工程机械故障诊断方法综述_机械故障诊断技术综述

工程机械故障诊断方法综述由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“机械故障诊断技术综述”。

机械故障诊断与维修课程论文

工程机械故障诊断方法综述

谢祺

机0801-1 20080534 【摘要】：机械设备的检测诊断技术在现代工业生产中的作用不可忽视,从设备诊断的基本方法、内容和技术手段等多方面对我国机械设备诊断技术的现状进行了综述,并在此基础上分析并提出了该技术在今后的发展趋势。

【关键字】：机械设备

诊断技术

发展趋势

引言

随着科学技术的发展,机械设备越来越复杂,自动化水平越来越高,机械设备在现代工业生产中的作用和影响越来越大,与其有关的费用越来越高,机器运行中发生的任何故障或失效不仅会造成重大的经济损失,甚至还可能导致人员伤亡。通过对设备工况进行检测,对故障发展趋势进行早期诊断,找出故障原因,采取措施避免设备的突然损坏,使之安全经济地运转,在现代工业生产中起着重要的作用。开展机械设备故障检测与诊断技术的研究具有重要的现实意义。本文试图对机械设备故障监测诊断的内容、方法的现状及发展趋势进行探讨。机械故障诊断技术的历史

早在60年代末，美国国家宇航局(NASA)就创立美国机械故障预防MFPG(Machinery Fault Prevention Group)，英国成立了机械保健中心(UK，Machineral Health Monitoring Center)。由于诊断技术所产生的巨大的经济效益，从而得到迅速发展。但各个工程领域对故障诊断的敏感程度和需求迫切性并不相同。例如一台机械设备因故障停机检修并不导致全厂生产过程停顿，或对产品质量产生严重的影响，它对故障诊断的需求性就不那么迫切。反之，就非要有故障诊断技术不可。目前监视诊断技术主要用于连续生产系统或与产品质量有直接关系的关键设备。

机械故障诊断技术发展几十年来，产生了巨大的经济效益，成为各国研究的热点。从诊断技术的各分支技术来看，美国占有领先地位。美国的一些公司，如 Bently，HP等，他们的监测产品基本上代表了当今诊断技术的最高水平，不仅具有完善的监测功能，而且具有较强的诊断功能，在宇宙、军事、化工等方面具有广泛的应用。美国西屋公司的三套人工智能诊断软件（汽轮机TurbinAID，发电机GenAID，水化学ChemAID）对其所产机组的安全运行发挥了巨大的作用。还有美国通用电器公司研究的用于内燃电力机车故障排除的专家系统DELTA；美国NASA研制的用于动力系统诊断的专家系统；Delio Products公司研制的用于汽车发动机冷却系统噪声原因诊断的专家系统ENGING COOLING ADCISOR等。近年来，由于微机特别是便携机的迅速发展，基于便携机的在线、离线监测

[2]与诊断系统日益普及，如美国生产的M6000系列产品，得到了广泛的应用。

英国于70年代初成立了机器保健与状态监测协会，到了80年代初在发展和推广设备诊断技术方面作了大量的工作，起到了积极的促进作用。英国曼彻斯特大学创立的沃森工业维修公司和斯旺西大学的摩擦磨损研究中心在诊断技术研究方面都有很高的声誉。英国原子能研究机构在核发电方面，利用噪声分析对炉体进行监测，以及对锅炉、压力容器、管道得无损检测等，起到了英国故障 机械故障诊断与维修课程论文

数据中心的作用。目前英国在摩擦磨损、汽车、飞机发动机监测和诊断方面仍具有领先的地位。

欧洲一些国家的诊断技术发展各具特色。如瑞典SPM公司的轴承监测技术，AGEMA公司的红外热像技术；挪威的船舶诊断技术；丹麦的B&K公司的振动、噪声监测技术等都是各有千秋。日本在钢铁、化工等民用工业中诊断技术占有优势。东京大学、东京工业大学、京都大学、早稻田大学等高等学校着重基础性理论研究；而机械技术研究所、船舶技术研究所等国立研究机构重点研究机械基础件的诊断研究；三菱重工等民办企业在旋转机械故障诊断方面开展了系统的工作，所研制

[3]的“机械保健系统”在汽轮发电机组故障监测和诊断方面已经起到了有效的作用。

我国诊断技术的发展始于70年代末，而真正的起步应该从1983年南京首届设备诊断技术专题座谈会开始。虽起步较晚，但经过近几年的努力，加上政府有关部门多次组织外国诊断技术专家来华讲学，已基本跟上了国外在此方面的步伐，在某些理论研究方面已和国外不相上下。目前我国在一些特定设备的诊断研究方面很有特色，形成了一批自己的监测诊断产品。全国各行业都很重视在关键设备上装备故障诊断系统，特别是智能化的故障诊断专家系统，在电力系统、石化系统、冶金系统、以及高科技产业中的核动力电站、航空部门和载人航天工程等。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。透平发电机、压缩机的诊断技术已列入国家重点攻关项目并受到高度重视；而西安交通大学的“大型选转机械计算机状态监测与故障诊断系统”，哈尔滨工业大学的“机组振动微机监测和故障诊断系统”。东北大学设备诊断工程中心经过多年研究，研制成功了“轧钢机状态监测诊断系统”，“风机工作状态监测诊断系统”，均取得了可喜的成果 设备故障诊断技术的现状

2.1 故障诊断的基本过程及内容

机械故障检测诊断的基本过程(见图1)包含两方面内容:(1)对设备运行状态进行检测;(2)发现异常情况后对设备的故障进行分析、诊断。其发展也经历了从简易诊断到精密诊断,从一般诊断到智能诊断,从单机诊断到网络诊断的过程,发展速度愈来愈快。

图1 机械故障诊断基本过程

2.2 主要技术方法现状

根据系统采用的特征描述和决策方法,故障检测诊断的方法概括起来分为:基于系统数学模型的故障诊断方法和基于非模型的故障诊断方法两大类。2.2.1 基于系统数学模型的故障诊断方法

基于模型的故障检测诊断技术是通过构造观测器估计出系统输出,然后将它与输出的测量值比较,从中取得故障信息。该方法能与控制系统紧密结合,是监控、容错控制、系统修复和重构的前提;是以现代控制理论和现代优化方法为指导,以系统的数学模型为基础,利用观测器(组)、等价空间方程、滤波器、参数模型估计和辨识等方法产生残差,然后基于某种准则或阈值对该残差进行评价和决策。

机械故障诊断与维修课程论文 2.2.2 基于非模型的故障诊断方法

(1)基于可测信号处理的故障诊断方法 系统的输出在幅值、相位、频率及相关性上与故障源存在着某种关系,利用这种关系可确定系统的故障。常用的方法有谱分析、相关分析、功率谱分析和概率密度法。

(2)基于故障诊断专家系统的诊断方法 专家系统是近年来故障诊断领域最显著的成就之一,内容包括诊断知识的表达、诊断推理方法、不确定性推理以及诊断知识的获取等。随着计算机科学和人工智能的发展,基于专家系统的故障诊断方法克服了基于模型的故障诊断方法对模型的过分依赖性,成为故障检测的有效方法。

(3)故障模式识别的故障诊断方法 这是一种静态故障诊断方法,它以模式识别技术为基础,其关键是故障模式特征量的选取和提取。该方法分为离线分析和在线分析2 个阶段。通过离线分析来确定表达系统故障状态的特征向量集和以该特征向量集所描述的故障模式向量,由此形成故障的基准模式集,并确定区分识别这些故障模式向量的判别函数,然后通过在线诊断实时提取故障的特征向量,由判别函数对故障进行分离定位。

(4)基于故障树的故障诊断方法 故障树是表示系统或设备特定事件或不希望事件与它的各子系统或各部件故障事件之间的逻辑结构图,通过结构图对系统故障形成的原因做出总体至部分按树状逐渐地详细划分。这是一种图形演绎法,把系统故障与导致该故障的各种因素形象地绘成故障图表,较直观地反映故障、元部件、系统及因素、原因之间的相互关系,也能定量计算故障程度、概率和原因等。

(5)基于模糊数学的故障诊断方法 根据模糊集合论征兆空间与故障状态空间的某种映射关系,由征兆来诊断故障。由于模糊集合论尚未成熟,通常只能凭经验和大量试验来确定。另外因系统本身不确定的和模糊的信息,以及要对每一个征兆和特征参数确定其上下限和合适的隶属度函数,而使其应用有局限性。但随着模糊集合论的完善,相信该方法有较光明的前景。

(6)基于人工神经网络的故障诊断方法 是20世纪80 年代末90 年代初才真正具有实用性的一种故障诊断方法。由于神经网络具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式的功能,使其在工程实际存在着大量的多故障、多过程、突发性故障、庞大复杂机器和系统的监测及诊断中发挥较大作用。设备检测诊断技术的发展趋势

传感器的精密化、多维化;诊断理论、诊断模型的多元化;检测诊断技术趋于自动化、数字化、智能化和综合化;应用软件规范化;硬件专业化、标准化;诊断仪表与装置趋向工程网络系统发展。具体表现在以下几方面:(1)研究和改进传感器与监测仪器选取合适的参量以提高诊断的准确度 与当代最新传感技术融合,研究开发新型传感器和监测仪器,提高监测技术水平;选择最有效的参量是提高诊断准确性的前提,高效多功能仪器对诊断设备的几何量、物理量快速准确的检测与识别是研究故障诊断的基础工作。

(2)与最新信号处理方法相融合,开展基于小波分析的故障诊断技术研究 小波分析是一种全新的信号-尺度分析方法,其分析基函数是一系列尺度可变的简谐函数,具有良好的时-频定性特性以及对信号的自适应能力。机械设备故障诊断中由于设备零件结构不同,产生的信号中含有大量的非平稳成分,利用小波分析可把不同频率信号分解到不同频道的分解序列,从而为故障特征的提取而提供理论依据,由于它具有时域和频域局部化分析功能和可变分辨率的特点,使之在分析瞬变信号时比傅立叶分析更具优越性。

(3)与非线性原理和方法及多元传感技术的融合 现代化大生产要求对设备进行全方位、多角 机械故障诊断与维修课程论文

度的监测与维护,以便对设备的运行状态有整体的、全方面的了解;在进行设备故障检测诊断时,可采用多个传感器同时对设备的各个位置进行监测,然后按照一定的方法对这些信息进行处理。机械设备在发生故障时,又往往表现为非线性特征,随着混沌与分型几何方法的日趋完善,这类问题也必将得到进一步解决。

(4)与现代智能方法的融合 现代智能技术包括专家系统、模糊逻辑、神经网络、进化计算等。现代智能方法在设备故障诊断技术中已得到了广泛的应用,随着智能科技不断发展,设备状态的智能监测和故障诊断将是故障诊断技术的最终目标。

(5)远程化、网络化 设备故障诊断系统是针对一台或同类型的某几台设备开发的专用系统,使用效率低,故障诊断知识、技术与信息不易共享,导致其开发和维护费用过高;工程实际中诊断规则的收集不够全面,收集也困难,造成故障诊断系统中的诊断规则普遍很少,系统诊断能力低;当系统出现严重或新的故障时,无法快速、经济地利用各方技术力量解决问题。随着网络技术的发展,实现多专家与多系统的共同诊断,一种有效的解决途径就是建立基于网络的远程故障诊断与监测系统。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,不同的监测现场可以与同一个诊断中心建立联系结束语

随着微电子、计算机、智能技术和网络技术的发展,机械设备故障检测诊断技术的准确性会越来越高、操作使用越来越方便、在机械设备维修中会起着越来越重要的作用,它可以直接提高企业设备管理和维护水平,提高企业效益和国际竞争力。

参考文献

[1 ] 张斌,张微薇.机械设备故障诊断技术概述[J ].建筑机械化,2005(8):1468.[3 ] 陆春月,王俊元.机械故障的现状与发展趋势[J ].机械管理开发,2004 ,81(6):859 [5] 马建仓,林其敖,葛文杰.机械故障诊断学现状及发展[J].机械科学与技术,1994,50(2):85-90.[6] Raper A M,Hammondj K.An expert systems approach to understanding signals and svstems[J].Mechanical Systems and Sigmd Proceing,1988,2(2):153-164.[7] 张晓彤等．故障诊断的应用[C]．全国设备诊断技术学术会议一97(CMDTC97论文集)．北京：兵器工业出版社，1997．10：546—554．

[8] 黄志坚,袁周,故障诊断与监测实用技术[M].北京;机械工业出版社,2005.[9] ZHANG S，MATHEWJ，MA L，etal．Best basis-based intelligent machine fault diagnosis[J]．Mechanical Systems and Sign Proceing．2005，19(2)：357-370．

[10] 张晓彤．诊断系统理论研究[J]．冶金设备，2001．

[11] Hart Y L.Study of a fault diagnosis expert system for synthetic mining system hyaraulic support[J].Jounralof coal science & engineering,2000,6(1):72-75.[12] Qu L S.Chen Y D.Liu X The Holospectrum-a New Method for Rotor Surveillance and Diagnosis 1989(3)[13] Arai M Mapping abilities of three-layered neural networks 1989 [14] 张兆国,包春江.机械故障诊断与维修[M].北京:中国农业出版社,2003.[15] ZDZISLAW P．Rough sets and intelligent data analysis[J]．Information Sciences，2002。147(1-4)：l一12． [16] 陈涛，屈梁生等．机械诊断的应用[J]．机械工程学报，1997，33(3)[17] 陈进．机械设备故障诊断技术的现状与发展趋势[J]．振动工程学报，1998．

机械故障诊断与维修课程论文

[18] S J Rothberg.N A Halliwell Vibration Measurements on Rotating Machinery Using Laser Doppler Velocimeter 1994(3)[19] 杨叔子．设备诊断系统研究[J]．中国设备管理，1998．

[20] P W Hills Vibration-based Condition Monitoring-the Learning Iue 1996(8)[21] 刘曙光．远程测控技术[J]．国外电子测量技术，2001，(6)．

[22] KUNG S Y.Hwang J N An algebraic projection analysis for optional hidden units size and learning rates in backpropagation learning 1991 [23] VENKAT V．Prognostic and diagnostic monitoring of complex systems for product lifecycle management: challenges and opportunities[J]．Computers and Chemical Engineering．2005，29(6)：1 Z53—1 263． [24] 陈明，李正华等．机械诊断技术[J]．机械工程学报，2002，31(3)