论文部分内容阅读
[摘 要]随着工业技术的发展和机械设备工程技术的提高，工业机械化设备也在朝着自动化、智能化和精密化方向发展，机械设备中的零部件也越来越精密、越来越复杂，这就对机械设备关键零部件的质量提出了更高的要求。旋转机械设备应用广泛，在生产中占据着重要的地位，若发生故障会影响整个生产线，给企业带来严重的经济损失，甚至影响周围工作人员的生命安全。因此，要加强旋转机械设备关键部件故障的诊断和预测，保证机械设备正常运转。
[关键词]旋转机械设备；关键部件；诊断与预测
中图分类号：X741 文献标识码：A 文章编号：1009-914X（2018）03-0053-01
在现代工业生产中，机械设备的关联性日益加强，每个机械设备中的每个零部件都发挥着不可替代的作用，一旦某一部件发生故障都会导致机械设备无法正常运转。因此，机械设备故障的诊断与预测费用在整个生产经营中的占比越来越重。尤其是对旋转机械设备，价格昂贵，一旦发生故障会带来严重的损失。目前，常见的旋转机械设备有汽车传动系统、油泵砂系统等，这些都广泛运用到了日常生产和生活中。一旦旋转机械设备发生故障，会造成严重损失，例如航天飞机的旋转设备发生故障会导致机体解体。因此，要采用科学的技术方法确保旋转设备的安全运行，做好关键部位的诊断和监测，保证设备的正常运行，避免造成重大的损失。
一、旋转机械设备故障诊断和预测的概述
机械设备的故障诊断和预测技术是一种通过监控监测目标对象的运行状态，发生异常状况就会报警，同时也能够有效预测设备的使用年限的技术。旋转机械设备故障的诊断和预测技术就是利用此技术监控旋转机械设备的运行状态。此项技术能够让企业及早发现故障，有效避免安全事故的发生，同时也能够降低经济损失，保证企业的社会和经济效益。
20世纪70年代，日本的三菱公司、美国的西屋公司等开始研发自己所需的设备检测系统，在信号收集和分析、计算机显示等方面取得了一定的成果。80年代，我国的科研机构和大型企业也开始研究旋转机械设备。目前，在科学技术的推动下，旋转机械设备的诊断和预测系统的功能越来越齐全，但价格成本较高，旨在一些大型企业的重点项目中使用，如航空设备。
二、旋轉机械设备故障的诊断
诊断方法主要有频谱分析法、波形分析法、相位分析法、转速跟踪分析法等，其中最为常用和有效的是频谱分析法。频谱分析法是指在用计算机上用快速傅氏变换来实现的，不同频率对应着不同的震动原因，能够通过对幅值谱的分析判断机械故障、排除故障。
三、旋转机械设备关键部位故障诊断和预测
旋转机械设备中的关键部位有滚动轴承、齿轮等，它们对整个机械设备的的平稳运行有重要的影响。滚动轴承是用语运转轴和轴座之间的精密机械原件；齿轮是传动系统的重要组成部件之一；油砂泵叶轮是油砂泵的关键部位，长期的油砂物质冲击会造成零部件的损坏。滚动轴承、齿轮等关键部位受损时，其受损部位的运行会产生不同的震动和声音信号，对它们的搜集、分析和处理就能够诊断故障或预测，这就是信号处理技术在旋转机械设备关键部件的诊断和预测的原理。这一诊断技术对技术人员的专业知识的要求较高，要求他们能够通过信号的时域、频域等信息分析出设备的故障。旋转机械设备关键部件故障诊断与预测的主要步骤有：
1.信号的收集
可以通过时域、频域等信号处理方法描述关键部位的统计特征。时域处理即利用特征频率成分、波形变化分析其中的特征，如峰值、绝对平均值和方差等。这些参数是设备状态的集中反映。其他的处理方法也是如此，需要根据信号和频谱的变化提取关键部位的运转信息、
2.特征信号向量的选取
信号的处理过程中会提取到包含多个统计量的特征向量，他们的维数都较大，一些特征信息对机械设备故障的敏感度较低，不仅影响了故障识别的精确度，同时也会给其他计算带来一定的负担，因此需要运用科学的方法选取合适的特征。目前常用的特征选取法有主成分分析、独立成分分析等，这些方法的使用能够识别特征数目，实现对故障的高精度识别。
旋转机械设备关键部件所产生的故障主要有转子不平衡、转子不对中、机械松动和摩擦。引起转子不平衡的主要有转子材质不均匀、转子磨损、零部件变形等，转子不平衡将使设备异常振动，判断这类故障时首先要查看是否具有异常转频，然后分析振动的方向特点。
转子不对中多出现在转子之间连接的不对中，这类情况将易引发三倍甚至更多的频率异常，振动强度与转子不对中的程度相关，呈正比关系。
机械松动分为关联零部件之间的松动和地脚螺丝的松动。机械松动引起的震动是非线性的，震动信号的频域信息繁复，有分频震动和高频次谐波。
3.设备故障的诊断和预测
在人工智能的基础上，建立特征向量、故障模式、剩余使用寿命之间的非线性模型，以判断故障部位、预测设备使用期限。目前常用的诊断和预测方法有人工神经网络预测法、支持向量机方法等。人工神经网络预测法是一种借助类似于人脑的神经突出连接结构建立的数学模型，实现多输入和多输出，例如误差反向传播神经网络数学模型，能够记住自适应神经模糊推理判断旋转机械设备故障。另外，借助频域特征也能够预测设备的运行寿命，但这种方法相对较慢，也会产生拟合不足或过度等问题。因此，为了完善设备的诊断和预测方法，向量机方法应运而生，这一方法理论成熟，形态多次度分析方法对故障类别的识别和设备寿命的预测效果较佳，目前在设备的故障诊断和预测中运用较广。另外，相关向量机、隐马尔可夫模型等也是常用的关键部位诊断和预测方法。还有一种图像处理方法——形态学滤波算法，它能够掌握不同算子的信号处理性能，从中提取出特征信息，为设备故障的的识别和判断提供基础。
旋转机械设备关键部件故障的诊断与预测需要专业的基础重视和判断能力，面对复杂的设备运行环境。提取和掌握设备故障状态的信号较为困难，单一的信号识别也很困难。因此，面对种类较多的故障，应利用人工智能的方法识别，建立数据特征和故障类型之间的非线性关系，提高自动识别的程度，为故障的诊断和预测提供科学的依据。
参考文献
[1] 吴轲，童敏明，童紫原，邓世建.旋转机械不平衡故障专家诊断系统的研究[J].煤矿机械.2010（09）.
[2] 朱亮，向家伟，宋宜梅.旋转机械常见故障诊断的非线性动力学研究综述[J].装备制造技术.2010（01）.
[3] 王宇飞，谢永鹏.旋转机械转子不平衡故障的诊断与分析[J].湖南工业职业技术学院学报.2009（05）.
[关键词]旋转机械设备；关键部件；诊断与预测
中图分类号：X741 文献标识码：A 文章编号：1009-914X（2018）03-0053-01
在现代工业生产中，机械设备的关联性日益加强，每个机械设备中的每个零部件都发挥着不可替代的作用，一旦某一部件发生故障都会导致机械设备无法正常运转。因此，机械设备故障的诊断与预测费用在整个生产经营中的占比越来越重。尤其是对旋转机械设备，价格昂贵，一旦发生故障会带来严重的损失。目前，常见的旋转机械设备有汽车传动系统、油泵砂系统等，这些都广泛运用到了日常生产和生活中。一旦旋转机械设备发生故障，会造成严重损失，例如航天飞机的旋转设备发生故障会导致机体解体。因此，要采用科学的技术方法确保旋转设备的安全运行，做好关键部位的诊断和监测，保证设备的正常运行，避免造成重大的损失。
一、旋转机械设备故障诊断和预测的概述
机械设备的故障诊断和预测技术是一种通过监控监测目标对象的运行状态，发生异常状况就会报警，同时也能够有效预测设备的使用年限的技术。旋转机械设备故障的诊断和预测技术就是利用此技术监控旋转机械设备的运行状态。此项技术能够让企业及早发现故障，有效避免安全事故的发生，同时也能够降低经济损失，保证企业的社会和经济效益。
20世纪70年代，日本的三菱公司、美国的西屋公司等开始研发自己所需的设备检测系统，在信号收集和分析、计算机显示等方面取得了一定的成果。80年代，我国的科研机构和大型企业也开始研究旋转机械设备。目前，在科学技术的推动下，旋转机械设备的诊断和预测系统的功能越来越齐全，但价格成本较高，旨在一些大型企业的重点项目中使用，如航空设备。
二、旋轉机械设备故障的诊断
诊断方法主要有频谱分析法、波形分析法、相位分析法、转速跟踪分析法等，其中最为常用和有效的是频谱分析法。频谱分析法是指在用计算机上用快速傅氏变换来实现的，不同频率对应着不同的震动原因，能够通过对幅值谱的分析判断机械故障、排除故障。
三、旋转机械设备关键部位故障诊断和预测
旋转机械设备中的关键部位有滚动轴承、齿轮等，它们对整个机械设备的的平稳运行有重要的影响。滚动轴承是用语运转轴和轴座之间的精密机械原件；齿轮是传动系统的重要组成部件之一；油砂泵叶轮是油砂泵的关键部位，长期的油砂物质冲击会造成零部件的损坏。滚动轴承、齿轮等关键部位受损时，其受损部位的运行会产生不同的震动和声音信号，对它们的搜集、分析和处理就能够诊断故障或预测，这就是信号处理技术在旋转机械设备关键部件的诊断和预测的原理。这一诊断技术对技术人员的专业知识的要求较高，要求他们能够通过信号的时域、频域等信息分析出设备的故障。旋转机械设备关键部件故障诊断与预测的主要步骤有：
1.信号的收集
可以通过时域、频域等信号处理方法描述关键部位的统计特征。时域处理即利用特征频率成分、波形变化分析其中的特征，如峰值、绝对平均值和方差等。这些参数是设备状态的集中反映。其他的处理方法也是如此，需要根据信号和频谱的变化提取关键部位的运转信息、
2.特征信号向量的选取
信号的处理过程中会提取到包含多个统计量的特征向量，他们的维数都较大，一些特征信息对机械设备故障的敏感度较低，不仅影响了故障识别的精确度，同时也会给其他计算带来一定的负担，因此需要运用科学的方法选取合适的特征。目前常用的特征选取法有主成分分析、独立成分分析等，这些方法的使用能够识别特征数目，实现对故障的高精度识别。
旋转机械设备关键部件所产生的故障主要有转子不平衡、转子不对中、机械松动和摩擦。引起转子不平衡的主要有转子材质不均匀、转子磨损、零部件变形等，转子不平衡将使设备异常振动，判断这类故障时首先要查看是否具有异常转频，然后分析振动的方向特点。
转子不对中多出现在转子之间连接的不对中，这类情况将易引发三倍甚至更多的频率异常，振动强度与转子不对中的程度相关，呈正比关系。
机械松动分为关联零部件之间的松动和地脚螺丝的松动。机械松动引起的震动是非线性的，震动信号的频域信息繁复，有分频震动和高频次谐波。
3.设备故障的诊断和预测
在人工智能的基础上，建立特征向量、故障模式、剩余使用寿命之间的非线性模型，以判断故障部位、预测设备使用期限。目前常用的诊断和预测方法有人工神经网络预测法、支持向量机方法等。人工神经网络预测法是一种借助类似于人脑的神经突出连接结构建立的数学模型，实现多输入和多输出，例如误差反向传播神经网络数学模型，能够记住自适应神经模糊推理判断旋转机械设备故障。另外，借助频域特征也能够预测设备的运行寿命，但这种方法相对较慢，也会产生拟合不足或过度等问题。因此，为了完善设备的诊断和预测方法，向量机方法应运而生，这一方法理论成熟，形态多次度分析方法对故障类别的识别和设备寿命的预测效果较佳，目前在设备的故障诊断和预测中运用较广。另外，相关向量机、隐马尔可夫模型等也是常用的关键部位诊断和预测方法。还有一种图像处理方法——形态学滤波算法，它能够掌握不同算子的信号处理性能，从中提取出特征信息，为设备故障的的识别和判断提供基础。
旋转机械设备关键部件故障的诊断与预测需要专业的基础重视和判断能力，面对复杂的设备运行环境。提取和掌握设备故障状态的信号较为困难，单一的信号识别也很困难。因此，面对种类较多的故障，应利用人工智能的方法识别，建立数据特征和故障类型之间的非线性关系，提高自动识别的程度，为故障的诊断和预测提供科学的依据。
参考文献
[1] 吴轲，童敏明，童紫原，邓世建.旋转机械不平衡故障专家诊断系统的研究[J].煤矿机械.2010（09）.
[2] 朱亮，向家伟，宋宜梅.旋转机械常见故障诊断的非线性动力学研究综述[J].装备制造技术.2010（01）.
[3] 王宇飞，谢永鹏.旋转机械转子不平衡故障的诊断与分析[J].湖南工业职业技术学院学报.2009（05）.