旋转机械故障诊断读书报告

旋转机械故障诊断读书报告

1.前言

故障是指机械设备丧失了原来所规定的性能或状态。通常把设备在运行中所发生的状态异常、缺陷、性能恶化、以及事故前期的状态统统称为故障，有时也把事故直接归为故障。 而故障诊断则是根据状态监测所获得的信息，结合设备的工作原理、结构特点、运行参数、历史状况，对可能发生的故障进行分析、预报，对已经或正在发生的故障进行分析、判断，以确定故障的性质、类别、程度、部位及趋势，对维护设备的正常运行和合理检修提供正确的技术支持。

通俗地说，对旋转机械故障的诊断类似于医生给患者治病，医生基于病理需要向患者询问病情、病史、切脉（听诊）以及量体温、验血相、测心电图等，根据获得的多种数据，进行综合分析才能得出诊断结果，提出治疗方案。机器在运行过程中出现故障也是不可避免的。人生了病需要求医就诊，机器出了故障也要找“医生”诊断病因。在通过监测获取机器大量信息的基础上，基于机器的故障机理，从中提取故障特征，进行周密的分析，确定故障原因，作出符合实际的诊断结论，提出治理措施。

2．旋转机械故障诊断的意义

旋转机械故障诊断技术的由来及发展，与十分可观的故障损失以及设备维修费密切相关，而旋转机械故障诊断的意义则是有效地遏制了故障损失和设备维修费用。具体可归纳如下几个方面： ① 及时发现故障的早期征兆，以便采取相应的措施，避免、减缓、减少重大事故的发生； ② 一旦发生故障，能自动纪录下故障过程的完整信息，以便事后进行故障原因分析，避免再次发生同类事故； ③ 通过对设备异常运行状态的分析，揭示故障的原因、程度、部位，为设备的在线调理、停机检修提供科学依据，延长运行周期，降低维修费用； ④ 可充分地了解设备性能，为改进设计、制造与维修水平提供有力证据。

3．旋转机械故障诊断的发展概况

旋转机械故障诊断技术和其它学科一样，也是有其发展过程的：

在二战以前对机器振动问题的解决，主要靠技术人员的经验和技巧。利用原始的检测手段，例如用小锤敲击或用细长导体抵在机器的某部位，以耳朵听到的声音来判断机器工作是否正常。

五十年代末，电涡流传感器逐步广泛用于旋转机械的振动检测上。这不仅为振动监测提供了可靠的手段，也为转子动力学，轴承等学科的理论研究提供了先

进的测试手段。

六十年代至七十年代振动监测仪逐渐运用在旋转机械上，同时在这个期间内，数字电路、

电子计算机技术发展很快。当计算机进入信号处理与分析领域时，测试技术便出现了一个新的分支——“信号数字处理分析技术”。这种技术提供了对各种物质运动分析与识别信息。

七十年代末，八十年代初，旋转机械的状态监测与故障诊断系统在许多发达国家开始研制，并把实验室的研究结果推向工业部门应用。

4.旋转机械故障诊断方法

4.1声发射检测诊断法

材料中由于能量从局部源快速释放而产生瞬态弹性波的现象称为声发射。用仪器探测、记录、分析声发射信号和利用声发射信号推断声发射源的技术称为声发射检测技术。声发射技术具有许多优点, 如适用于实时动态监控检测, 且只显示和记录扩展的缺陷, 与缺陷尺寸无关; 对扩展的缺陷具有很高的灵敏度; 整体性; 缺陷所处位置和方向并不影响声发射的检测效果; 受材料的性能和组织的影响小; 方法比较简单, 现场声发射检测监控与试验同步进行等。

4.2温度检测诊断法

温度检测诊断法即以可观测的机械零件的温度作为信息源, 在机器设备运行过程中, 通过温度参数的变化特征判别设备的运行状态。一方面, 零件的振动可以影响温度的变化; 另一方面, 温度的变化也会使旋转件的振动进一步加剧。此外, 其他故障类型和温度变化之间也具有某种确定的关系, 即温度信号中隐含着其他故障诊断信号的信息。温度检测法并不是单一靠检测温度来对设备进行故障诊断, 跟其他技术方法相结合就能更方便地应用于工程实践中。

4.3基于专家系统的诊断方法

专家系统（expert system）是一中基于知识的人工智能诊断系统，其实质是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。目前专家系统用于旋转机械的故障诊断是比较成功的。基于专家系统的诊断方法的主要特点是可以方便地把运行人员的诊断经验用规则表示出来，并允许在知识库中增加、删除或修改一些规则，以确保诊断系统的实时性和有效性，同时还能够给出符合人类语言习惯的结论，并具有相应的解释能力等。

4.4基于人工神经网络的诊断方法

与专家系统相比，基于人工神经网络（artificial neural network简称ANN）的故障诊断方法具有鲁棒性好、容错能力强和学习能力强等特点。目前主要有基于BP算法的前向神经网络和基于径向基函数的神经网络两种主要应用于旋转机械的故障诊断。 往往大型旋转机械是多个故障一起发生的，对于并发的故障进行诊断是一个备受关注的问题。文献[18]提出了用并行遗传神经网络诊断并发的故障的新方法，与传统的BP网络用于故障诊断的方法相比较，该方法在训练网络过程中能够避免网络陷入局部极小, 加快网络训练的速度, 减少了诊断时间。

5.旋转机械故障诊断实例

诊断实例（一）

某大型离心式压缩机组蒸汽透平经检修更换转子后，机组启动时发生强烈振动。压缩机两端轴承处径向振幅达到报警值，机器不能正常运行。

振动特征分析：

（1）振动大小随转速升降变化明显

（2）时域波形为正弦波

（3）轴心轨迹为椭圆

（4）振动相位稳定，为同步正进动

（5）频谱中能量集中于1×频，有突出的峰值，高次谐波分量较小

诊断意见：强烈振动的原因是振动不平衡

处理措施：监护运行

生产验证：在加强监测的前提下维持运行，其振动趋势稳定，没有增大的趋势:维持运行一个大修周期后，下次大修发现动平衡严重超标

原因：转子库存时间较长，转子较重，未按规定周期盘转

诊断实例（二）

复合不对中故障的诊断

2000年4月上旬某厂催化主风机检修后，开机运行，电动机轴承温度和振值都较正常(振值为9μm)。但是，半小时后电动机联轴器端轴承温度持续增加，振值从原9μm一直升到53μm，已经超出电动机制造厂出厂标准。

2000年4月17日和18日对该机组进行了全面的测试。鉴于故障的发生位置主要在电动机侧，所以测试主要集中在电动机侧。

机组简图和测点布置

解体后发现：

1) 电动机轴和齿轮箱低速轴在垂直方向，相差100μm，

已大大超过维修规范所要求的限值。

2) 电动机的轴承室原刷镀层（修复的部位）发生变形，使轴承室产生了一定的锥度，严重地破坏了原有的配合精度。

这说明，在加载运行的初始阶段，电动机轴与其轴承维修时的正确位置并没

有被破坏。因此，其壳体轴向的振动并不大。但是，电动机轴和齿轮箱低速轴在垂直方向存在严重的平行不对中，引起的动载荷迫使电动机滚动轴承逐渐离开原始的位置，发生了偏斜。这样，就造成了电动机轴和齿轮箱低速轴之间，又产生了角度不对中的故障。因此，它最终是一种复合型不对中，既包含了平行不对中的特点，又存在角度不对中的特征。

6.对不同旋转故障诊断方法的体会

故障诊断技术是随着现代科学技术的发展而发展起来的一个新的领域，是系统安全性、可靠性的重要保障技术，直接关系到社会效益和经济效益。故障诊断的方法多种多样，各有各的优缺点，只有能针对不同的故障类型选择适合的故障诊断方法，才能及时、快速、准确地排除故障，确保系统的正常运行。

工作比较集中的是大型旋转机械故障诊断系统，已经开发了20种以上的机组故障诊断系统和十余种可用来做现场故障诊断的便携式现场数据采集器。 可用于机械状态监测与故障诊断的信号有振动诊断、油样分析、温度监测和无损检测探伤为主，其他技术或方法为辅的局面。这其中又以振动诊断涉及的领域最广、理论基础最为雄厚、研究得最为充分。目前，在振动信号的分析处理方面，除了经典的统计分析、时频域分析、时序模型分析、参数辨识外，近来又发展了频率细化技术、倒频谱分析、共振解调分析、三维全息谱分析、轴心轨迹分析以及基于非平稳信号假设的短时傅里叶变换、Winger分布和小波变换等。而当代人工智能的研究成果为机械故障诊断注入了新的活力，故障诊断的专家系统不仅在理论上得到了相当的发展，且己有成功的应用实例，作为人工智能的一个重要分支，人工神经网络的研究己成为机械故障诊断领域的一个最新研究热点。随着计算机技术、嵌入式技术以及新兴的虚拟仪器技术的发展，故障诊断装置和仪器己经由最初的模拟式监测仪表发展到现在的基于计算机的实时在线监测一与故障诊断系统和基于微机的便携式监测分析系统。这类系统一般具有强大的信号分析与数据管理功能，能全面记录反映机器运行状态变化的各种信息，实现故障的精确诊断。随着网络技术的发展，远程分布式监测诊断系统成为目前的一个研究开发热点。