论文部分内容阅读
[摘 要]为了提高设备的利用率，促进生产技术的进步，传统的手摸、耳听、振幅检测等维修方法和定期检测已经无法满足生产的需求，再加上旋转机械的故障原因与种类有很多，因此，要不断加强对旋转机械故障诊断与预测方法的研究，从而保证机械设备运行的安全性。基于此，下文对旋转机械故障诊断、预测方法进行了分析，希望对相关人员提供帮助。
[关键词]旋转机械；故障诊断；预测方法
中图分类号：TP663 文献标识码：A 文章编号：1009-914X（2018）36-0146-01
引言
机械故障诊断和预测在工业生产中占有十分重要的地位，一旦机械设备发生故障就会造成十分严重的后果。因此，为了提高生产装备的技术水平和经济效益，相关单位要积极采用先进的设备管理技术、故障诊断与维修技术。另外，旋转机械的故障特征很容易在生产过程中被噪声淹没，因此，相关单位要采用合理的方法，检测设备的运行状态，从而保证设备运行的安全性。
1旋转机械的常见故障
1.1转子不平衡
由于旋转机械比较复杂，其频率份量与振动原因之间的关系也是相当复杂的，而机械设备的振动大多是由转子不平衡所引起，其主要表现在振动频率、振动方向、振幅、轴心运动轨迹以及转速关系的变化上。同时，产生转子不平衡的原因主要包括材质不均、制造精度差、安装不良、轴弯曲变形、旋转零件磨损、剥落、介质沉积不匀、旋转零件的断裂等。
1.2油膜振荡
油膜震荡和油膜涡动是旋转机械中常见的故障之一，由于旋转机械在高速运行中大多采用流体动压滑动轴承，而油膜涡动则是由涡动力产生，使得转轴处理进行自传外还要绕中心进行公转。除此之外，在共振的狀态下，油膜振荡非常强烈，从而造成的共振现象也比较大，对高速旋转机械产生了严重的危害性。
2旋转机械故障诊断预测方法
2.1振动信息分析方法
振动信号分析技术相比于其他方法而言，具有诊断效率高、可靠性强和故障定位准确的优点，同时振动信息分析方法是一种理论和实践相对成熟的轴承故障诊断手段，其是通过对所采集的振动信号进行分析，从而得到运转过程中轴承的故障情况。图1为故障损伤引起的冲击振动特征。总的来说，振动信息分析方法对轴承故障诊断设备，一般采用压电加速度传感器对振动信号进行拾取，将之转化成电压信号进行输出，然后利用采样模块对调理模块的输出信号进行数字化处理，从而产生连续的振动信号采样数据流，再利用处理模块对振动信号采样数据流进行接收最终输出巧障诊断结果。
2.2声发射分析技术
声发射分析技术是一种新型的无损检测技术，其主要适用于金属材料的损伤检测中，而常见的声发射源根据声学和金属物力学原理来看，其包括金属材料的碰撞、摩擦以及金属材料的断裂。对于故障轴承来说，其从早期的磨损到开始出现裂纹，再进一步发展出现剥落，并与其他部位相互摩擦和碰撞，自始至终都伴随着声发射现象。因此，声发射信号承载着各种阶段的轴承故障信号，而对声发射信号进行分析处理时，可以获取到故障类型的丰富信息。另外，随着仪器性能的进步，声发射技术愈发得到学术界和工业界的重视，并在判断轴承故障严重程度等方面表现出优于振动检测方法的能力。
2.3时域信号处理技术
在旋转机械故障的演化过程中，其振动特征也会随之发生改变，因此可以通过振动时域参数对轴承的装填进行评估。其中，带量纲的时域统计参数具有明显的阶段性，以滚动轴承为例，当滚动轴承处于良好的状态时，所统计的参数都稳定在一个相对较低的水平，当滚动轴承出现微小缺陷时，统计参数就会明显增大，而当滚动轴承的缺陷变大时，振动信号与量纲的统计参数也会急剧增加。因此，振动时域无量纲参数对于轴承故障来说具有较强的灵敏度，当旋转机械无故障时，无量纲参数指标较小且稳定，一旦发生故障时，无量纲参数指标会迅速的增大。总之，无量纲统计参数可有效地表征旋转机械的运行状态。
3基于LMD自适应形态学滤波在滚动轴承故障诊断中的应用
滚动轴承是旋转机械设备中的关键运动部件，由于滚动轴承的工作环境比较差，外界环境也比较复杂且噪声干扰较大，导致现场采集的振动信号比较低，轴承故障信号容易受到外界环境的干扰。同时，滚动轴承频发的故障大部分缺陷都存在于轴承生命周期的早期，而且大部分都是潜在损伤，所以很难被发现，最终降低了旋转机械设备的效率与可靠性，进而缩短了轴承的寿命。虽然基于振动信号的检测方法是一种理论和实践都相对成熟的轴承故障诊断手段，机械设备的振动信号是提取故障特征信息的重要载体，传统的时域分析方法和频域分析方法是基于信号的稳定性，但并不能表征所有的信号在时域和频域的特性。而LMD方法具有良好的自适应性和局部视频分辨率，再加上数字形态学具有很强的冲击特征提取和降噪的能力，因此将LMD自适应形态学滤波器用于处理轴承振动信号有着一定的优越性，一方面其可以提取故障的特征；另一方面，其能对原始信号进行降噪处理，从而获得更高的降噪比。基于LMD自适应形态学的轴承故障诊断方法的流程图如图2所示。
结束语
总而言之，旋转机械故障的种类较多，在进行排除故障前，要对偏心、松动、裂纹等进行充分的分析，并采取相应的措施来保证机器设备的正常运转。同时，对故障进行合理的判断，不仅能够使设备检修的计划性与目的性增强，从而提高生产率，还能够使生产厂家的效益增加，从而提高设备的利用率。
参考文献
[1]王国彪，何正嘉，陈雪峰，赖一楠.机械故障诊断基础研究“何去何从”[J].机械工程学报，2013，49（01）：63-72.
[2]王辉，路立娜.旋转机械设备关键部件故障诊断与预测研究[J].硅谷，2014，7（23）：54-55.
[3]谭巨兴，张清华，王钦若，孙国玺，熊建斌.旋转机械设备智能故障诊断方法的研究[J].工业控制计算机，2016，29（01）：36-38.
[4]李永军，马立元，崔心瀚.基于多尺度模糊熵的旋转机械故障诊断研究[J].现代制造工程，2017（10）：146-150.
[关键词]旋转机械；故障诊断；预测方法
中图分类号：TP663 文献标识码：A 文章编号：1009-914X（2018）36-0146-01
引言
机械故障诊断和预测在工业生产中占有十分重要的地位，一旦机械设备发生故障就会造成十分严重的后果。因此，为了提高生产装备的技术水平和经济效益，相关单位要积极采用先进的设备管理技术、故障诊断与维修技术。另外，旋转机械的故障特征很容易在生产过程中被噪声淹没，因此，相关单位要采用合理的方法，检测设备的运行状态，从而保证设备运行的安全性。
1旋转机械的常见故障
1.1转子不平衡
由于旋转机械比较复杂，其频率份量与振动原因之间的关系也是相当复杂的，而机械设备的振动大多是由转子不平衡所引起，其主要表现在振动频率、振动方向、振幅、轴心运动轨迹以及转速关系的变化上。同时，产生转子不平衡的原因主要包括材质不均、制造精度差、安装不良、轴弯曲变形、旋转零件磨损、剥落、介质沉积不匀、旋转零件的断裂等。
1.2油膜振荡
油膜震荡和油膜涡动是旋转机械中常见的故障之一，由于旋转机械在高速运行中大多采用流体动压滑动轴承，而油膜涡动则是由涡动力产生，使得转轴处理进行自传外还要绕中心进行公转。除此之外，在共振的狀态下，油膜振荡非常强烈，从而造成的共振现象也比较大，对高速旋转机械产生了严重的危害性。
2旋转机械故障诊断预测方法
2.1振动信息分析方法
振动信号分析技术相比于其他方法而言，具有诊断效率高、可靠性强和故障定位准确的优点，同时振动信息分析方法是一种理论和实践相对成熟的轴承故障诊断手段，其是通过对所采集的振动信号进行分析，从而得到运转过程中轴承的故障情况。图1为故障损伤引起的冲击振动特征。总的来说，振动信息分析方法对轴承故障诊断设备，一般采用压电加速度传感器对振动信号进行拾取，将之转化成电压信号进行输出，然后利用采样模块对调理模块的输出信号进行数字化处理，从而产生连续的振动信号采样数据流，再利用处理模块对振动信号采样数据流进行接收最终输出巧障诊断结果。
2.2声发射分析技术
声发射分析技术是一种新型的无损检测技术，其主要适用于金属材料的损伤检测中，而常见的声发射源根据声学和金属物力学原理来看，其包括金属材料的碰撞、摩擦以及金属材料的断裂。对于故障轴承来说，其从早期的磨损到开始出现裂纹，再进一步发展出现剥落，并与其他部位相互摩擦和碰撞，自始至终都伴随着声发射现象。因此，声发射信号承载着各种阶段的轴承故障信号，而对声发射信号进行分析处理时，可以获取到故障类型的丰富信息。另外，随着仪器性能的进步，声发射技术愈发得到学术界和工业界的重视，并在判断轴承故障严重程度等方面表现出优于振动检测方法的能力。
2.3时域信号处理技术
在旋转机械故障的演化过程中，其振动特征也会随之发生改变，因此可以通过振动时域参数对轴承的装填进行评估。其中，带量纲的时域统计参数具有明显的阶段性，以滚动轴承为例，当滚动轴承处于良好的状态时，所统计的参数都稳定在一个相对较低的水平，当滚动轴承出现微小缺陷时，统计参数就会明显增大，而当滚动轴承的缺陷变大时，振动信号与量纲的统计参数也会急剧增加。因此，振动时域无量纲参数对于轴承故障来说具有较强的灵敏度，当旋转机械无故障时，无量纲参数指标较小且稳定，一旦发生故障时，无量纲参数指标会迅速的增大。总之，无量纲统计参数可有效地表征旋转机械的运行状态。
3基于LMD自适应形态学滤波在滚动轴承故障诊断中的应用
滚动轴承是旋转机械设备中的关键运动部件，由于滚动轴承的工作环境比较差，外界环境也比较复杂且噪声干扰较大，导致现场采集的振动信号比较低，轴承故障信号容易受到外界环境的干扰。同时，滚动轴承频发的故障大部分缺陷都存在于轴承生命周期的早期，而且大部分都是潜在损伤，所以很难被发现，最终降低了旋转机械设备的效率与可靠性，进而缩短了轴承的寿命。虽然基于振动信号的检测方法是一种理论和实践都相对成熟的轴承故障诊断手段，机械设备的振动信号是提取故障特征信息的重要载体，传统的时域分析方法和频域分析方法是基于信号的稳定性，但并不能表征所有的信号在时域和频域的特性。而LMD方法具有良好的自适应性和局部视频分辨率，再加上数字形态学具有很强的冲击特征提取和降噪的能力，因此将LMD自适应形态学滤波器用于处理轴承振动信号有着一定的优越性，一方面其可以提取故障的特征；另一方面，其能对原始信号进行降噪处理，从而获得更高的降噪比。基于LMD自适应形态学的轴承故障诊断方法的流程图如图2所示。
结束语
总而言之，旋转机械故障的种类较多，在进行排除故障前，要对偏心、松动、裂纹等进行充分的分析，并采取相应的措施来保证机器设备的正常运转。同时，对故障进行合理的判断，不仅能够使设备检修的计划性与目的性增强，从而提高生产率，还能够使生产厂家的效益增加，从而提高设备的利用率。
参考文献
[1]王国彪，何正嘉，陈雪峰，赖一楠.机械故障诊断基础研究“何去何从”[J].机械工程学报，2013，49（01）：63-72.
[2]王辉，路立娜.旋转机械设备关键部件故障诊断与预测研究[J].硅谷，2014，7（23）：54-55.
[3]谭巨兴，张清华，王钦若，孙国玺，熊建斌.旋转机械设备智能故障诊断方法的研究[J].工业控制计算机，2016，29（01）：36-38.
[4]李永军，马立元，崔心瀚.基于多尺度模糊熵的旋转机械故障诊断研究[J].现代制造工程，2017（10）：146-150.