机械故障检测技术论文

机械故障检测技术论文（通用8篇）

机械故障检测技术论文 篇1

机械故障诊断技术与应用读书报告

姓名： 前言

机械设备运行状态的监测与故障诊断很早就开始了。刚开始人们往往通过听觉、触觉、视觉来对机器的噪声、振动和温度等进行判断，进而来推测设备运行是否正常。当时的机械设备功率普遍较小，通常是单机工作，并且更新换代比较缓慢，人们有大量的时间进行熟悉，探索并且逐渐掌握机器的性能和工作状态。然而到了现代，企业生产已经进入了高速发展阶段，以往的判断模式已经不能够应用于现在的生产模式。现代工业生产的特点是生产系统大型化、连续化、高速化、自动化、系统化和智能化。要求机械设备更新快，在使用过程中安全、连续、可靠、高效、低能等特点，为了达到这些要求，那么我们就需要借助现代技术进行设备的运行状态的监测与诊断。目前可以进行实时采集机械系统运行状态并且对采集到的信息进行分析，进而判断机械系统运行状态的优劣，从而能更好的对设备进行维护和维修，从而达到了提高生产效率、保障安全运行、降低生产成本、节约能源消耗、延长使用寿命的目的。机械设备的状态监测和故障诊断技术是实现这一目的的重要技术手段。机械设备的状态监测和故障诊断就是采集诸如振动、噪声、温度、润滑油、声发射扥等设备相关信号，从而进行分析和处理，得到设备的运行状态。根据设备的部位、类型、严重程度、发展趋势，对出现故障的设备进行维修安排。机械故障诊断技术的发展历程

从20世纪60年代开始，伴随着科学技术的不断进步和发展，计算机技术、网络技术和信息技术迅速发展和普及，从而使机械设备运行状态的监测和故障诊断技术逐渐形成为一门较为完善的综合性工程学科，并且在全球范围内推广。逐渐成为热门学科。美国是最早开始进行开发设备诊断技术的国家。1967年4月美国海军主持召开美国机械故障预防小组成立大会。并且从此以后美国开始投入大量的人力物力来开发和完善这项技术。在随后的几十年，机械故障诊断技术在美国的航空航天、军事等尖端领域得到了广泛的应用，并一直处于领先地位。英国在20世纪70年代初成立了机械健康监测组织与状态监测协会，对故障诊断技术的发展起到了很大的作用。我国对故障诊断技术的研究开始于20世纪80年代。1983年初，中国机械工程学会的设备维修学会在南京召开，交流国内外的情况，分析国内设备维修现状以及开展设备诊断技术专题座谈会，提出了积极开发和应用设备诊断技术，强调有关技术的必要性和紧迫性。随后这门技术在我国的冶金、石化、铁路、电力等行业得到了广泛的应用和推广。随着对这一技术的不断深入，我国的信号采集和分析仪器已经接近国际水平。目前，我国各高校科研人员正在故障诊断技术领域寻求突破和创新。开展机械故障诊断的意义

在各国工业生产中重点、关键性机械设备的数量越来越多，其中的大多数为大型、自动、连续生产的设备，其在生产中的重要性是不言而喻的，对这些机械设备实施状态监测与故障诊断技术所带来的经济效益和社会效益是巨大的。预防事故，保障人身和设备安全，推动设备维修制度的全面改革，提高经济效益。机械故障诊断技术与应用

4.1机械故障的振动诊断

4.1.1轴承的故障诊断理论与应用

轴承是旋转机械中应用最为广泛地机械零件，也是最易破坏的元件之一。旋转机械的许多故障都与轴承有关，轴承的工作好坏对机械的工作状态有很大的影响，其缺陷会导致设备产生异常振动和噪声，甚至造成设备破坏。

轴承在运行过程中由于装配不当、润滑不良、水分和异物入侵、腐蚀和过载等都可能使轴承过早破坏。即使不出现上述情况，经过一段时间运转，轴承也会出现疲劳损伤而不能正常工作。滚动轴承故障的主要失效形式和原因有疲劳剥落、磨损、塑性变形、锈蚀、断裂和胶合等。滑动轴承的故障形式和原因有烧瓦、气蚀、油膜涡动和油膜振荡。

轴承在运转时由于各种原因会产生振动，并通过空气传播成为声音，声音中包含着轴承状态信息。但是声音的成分除了包含了反应轴承工作正常与异常振动声外还夹杂着尘埃、其他工作件振动声等，因此轴承的工作声音成分十分复杂。

利用滚动轴承的振动信号分析故障诊断的方法可分为简易诊断法和精密诊断法两种。简易诊断是为了初步判断被列为诊断对象的滚动轴承是否出现了故障；精密诊断的目的是要判断在简易诊断中被认为出现了故障的轴承的故障类别及原因。滚动轴承的简易诊断有振幅值诊断法、波形因数诊断法、波峰因数诊断法、概率密度诊断法和峭度系数诊断法。滚动轴承的精密诊断的常用方法有低频信号分析法和中、高频信号绝对值分析法。滑动轴承的诊断方法有时域幅值诊断法、时域波形诊断法、频域诊断法、轴心轨迹诊断法。

4.2 机械故障的声学诊断

4.2.1机械故障的噪声诊断理论与应用

振动与噪声是机械设备在运行过程中的一种属性，设备内部的缺陷或故障会引起设备在运行过程中振动和噪声的变化，也就是设备的噪声信号中携带了大量与机械设备内部缺陷和故障的有关信息。因此，噪声监测也就成为对机械设备进行故障诊断的重要手段。

噪声监测的原理是当机器的零件或部件开始磨损或者经历某些其他的物理变化时，其声音信号的特征就发生变化。监测这些特征就有可能检测到机械运行状态的变化，精确地指出正在劣化的那些零部件。噪声监测中的主要内容之一就是通过噪声测量与分析确定设备故障的部位和程度。为此，首先必须寻找和估计机器中产生噪声的声源，进而从声源出发，研究其频率组成和各分量的变化情况，从中提取机器运行状态的信息。噪声监测的方法有主观评价和估计法、近场测量法、表面振速测量法、频谱分析法和声强法。4.2.2机械故障的超声诊断理论与应用

超声波用于机械设备故障诊断领域，主要是利用材料本身或内部缺陷对超声波传播的影响，来检测判断结构内部或表面缺陷的大小、形状以及分布情况。在一些机器运行中能对材料或结构的微观形变、开裂以及裂纹的发生和发展进行状态监测。它的应用极为广泛，且发展迅速。超声波的检测方法按原理分类有脉冲反射法，其中脉冲反射法包括缺陷回波法、低波高度法和次多底波法。此外还有穿透法和共振法。按波形分可以分为纵波法、横波法、表面波法、板波法和爬波法。

4.3机械故障的智能诊断

4.3.1基于专家系统的故障诊断

故障诊断专家系统是将人类在故障诊断方面的多位专家具有的知识、经验、推理、技能综合后编制成的大型计算机程序，它可以利用计算机系统帮助人们分析解决只能用语言描述、思维推理的复杂问题，扩展计算机系统原有的工作范围，使计算机系统有了思维能力，能够与决策者进行对话，并应用推理方式提供决策建议。4.3.2基于模糊逻辑的故障诊断

在许多情况下机器或系统都运行在一个模糊环境中，运行中各种状况和参数都互相影响，难以用精确数学方法进行描述。模糊故障诊断就是一种基于知识的诊断系统，因为在诊断过程中对模糊症状、模糊现象等的描述要借助于经验的操作者或专家的直觉经验、知识等。模糊故障诊断系统的诊断过程，从对模糊信息的获取，到利用模糊信息进行模糊推理到最后做出诊断，就如同医生根据病人的模糊症状进行准确诊断一样。机械故障诊断技术的发展趋势

随着现代科学技术的发展，特别是信息技术、计算机技术、传感器技术等多种新技术的出现，数据采集、信号处理和分析手段日臻完善，从无法和难以解决的故障诊断问题变得可能和容易起来。设备故障诊断技术正在变成计算机、控制、通信和人工智能的集成技术。近半年来故障诊断技术呈现的发展趋势有诊断对象的多样化、诊断技术多元化、故障诊断实时化、诊断监控一体化、诊断方法智能化、监测诊断系统网络化、诊断系统可扩展化、诊断信息数据库化、诊断技术产业化和机械设备诊断技术工程化。现代机械故障诊断技术正在成为信息、监控、通信、计算机和人工智能等集成技术，并逐渐发展成为一个多学科交叉的新学科。

参考文献

[1] 邓小文.旋转机械几种典型故障的诊断方法及软件实现[D].西北工业大学,1999.[2] 荆建平.旋转机械故障诊断与寿命维护技术若干关键问题研究[D].上海交通大学,2004.[3] 李晓虎.旋转机械状态监测与信号分析系统的复用研究[D].东南大学,2004.[4] 黄磊.基于 Internet 的旋转机械设备远程故障诊断技术研究[D].华南理工大学,2000.[5] 徐敏,等.设备故障诊断手册—机械设备状态监测和故障诊断[M].西安交通大学出版社,1998.[6] 何树波.基于隐 Markov 模型的旋转机械故障诊断系统的研究[D].浙江大学,2003.[7] 刘颖峰.旋转机械分布式监诊系统状态监测与数据管理的研究[D].浙江大学,2003.[8] 钟秉林,黄仁.机械故障诊断学[M].机械工业出版社,1997.[9] 崔彦平, 傅其凤,等.机械设备故障诊断发展历程及展望[J].河北工业技术,2004,4.[10] 姚桂艳, 孙丽媛.机械故障诊断技术的研究现状及发展趋势[J].河北理工学院学报,2005,13.[11] 张冰凌,许英姿,潘全文.智能故障诊断方法的研究和展望[J].飞机设计,2007,5

机械故障检测技术论文 篇2

1 断路器机械故障及其产生原因

高压断路器机械状态十分复杂, 某一种故障对应了机构的多种状态特征;同时,机构的某一状态特征发生变化对应的故障原因或故障点也不可能是惟一的。从传动机构到操作机构故障, 从部件松动到润滑失效均会导致机械故障。常见的操动机构有电磁操动机构、弹簧操动机构以及液压操动机构。 不同操作机构失效现象大致可分为拒动和误动两大类, 根据实际操作经验和理论分析结果,将电磁操动机构、弹簧操动机构以及液压操动机构断路器故障类型分类详述。

1.1 电磁操动机构断路器故障分类

电磁操动机构断路器异常现象可分为拒合和拒分两类,误动包括合后即分和无信号自分2 类。

1.1.1 拒动

(1) 拒合。① 铁心不启动。 二次回路连接松动;辅助开关未切换或者接触不良; 直流接触器接点被灭弧罩卡住或者接触器吸铁被异物卡住;熔丝熔断;直流接触器电磁线圈断线或烧损; 合闸线圈引线断线或线圈烧损;2 个线圈极性接反;合闸铁心卡住均等导致铁心不启动。② 铁心不启动,连扳机构不动作。合闸线圈通流时端子电压太低;辅助开关调整不当过早切断电源;合闸维持支架复归间隙太小或未复位; 合闸脱扣机构未复归锁住; 滚轮轴合闸后扣入支架深度少或端面磨损变形扣不牢;合闸铁心空行程小,冲力不够;合闸线圈有层间短路; 开关本体传动机构卡涩等故障均导致铁心不启动,连扳机构不动作。

(2) 拒分。 ① 铁心不启动。 二次回路连接松动或接触不良;辅助开关未切换或接触不良;熔丝熔断;铁心卡住;线圈断线或烧损;2 个线圈极性接反等均能够导致铁心不启动。 ② 铁心启动,脱扣板未动。 铁心行程不足;脱扣板扣入深度太深;线路内部有层间短路等均能导致铁心启动,脱扣板不动。 ③脱扣板已启动。机构或本体传动机构卡涩。

1.1.2 误动

(1) 合后即分。 合闸维持支架复位太慢或断面变形;滚轮轴扣入支架深度太少;分闸脱扣板未复归,机构空合;脱扣板扣入深度太少,未扣牢;二次回路有混线,合闸时分闸回路有电;合闸限位止钉无间隙或合闸弹簧缓冲器无缓冲间隙。

(2) 无信号自分。 分闸回路绝缘有损坏造成直流两点接地;扣入深度小,扣合面磨损变形;分闸电磁铁最低动作电压太低;继电器接点因振动误闭合等会导致电磁操动机构误动,无信号自分。

1.2 弹簧操动机构断路器故障分类

弹簧操动机构断路器异常现象可分为拒合和拒分2 类,误动包括储能后自动合闸、无信号自分、合后即分3 类。

1.2.1 拒动

(1) 拒合。 ① 铁心不启动。 二次回路接触不良,连接螺丝松动;熔丝熔断;辅助开关接点接触不良或未切断;线圈断线或烧损;铁心卡住等故障均能导致铁心不启动,弹簧操动机构拒合。 ② 铁心已启动,四连杆不动作。 线圈端子电压太低;铁心运动受阻;铁心撞杆变形,受力过“死点”距离太大;合闸锁扣扣入牵引杆深度太大;扣合面硬度不够变形,摩擦力大以至于“咬死”等故障均能导致铁心启动,四连杆不动作,弹簧操动机构拒合。 ③ 四连杆动作,牵引杆不释放。牵引杆过“死点”距离太小或未出“死区”;机构或本体有严重机械卡涩;四连杆中间轴过“死点”距离太小;四连杆受扭变形等均会导致拒合。

(2) 拒分。 ① 铁心不启动。 熔丝熔断;二次回路连接松动,接点接触不良;线圈烧坏或断线,尤其引线容易折断;铁心卡住等均能导致铁心不启动,操动机构拒分。 ② 铁心已启动,锁钩或分闸四连杆未释放。线圈端子电压太低;铁心空程小,冲力不足或铁心运动受阻会导致铁心启动, 锁钩或分闸四连杆不释放,以至于操动机构拒分。 ③ 锁沟或四连杆动作,但机构连板系统不动。 机构或本体严重机械卡涩会导致锁沟或四连杆动作,但机构连板系统不动以至于操动机构拒分。

1.2.2 误动

(1) 储能后自动合闸。 合闸四连杆受力过“死点”距离太小;四连杆未复位,可能复归弹簧变形或蹩劲;扣入深度少或扣合面变形;锁扣支架支撑螺栓未拧紧或松动;L形锁扣变形锁不住; 马达电源未及时切换;牵引杆越过“死点”距离太大撞击力太大等会导致储能后自动合闸以至于操动机构误动。

(2) 无信号自分。 二次回路有混线,分闸回路两点接地;分闸锁钩扣入深度太少,或分闸四连杆中间轴过“死点”距离太小,或锁钩端部变形扣不牢;分闸电磁铁最低动作电压太低;继电器接点闭合等故障会导致无信号自分以至于操动机构误动。

(3) 合后即分。 二次回路有混线,合闸时分闸回路有电;分闸锁钩扣入深度太少,或分闸四连杆中间轴过“死点”距离太小,或锁钩端部变形,扣合不稳定;分闸锁钩不受力时复归间隙太大;分闸锁钩或分闸四连杆未复位等故障会导致合后即分以至于操动机构误动。

2 断路器机械故障检测方法

高压断路器的操作过程伴随着一系列的机械、电气、振动、声音等信号,这些信号信息包含了整个断路器的运行状态。 通过分析不同状态的机械、振动、声音和电气信号可以判断断路器的运行状况,对断路器的运行状态进行诊断。 根据国家有关标准,高压断路器设备机械特性参数包括:分闸时间、合闸时间、分闸同期性、合闸同期性、开距、超程、刚分(合)速度、平均速度和最大速度等。 高压断路器机械特性在线检测研究方法主要有行程一时间检测法、分合闸线圈电流检测法、振动信号检测法。 最近一些研究将几种检测方法结合,综合对高压断路器进行故障诊断并取得了比较理想的效果,如华北电力大学李建鹏等利用振声联合诊断方法并结合支持向量机法对高压断路器故障诊断进行了初步探索[12]。

2.1 行程—时间检测法

行程—时间特性曲线是表征高压断路器机械特性的重要参数, 典型合闸行程—时间特性曲线如图1所示。 根据动触头的行程—时间特性曲线再结合其他参数,可以获得其他机械动作的参数,如动触头合、分闸操作的运动时间﹑动触头行程﹑动触头的刚分速度和刚合速度及动触头运动的平均速度和最大速度以及速度—时间曲线等。

动触头是记录断路器分合闸操作最为直接的手段。 目前工程中通常采用直线式光电编行程—时间特性曲线编码器或者增量式旋转光电编码器。 将直线式光电编码器安装在断路器做直线运动的机械传导机构连杆上,旋转式光电编码器安装在断路器机械操动机构的转动轴上,采集传感器测量数据,分析得到行程—时间特性曲线。 对比2 种光电编码器特点,旋转式光电编码器质量轻,力矩小,可靠性较高,因此应用范围更广[13]。 行程—时间检测法利用断路器机构的运动轨迹,比较理想地完成了高压断路器机械特性的检测任务。 但该方法利用信息较少,并且检测结果准确性受现场安装情况影响较大。

2.2 分合闸线圈电流检测法

当分合闸线圈中通过电流时,电磁铁产生磁通,在电磁力作用下完成断路器的分合闸操作。 线圈中的电流波形能够反映电磁铁本身和其控制的锁门或阀门以及连锁触头在操动过程中的工作情况,通过监测分合闸线圈中电流随时间的连续变化,可获得二次操作回路的状态。 典型开关分(合)闸线圈电流波形如图2 所示。 根据分合闸线圈电流特性波形和铁心运动过程的对应关系,能够判断断路器操动机构的运行状态如:分合闸时间、分合闸速度、三相不同期性等一系列机械状态特性参数[14]。

分合闸线圈电流检测法原理简单,较好地实现了机械状态的在线监测。 但也存在相应不足:首先,电流信号采集环节受放电、磁场等影响较大,该方法实现在线监测必须要有效果非常好的屏蔽装置。 其次,反映故障类型有限。 主要反映集中在铁心上的机械故障,不能反映其他的机械故障问题。

2.3 振动信号检测法

高压断路器分合闸时,机械操作机构发出的机械振动信号中包含着大量状态信息,通过合适的振动传感器和先进的信号处理方法能够分析出整个分合闸过程以及断路器的运行状态[15]。 相比分合闸线圈电流检测法,振动信号检测法测量不涉及电气量,不受电磁场干扰。 传感器安装于断路器外部, 对断路器无任何影响,并且振动传感器尺寸小,工作可靠,价格低廉,灵敏度高。断路器操作是瞬时性动作,动作时间短暂且无周期性,同时不同振动信号之间也具有很大随机性,因此要求监测过程采样频率很高。 由于信号处理分析过程较为复杂困难, 目前学术界尚无较为完善的分析处理方法很好地解决断路器机械特性的精确在线测量和诊断问题。振动信号在线监测法的研究,国内外均处于积累数据和探索分析阶段,尚无成熟产品问世。振动信号检测法充分利用整个分合闸过程的信息,前景巨大,将成为高压断路器机械状态监测和诊断最有前途的方法之一。

3 机械故障特征量

在行程—时间检测法和分合闸线圈电流检测法中, 根据行程—时间特性曲线和分合闸线圈电流特性波形对应操作时刻,还原断路器运行过程,进行故障诊断。在振动信号检测法中,对振动信号进行进一步数学处理,提取出具有明确物理意义特征参量,参考阈值范围进行诊断。

3.1 速度—行程特征参数

在行程—时间特性曲线中, 需要首先确定操作动作在行程—时间特性曲线中的位置, 进而得到时间参数, 根据位移参数和时间参数计算得到所有机械特性参数。动触头刚合、刚分的换位点信号是机械特性测试过程中的重要信号之一, 也是计算机械特性其他参数的前提条件。通常忽略预击穿时间,合闸的换位点取主回路最后一相电流出现的时刻, 分闸换位点的确定根据合闸时测得的超行程来修正。

3.2 不同阶段线圈电流特征

在分合闸线圈电流检测法中, 合分闸电流曲线分为5 个阶段,如图2 所示。 第一阶段t0~t1电流呈指数上升,铁心静止。此阶段时间与控制电源电压及线圈电阻有关,电流可以反映线圈的状态。 第二阶段t1~t2铁心运动,电流下降。 可以反映铁心运动结构有无卡涩,脱扣等机械负载变动的情况。从第二阶段结束点开始是整个动触头运动过程。 第三阶段t2~t3铁心停止运动,电流又呈指数上升。 第四阶段t3~t4电流达到近似的稳态。 第五阶段t4~t5在辅助开关触头间产生电弧并被拉长,电弧电压快速升高,迫使电流迅速减小,直到熄灭。 5 个阶段电流变化反映整个机械操作系统的运行情况。分析可得操动机构的启动时间、线圈通电时间[16]。 对比断路器自身参数范围,判断操动机构是否己有铁心空行程、弹簧卡涩等故障。

3.3 振动信号特征

振动信号检测法测得的振动信号通过时域法、频域法、时频法以及数据序列法等处理之后,可以提取出具有明确物理意义特征参量,如时间信息、频率信息,也可以得到分形维数、 信息熵等表征数据序列本质特征的其他指标。

(1) 时域法。 时域法从时域振动信号中获取振动发生时刻、 振动幅值及其他表示时域波形变化的指标作为特征参数[17,18]。 时域法中常用包络分析(Envelope Analysis)和短时能量法(Short Time Energy)对振动信号进行处理。 包络分析可以获得线圈动作、触头接触、缓冲动作等振动的时刻和振动剧烈程度, 并可与谱分析、小波分析等方法结合使用,从时间分辨率较好分量的包络谱中提取时间信息, 通过与标准值比较来判断断路器的机械状态。 短时能量法对时域信号序列的平方变换进行窗函数滤波, 得到能量函数序列再进行后续分析。短时能量法相较于中值滤波法、包络分析等传统方法,具有更高的信噪比,可获得较高精度的振动事件起始时刻信息。通过测量各相断路器的振动信号,选择合适的窗函数, 采用短时能量法可获得断路器的合闸同期性与合闸时刻等状态参数, 且该方法受承载电流的影响很小。

(2) 频域法。 频域法通过时频转换将时域振动信号转换成频域信号, 通过频域信号的分布和变化判定机械故障的类型和程度。 频域法通常包括包络谱分析(Envelope Spectrum)、 细化频谱分析(Zoom Spectrum Analysis)和模态分析(Modal Analysis)等方法。 细化频谱分析能提高常规傅里叶变换频率分辨率。 对快速傅里叶变换进行细化或线性调频Z变换, 进而将线性调频Z变换应用到断路器振动信号分析中, 有助于提高断路器振动信号频域分辨率。固有频率、阻尼比以及振型等模态量表征机械结构的固有振动特性, 将模态变量和线圈电流、接触电阻、触头行程等变量信息结合,对机械故障进行诊断,可以收到较好效果。

(3) 时频法。 时频法同时提取时域振动信号的时间和频率信息, 并依据其时频分布等特性进行故障诊断,特别适合于对非平稳信号的分析。包括短时傅里叶变换(Short Time Fourier Transform,)、 小波分析(Wavelet Transform)、 小波包分析(Wavelet Packet Decomposition)、 经验模态分解(Empirical Mode Decomposition)、希尔伯特变换(Hilbert Transform)、振荡子波分解等方法。

短时傅里叶变换通常将信号的短时谱、 短时功率谱等作为特征向量。 小波变换(Wavelet Transform)在机械振动在线检测的早期应用研究中, 将小波变换的模极大值及其时间作为特征量[19]。 后来相关学者利用振动信号小波分解各尺度上的奇异性来获得其包络的奇异性指数, 将奇异性指数作为特征参数来进行故障的识别[20]。 小波包分析相比小波分析在全频段上都能保持高分辨率,其应用更广,且一般选定节点的系数幅值的分布[21]、组合节点的系数幅值[22]、选定频带的能量分布[23,24]、对数能量分布[25]、各频带的能量熵[26]或其包络的能量熵[27]、信号的多维熵带[28]作为特征向量。 经验模态分解法抽取或重构振动信号, 再通过包络谱分析[29]、希尔伯特谱的能量熵[30]或固有模态分量的能量熵[31]等参数构造断路器振动诊断的特征量。 断路器振动信号的希尔伯特谱很好地表征了其时频分布特性,也可作为故障诊断的依据。

(4) 数据序列法。 数据序列法一般采取积分参数法、分形方法、信息熵和相空间重构等手段从数据序列提取出表征数据本质特征的数学模型或数值。 积分参数法利用合适的函数拟合积分曲线, 将积分曲线参数化, 得到的积分参数可以作为区分断路器状态的特征向量[32]。 文献[33]和文献[34]应用分形方法,基于小波变换方法求取振动信号的局部分形维数曲线, 作为高压断路器机械机构状态特征量, 在故障诊断中具有很好的辨识度;文献[35,36]利用相空间重构方法,以振动信号的关联维数作为特征量对高压断路器进行状态诊断,收到了较为可观的效果。信息熵对数据序列进行处理,得到表征数据复杂程度的数值量。如文献[26]中计算小波包分解各频带的信息熵,文献[30]中的希尔伯特谱图和文献[31]经验模态分解各频带的信息熵等,还可以进一步由奇异值谱熵、功率谱熵、小波状态空间特征熵、小波能量谱摘共同构成谱熵带[37]。 相空间重构理论认为系统的一个观察量可以重构系统的等价相空间[38]。 通常釆取Takens延迟嵌入方法,通过自相关函数法确定步长; 不断调整嵌入维数以至关联维数趋于稳定。多次试验表明,不同机械状态下的相空间关联维数基本趋于相应的固定值,可作为特征量[39]。

4 故障识别方法

故障识别针对机械故障特征量对系统状态进行判断。 有基于规则、基于模型和基于案例3 种思路[41]。 基于规则的方法需要根据实际经验积累进行判断, 由于目前高压断路器振动诊断研究尚处于初级阶段, 因此使用较少。基于模型的方法从故障机理出发进行诊断,由于高压断路器涉及多学科交叉知识,应用较为有限。基于案例的方法通过对比待诊断系统的特征与已有典型案例特征进行状态分类, 从而达到分类或故障诊断的目的,目前应用最多,一般分为传统的基于统计的方法和人工智能算法2 类。

传统的基于统计的方法有分辨系数法(Resolution Ratio)、协方差法(Covariance)、偏差校验法(Variation of Chi Square Test)、 动态时间规整法(Dynamic Time Warping)等[42]。 分辨系数法中,待检向量与基准向量距离、参考向量与基准向量距离之比为辨识系数,辨识系数越大则待检状态偏离参考状态越远。 需参考多次实验结果,来确定合适的阈值[42,43]。 协方差法中,当选定频带能量作为特征向量时, 不同合闸同期性状态的特征向量在特征平面的分布具有明显界限[44,45]。 以振动信号的方差和协方差为坐标, 不同状态下坐标各自归类到不同区域,可用于故障识别。利用标准偏差信号对待检验信号与标准信号的;进行归一化即偏差检测,用以判别待检验信号与标准信号的吻合度。 一般首先对信号就行包络分析, 对断路器振动信号的离散包络统计、短时功率谱进行包络处理,分别计算其检验值,通过阈值范围进行状态诊断[15]。 动态时间规整法利用动态规整函数对比2 个数据序列之间相似性。 一般以正常状态下振动信号作基准, 待检验信号与基准之间通过动态时间规整进行比较,通过其幅值、时间、谱和频率等参量偏离标基准的程度估计断路器状态[46,47]。

人工智能算法包括人工神经网络(Artificial Neural Network)、 支持向量机(Support Vector Machine)、 人工免疫网络(Artificial Immune Network)等[42]。 神经网络具有较好的容错能力和泛化性能,但存在局部收敛问题。 可选用的网络类型有自组织映射网络(Self Organizing Map)[48]、 误差反向传播网络(Error Back Propagation)[30]、 径向基函数网络(Radial Basis Function)[49]等。 首先对网络进行训练,得到分类器, 或者将径向基函数网络预测结果与实测信号的偏差来做诊断[50]。 支持向量机是一种基于统计学习理论的分类算法,具有较小的经验风险和置信范围,适合小样本分类问题。选取合适的核函数,将样本通过核函数映射到高维特征空间, 在特征空间中寻找最优分类超平面对样本进行分类。 如将小波包分解的组合节点系数幅值[22]、各频带包络的能量熵[51,52]等特征向量输入支持向量机,采用“一对其余”策略进行多状态分类,能得到较为满意的识别效果。 人工免疫网络模拟生物免疫系统行为,具有较强的学习能力和鲁棒性。文献[53]将人工免疫网络记忆分类器(Artificial Immune Network Memory Classifier)引入断路器机械状态的估计,为断路器振动诊断的研究提供了一种新思路。文献[54] 构造了在线自学习的免疫分类网络C-ai Net,能辨识未知的断路器故障类别。

5 结束语

目前高压断路器机械状态在线诊断的研究先后经历了行程—时间检测法和分合闸线圈电流检测法以及目前研究较多的振动信号检测法。 已经取得了一定突破性进展, 然而目前对断路器机械状态在线监测及故障诊断技术大多基于某种单一特征量的监测结果,很少对比分析不同种类状态信号的特征并作综合评判。因此目前的在线检测技术存在以下问题:

(1) 传感器对高压断路器安装适应性问题。 不同电压等级和不同操动机构的断路器所选择的传感器类型不一样, 亟待规范传感器的类型以适应高压断路器的实际运行。

(2) 故障类型的具体化问题。 以往在线监测装置对机械运动的过程关心不多, 目前一些在线监测模块也可测量合、分闸时动触头的行程特性曲线。但只能对机构状态做出好或坏判断,不能具体判断故障位置。

(3) 数据处理的问题。 尤其体现在振动信号检测法中,由于振动信号的特殊性,目前信号处理技术已经成为制约振动信号检测法发展的关键技术。

(4) 在线监测装置模块寿命过短,安装维护困难,价格过高而精度较低。

汽车机械故障诊断技术的研究 篇3

关键词：汽车机械 故障 诊断

中图分类号：U472 文献标识码：A 文章编号：1007—3973（2012）009—063—02

汽车机械故障在汽车总体故障中占有很大比例。汽车机械故障对汽车的性能造成的影响也比较大，包括影响汽车的安全性、稳定性、操纵性及动力性等，严重会造成安全事故的发生，给驾驶人造成人身伤害。

1 传统的汽车机械故障诊断技术

传统的诊断方法有经验诊断法、通过仪器测量诊断法、利用大型检测诊断设备诊断法、车载自诊断法、诊断仪诊断法及计算机诊断等。

经验诊断法是最早而且最常用的一种机械故障诊断方法。它主要是依靠维修人员通过积累的维修经验对车的异常情况进行诊断。这种方法的缺点是费时费力而且准确度差。

利用仪器和大型诊断设备诊断技术提高了故障诊断的准确度的诊断速度，而且利用诊断设备可以记录存储故障情况，便于故障诊断经验的积累，但是这种方法投资比较大，尤其是大型诊断设备。

车载自诊断是汽车机械故障诊断智能化的标志。它是利用智能化的控制装置时刻监测汽车的相关数据是否偏离正常的设定值来判断汽车的故障情况。维修人员可以通过车载监测装置的提示迅速确定故障位置并将其排除。这种方法的缺点在于监测传感器的检测范围有限造成只能诊断部分故障。

诊断仪诊断法和计算机诊断法是目前比较先进的诊断技术，具有高智能化和准确度高的特点。随着技术逐渐成熟，这两种方法的应用越来越广泛。

2 汽车机械故障的诊断原理

汽车零部件的磨损、变形、断裂、腐蚀及老化的因素是造成汽车机械故障的主要原因。汽车机械故障的主要特征表现在振动异常、响声异常、温度异常、及运动副轨迹异常等。根据汽车的不同部位，故障表现的特征也有差别。车轮轴承及转向操纵机构的机械故障表现为其几何特性的改变；发动机气缸活塞组、冷却系统、润滑系统及轮胎气压的故障变现为部件的密闭性改变；汽车点火系统、发电机转速系统、电系统及灯光系统的故障表现为电光热的状态参数的改变；传统系统和发电机的故障表现为车体振动或者声频的改变；发电机供给系统、润呼系统及配合副磨损等的故障表现为润滑机油成分和排气成分的改变。

根据机械故障的特征信号的检测可以确定机械故障的类型及故障部位。主要的机械故障特征信号包括几何信号，压力信号、电信号及物质含量信号。几何信号包括角度间歇、自由行程、工作行程及侧滑量等；压力信号包括气缸压缩压力、机油压力、进气管真空度及轮胎气压等；电信号包括电压、电流、频率、相位、时域特性及频域特性等；物质含量信号包括机油粘度、金属杂质含量、机油中清洁剂含量及排气中特殊气体的含量等。

机械故障特征信号的获取是机械故障诊断的基础。振动传感器是获取振动信号的主要部件，其原理是将机械振动信号转换成电信号来表示振动参数（包括位移、速度及加速度等）。振动传感器包括电涡流式位移传感器、磁电式速度传感器及压电式加速度传感器等。电磁传感器是获取磨粒信号的主要部件，其原理是利用金属颗粒对磁场的扰动转换为对应的电压值，从而确定金属颗粒的尺寸，还可以利用相位的变化确定颗粒是否带电。热电阻传感器和热电偶传感器是温度信号获取的主要部件，热电偶的原理是不同材料的导体或者半导体构成闭合回路，两导体的温差会使其产生电压，从而将温度信号转换为电信号；热电阻是利用金属导体的电阻值随温度变化而变化的特征。

机械故障特征信号的分析是机械故障诊断的关键。特征信号的分析包括信号的预处理，时域分析及频域分析等方法。信号的预处理包括模拟信号的滤波、A/D转换及直流分量分离和数字信号的异常值处理。模拟信号滤波的目的是滤去噪声，消除干扰信号。时域分析法包括统计分析法、无量纲指标分析法、相关累积分析法及模型分析法等。频域分析法包括傅里叶分析、倒谱分析及小波分析等。经过特征信号的分析后，最终对故障做出诊断。常用的诊断方法包括残差分析法、距离分类法及逻辑判别法等。这几种故障诊断的方法的原理是根据不同故障特征确定一个对应的数学模型，然后通过观测模型本身参数的变化来判定系统的工作状态。

3 现代机械故障诊断仪

本文经过故障诊断原理的阐述，结合现代通信技术、检测技术及计算机处理技术等，提出了一种现代机械故障诊断仪的设计。

3.1 硬件设计

诊断仪硬件部分包括计算机、微机控制系统、通讯模块、按键显示及检测接口等。诊断仪处理系统采用嵌入式的设计方法。诊断仪和汽车ECU之间的通信采用OBD—II通信模块，其设计原理为通过电压比较器来完成各总线协议与计算机之间的电平转换。总线通信采用CAN协议通信，其特点主要体现在成本低、极高的总线利用率、具有可靠的错误处理和检错机制及传输距离长等。

3.2 软件设计

根据检测诊断任务的需要，软件系统完成的任务包括基本的操作功能（键盘及显示等）、故障诊断功能及数据传输。软件系统主要包括主函数模块、通信模块及诊断模块等。

主函数模块是软件的核心，主要负责各子函数之间的调用和任务分配。通信模块的主要任务是接收、识别及发送信号，包括收发函数和协议识别函数。收发函数由接收字节函数、发送字节函数、接收命令函数及发送命令函数四部分组成。协议识别函数的方法是发送特定的校验码与读取到的信息进行比较，若相同，则认为找到该协议，若不同，则认为找不到该协议。诊断模块包括传统的诊断模块和智能模块。诊断模块由读取故障码函数、清楚故障码函数、及读取数据流函数组成。

4 汽车机械故障诊断技术的发展趋势

随着汽车功能和结构的复杂程度加大，自动化程度的提高，针对汽车机械故障诊断技术的要求也越来越高。诊断技术的发展主要体现在以下几个方面：

（1）多功能化和人性化

车载自诊断系统和车外诊断仪的配合使用将越来越广泛。车载自诊断可以及时地监视汽车的行驶情况并记录故障数据，为汽车维修中心或安全部门提供汽车的实况数据，就像飞机的黑匣子一样。车外诊断仪将日趋人性化，例如易于操作、携带方便及价格便宜等。

（2）诊断智能化

诊断的智能化的主要体现为现代人工智能与诊断理论的结合。现代人工智能包括神经网络和专家系统等。神经网络可以有效的组织和运用积累的经验知识进行故障的诊断。目前神经网络应用于故障诊断的研究范例是BP神经网络在汽车故障中的应用。相对于神经网络，专家系统适合用于解决需要大量准也知识的问题。其实两者的结合是未来人工智能在故障诊断应用的发展方向。

（3）诊断信息的网络化

诊断信息的网络化可以实现各种车型故障资料的共享，维修人员不仅可以通过网络获得这些信息，而且可以网络平台传递诊断信息和维修经验，提高维修效率。随着无线通讯技术和电子技术的发展，远程故障诊断将成为可能。

参考文献：

[1] 肖云魁.汽车故障诊断学[M].北京：北京理工大学出版社，2006.

[2] 王凯军.汽车性能综合检测与故障排除方法[J].汽车维修技术，2009，33（10）：85—87.

机械故障检测技术论文 篇4

摘要: 介绍了机械故障中应用的各种人工智能诊断方法及理论, 包括专家系统、人工神经网络等, 根据二者在机械故障诊断中的应用情况分析了它们的优缺点, 并以专家系统在汽车故障诊断中的应用为例, 阐述了专家系统在实际应用中存在的问题。

关键词: 机械故障诊断;人工智能;专家系统;神经网络

中图分类号: TP206

3文献标识码: A

文章编号: 1001-006X(2006)02-0023-02 Artificial Intelligence Applied in Machinery Fault DiagnosisLiMeihua, Han Daming, Lu Huaimin(Northeast Forestry University, Harbin 150040)Abstract: The methods and theories of artificial intelligence diagnosis applied in machinery fault diagnosis of each system are reviewed, including ex pert system and artificial neural network.Based on the actual application of the two methods, the advantages and disadvantages of each system are analyzed.Taking the application of expert system in automobile fault diagnosis as an example, the existing problems of ex pert system are clarified in the paper.Key words: machinery fault diagnosis;artificial intelligence;expert system;neural network 收稿日期: 2005-03-14 第一作者简介: 李美华(1981-), 黑龙江省呼兰人, 女, 硕士研究生, 研究方向: 汽车维修理论与诊断技术。前 言

机械故障诊断是识别机器或机组运行状态的科学, 它研究的是机器或机组运行状态的变化在诊断信息中的反映, 其研究内容包括对机器运行现状的识别诊断、对其运行过程的监测以及对其运行发展趋势的预测3 个方面。就其诊断方法而言, 人工智能的研究成果为机械故障诊断注入了新的活力, 如专家系统、人工神经网络、分形几何等, 但这些新的理论和技术成果大多有待完善。最近有人探索人工神经网络与传统的专家系统结合起来, 建造神经网络专家系统。研究表明新型的专家系统能较好克服传统的专家系统和人工神经网络在各自独立 的缺陷而具有许多优势。人工智能在机械故障诊断中的应用 21专家系统在机械故障诊断中的应用

专家系统也称专家咨询系统, 顾名思义, 专家系统就是能像人类专家一样解决困难、复杂的实际问题的计算机(软件)系统。一个专家系统主要由知识库、推理机、数据库和人机接口等4 个基本部分组成, 其中知识库和推理机是专家系统的核心组件。知识库用于存放推理所需要的规则等信息, 是专家领域知识的集合。推理机的作用是根据所采集到的现场信息, 应用知识库中的知识对设备所处状态进行推理判断, 给出设备有否故障或故障部位等信息。数据库用于存放推理过程中的所需和所产生的各种信息,人机接口则是人与专家系统打交道的桥梁和窗口, 是人机信息的交接点。一个实用的机械设备故障诊断专家系统一般还包括解释程序和知识获取程序, 其中, 解释程序负责回答用户所提出的各种问题,包括与系统运行有关的问题和与系统运行无关的、关于系统自身的一些问题。解释程序是实现系统透明性的主要部件。知识获取程序负责管理知识库中的知识, 包括根据需要修改、删添知识及由此引起的一切必要的改动, 维护知识库的一致性和完整性。知识获取程序使领域专家可以修改知识库而不必了解知识库中知识的表示方法和组织结构等细节问题, 从而大大提高了系统的可扩充性。

22人工神经网络在机械故障诊断中的应用人工神经网络简称神经网络,是在生物神经学研究成果的基础上提出的人工智能概念, 是对人脑神经组织结构和行为的模拟。就机械故障诊断而言, 神经网络使用来自机器不同状态的振动信号,通过特征选择,找出对于故障反映最敏感的特征信号作为神经网络的输入向量, 建立故障模式训练样本集,对网络进行训练;当网络训练完毕, 对于每一个新输入的状态信息, 网络将迅速给出分类结果。23神经网络故障诊断系统和专家系统故障诊断

系统的融合基于神经网络的故障诊断系统和基于专家系统的故障诊断系统可以相互转化。在专家系统故障诊断系统中, 知识是通过规则的方式来表达的, 而在神经网络故障诊断系统中, 知识是通过对样本的反复学习并在此过程中不断调整网络连接权值, 从而使网络误差收敛到全局最小点后储存在这些连接权值中。所以, 要实现由基于专家系统的故障诊断技 术向神经网络故障诊断技术过渡的关键是将规则转化为学习样本, 具体步骤为:

统计在规则表述中诊断对象可能出现的故障征兆与故障原因数目, 分析诊断知识结构, 确定神经网络的输入、输出神经元数目及其网络层次结构;

将专家系统知识库的规则提取出来, 形成神经网络的学习样本;

对神经网络样本学习, 获取各自的连接权值, 形成神经网络故障诊断系统。由神经网络故障诊断到专家系统故障诊断的关键问题是在现有的连接权值中提取规则, 具体步骤为:

已知学习样本时, 可以直接将每一个学习样本转化为一条规则;

未知样本只知道连接权值时, 这种情况很复杂, 一般是通过特殊的算法从网络的输入和输出中提取规则;如果是模糊神经网络, 问题就简单了, 即可以直接从网络 中提取。专家系统在汽车故障诊断中的应用

汽车作为一种特殊的机械, 以汽车故障诊断专家系统为例。汽车故障诊断专家系统的开发, 自20 世纪80 年代以来, 可分为雏型期、改进期和发展期3 个阶段。20 世纪70 年代后期至80 年代初期, 为了适应对计算机应用不断增加的现实, 在汽车维修行业中首先开发的就是诊断咨询系统。1986 年, 美国通用汽车公司和福特汽车公司分别推出了称之为CAMS 和SBDS 的故障诊断咨询系统。1986 年,日本丰田汽车公司的维修、信息及技术部门联合开发了

维修技术咨询系统, 1987 年8 月开始用于丰田发动机集中电子控制系统T CCS 的诊断。作为系统信息流, 对维修企业遇到难度较大的车辆故障诊断与维修问题时, 专业技术人员在预制的问诊表上填入有关事项, 并电传到丰田汽车公司维修总部。维修总部的有关人员以此为基础, 把信息输入到维修技术咨询系统,并由专家系统的维修程序提出诊断结果和维修方案。现场技术人员以此为基础进行维修工作并将结果反馈到总部, 以进一步提高系统的诊断精度。进入20 世纪90 年代, 开始出现了专家系统工具的研究。这种专家系统工具具有知识获取支援功能的专用编辑器, 不需要智能语言, 从而解决了过去存在的知识库效率低的缺点。汽车诊断专家系统的功能与特点, 概括地说就是由计算机存储的专家知识, 按照需要可以调用, 即使初学者也能近似地如专家一样进行故障诊断。基于专家系统的故障诊断方法, 在实际应用中存在问题如下:

知识获取的瓶颈问题;知识难以维护;

知识应用面窄;诊断能力弱;不适应模糊问题。应用神经网络技术可以弥补解决传统专家系统在应用中遇到的问题。

(1)对于专家系统的脆弱性, 即知识和经验不全面, 遇到没解决过的问题就无能为力。而利用神经网络的自学习功能, 不断丰富知识库内容,可解决知识更新的问题。

(2)对于专家系统知识获取困难这一瓶颈问题, 利用神经网络的高效性和方便的自学习功能, 只需用领域专家解决问题的实例来训练神经网络, 使在同样的输入条件下, 神经网络便能获得与专家给出的解答尽可能接近的输出。(3)推理中的匹配冲突,组合爆炸及无穷递归使传统专家系统推理速度慢、效率低。这主要是由于专家系统采用串行方式、推理方法简单和控制策略不灵活。而神经网络的知识推理通过神经元之间的作用实现, 总体上, 神经网络的推理是并行的、速度快。4

结

论

随着人工智能的不断发展, 各个领域对人工智能的要求也越来越高。传统的专家系统有它自身的缺点, 神经网络也有其局限性, 正因为如此在机械故障诊断中, 目前将神经网络和专家系统相结合,建造所谓的神经网络专家系统。理论分析与应用实践表明, 神经网络专家系统结合了两者的优点而克服了各自的缺点, 表现出强大的生命力。参考文献

机械作业区设备故障管理流程 篇5

设备故障管理流程

为了减少故障的发生，杜绝责任性故障和重复性故障，故障管理工作是设备管理中最重要的工作之一，也是检验点检标准及执行、检修质量的方法之一，因此，作业区要强化故障管理工作。

故障管理基本原则是“三不放过”原则，就是故障原因不清楚不能放过，没有预防措施及措施落实不到位不能放过，故障记录不过关及没有举一反三不能放过。

故障管理的基本流程按照如下要求进行：

1、故障发生后，积极处理。

2、点检员负责了解故障发生和处理的具体情况（向生产操作工、机械倒班人员、电气倒班人员、保驾维修人员询问及现场观察）。

3、班组长组织开会讨论，明确以下几个方面事项：

1）起止时间、故障部位、现象、当事人、处理过程、原因分析；

2）该故障点的点检标准、周期和点检记录情况；

3）该故障点的周期维护（更换）标准、周期和实施、记录情况；

4）该故障点的维修历史（故障史、正常检修史）情况；

5）若涉及备件，备件计划（催备件情况）、库存数量、存放位置等情况；

6）故障处理过程中的安措、步骤、工器具、备件准备、沟通、协调等是否有不合适的情况；

7）故障原因的分析、判断、排查、测试过程是否有不合适的情况；

8）依据上述情况，讨论预防措施，明确落实的方法、时间；

9）班组内举一反三，其他机组或同机组其他设备是否存在同样的隐患，如何检查，若可行，明确检查方法、时间；

10）责成点检员根据上述讨论结果，编制成《故障诊断手册》，并附照片。

4、会后三个工作日内，点检员编制好手册，将电子版交至作业区审核、存档。

5、每个月月初，3号左右，作业区召开上月故障总结分析会，进一步明确预防措施落实的方法和时间。

6、根据故障情况，要求其他班组举一反三，明确自己的检查内容和时间。

机械故障检测技术论文 篇6

机械设备的检测诊断技术在现代工业生产中的作用不可忽视，随着科学技术的发展，机械设备越来越复杂，自动化水平越来越高,机械设备在现代工业生产中的作用和影响越来越大，与其有关的费用越来越高,机器运行中发生的任何故障或失效不仅会造成重大的经济损失,甚至还可能导致人员伤亡。通过对设备工况进行检测，对故障发展趋势进行早期诊断,找出故障原因，采取措施避免设备的突然损坏，使之安全经济地运转，在现代工业生产中起着重要的作用。本学期通过对《机械系统可靠性与故障诊断》这门课程的学习，了解到机械系统的可靠性和故障诊断的重要性，并对这门课程有了进一步地了解。接下来，我就针对在课程中所学到的相关内容，谈谈自己的理解和看法。

机械故障检测诊断的基本过程包含两方面内容：(1)对设备运行状态进行检测；(2)发现异常情况后对设备的故障进行分析、诊断。其发展也经历了从简易诊断到精密诊断，从一般诊断到智能诊断，从单机诊断到网络诊断的过程，发展速度愈来愈快。根据系统采用的特征描述和决策方法，故障检测诊断的方法概括起来分为：基于系统数学模型的故障诊断方法和基于非模型的故障诊断方法两大类。基于模型的故障检测诊断技术是通过构造观测器估计出系统输出，然后将它与输出的测量值比较，从中取得故障信息。该方法能与控制系统紧密结合，是监控、容错控制、系统修复和重构的前提；是以现代控制理论和现代优化方法为指导，以系统的数学模型为基础，利用观测器

(组)、等价空间方程、滤波器、参数模型估计和辨识等方法产生残差，然后基于某种准则或阈值对该残差进行评价和决策。

而基于非模型的故障诊断方法主要包括以下几个方面：(1)基于可测信号处理的故障诊断方法 系统的输出在幅值、相位、频率及相关性上与故障源存在着某种关系,利用这种关系可确定系统的故障。常用的方法有谱分析、相关分析、功率谱分析和概率密度法。

(2)基于故障诊断专家系统的诊断方法 专家系统是近年来故障诊断领域最显著的成就之一,内容包括诊断知识的表达、诊断推理方法、不确定性推理以及诊断知识的获取等。随着计算机科学和人工智能的发展,基于专家系统的故障诊断方法克服了基于模型的故障诊断方法对模型的过分依赖性,成为故障检测的有效方法。

(3)故障模式识别的故障诊断方法 这是一种静态故障诊断方法,它以模式识别技术为基础,其关键是故障模式特征量的选取和提取。该方法分为离线分析和在线分析2 个阶段。通过离线分析来确定表达系统故障状态的特征向量集和以该特征向量集所描述的故障模式向量,由此形成故障的基准模式集,并确定区分识别这些故障模式向量的判别函数,然后通过在线诊断实时提取故障的特征向量,由判别函数对故障进行分离定位。

(4)基于故障树的故障诊断方法 故障树是表示系统或设备特定事件或不希望事件与它的各子系统或各部件故障事件之间的逻辑结构图,通过结构图对系统故障形成的原因做出总体至部分按树状逐渐地详细划分。这是一种图形演绎法,把系统故障与导致该故障的各

种因素形象地绘成故障图表,较直观地反映故障、元部件、系统及因素、原因之间的相互关系,也能定量计算故障程度、概率和原因等。

(5)基于模糊数学的故障诊断方法 根据模糊集合论征兆空间与故障状态空间的某种映射关系,由征兆来诊断故障。由于模糊集合论尚未成熟,通常只能凭经验和大量试验来确定。另外因系统本身不确定的和模糊的信息,以及要对每一个征兆和特征参数确定其上下限和合适的隶属度函数,而使其应用有局限性。但随着模糊集合论的完善,相信该方法有较光明的前景。

(6)基于人工神经网络的故障诊断方法 是20世纪80 年代末90 年代初才真正具有实用性的一种故障诊断方法。由于神经网络具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式的功能,使其在工程实际存在着大量的多故障、多过程、突发性故障、庞大复杂机器和系统的监测及诊断中发挥较大作用。

国外工程机械故障诊断新技术概览 篇7

设备故障诊断最常用替换比较法、简单仪器诊断技术、振动诊断技术、温度诊断技术、油样分析技术、无损探伤诊断技术和故障树诊断法(是一种将机电设备全部故障形成的原因由整体到局部按树状逐渐细化的分析方法)等。当今国外故障诊断新技术的核心技术涉及以下6个方面:(1)状态监视技术;(2)精密诊断技术;(3)便携和遥控点检技术;(4)过渡状态监视技术;(5)质量及性能监测技术;(6)控制装置的监视技术。这些为预测维护(预测维护旨在免除停机及在维修中凭臆测去进行工作)提供了技术支持。

依靠近代数学的最新研究成果和各种先进的监测手段,目前国际上正处于研究和开发阶段的故障诊断技术有如下10种。

1)计算机辅助监测诊断法借助计算机对机器进行连续的运行状态及时进行诊断和采取措施。

2)在线监测诊断法在线监测是在生产线上对机械设备运行过程及状态所进行的信号采集、分析诊断、显示、报警及保护性处理的全过程。美国宇航局的相关研究表明,设备的故障概率曲线可以分为6种。其中经典的第6类适用于一些复杂的设备,如发电机、汽轮机、液压气动设备及大量的通用设备,而该类设备故障概率曲线表明,在整个工作期内设备的随机故障是恒定不变的。这说明对大多数设备采用以时间为参考的计划维修是无效的。日本的研究还认为,对设备每维修1次,故障率都会相应升高,在维修后1周之内发生故障的设备占60%,此后故障率虽有所下降,但在1个月后又开始上升,总计可达80%左右。因此,以时间为参考的维修对许多设备来说不仅无益,反而有害。对于结构复杂、故障发生随机性很强的机电液一体化的工程机械来说,就更不宜停机被动维修,应提倡预测诊断维护和维修。

在线监测技术以现代科学理论中的系统论、控制论、可靠性理论、失效理论、信息论等为理论基础,以传感器技术、计算机技术、通讯技术为手段,并综合考虑各对象的特殊规律及客观要求,以保障设备安全、稳定、长周期、满负荷、高性能、高精度、低成本运行,可适时在线监测和显示控制对象的功能变化及故障部位。

3)专家系统诊断法是以大量专家的知识和推理方法求解复杂的实际问题的一种计算机程序系统。由知识库、动态数据库、推理机、人—机接口等4个部分组成,是计算机辅助诊断的高级阶段。

4)远程诊断法通过因特网远程诊断可以实现设备用户与远隔万里的设备制造厂商之间的信息交流的故障诊断方法。远程诊断可进行数据和图像的传输,不仅可以目视,还可以做计算机图像处理,提高故障诊断的效率和准确性,有效地减少设备故障停机时间。

5)精密仪器诊断法各种研发的专业精密仪器可以对运行的各工况实施精确的测量诊断。

6)灰色系统诊断法应用灰色系统的理论对故障的征兆模式和故障模式进行识别的技术。灰色理论认为:设备发生故障时,既有一些已知信息(称为白色信息)表征出来,但也有一些未知的、非确知的信息(称为灰色信息)表征出来。灰色系统诊断法正是应用灰色关联等理论,使许多待知信息明确化,进而完成故障诊断的方法。

7)模糊诊断法机电设备的动态信号大多具有多样性、不确定性和模糊性,许多故障征兆用模糊概念来描述比较合理,如振动强弱、偏心严重、压力偏高、磨损严重等。同一设备或元件,在不同的工况和使用条件下,其动态参数也不尽相同,因此对其评价只能在一定范围内作出合理估价,即模糊分类。模糊推理方法采用I F—THEN形式,符合人类思维方式。

利用模糊数学将各种故障和症状视为两类不同的模糊集合,用模糊关系矩阵来描述,求出症状向量隶属度,得出故障原因的多重性和主次程度。

8)人工神经网络诊断法利用神经科学的最新成果,对人的大脑神经元结构特征进行数学简化、抽象和模拟而建立的一种非线性动力学网络系统。具有处理复杂多模式及进行联系、推测、容错、记忆、自适应、自学习等功能,是一种新的模式识别技术和知识处理方法,在数控机床故障诊断技术中应用较多。

9)风险诊断法倡导“最好的维修就是不要维修”,推广风险诊断维修方式。这种维修方式是与设备故障率及损失费用相关联的,与偶发率(O)、严重度(S)及可测性(D)相关,其中每个分项各有其相关参数及计算方法。基于风险的维修实践同样表明:严重的故障并不多见,而一般不严重的故障却经常发生。故养成良好的工作态度和认真负责的工作习惯、严格按技术要求按程序检测、维护、维修至关重要,细节决定成败。

1 0)效率诊断法机电设备诊断除包括故障、过程和质量诊断外,国外还盛行设备的效率诊断。以通用水泵为例,水泵的寿命一般为10年,在10年寿命费用中,能源消耗约占95%,维修费用占4%,购置费占1%。由此可见,要降低生产成本必须抓95%的能耗成本,方法就是及时进行设备效率诊断。

新技术、新材料、新工艺、新仪器、新设备的不断问世,促使我们从业者不断地学习和提高自己,收集前沿信息和技术,防止故障发生,或者通过任何经济的、非事后处理的方式解决潜在故障问题,达到综合费用最小化的目标。

摘要：概略介绍了国外工程机械故障诊断的新技术,为及早发现潜在故障和采取防护措施提供技术支持。

机械故障检测技术论文 篇8

关键词：水泥机械设备；故障诊断技术；应用

近年来，机械设备故障诊断理论越来越成熟，人们不断完善和改进水泥机械设备故障诊断技术，极大地降低了水泥机械设备的故障率，提高了水泥机械设备的运行效率。结合水泥机械设备的实际运行情况，应用合适的水泥机械设备故障诊断技术，不断提高水泥机械设备的管理和维修水平，推动企业快速发展。

1.水泥机械设备管理维修的现状

水泥机械设备是水泥制造企业中一种重要的机械设备，为了保障水泥机械设备的安全稳定运行，企业多采用预防性的计划管理维修和周期性的管理维修，结合水泥机械设备的实际运行情况，定期对水泥机械设备的进行小修或者大修。现代化科学技术的快速发展，新型干法水泥技术被广泛的应用在水泥制造企业中，干法水泥技术对于水泥机械设备连续、稳定和安全运行的要求更高。对于一些大型的水泥机械设备，周期性的管理维修已经很难满足其运行要求。目前，水泥机械设备管理维修多采用预知维修、可靠性管理维修、预防维修、事后维修等[1]。

近年来，我国在水泥机械设备管理维修方面取得了显著的成就，水泥机械设备故障诊断技术快速发展。随着计算机网络科学技术的应用和推广，水泥机械设备管理维修也呈现出网络化、信息化、社会化和专业化的发展趋势，水泥机械设备管理维修的这种发展趋势极大地推动了干法水泥技术的广泛应用，有效地提高了水泥机械设备故障诊断水平。

2.水泥机械设备故障诊断技术的应用

2.1设备故障诊断

对于水泥制造企业中的一类设备，如大型风机、窑、水泥磨、辊压机、原料磨、冷却机等，可以采用精密诊断的故障诊断方法，利用精密的故障诊断仪器诊断和检测水泥机械设备的运行状态，如温度测量、厚度测量、油样分析、脉冲检测、热像诊断、振动检测等，在对一类设备进行故障诊断时，要配置热像仪、测温仪、有氧分析仪、设备管理维修专家诊断系统软件、测厚仪等工具设备[2]。

水泥制造企业中的二类设备是指水泥生产线中的机械设备，包括收尘器、选粉机、输送设备等，可以将简易诊断和精密诊断有效地结合起来来进行故障诊断，主要的故障诊断方法包括测温、探伤、脉冲法、测振、发射法等，同时也要配置声发射仪、测厚仪、冲击脉冲仪、轴承分析仪、超声波探伤仪、测振仪等工具设备。

水泥制造企业中的三类设备是指水泥生产线上的各种小型输送设备和辅助设备，对于这种设备，维护检修人员凭借设备表象的实际情况和自身的经验，通过简易测量、肉眼观测、手摸、耳听等一些简单的诊断方法就可以得出故障诊断结论。同时配置测温仪和轴承听诊器等仪器设备。

近年来，振动检测法快速发展，振动检测法在水泥机械设备的故障诊断中取得了显著的效果，在水泥机械设备管理维修方面发挥着越来越重要的作用。振动检测法是指利用特定的仪器检测水泥机械设备在运行状态下的振动情况，通过分析和振动水泥机械设备运行的振动强度，判断机械设备是否存在故障和故障的严重程度，然后分析水泥机械设备的振动频谱，诊断出具体的故障原因和故障位置。振动检测法主要是通过处理振动信号和测量振动强度来诊断水泥机械设备的故障情况。

2.2水泥机械设备的故障诊断方法

2.2.1辊压机

辊压机最主要的功能就是粉碎矿石、水泥料等坚硬物料。滚动轴承是辊压机最主要的故障诊断部位，采用计算机系统和数据采集器对滚动轴承进行振动检测和温度检测。需要注意的是，水泥制造企业车间中的辊压机，要安排专门的管理维护人员每天定时的利用测振仪和存储测温仪进行检测，加强日常的管理和维护，提高辊压机的稳定性。

2.2.2破碎机

破碎机和辊压机的故障诊断类似，通过对破碎机的滚动轴承进行振动检测和温度检测，然后在日常运行过程中，每天定时进行管理和维护。

2.2.3水泵和大型风机

在日常的管理维护过程中，主要对水泵和大型风机的机体部位和滚动轴承进行诊断，采用脉冲诊断方法来检测水泵和大型风机机体部位的运行状态，采用振动检测和温度检测来诊断这两种机械设备滚动轴承的运行情况。

2.2.4球磨机

球磨机的诊断部位主要包括传动部分的滚动轴承、电机和减速机齿轮，还有设备的磨机基础、中空轴滑动轴承等。对球磨机的传动部分主要进行抽样分析、测振、测温等故障诊断，对中空轴滑动轴承可以进行油样分析、电机、声发射等诊断，对于磨机基础，通过计算机系统和数据采集器定期进行自动检测。

2.2.5回转窑

回转窑的诊断部分主要有轮带、筒体、滑动轴承和传动部分，对传动部分进行油样分析、振动检测和温度检测，对滑动轴承进行测量、油样分析和声发射等，对轮带和筒体进行温度检测和间隙测量。对轮带和筒体，传动部分和滑动轴承，可以采用轮带间隙仪测量筒体和轮带之间的间隙，使用红外测温仪和筒体扫描仪检测回转窑的通体温度曲线和窑衬[3]。

在对水泥机械设备的故障诊断过程中，要有两名以上的专业维护检修人员负责，做好故障诊断和管理维护的准备工作，对任何设备要进行两次以上的诊断，避免由于人为失误出现误诊。另外，水泥机械设备故障诊断对于维护检修人员的综合素质有着很高的要求，因此水泥制造企业要加强对相关技术人员的技能培训，使维护检修人员熟练掌握脉冲技术、温度测量技术、振动测量技术、红外线测量技术等先进的科学技术，不断提高水泥机械设备的管理维护水平。

3.结束语：

水泥机械设备在长期的使用过程中很容易发生故障，通过合适的故障诊断技术和故障诊断方法，加强水泥机械设备的管理和维护，降低水泥机械设备的故障率，推动水泥机械设备的安全稳定运行。

4.参考文献：

[1]赵新军. 浅析水泥机械设备故障和诊断技术的应用[J]. 中国水泥，2012，11：51-53.

[2]赵慧凯. 浅析水泥机械设备故障和诊断技术的应用[J]. 企业技术开发，2013，05：83-84.