首页/文章/ 详情

机械故障诊断技术概论

11月前浏览2286

背景及摘要

很多初学者刚接触故障诊断可能觉得很简单,套用深度学习模型进行训练,分类准确率达到99%即可。

在写论文时,这样的确没问题。但是在工作或者在解决实际问题时,几乎是用不上。

最近在读时献江老师等人的《机械故障诊断及典型案例解析》这本书时,发现其内容真的很丰富,故障诊断方法讲解的详细全面,且有实际丰富的案例,更加容易消化理解各方法特点及其应用场景。

(非常推荐大家购买阅读)

本文是想和大家一起系统学习机械故障诊断的一些基础知识,加深对机械故障诊断的理解。

包括机械故障诊断技术定义、研究内容、故障诊断方法的分类及其发展趋势。

       
目录        
     
  1.   机械故障诊断技术的定义

 1.1 机械故障的定义

   1.2 机械故障诊断技术的定义

   1.3 机械设备故障诊断的目的

   1.4 机械设备故障诊断的特点

2.  机械设备故障诊断的研究内容

 2.1 信号采集

   2.2 特征提取

   2.3 状态识别

   2.4 诊断决策

3.  机械设备故障诊断方法的分类

 3.1 按诊断方法分类

   3.2 按诊断的目的和要求分类

   3.3 按诊断信号及诊断手段分类

4.  机械设备故障诊断技术的发展趋势

 4.1 故障机理与征兆联系方面的研究

   4.2 多种故障诊断方法的融合及复合诊断技术

   4.3 故障诊断的远程化、网络化

   4.4 多元传感器信息的融合技术

1、机械故障诊断技术的定义

(做故障诊断,首先得把握什么情况才属于机械故障)

(1) 机械故障的定义,包含两层含义

故障。机械系统偏离正常功能。它的形成原因主要是因为机械系统的工作条件(含零部件)不正常,通过参数调整或零部件修复又可以恢复到正常功能。

失效。是指系统连续偏离正常功能,且其程度不断加剧,使机械设备基本功能不能保证,称之为失效。一般零件失效可以更换,关键零件失效,往往导致整机功能丧失。

根据机器设备出现故障后能不能修复的区别,可以把设备划分为可修复的和不可修复的两大类。而在机械设备中,大多数产品是属于可修复的产品,因而,机械设备故障诊断技术的研究对象多指“故障”,而非“失效”

(机械故障诊断是一项什么技术呢)

(2)机械故障诊断技术的定义

机械故障诊断技术是一种利用各种检测方法,测取并分析、处理机械设备在运行中的状态信息,确定其整体或局部是正常或异常,早期发现故障及其原因,并能预报故障发展趋势的技术。

通俗地说,设备故障诊断技术是一种给机器“看病”技术包含“监测”“诊断”两层意思。因此,设备故障诊断技术又称为机械设备状态监测和故障诊断技术,通常简称为设备诊断技术。

(机械故障诊断的作用和目的是什么呢)

(3) 机械设备故障诊断的目的

设备诊断技术的目的是“保证可靠地、高效地发挥设备应有的功能”。这包含了三点:

①保证设备无故障,工作可靠;

②保证物尽其用,设备要发挥其最大的效益;

③保证设备在将要发生故障或已发生故障时,能及时诊断出来,正确地加以维修。以减少维修时间、提高维修质量、节约维修费用,使重要的设备能按其状态进行维修(即视情维修或预知维修),促进目前计划维修体制的改革。

(机械故障诊断有什么特点呢)

(4) 机械设备故障诊断的特点

①机械运行过程是动态随机过程。此处随机一词包括两层含义:一是在不同时刻的观测数据不可重复的;二是表征机器工况的特征值不是不变的,而是在一定范围内变化。即使同型号机械设备由于装配、安装及工作条件上的差异,也往往导致机器的工况及故障模式改变。

②从系统特性来看,机械设备都是由成百上千个零部件装配而成,零部件间相互耦合,决定了机械设备故障的多层次性。一种故障可能由多层次故障构成故障与现象之间没有简单的对应关系

③机械故障诊断是多学科融合的技术。机械故障诊断涉及机器学、力学、材料科学、信息学、测试及信号处理、仪器科学和计算机技术等,其涉及的应用领域也非常广泛,如电力、石化、冶金、航空航天和机械加工等领域。

因此,机械故障诊断并不是一一对应的简单求解过程,如果仅从某一个参数或某一个侧面去分析而做出判断,一般很难做出正确的决策。应该从随机过程的理论出发,运用各种现代多学科融合的分析工具,综合判断机械的故障现象、属性、形成及其发展趋势。


2、机械设备故障诊断的研究内容

(机械故障诊断的一般流程是怎么样的呢)

机械故障诊断过程一般包括:机械状态信号的测量机械状态或失效信息的提取状态识别诊断决策等几个步骤。

其中,机械状态信息提取的结果往往表现为提取到的状态特征参数;状态识别过程实质上是一个比较、分类过程,通过将当前状态特征与标准(或历史)状态或故障特征的比较,判断当前机械状态或故障类别。

由于诊断目的和诊断方法不同,其具体的实施过程也有所不同,但基本过程是相同的,如图1所示。机械故障诊断的具体研究内容叙述如下。

图 1 机械设备故障监测与诊断的实施过程

(1) 信号采集(如振动、声音、温度信号)

设备在运行过程中,必然会产生力、热、振动、噪声等各种参数的变化。按照不同诊断目的和要求,使用传感器、数据采集器等技术手段,采集能表征设备工作状态的不同信息,就是信号采集过程。

(2) 特征提取(如时域、频域、时频域特征)

将信号采集获得的数据信息进行分类、处理、加工,获得能表征设备运行特征的特征参量的过程,也就是特征的提取过程。

(3) 状态识别(如故障特征频率识别、分类算法分类)

将经过信号处理后获得的设备特征参数,采用一定的判别模式、判别准则和诊断策略,对设备的状态做出判断,确定是否存在故障以及故障的类型、性质和程度等。

(4) 诊断决策(是否决定维修检查)

根据状态识别的结果,决定采取的对策、措施,同时根据当前的检测信息预测机械设备运行状态的可能发展趋势,进行趋势分析。

以上四个步骤构成了一个循环(如图1所示),一个复杂、疑难的故障往往并不能通过一个循环就正确地找出症结所在,通常都需要经过多次诊断、重复循环,逐步加深认识的深度和判断的准确度最后才能解决问题。

       

4、机械设备故障诊断方法的分类

(有哪些机械故障诊断方法,它们可以怎么分类)

机械设备有各种类型,其工作条件又各不相同,针对不同机器的故障往往需要采用不同的方法来诊断。对机器进行故障诊断的方法可以按如下几种方式进行分类。

(1) 按诊断方法分类

基于信号处理的方法。对测得的振动量在时域频域时-频域进行特征分析,用于确定机器各种故障的类型和性质。

基于知识的方法。此方法通过处理测得的输入输出信号来实现故障诊断。例如贝叶斯分类方法、神经网络分类方法和支持向量机等方法。其前提是必须拥有大量的关于系统故障的先验知识,具有实测的大批各类故障样本数据。这样才能够从这些故障样本实例中学到故障模式集,并对未知的故障模式进行判别。

基于解析模型的方法。利用测得的振动参数对机器零部件的模态参数进行识别,以确定故障的原因和部位。此方法需要建立被诊断对象的较为精确的数学模型,其最大的优点是对于未知故障具有固有的敏感性。

基于推理的方法。这种方法不依赖于系统的数学模型,而是根据人们长期的实践经验和获得的大量故障信息,由专家和知识工程师把这些专家的自然语言表述的抽象知识转换成计算机可以理解的表示形式,如产生式规则、框架表示、逻辑表示等。常用的方法有两类:基于专家系统的故障诊断方法和基于模糊逻辑的故障诊断方法。

(2) 按诊断的目的和要求分类

①功能诊断和运行诊断。功能诊断针对新安装刚维修后设备,需要检查它们的运行工况和功能是否正常,并且按检查的结果对设备进行调整。而运行诊断是针对正常运行的设备,监视其故障的发生和发展。

②定期(离线)诊断和连续(在线)诊断。

定期诊断,也称离线(off line)诊断。定期或不定期地采用巡检方式采集现场数据,就地分析与诊断,或回放到计算机,由计算机件进行监测与诊断分析。特点:离线分析对突发故障无能为力,但可精细分析。

连续诊断,也称在线(on line)诊断。此时,传感器及数据采集硬件、控制计算机及监测分析软件均为固定式,与被测设备连在一起,可以实时在线监测设备的当前状态,捕捉突发故障并及时进行精细分析。

两种诊断方式的采用,取决于设备的关键程度、设备事故的严重程度、运行过程中性能下降的快慢以及设备故障发生和发展的可预测性。一般来说,对于大型、重要的设备多采用在线诊断;对于一般中小型设备往往采用离线诊断方式

③直接诊断和间接诊断。直接诊断直接确定关键部件状态,如主轴承间隙、齿轮齿面磨损程度、燃气轮机叶片的裂纹大小以及在腐蚀环境下管道的壁厚等。直接诊断往往受到机器结构和工作条件的限制而无法实现,这时,就不得不采用间接诊断。

所谓间接诊断通过二次诊断信息来间接判断机器中关键零部件的状态变化。多数二次诊断信息屈于综合信息,例润滑油温升来反映主轴承的运行状态。因此,在间接诊断中出现误诊和漏检两种情况的可能性都会增大。

大多数情况下,机械故障诊断属于间接诊断方法。

④简易诊断和精密诊断。简易诊断一般通过便携式简单诊断仪器如测振仪、声级计或红外测温仪等对设备进行人工监测。根据设定的标准或凭人的经验确定设备是否处于正常状态。

精密诊断一般要采用先进的传感器采集现场信号,然后采用精密诊断仪器和各种先进分析手段进行综合分析,确定故障缺陷类型、程度、部位和产生故障的原因,了解故障的发展趋势。

⑤常规工况下诊断和特殊工况下诊断。多数诊断是在机器正常工作条件下进行的,有时需要在特殊的工作条件下拾取信息。例如动力机组的起动和停车过程,需要跨过转子扭转、弯曲振动的几个临界转速。利用起动和停车过程的振动信号做时频分析等,能够得到许多在常规工况诊断中得不到的诊断信息。

(3) 按诊断信号及诊断手段分类

振动诊断技术。对机器主要部位的振动值如位移速度加速度转速及相位值等进行测定,并对测得的上述振动量在时域、频域、时-频域进行特征分析,判断机器故障的性质和原因。

(提示:振动传感器≠加速度传感器)

噪声诊断技术。对机器噪声的测量可以了解机器运行情况并寻找故障源。

温度、压力等常规参数诊断技术。机器设备系统的某些故障往往反映在一些工艺参数上,如温度、压力、流量的变化中。例如火车轴温在线监控系统,就是利用车轴轴承的温度来监控轴承的运行状态的。常规参数检测的特点是价格便宜,形式多样,例如,目前在一些特殊场合使用的红外测温仪和红外热像仪等,都是采用非接触方式测温。

无损诊断技术。包括超声波探伤法、X射线探伤法、渗透探伤法和磁粉探伤法等,这些方法多用于材料表面或内部的缺陷检测,应用面较广。例如在役铁路轨道的超声波探伤技术;锅炉或输油(气)管道焊缝的X射线探伤法等。

油液分析技术。油液分析技术可分为两大类:一类是油液本身的物理、化学性能分析,另一类是对油液污染程度的分析,具体对应的方法有光谱分析法与铁谱分析法。

4、机械设备故障诊断技术的发展趋势

(机械故障诊断方法有哪些技术难点呢,有哪些研究方向呢)

机械设备故障诊断技术虽然只有半个多世纪的发展历史,但机械故障诊断技术在理论和实际应用中均取得了显著的成果。机械故障诊断技术的应用领域也从最早期的航天军工等不断扩大到汽轮机发电机压缩机发动机机床等设备。另外机械故障诊断的手段也越来越丰富,这些都显示出了机械故障诊断技术强大的生命力。

当前设备故障诊断技术的研究重点集中在以下几个方面

(1) 故障机理与征兆联系方面的研究

故障机理研究的目的是为了掌握各种故障的成因研究故障征兆与故障原因间的关系弄清故障的产生机理和表征形式。转子裂纹、磨碰、轴系扭振以及现代大型复杂机电系统机电耦合机理问题都是目前研究的重点。它主要依赖机械振动力学等相关的基础学科知识,建立相应的动力学模型,进行计算机仿真计算,是设备状态监测与故障诊断的基础。目前国内外学者在这个方面已经取得了显著的研究成果。

(2) 多种故障诊断方法的融合及复合诊断技术

随着新的信号处理技术方法在设备故障诊断领域中的应用,传统的基于快速傅里叶变换的机械设备信号分析技术有了新的突破。国内外主要应用的诊断理论、技术和方法层出不穷,如神经网络、模糊理论、小波分析、数据融合技术、混沌理论、分形理论、灰色理论、粗糙集理论等。每一种故障诊断理论和方法都存在自己的优点和缺点,这些方法交叉融合,从而构成复合故障诊断方法。它充分利用各种特征信息,提高诊断速度和精确度,实现优势互补,在机械设备的故障诊断中显示出极大的潜力。

(3) 故障诊断的远程化、网络化

随着网络技术的发展,实现多专家与多系统共同诊断的一种有效解决途径就是建立基于网络的远程故障监测与诊断系统。网络化的远程设备故障诊断系统中储存了多种设备的故障诊断知识和经验,可响应不同监测现场用户的使用要求,避免系统的重复开发和维护,显著降低了系统的费用。另一方面,由于其构造于网络之上,系统知识库中的专家知识来源广泛,可以得到不断充实。诊断规则可以是来自现场的企业单位的经验,也可来自从事设备故障理论研究的科研单位,知识库比较丰富,相应地也增强了诊断能力。

(这个专家知识共享有点理想化,毕竟很多大厂不愿意共享)

(4) 多元传感器信息的融合技术

现代化的大生产要求对设备进行全方位、多角度的监测与控制,以便对设备的运行状态有全面的了解。可以采用多个传感器同时对设备的各个位置进行监测,然后利用迅速发展起来的信息融合技术对多传感器的信息进行融合,以得到较好的诊断结果。总之,随着科学技术的发展,单一参数阈值比较的机器监测与诊断方法 正开始向全息化、智能化监测方法过渡,监测手段也从依靠人的感官和简单仪器向精密电子仪器以及以计算机为核心的监测系统发展。应用领域也从应用较多的石化、电力等行业向一般的机械制造业等行业逐步发展。


       
       

注明:

本文内容摘抄自机械故障诊断及典型案例解析》,仅供学习交流,有侵权,烦请联系处理!

考文献
[1] 《机械故障诊断及典型案例解析,第2版,时献江等,2020年第一次印刷》

编辑:小平

审核、校对:张泽明,张勇

如需转载,请后台联系作者

说明:部分图片来源网络,若有侵权,烦请联系处理

来源:故障诊断与python学习
振动化学航空航天冶金电力电子裂纹理论电机材料知识工程控制
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2023-06-22
最近编辑:11月前
故障诊断与python学习
硕士 签名征集中
获赞 43粉丝 39文章 100课程 0
点赞
收藏
未登录
还没有评论

课程
培训
服务
行家

VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈