的智能化的机械监测。1.5.2专家系统， 现在是人工智能的三大研究前沿，是以计算机的知识库来储存和使用一切有用信息的系统结合，对滚动轴承故障的诊断与监测有很大的作用

11、，能自行分析和处理信号。【10】1.5.1人工神经网络，由输入输出反馈的前馈网络，前馈内层互馈网络，反馈型全互联网络和反馈性局部连接网络，构成，智能式传感器，和传统的相比，它具有逻辑思维与判断，信息处理功能，具有自诊断自小准功能，可实现多传感器多参数复合测量，扩大了监测和使用范围，监测数据可存取，使用方便，具有数字通信接口，能与计算机直接联机，相互交换信息，对滚动轴承的故障诊断与监测应用十分重要。【7】人工神经的模型，有BP网络，是一种反传式向前网络，学习因子和记忆因子有选择，提高网络训练技巧，以简单地网络层次分析信号，对滚动轴承的故障监测应用也在提升。【4】紧密结合的小波神经网络，滚动轴承原

12、始特征信号为行波信号，以松散小波神经网络模型对轴承故障原始信号进行小波分解后，进行特征的选择与提取，取适当的子频带能量作为输入向量，得到轴承故障类别输出，此时选用的也是BP网，这是比较准确的小波，分析方法，在轴承故障诊断中有非常大的作用。【5】参考文献：【1】(机械故障诊断学)美国，J.S.米切尔,机械工业出版社，第3版，2007.【2】 机械设备振动故障监测与诊断黄志坚，高立新，化学工业出版社，2010.5 ，69-73页【3】 机械故障的分析与监测黄仁，钟秉林，机械工业出版社，【4】神经网络电子科技大学出版社，杜京义，汪梅。2007，【5】神经网络的综合分析与动态特征研究张化光，科学出版社

13、，【6】机械故障诊断方法杨宁,于德介,科技出版社,2006【7】现代新型传感器原理与应用刘迎春，科技出版社，2007 【8】传感器哈尔滨工业大学，唐文彦，机械工业出版社，2007.5 195-203页【9】 现代传感器技术周旭，国防工业出版社，2007，第四章【10】人工智能及其应用 徐玉梅，段鹏，上海交通大学出版社，2007.4 119-130页【11】复杂机械故障诊断的分析徐玉秀，杨文平，机械工业出版社，2003，193-199页【12】 机械状态监测与故障诊断张梅军.国防工业出版社，2008.3。248-252 页， 163-212页【13】 基于人工免疫系统的机组故障诊断技术张清华，中国石化出版社，3-20页【14】机械故障西安交通大学出版社,2009年12月, 37-43页.专心-专注-专业