旋轉(zhuǎn)機(jī)械(轉(zhuǎn)子)故障診斷

1、 旋轉(zhuǎn)機(jī)械（轉(zhuǎn)子）故障診斷摘要：旋轉(zhuǎn)機(jī)械故障診斷技術(shù)在企業(yè)中的應(yīng)用能夠及早發(fā)現(xiàn)設(shè)備故障、防止生產(chǎn)線停工、避免重大事故。本文首先展示了國(guó)內(nèi)外轉(zhuǎn)子故障診斷技術(shù)現(xiàn)狀，回顧過(guò)往不平衡模擬實(shí)驗(yàn)通過(guò)對(duì)振動(dòng)特征的分析研究總結(jié)了不平衡的振動(dòng)特征。而后再利用振動(dòng)信號(hào)分析處理方法以及時(shí)一頻分析技術(shù)，對(duì)轉(zhuǎn)子系統(tǒng)的不平衡、不對(duì)中兩個(gè)典型的故障診斷做了詳細(xì)的介紹。由于技術(shù)發(fā)展，以后的轉(zhuǎn)子故障診斷將朝著自動(dòng)化、智能化方向發(fā)展。關(guān)鍵詞：旋轉(zhuǎn)機(jī)械；不平衡；不對(duì)中；故障診斷Vibration Faults in Rotor SystemAbstract: Application of the rotating machiner

2、y fault diagnosis technology in the enterprise can predicte equipment failure, prevent shutdown the production line , avoid major accidents. This paper shows the present situation of rotor fault diagnosis technology at home and abroad at first, retrospects the imbalance simulation experiment based o

3、n the analysis of the vibration characteristics of the study summarized the unbalanced vibration characteristics. Then,with the vibration signal analysis method and spectrum analysis technology, I will introduce imbalance and misalignment two typical fault diagnosis in detail. Due to the technical d

4、evelopment, the rotor fault diagnosis will develop in automatic and intelligent direction. Keywords: Rotating Machinery; Imbalance;Misalignment ; Fault Diagnosis 旋轉(zhuǎn)機(jī)械是指依靠轉(zhuǎn)子旋轉(zhuǎn)運(yùn)動(dòng)進(jìn)行工作的機(jī)器，在結(jié)構(gòu)上必須具備最基本的轉(zhuǎn)子、軸承等零部件。旋轉(zhuǎn)機(jī)械是工業(yè)部門(mén)中應(yīng)用最為廣泛的一類機(jī)械設(shè)備，例如汽輪機(jī)、壓縮機(jī)、風(fēng)機(jī)等諸多機(jī)械都屬于這一類。轉(zhuǎn)子一軸承系統(tǒng)作為旋轉(zhuǎn)機(jī)械的核心部件，在電力、能源、交通、石油化工以及國(guó)防等領(lǐng)域中發(fā)揮著無(wú)可

5、替代的作用。旋轉(zhuǎn)機(jī)械常常由于出現(xiàn)各種不同形式的故障而影響其正常工作，有時(shí)甚至?xí)l(fā)生由某種故障引發(fā)的嚴(yán)重的機(jī)毀人亡事故，并造成重大經(jīng)濟(jì)損失。綜上所述，研究、發(fā)展并應(yīng)用先進(jìn)的狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)，尤其是研究先進(jìn)的時(shí)頻分析方法正確地提取旋轉(zhuǎn)機(jī)械的故障特征，保證大型旋轉(zhuǎn)機(jī)械設(shè)備的安全而高效地運(yùn)行，避免巨額的經(jīng)濟(jì)損失和災(zāi)難性事故發(fā)生，將為國(guó)民經(jīng)濟(jì)創(chuàng)造巨大財(cái)富，對(duì)于提高經(jīng)濟(jì)效益和社會(huì)效益具有重大的意義1-2。1 轉(zhuǎn)子故障診斷簡(jiǎn)介1.1 轉(zhuǎn)子故障分類1. 轉(zhuǎn)子不平衡。不平衡故障是由于不平衡量破壞了轉(zhuǎn)子初始平衡狀態(tài)，從而引發(fā)整機(jī)出現(xiàn)較大的工頻振動(dòng)?？煞譃橛赊D(zhuǎn)子質(zhì)量偏心和由轉(zhuǎn)子部件缺損所引起的不平衡，是較常見(jiàn)

6、的旋轉(zhuǎn)機(jī)械振動(dòng)故障。2. 碰摩。轉(zhuǎn)子與機(jī)匣碰摩是旋轉(zhuǎn)機(jī)械常見(jiàn)的故障之一，可分為連續(xù)碰摩和局部碰摩。轉(zhuǎn)子碰摩會(huì)引起整機(jī)振動(dòng)持續(xù)增大，甚至破壞機(jī)械整體結(jié)構(gòu)，使機(jī)匣發(fā)生變形，或使轉(zhuǎn)子葉片產(chǎn)生裂紋甚至折斷，從而嚴(yán)重影響機(jī)組安全運(yùn)行。3. 不對(duì)中。轉(zhuǎn)子不對(duì)中通常是指相鄰兩轉(zhuǎn)子的軸心線與軸承中心線的傾斜或偏移程度。轉(zhuǎn)子不對(duì)中可以分為聯(lián)軸器不對(duì)中和軸承不對(duì)中。旋轉(zhuǎn)機(jī)械在安裝和運(yùn)轉(zhuǎn)中因?yàn)槎喾N原因而可能發(fā)生轉(zhuǎn)子不對(duì)中，不對(duì)中狀態(tài)下轉(zhuǎn)子運(yùn)動(dòng)會(huì)引起機(jī)器振動(dòng)、聯(lián)軸器偏轉(zhuǎn)、軸承摩擦、油膜失穩(wěn)和軸的撓曲變形等故障問(wèn)題，對(duì)系統(tǒng)的穩(wěn)定運(yùn)行危害極大。4. 軸承及其支承故障。旋轉(zhuǎn)機(jī)械支承結(jié)構(gòu)中使用了較多的滾珠軸承和滾針軸承，其磨

7、損故障較為常見(jiàn)。軸承座及其支承結(jié)構(gòu)存在不對(duì)稱彈性特性，也會(huì)導(dǎo)致明顯的振動(dòng)。5. 裂紋。由疲勞損傷引起的裂紋是輪盤(pán)、葉片、軸等轉(zhuǎn)子結(jié)構(gòu)都會(huì)出現(xiàn)的問(wèn)題，隨著旋轉(zhuǎn)機(jī)械的運(yùn)行，裂紋逐步擴(kuò)展會(huì)導(dǎo)致部件結(jié)構(gòu)強(qiáng)度減小，最終無(wú)法承受預(yù)定載荷而發(fā)生斷裂。這類故障危害極大。6. 氣激振動(dòng)。由于結(jié)構(gòu)和運(yùn)行原因，在轉(zhuǎn)子系統(tǒng)的通流部分存在著許多氣流撓動(dòng)的激振源，這些激振源都可能誘發(fā)氣流激振，引起系統(tǒng)的自激振動(dòng)，導(dǎo)致材料的疲勞破壞，最后發(fā)生斷裂而引起嚴(yán)重事故。7. 喘振。喘振是發(fā)動(dòng)機(jī)的一種不正常的工作狀態(tài)，是由壓氣機(jī)內(nèi)的空氣流量和壓氣機(jī)轉(zhuǎn)速偏離設(shè)計(jì)狀態(tài)過(guò)多而引發(fā)的。喘振是發(fā)動(dòng)機(jī)的致命故障，嚴(yán)重時(shí)可能導(dǎo)致發(fā)動(dòng)機(jī)空中停車甚至

8、發(fā)動(dòng)機(jī)致命損壞。8. 轉(zhuǎn)子彎曲?？煞譃橛谰眯詮澢团R時(shí)性彎曲兩種情況，其故障機(jī)理相同都與轉(zhuǎn)子質(zhì)量偏心類似，因而都會(huì)產(chǎn)生與質(zhì)量偏心類似的旋轉(zhuǎn)矢量激振力。與質(zhì)量偏心偏離不同之處在于軸彎曲會(huì)使軸兩端產(chǎn)生錐形運(yùn)動(dòng)，因而在軸向還會(huì)產(chǎn)生較大的工頻振動(dòng)。9. 松動(dòng)?？煞譃檗D(zhuǎn)子支撐系統(tǒng)聯(lián)接松動(dòng)，軸承在軸承座內(nèi)松動(dòng)或部件配合松動(dòng)，結(jié)構(gòu)框架、底座松動(dòng)和結(jié)構(gòu)、軸承座晃動(dòng)或開(kāi)裂引起的松動(dòng)，10. 油膜渦動(dòng)。油膜的楔形按油的平均流速繞軸瓦中心運(yùn)動(dòng)的現(xiàn)象稱為油膜渦動(dòng)，因其平均速度為軸頸圓周速度的一半，故又稱為半速渦動(dòng)。11. 油膜振蕩。是由于滑動(dòng)軸承中的油膜作用而引起的旋轉(zhuǎn)軸的自激振蕩，可產(chǎn)生于轉(zhuǎn)速達(dá)到臨界轉(zhuǎn)速時(shí)同等的振

9、幅或更加激烈。油膜振蕩不僅會(huì)導(dǎo)致高速旋轉(zhuǎn)機(jī)械的故障，有時(shí)也是造成軸承或整臺(tái)機(jī)組破壞的原因。12. 旋轉(zhuǎn)分離。當(dāng)離心式或軸流式壓縮機(jī)的操作工況遠(yuǎn)離它的設(shè)計(jì)工況時(shí)，氣流在流道內(nèi)產(chǎn)生分離團(tuán)，造成氣流壓縮產(chǎn)生不穩(wěn)定流動(dòng)，引起機(jī)器流通道和管道內(nèi)的氣流壓力脈動(dòng)，造成機(jī)器零件或管道的疲勞損壞，或者進(jìn)而發(fā)展為喘振，對(duì)機(jī)器造成嚴(yán)重的危害3-4。1.2 轉(zhuǎn)子系統(tǒng)故障診斷的基本環(huán)節(jié)目前，信號(hào)處理是故障診斷的主流方法，通過(guò)采用合適的信號(hào)處理方法，選擇適當(dāng)?shù)奶卣鲄?shù)，提取出所需的故障特征信息，從而為故障識(shí)別和狀態(tài)預(yù)測(cè)服務(wù)。在信號(hào)處理方面，機(jī)械故障診斷的主要內(nèi)容可以簡(jiǎn)單概括為四點(diǎn)，第一點(diǎn)是采集狀態(tài)信號(hào)；第二點(diǎn)是通過(guò)采集的

10、信號(hào)提取故障特征；第三點(diǎn)是對(duì)提取到的故障特征進(jìn)行模式識(shí)別和分析；第四點(diǎn)是預(yù)測(cè)狀態(tài)4-5。具體如下：1)采集狀態(tài)信號(hào)采集狀態(tài)信號(hào)如圖1-1 是指通過(guò)對(duì)運(yùn)轉(zhuǎn)中的旋轉(zhuǎn)機(jī)械的狀態(tài)實(shí)行完整的測(cè)試，通過(guò)測(cè)試獲取有價(jià)值的信號(hào)狀態(tài)信號(hào)。狀態(tài)信號(hào)的正確采集具有非常重要的作用，這是因?yàn)樵谶@些信號(hào)當(dāng)中承載著設(shè)備異常或故障的所有信息。準(zhǔn)確的充分的采集一定數(shù)量的狀態(tài)信號(hào)可以充分的反映旋轉(zhuǎn)機(jī)械的運(yùn)行情況，它是故障診斷成功的首要條件；如果不能準(zhǔn)確真實(shí)的采集到設(shè)備的狀態(tài)信號(hào)，那么將導(dǎo)致以后的環(huán)節(jié)是不準(zhǔn)確的甚至是完全錯(cuò)誤的。所以保證采集信號(hào)的正確性和真實(shí)性是采集狀態(tài)信號(hào)的關(guān)鍵。圖1-1 轉(zhuǎn)子振動(dòng)信號(hào)采集裝置2)通過(guò)采集的信號(hào)提

11、取故障特征雖然采集到了正確的信號(hào)，但是如果不加以提取故障信息。也將無(wú)法完成檢測(cè)的工作，這是因?yàn)椴杉降男盘?hào)僅僅只是機(jī)械在運(yùn)轉(zhuǎn)的過(guò)程中所變現(xiàn)出來(lái)的原始狀態(tài)信號(hào)。而這些原始的狀態(tài)信號(hào)往往包含著大量背景噪聲、干擾當(dāng)中，是難以提取出有利用價(jià)值的信號(hào)的。只有利用信號(hào)處理的技術(shù)，消除干擾與噪聲所帶來(lái)的影響，從原始信號(hào)當(dāng)中提取出有利用價(jià)值的故障信息，才能做到突出故障特征，提高故障診斷的準(zhǔn)確性和可靠性。3)對(duì)提取到的故障特征進(jìn)行模式識(shí)別和分析在成功提取出有利用價(jià)值的故障信息后，對(duì)該信息所反映旋轉(zhuǎn)機(jī)械實(shí)行分析、比較、識(shí)別來(lái)?yè)?jù)此判斷機(jī)械運(yùn)行中是否有異常的情況，做到防患于未然。一旦機(jī)械出現(xiàn)了故障，可以立即判斷出出現(xiàn)

12、故障的具體的位置以及造成故障的原因。4)狀態(tài)預(yù)測(cè)如果機(jī)械發(fā)生了故障，則通過(guò)模式識(shí)別和分析后，為了保證人們可以方便的采取解決辦法，必須更加完善的對(duì)旋轉(zhuǎn)機(jī)械出現(xiàn)異?；蚬收习l(fā)生在機(jī)械的哪個(gè)部位、造成這種故障的原因已盡會(huì)帶來(lái)的危險(xiǎn)的程度實(shí)行評(píng)估。根據(jù)所得信息，來(lái)判斷旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)和發(fā)展趨勢(shì)。圖1-2 旋轉(zhuǎn)機(jī)械故障診斷基本過(guò)程1.3 故障特征提取分析故障特征提取是旋轉(zhuǎn)機(jī)械故障診斷的核心，它是當(dāng)前研究中的重點(diǎn)也是難點(diǎn)，它直接關(guān)系到故障識(shí)別的準(zhǔn)確性及可靠性。因此，準(zhǔn)確地提取故障信號(hào)特征是該領(lǐng)域科研工作者孜孜不倦的追求。旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的故障診斷方法基本可以分為時(shí)域分析、頻域分析和時(shí)頻域分析三大類，還有如功

13、率譜分析等其他方法也在進(jìn)一步研究之中。目前最常用的特征提取方法是利用傅里葉變換(Fourier Transform，簡(jiǎn)稱 FT)將信號(hào)從時(shí)域變換為頻域，從而對(duì)信號(hào)進(jìn)行頻域分析獲取特征參數(shù)。1)振動(dòng)信號(hào)時(shí)域分析方法時(shí)域信息包括振動(dòng)響應(yīng)時(shí)間歷程、振幅時(shí)間信號(hào)等，這些振動(dòng)信號(hào)大都以時(shí)間波形的形式來(lái)表示。振動(dòng)波形是測(cè)試中的原始信號(hào)，理所當(dāng)然包含故障的全部信息，但是較難看出這些信息和故障之間的聯(lián)系。而對(duì)于一些簡(jiǎn)單振動(dòng)波形或?qū)υ夹盘?hào)進(jìn)行時(shí)域平均后就可用來(lái)表示機(jī)械故障特征。振幅時(shí)間圖診斷一般使用兩種方法。一種是變轉(zhuǎn)速工況下的振幅時(shí)間圖，另一種穩(wěn)定轉(zhuǎn)速工況下的振幅時(shí)間圖。對(duì)于運(yùn)行工況不斷變化的機(jī)械，可以測(cè)量

14、其開(kāi)機(jī)或停機(jī)過(guò)程中振幅隨時(shí)間的變化過(guò)程，根據(jù)振幅隨時(shí)間變化的曲線判斷故障。對(duì)于轉(zhuǎn)速工況不變的情況，可以測(cè)量振幅隨時(shí)間的變化過(guò)程，從而判斷故障。時(shí)域分析的缺點(diǎn)是測(cè)量得到的振動(dòng)波形或曲線受到外界的干擾較大，嚴(yán)重影響診斷的準(zhǔn)確性，因此時(shí)域分析診斷僅適用于簡(jiǎn)單部件或理想狀態(tài)下的故障診斷6-7。2)振動(dòng)信號(hào)頻域分析方法所謂頻域分析，是將以時(shí)間為橫坐標(biāo)的時(shí)域信號(hào)經(jīng)由傅里葉變換轉(zhuǎn)化為以頻率為橫坐標(biāo)的頻域信號(hào)，通過(guò)對(duì)時(shí)域信號(hào)的變換，得到原信號(hào)的幅值、相位等相關(guān)信息的一種分析處理方法。頻域分析以傅里葉變換為核心，包括幅值譜、功率譜、最大熵譜、倒譜等譜函數(shù)分析，它充分反映了周期信號(hào)的各個(gè)組成頻率，在旋轉(zhuǎn)機(jī)械振動(dòng)信

15、號(hào)分析中應(yīng)用較廣。傅里葉變換針對(duì)平穩(wěn)和線性的信號(hào)，可基本滿足多數(shù)工程需要，在旋轉(zhuǎn)機(jī)械故障診斷實(shí)際應(yīng)用中取得了良好的效果。但當(dāng)旋轉(zhuǎn)機(jī)械發(fā)生故障時(shí)，還有很多非平穩(wěn)、非線性、非因果的隨機(jī)信號(hào)，這時(shí)用傅里葉變換處理會(huì)產(chǎn)生很大誤差，分析結(jié)果中只有頻域特征而喪失了時(shí)域特征，因此，需要更為有效的特征提取方法來(lái)分析非平穩(wěn)、非線性、非因果的故障信號(hào)7-8。3)振動(dòng)信號(hào)時(shí)頻域分析方法旋轉(zhuǎn)機(jī)械在升降速過(guò)程中的振動(dòng)信號(hào)大多為非平穩(wěn)、非線性信號(hào)，為了獲取升降速過(guò)程中時(shí)間和頻率的變化規(guī)律，提高故障診斷的準(zhǔn)確度，時(shí)頻分析技術(shù)應(yīng)運(yùn)而生。短時(shí)傅里葉變換(Short Time Fourier Transformation，簡(jiǎn)稱

16、STFT)的出現(xiàn)是時(shí)頻分析實(shí)用化的標(biāo)志，它利用窗函數(shù)將信號(hào)截短，對(duì)每一段作傅里葉變換，從而得到功率譜隨時(shí)間變化的規(guī)律。該方法突出了信號(hào)的局部特征，較多運(yùn)用在時(shí)變信號(hào)分析當(dāng)中。由于對(duì)截取的信號(hào)視為平穩(wěn)，因此短時(shí)傅里葉變換只適用于緩變信號(hào)的分析。為了更準(zhǔn)確分析非平穩(wěn)信號(hào)的幅頻特性在不同時(shí)間內(nèi)的變化情況，將一維時(shí)域或頻域信號(hào)映射為時(shí)間頻率的二維信號(hào)，這樣的二次維分布稱為 Cohen 類分布，它包括 Wigner 分布和 Choi-William 分布等。Wigner 分布是一種時(shí)頻混合的信號(hào)表示法，它描述了信號(hào)在時(shí)間和頻率上對(duì)能量或密度的分布，其性質(zhì)包括對(duì)稱性、時(shí)移性、頻移性等。所以對(duì)信號(hào)進(jìn)行 Wi

17、gner 分布分析，不但能求出信號(hào)的時(shí)間、頻率分布圖，還能求出信號(hào)的頻率變化情況，從而更好的對(duì)檢測(cè)信號(hào)進(jìn)行分析和識(shí)別。但由于 Wigner 分布不是線性的，會(huì)產(chǎn)生多余的交叉項(xiàng)，這個(gè)多余成分使得信號(hào)與噪聲產(chǎn)生混疊現(xiàn)象，因此給信號(hào)濾波造成了很大難度，在一定程度上影響了 Wigner 分布的實(shí)際應(yīng)用9。小波變換(Wavelet Transformation，簡(jiǎn)稱 WT)由于其在非平穩(wěn)信號(hào)處理方面的特點(diǎn)突出，因此近年來(lái)應(yīng)用較廣。在分析方法上與短時(shí)傅里葉變換相似，小波變換也利用了窗函數(shù)，但不同的是小波變換的時(shí)頻窗是可變的，使其既能對(duì)非平穩(wěn)信號(hào)中的短時(shí)高頻信號(hào)定位，又能分析信號(hào)中的低頻成分，由于小波變化不

18、但能夠看到信號(hào)概貌，又能分析信號(hào)細(xì)節(jié)，這就克服了傅里葉變換在時(shí)域中精度無(wú)法可調(diào)的缺陷，與短時(shí)傅里葉變換相比，提取的信息更為詳細(xì)。小波分析在信號(hào)的瞬態(tài)分析、信號(hào)降噪、數(shù)據(jù)壓縮等方面有較廣的應(yīng)用，為故障信號(hào)的頻率分離及微弱信號(hào)提取提供了高效實(shí)用的工具。雖然小波分解分析取得了成功，但是仍存在一些缺陷。首先，小波變換的濾波器特性與理想帶通濾波器特性相差較遠(yuǎn)，這就造成各頻帶之間嚴(yán)重的頻率混疊，很難在時(shí)域和頻域?qū)π盘?hào)進(jìn)行精確分析；再次，小波變換是非適應(yīng)性的，一旦選擇小波基函數(shù)，分析開(kāi)始后就無(wú)法更換，這就造成在全局小波基函數(shù)是最優(yōu)選擇，但是某部分可能是最差的；最后，小波變換中的頻率分辨率十分粗糙，無(wú)法達(dá)到傅

19、里葉變換的程度，這個(gè)問(wèn)題目前仍未很好解決。經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，簡(jiǎn)稱 EMD)方法是一種較新的信號(hào)分析方法，又稱為 Hilbert-Huang 變換。它分為兩個(gè)步驟：第一步是應(yīng)用經(jīng)驗(yàn)?zāi)B(tài)分解法來(lái)分解信號(hào)，將信號(hào)分解成一系列本征模函數(shù)(Intrinsic Mode Function，簡(jiǎn)稱 IMF)；第二步是對(duì)分解后得到的多個(gè)本征模函數(shù)進(jìn)行希爾伯特變換(HilbertTransformation，簡(jiǎn)稱 HT)，得到時(shí)頻平面上的能量分布譜圖，從而對(duì)信號(hào)進(jìn)行分析。由于 EMD 方法對(duì)信號(hào)本身尺度特征進(jìn)行分解，其分解是自適應(yīng)的，得到的 IMF可以真實(shí)表現(xiàn)

20、信號(hào)內(nèi)的物理過(guò)程，非常適用于非線性非平穩(wěn)的故障信號(hào)，因此該理論得到了廣泛的應(yīng)用。但是 EMD 方法在理論上仍存在一些問(wèn)題，如端點(diǎn)效應(yīng)、三次樣條插值產(chǎn)生的過(guò)包絡(luò)、欠包絡(luò)以及 Hilbert 變換產(chǎn)生的無(wú)法解釋的負(fù)頻率現(xiàn)象。英 國(guó) 人 Jonathan S.Smith 于 2005 年 提 出 局 部 均 值 分 解 (Local Mean Decomposition，簡(jiǎn)稱LMD)方法，并在腦電信號(hào)處理中取得了較好的效果。LMD方法將信號(hào)分解為不同尺度的等幅調(diào)頻信號(hào)和包絡(luò)信號(hào)，將這兩個(gè)信號(hào)相乘便得到具有瞬時(shí)物理意義的乘積函數(shù)分量，包絡(luò)信號(hào)即該P(yáng)F的瞬時(shí)幅值，而PF分量的瞬時(shí)頻率則可由等幅調(diào)頻信號(hào)直

21、接求出，進(jìn)一步將所有PF分量的瞬時(shí)頻率和瞬時(shí)幅值組合，便可以得到原始信號(hào)完整的時(shí)頻分布。與EMD方法類似，LMD方法也是用極值點(diǎn)定義局部均值函數(shù)和包絡(luò)函數(shù)，只是用滑動(dòng)平均法代替了三次樣條插值法，這樣就避免了EMD分解后產(chǎn)生的過(guò)包絡(luò)和欠包絡(luò)的現(xiàn)象，同時(shí)，端點(diǎn)效應(yīng)與EMD方法相比減輕了很多。目前，LMD方法在旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域尚未大規(guī)模應(yīng)用，但是基于其優(yōu)良的性質(zhì)，對(duì)多分量的調(diào)幅調(diào)頻信號(hào)研究有著深遠(yuǎn)的意義，各大高校和科研機(jī)構(gòu)已對(duì)LMD方法開(kāi)展了深入的研究，因此，LMD方法在故障診斷領(lǐng)域有望占有一席之地10-11。1.4 故障識(shí)別分析傳統(tǒng)的故障識(shí)別是在有先驗(yàn)條件的基礎(chǔ)上，按照一定的規(guī)律、經(jīng)驗(yàn)和標(biāo)準(zhǔn)對(duì)

22、機(jī)械設(shè)備產(chǎn)生故障的原因、種類以及具體部位做出判斷，但是，這種方法可靠性較差。自故障診斷學(xué)成為一門(mén)學(xué)科以來(lái)，為了提高故障識(shí)別的準(zhǔn)確率，人們克服了原有故障診斷方法的局限性，發(fā)展了多種故障識(shí)別技術(shù)12。1)基于神經(jīng)網(wǎng)絡(luò)的模式識(shí)別方法神經(jīng)網(wǎng)絡(luò)是一種自適應(yīng)的非線性動(dòng)力學(xué)系統(tǒng)，它是科學(xué)家通過(guò)模擬生物神經(jīng)元系統(tǒng)特性而建立起來(lái)的。神經(jīng)網(wǎng)絡(luò)具有分布式存儲(chǔ)、并行處理、自適應(yīng)學(xué)習(xí)等特點(diǎn)，可實(shí)現(xiàn)診斷推理及趨勢(shì)預(yù)測(cè)的功能，在模式識(shí)別領(lǐng)域應(yīng)用十分廣泛。但是這項(xiàng)技術(shù)是根據(jù)生物神經(jīng)細(xì)胞的功能為基礎(chǔ)而建立起來(lái)的，缺乏堅(jiān)實(shí)的理論基礎(chǔ)，對(duì)于實(shí)際應(yīng)用上的很多重要問(wèn)題只能依靠經(jīng)驗(yàn)和技巧解決，需要對(duì)算法和模型進(jìn)一步發(fā)展與研究，以達(dá)到越來(lái)

23、越精確的識(shí)別標(biāo)準(zhǔn)。2)基于支持向量機(jī)的模式識(shí)別方法支持向量機(jī)(Support Vector Machine，簡(jiǎn)稱SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來(lái)的一種模式識(shí)別方法，其基本思想為：利用非線性變換將輸出空間轉(zhuǎn)化到一個(gè)高維空間當(dāng)中，在產(chǎn)生的新空間中求得最優(yōu)線性分類面，通過(guò)定義適當(dāng)?shù)膬?nèi)積函數(shù)來(lái)實(shí)現(xiàn)這種非線性變換。SVM在解決小樣本、非線性和高維模式識(shí)別問(wèn)題當(dāng)中優(yōu)勢(shì)十分明顯，已在模式識(shí)別和函數(shù)擬合等領(lǐng)域開(kāi)始應(yīng)用，在旋轉(zhuǎn)機(jī)械故障診斷中取得了一定的成果。SVM模型的關(guān)鍵步驟包括核函數(shù)和超參數(shù)的設(shè)置，這兩個(gè)參數(shù)的選擇對(duì)其分類準(zhǔn)確率有很大程度上的影響，但是這兩個(gè)參數(shù)卻通常經(jīng)過(guò)經(jīng)驗(yàn)選擇，給模式識(shí)別過(guò)程造成了

24、一定的不便。3)基于隱馬爾科夫模型的模式識(shí)別方法隱馬爾科夫模型作為一種信號(hào)動(dòng)態(tài)時(shí)間序列統(tǒng)計(jì)模型，具有嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)結(jié)構(gòu)和可靠的計(jì)算性能，適用于動(dòng)態(tài)過(guò)程時(shí)間序列的建模并具有強(qiáng)大的時(shí)序模式分類能力。它能通過(guò)較少的樣本訓(xùn)練出可靠的模型，并按模式匹配原理，尋找與未知信號(hào)最相似的模型作為識(shí)別結(jié)果，非常適合于對(duì)非平穩(wěn)、重復(fù)再現(xiàn)性不佳的信號(hào)進(jìn)行分析。由于旋轉(zhuǎn)機(jī)械升降速信號(hào)較為復(fù)雜，信號(hào)的頻率和幅值均隨時(shí)間的變化而變換，表現(xiàn)為典型的非平穩(wěn)性，由于各種隨機(jī)因素影響，這些振動(dòng)信號(hào)重復(fù)再現(xiàn)性較差。根據(jù)這些特點(diǎn)，HMM 非常適合于對(duì)旋轉(zhuǎn)機(jī)械升降速信號(hào)進(jìn)行建模和診斷。1.5 旋轉(zhuǎn)機(jī)械故障診斷研究的發(fā)展從發(fā)展歷程角度，旋轉(zhuǎn)機(jī)

25、械故障診斷研究中比較重要的幾個(gè)歷史節(jié)點(diǎn)如表 1-1所示13。由表 1-1 分析可知，旋轉(zhuǎn)機(jī)械故障診斷技術(shù)的發(fā)展大致分為三個(gè)階段。初期，主要是應(yīng)用檢測(cè)儀表監(jiān)視機(jī)械運(yùn)行產(chǎn)生的信號(hào)，傳感器監(jiān)測(cè)原始信號(hào)，顯示儀表展示時(shí)域信號(hào)波形與頻譜換算結(jié)果，無(wú)其他分析功能；中期，旋轉(zhuǎn)機(jī)械診斷技術(shù)發(fā)展為檢測(cè)儀表配備監(jiān)測(cè)信號(hào)、簡(jiǎn)單的分析裝置分析運(yùn)行狀態(tài)。所用裝置主要是頻譜分析儀，而且診斷決策需人工判斷，自動(dòng)化程度差。目前，故障診斷系統(tǒng)已經(jīng)開(kāi)始應(yīng)用計(jì)算機(jī)監(jiān)視與智能診斷系統(tǒng)，現(xiàn)代化的裝置可以實(shí)現(xiàn)實(shí)時(shí)監(jiān)視和自動(dòng)診斷。綜上所述，減少人工干預(yù)、提高故障診斷系統(tǒng)的自動(dòng)化程度是當(dāng)前研究的熱點(diǎn)。在旋轉(zhuǎn)機(jī)械故障診斷裝置的研發(fā)中美國(guó)起步最

26、早，并擁有最先進(jìn)的技術(shù)。1967年美國(guó)就成立了第一個(gè)故障診斷技術(shù)研究機(jī)構(gòu)美國(guó)機(jī)械故障預(yù)防小組(Machinery Fault Prevention Group)。美國(guó)西屋公司(WHEC)在奧蘭多建立了一個(gè)診斷中心(DOC)，開(kāi)發(fā)出汽輪機(jī)故障診斷系統(tǒng)(AID)，首先將網(wǎng)絡(luò)技術(shù)應(yīng)用于故障診斷研究。Bently Nevada 公司研發(fā)的 CM&FD 系統(tǒng)，基本功能包括：自動(dòng)監(jiān)測(cè)、主動(dòng)診斷、自動(dòng)評(píng)估故障的嚴(yán)重程度、預(yù)測(cè)故障發(fā)展趨勢(shì)等，還可以自動(dòng)分析歷史數(shù)據(jù)，發(fā)送故障評(píng)估報(bào)告。該系統(tǒng)的集成化與智能化代表了世界目前最先進(jìn)的水平。另外，艾默生公司手持便攜式故障診斷系統(tǒng)的研發(fā)一直處于世界領(lǐng)先水平，開(kāi)發(fā)

27、的Peakvue 專利技術(shù)能夠快速、準(zhǔn)確地對(duì)現(xiàn)場(chǎng)設(shè)備實(shí)施診斷。其他國(guó)家這方面的研究也在進(jìn)行，2006 年，丹麥的 ROVING DYNAMICS A/S 公司已經(jīng)開(kāi)發(fā)了“預(yù)兆維護(hù)系統(tǒng)”，系統(tǒng)具有易用、自動(dòng)化程度高、支持遠(yuǎn)程訪問(wèn)等特點(diǎn)。德國(guó)的 SIEMENS、日本的 FANUC 公司、瑞士的 ABB 等大公司也開(kāi)發(fā)出各自的故障診斷系統(tǒng)。表1-1 旋轉(zhuǎn)機(jī)械故障診斷發(fā)展歷程國(guó)內(nèi)從事旋轉(zhuǎn)設(shè)備故障診斷裝置的研究是從上世紀(jì) 80 年代開(kāi)始，主要研制單位為高校、研究所、制造廠等。雖然起步較晚，但發(fā)展很快，早期開(kāi)發(fā)的部分診斷裝置如表 1-2 所示14。隨著市場(chǎng)的發(fā)展與需求的增加，2000年以后旋轉(zhuǎn)機(jī)械故障診斷

28、裝置的研究趨于產(chǎn)品化，主要由專門(mén)的高科技公司開(kāi)發(fā)完成，發(fā)展速度非常迅猛。深圳阿爾斯通創(chuàng)為實(shí)技術(shù)發(fā)展有限公司開(kāi)發(fā)出了S8000大型旋轉(zhuǎn)機(jī)械遠(yuǎn)程監(jiān)測(cè)中心，由于該產(chǎn)品擁有強(qiáng)大的圖譜分析功能，可為用戶提供遠(yuǎn)程專家群的技術(shù)支持，故它在國(guó)內(nèi)的石化、電力等行業(yè)獲得了非常廣泛的應(yīng)用。上海華陽(yáng)儀器檢測(cè)有限公司故障診斷裝置的特點(diǎn)是便攜，主要產(chǎn)品有：HL-10機(jī)械故障聽(tīng)診儀，MC-200電動(dòng)機(jī)故障檢測(cè)儀等。而北京勝智振通科技有限公司的產(chǎn)品則主要為軟件，設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷軟件BSZ3.0能夠圖形化顯示設(shè)備和測(cè)點(diǎn)布置圖，實(shí)現(xiàn)波形瀏覽器式多功能時(shí)域、頻域分析和診斷。表1-2 國(guó)內(nèi)旋轉(zhuǎn)機(jī)械故障診斷裝置發(fā)展歷程2 案例1

29、轉(zhuǎn)子不平衡的故障診斷2.1 轉(zhuǎn)子不平衡故障原因分析 （1）、制造時(shí)幾何尺寸不同心、材質(zhì)不均 （2）、安裝方式不好，如用斜鍵等 （3）、軸水平放置太久，或受熱不均，造成永久或暫時(shí)變 （4）、工作中的液、固雜質(zhì)或腐蝕，使轉(zhuǎn)子不對(duì)稱磨損或不對(duì)稱沉積 （5）、零件配合過(guò)松，旋轉(zhuǎn)時(shí)間隙變大，造成偏心2.2 不平衡故障的振動(dòng)機(jī)理設(shè)：偏心距e，轉(zhuǎn)子質(zhì)量M，軸剛度k，阻尼系數(shù)c，轉(zhuǎn)速n（r/min），角速度w=2n/60，離心力F=Mew2，分解為兩方向的力為：圖2-1 轉(zhuǎn)子旋轉(zhuǎn)不平衡分析模型兩力相差90°，y方向的振動(dòng)方程為：歸一化后：其中，阻尼系數(shù)： 自振角頻率： 上式的通解為：公式第一部分為瞬

30、態(tài)解，是衰減的自由振動(dòng)，很快消失；公式第二部分為穩(wěn)態(tài)解，是強(qiáng)迫振動(dòng)：其中： H(w)-幅頻響應(yīng)函數(shù)，表示振幅Y隨頻率比w/wn的變化而變化的放大系數(shù)，當(dāng)w/wn 1時(shí)出現(xiàn)共振峰。(w)-相頻響應(yīng)函數(shù)2.3 不平衡故障的振動(dòng)特征1)振動(dòng)頻率特征不平衡引起的振動(dòng)總是在徑向方向，振動(dòng)頻率主要集中在不平衡部件轉(zhuǎn)速頻率的一倍頻率。通常，1x 轉(zhuǎn)頻的振動(dòng)尖峰在頻譜中占優(yōu)勢(shì)，幅值一般大于或等于振動(dòng)總量幅值的80。2)振動(dòng)相位特征工作頻率下，通常在徑向方向呈現(xiàn)穩(wěn)定的、可重復(fù)的振動(dòng)相位。當(dāng)不平衡超過(guò)其它故障成為主要振動(dòng)原因時(shí)，軸承上水平方向與垂直方向振動(dòng)相位差約為 90度(±30 度)。圖2-2 轉(zhuǎn)子

31、旋轉(zhuǎn)不平衡振動(dòng)信號(hào)波形與幅值譜3)軸心軌跡特征質(zhì)量不平衡產(chǎn)生一個(gè)均勻的旋轉(zhuǎn)力，此力的方向連續(xù)變化，但是始終作用在徑向方向上。因此，軸和支承軸承趨向于以某圓周為軌道運(yùn)動(dòng)，然而由于軸承的垂直方向剛性比水平方向剛性強(qiáng)，所以通常振動(dòng)響應(yīng)是一定程度的橢圓軌跡。水平方向振動(dòng)通常略大于垂直方向振動(dòng)，一般范圍在 2 倍至 3 倍左右15。V方向H方向圖2-2 轉(zhuǎn)子旋轉(zhuǎn)軸心軌跡測(cè)試圖2-2 轉(zhuǎn)子旋轉(zhuǎn)不平衡振動(dòng)信號(hào)波形與幅值譜2.4 不平衡故障的振動(dòng)特征總結(jié)如下圖 表2-1 轉(zhuǎn)子不平衡故障的特征總結(jié)3案例2不對(duì)中故障診斷（齒式聯(lián)軸器）3.1 不對(duì)中分類(1) 軸線平行位移，稱為平行不對(duì)中；(2) 軸線交叉成一角度

32、，稱為偏角不對(duì)中；(3) 軸線位移且交叉，稱為綜合不對(duì)中。ea(a) 平行不對(duì)中(b) 角度不對(duì)中(c) 綜合不對(duì)中（A）平行不對(duì)中 （B）角度不對(duì)中 （C）綜合不對(duì)中3.2 轉(zhuǎn)子不對(duì)中的危害：（1）增加機(jī)器的振動(dòng)；（2）過(guò)度的聯(lián)軸器損壞；（3）增加密封件的磨損；（4）增加軸承的磨損；（5）過(guò)高的能源消耗。3.3不對(duì)中故障產(chǎn)生的原因（1）.軸承系統(tǒng)在進(jìn)行設(shè)計(jì)時(shí)，對(duì)中因素考慮不夠周全以及計(jì)算偏差。（2）.機(jī)器設(shè)備在操作上的超負(fù)荷運(yùn)行以及機(jī)器設(shè)備保溫效果不好，轉(zhuǎn)子系統(tǒng)中各單個(gè)轉(zhuǎn)子受熱變形不一樣；（3）.由于支撐機(jī)器的基礎(chǔ)變形或是機(jī)器底座由于各種各樣的原因下沉使機(jī)器處于不對(duì)屮工作狀態(tài)；（4）.各種毛

33、坯件在鍛，鑄過(guò)程中由于各種原因，會(huì)形成一定偏心、歪斜等不均勻缺陷，在安裝過(guò)程中經(jīng)常通過(guò)找正的方法進(jìn)行補(bǔ)救，補(bǔ)救過(guò)程中存在找正誤差；（5）.機(jī)器外部工作環(huán)境溫度變化比較大，所以機(jī)器各零部件受熱變形不一。3.4 不對(duì)中故障機(jī)理圖3-1 轉(zhuǎn)子不對(duì)中故障分析模型K 點(diǎn)的位移方程：對(duì)位移方程一次求導(dǎo)，得到X、Y方向上的速度方程表達(dá)式：再合成得到K點(diǎn)的速度表達(dá)：在K點(diǎn)的線速度在K點(diǎn)的角速度中間齒套的這種運(yùn)動(dòng)向轉(zhuǎn)子系統(tǒng)施加的激振力為：轉(zhuǎn)子系統(tǒng)具有不對(duì)中故障時(shí)的物理特征與不平衡的時(shí)候相同，外殼的質(zhì)量M和系統(tǒng)的不對(duì)中量y共同決定了激振力的幅值大小，但其與轉(zhuǎn)速變化相關(guān)的因子是4w2 ，這表明轉(zhuǎn)子不對(duì)中故障引起激振

34、力的大小對(duì)轉(zhuǎn)速的敏感程度是不平衡引起激振力的4倍，說(shuō)明轉(zhuǎn)子轉(zhuǎn)速越高，不對(duì)中對(duì)轉(zhuǎn)子的危害性越大16。3.5 不對(duì)中故障的主要特征1)振動(dòng)頻率特征對(duì)剛性聯(lián)軸器及齒輪聯(lián)軸器，其徑向激振頻率除旋轉(zhuǎn)頻率外，頻譜上主要顯示二倍轉(zhuǎn)速頻率(2x)處的振動(dòng)為主導(dǎo)，不僅作用在軸向方向，還作用在徑向方向。有時(shí)還有可能引起大量的高次諧波，使振動(dòng)頻譜呈現(xiàn)為松動(dòng)或間隙過(guò)大的故障，關(guān)鍵的區(qū)別特征是軸向方向 2x 轉(zhuǎn)頻處的幅值振動(dòng)。圖3.2 不對(duì)中振動(dòng)信號(hào)的波形與幅值譜2)振動(dòng)相位特征不對(duì)中時(shí)的相位特點(diǎn)是：聯(lián)軸器兩側(cè)的相位差接近 180 度，不對(duì)中程度越嚴(yán)重，越接近這個(gè) 180 度相位差。在比較同一轉(zhuǎn)子的水平方向相位差與垂直方向相位差時(shí)，約 90%的不對(duì)中機(jī)器將表現(xiàn)垂直方向相位差與水平方向相位差之間的差值接近 180 度。3)典型的軸心為雙橢圓復(fù)合軌跡，正進(jìn)動(dòng)。3.6 不平衡故障的振動(dòng)特征總結(jié)如下圖 表3-1 轉(zhuǎn)子不對(duì)中