《机电备状态监测与故障诊断(版)》由会员分享，可在线阅读，更多相关《机电备状态监测与故障诊断(版)（85页珍藏版）》请在金锄头文库上搜索。
1、2019/8/1,天津大学机电科技中心,1,机电设备状态监测与 故障诊断,王太勇 教授、博士生导师 天津大学机电科技中心主任 电话：022-27408118，13820088862,2019/8/1,天津大学机电科技中心,2,机电设备状态监测与故障诊断,现实生活和工业过程中恶性事故时有发生,转子事故,2019/8/1,天津大学机电科技中心,3,机电设备状态监测与故障诊断,现实生活和工业过程中恶性事故时有发生,透平机械事故,2019/8/1,天津大学机电科技中心,4,机电设备状态监测与故障诊断,现实生活和工业过程中恶性事故时有发生,水轮机事故,2019/8/1,天津大学机电科技中心,5,机电设备
2、状态监测与故障诊断,现实生活和工业过程中恶性事故时有发生,美国哥伦比亚号载人航天飞机失事,2019/8/1,天津大学机电科技中心,6,机电设备状态监测与故障诊断,现实生活和工业过程中恶性事故时有发生,断裂部位,三峡塔带机断裂事故 2002年9月3日,2019/8/1,天津大学机电科技中心,7,机电设备状态监测与故障诊断,对关键设备进行状态监测和故障诊断可以提高设备的可靠性，实现 “事后维修”到 “预知维修”的转变，提高企业和设备的管理水平，保证产品的质量，避免重大事故的发生，降低事故危害性，从而获得潜在的巨大经济效益和社会效益。,机电设备故障诊断的意义：,日本应用故障诊断技术后，事故发生率减少
3、75%，维修费用降低2550。英国对2000个国营工厂的调查表明，采用状态监测和故障诊断技术后，每年可节省维修费用3亿英镑，而故障诊断系统的成本为0.5亿英镑。,2019/8/1,天津大学机电科技中心,8,机电设备状态监测与故障诊断,国外诊断技术的发展概况：, 美国最早，1967年美国宇航局倡导成立了机械故障预防小组（“MFPG”） 70年代英国机械保健中心成立，并用于核发电、钢铁、电力等诊断。 71年日本开始发展自己的TPM（全员生产维修）：钢铁、石油、化工、铁路 进而欧美许多国家都在重视发展。如瑞典SPM轴承监测、挪威船舶诊断、丹麦B&K的振动与声发射诊断,2019/8/1,天津大学机电科
4、技中心,9,机电设备状态监测与故障诊断,国内诊断技术的发展概况：, 天津大学从1982年起研究齿轮传动、轴承、齿轮箱、切 削过程等方面的诊断与监控技术，成果主要： 1、设备的智能诊断与预测维修系统 2、设备在线自动报警与保护通用监控系统 3、动态测试与信号分析系统 4、模态分析系统 华中理工大学：汽轮发电机组诊断专家系统、钢丝绳诊断系统 西安交通大学：旋转机械故障诊断RB20，用于炼油行业 国防科技大学：望远号远洋考察船的在线监控与故障诊断系统 哈尔滨工业大学： 20万KW汽轮发电机组诊断,2019/8/1,天津大学机电科技中心,10,机电设备状态监测与故障诊断,诊断技术的特点：, 技术研究和
5、积累较多 在石化、电力等方面的应用较多，效益好、易诊断 传统机械制造业应用少，主要原因是传动结构复杂、企业效益普遍不好 汽车制造业已经逐步重视，如：玉柴、吉普、桑塔纳、一汽、重庆长安、“九五”攻关项目等,2019/8/1,天津大学机电科技中心,11,机电设备状态监测与故障诊断,状态监测与故障诊断系统:,离线监测与故障诊断,定期或不定期的巡检的方式采集现场数据，然后回放到计算机，由计算机软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 例如：基于便携式数采仪的故障诊断与预测维修系统 （天 津大学机电科技中心）,2019/8/1,天津大学机电科技中心,12,机电设备状态监
6、测与故障诊断,状态监测与故障诊断系统：,离线监测与故障诊断,2019/8/1,天津大学机电科技中心,13,在线监测与故障诊断,由传感器及高速实时数采硬件、控制计算机及监测分析软件组成。 特点：在线监测，可以给出设备的当前状态，捕捉突发故障并进行精细分析。 例如：在线故障诊断与自动报警系统 （天 津大学机电科技中心）,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,2019/8/1,天津大学机电科技中心,14,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,在线监测与故障诊断,2019/8/1,天津大学机电科技中心,15,机床电源,计算机,监控箱,记录、文件,机电设备状态监测与故障诊
7、断,状态监测与故障诊断系统：,在线监测与故障诊断,2019/8/1,天津大学机电科技中心,16,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,前瞻性的故障诊断模式：,以网络技术和计算机技术为基础，开发出主从分布式网络化集成在线监控与诊断系统。 特点：充分挖掘和发挥网络信息交换、资源共享的优点，充分利用科研院所的专家资源，实现“移动的是数据而不是人”，在网络层面上实现故障信息的挖掘和故障类型的确诊。 例如：中国设备远程诊断网 http:/ （天津大学机电科技中心）,2019/8/1,天津大学机电科技中心,17,状态监测与故障诊断系统：,。,.,信号调理,信号调理,信号调理,机组,机组,现
8、场工控机,.,信号调理,信号调理,信号调理,机组,机组,现场工控机,。,.,信号调理,信号调理,信号调理,机组,机组,现场工控机,远程计算机,局域网,多机组网络化实时监测模式,机电设备状态监测与故障诊断,2019/8/1,天津大学机电科技中心,18,机电设备状态监测与故障诊断,状态监测与故障诊断系统：,前瞻性的故障诊断模式：,2019/8/1,天津大学机电科技中心,19,机电设备状态监测与故障诊断,设备状态监测与故障诊断主要包括如下几个环节：,测取的信号应能反映设备的状态与故障信息，具体包括：振动、声、力、温度、超声、油污染、锈蚀、转速、扭矩、功率、电流、电压等。其中：振动信号最常用，方法成熟
9、，信息量大；声信号采用非接触测量，测取方便，信息量大，但容易受干扰 方法：以振动测量为例，可以测：加速度、速度、位移。通常采用加速度传感器。,2019/8/1,天津大学机电科技中心,20,机电设备状态监测与故障诊断,一、状态信息的获取,压电加速度传感器,加速度传感器输出的电荷量与振动加速度成正比。传感器必须与前置电压放大器、电荷放大器或测量放大器配用。直接放大可测加速度，经过一次积分可测速度，经过二次积分可测位移。,加速度传感器一般具有很高的固有频率，适于测量高频振动或设备振动中的高频成分。例如齿轮箱的捏合频率、滚动轴承的特征频率等。,加速度传感器测量的是被测物体的绝对振动。,2019/8/1
10、,天津大学机电科技中心,21,机电设备状态监测与故障诊断,一、状态信息的获取,速度传感器,速度传感器固定在被测物体上，物体振动时，传感器输出的电量与振动速度成正比。经过一次积分可测位移，经过一次微分可测加速度。 速度传感器测量的是被测物体的绝对振动。 速度传感器的频响范围较加速度低一些，不适合测量太高频率的振动。,2019/8/1,天津大学机电科技中心,22,机电设备状态监测与故障诊断,一、状态信息的获取,电涡流式位移传感器,涡流传感器属于非接触式传感器一类，在旋转机械中应用最多。可以用来监测转子系统的运动状态，例如转子的径向振动、轴向振动、轴心轨迹、轴心位置、油膜厚度、转子转速等信息。 涡流
11、传感器测量的是被测物体与传感器探头端面之间的距离。,2019/8/1,天津大学机电科技中心,23,一、状态信息的获取,机电设备状态监测与故障诊断,t,0,t,0,t,0,模拟信号,离散,量化,传感器输出的信号一般都是诸如电压、电荷、电阻变化值、电容变化值等模拟信号，在利用计算机对其进行处理之前必须对其进行离散量化成数字信号。模拟信号到数字信号转换的过程如下图所示。,模拟信号的采集,2019/8/1,天津大学机电科技中心,24,机电设备状态监测与故障诊断,二、状态特征的提取（信号处理）,信号处理的方法：时域分析、幅值域分析、频域分析、时频分析等,信号处理的目的：采用各种技术和手段挖掘信号中内含的
12、本质，即信息。具体到机电设备状态监测和故障诊断中就是提取设备相关信号（包括振动、声音、温度、压力等）的特征，对设备当前状态作出准确的评价和预测，对已发生的故障进行确诊，提出正确的维修建议。,2019/8/1,天津大学机电科技中心,25,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,均值（一阶矩）：描述信号的 稳定分量,方差（二阶中心矩）：描述信号的 波动分量,信号的时域波形,偏斜度（三阶矩）：反映信号中大幅 值成分的影响,2019/8/1,天津大学机电科技中心,26,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,峭度（四阶矩）：反映信号中大幅值成分的影响,信号的概率
13、表示：,概率密度函数的物理意义,信号的概率密度函数：,2019/8/1,天津大学机电科技中心,27,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,应用：直接应用于机器状态的诊断。例如，图为车床变速箱的噪声概率密度函数p(x)，a新车床，b旧车床，显然新、旧车床变速箱噪声概率密度函数p(x)值有较大差异。,车床变速箱噪声概率密度函数 a)新车床噪声p(x) b)旧车床噪声p(x),2019/8/1,天津大学机电科技中心,28,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,1、自相关函数 是偶函数，即 。 2、当 时，自相关函数 等于信号的方差 3、当 时，自相关函数
14、的值总是小于 ，即小于方差,信号的自相关函数：描述信号自身的相似程度,重要规律：周期信号或者其他非随机信号的自相关函数不随变量 的变化而衰减；随机信号的自相关函数当变量 增大时将趋向于零。因此，自相关函数是在机器噪声中查找周期信号或者瞬时信号的重要手段。,2019/8/1,天津大学机电科技中心,29,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,应用：正常运行状态机器噪声是大量的、无序的、大小接近的随机冲击结果，有宽而均匀的频谱。 运行不正常状态随机噪声将出现有规则、周期性的脉冲，其大小比随机冲击大的多。 例如;机构中轴承磨损间隙增大时，轴与轴盖就会有碰击现象。首先运用自相关函数
15、查找出隐藏的周期分量，进而依靠其幅值和波动的频率可以查找出机器的缺陷所在。,图 C630型车床主轴箱噪声的自相关函数,2019/8/1,天津大学机电科技中心,30,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,信号的互相关函数：描述两个信号之间的相似程度或相关性,性质：,1、互相关函数 不一定是偶函数。 2、当 时，互相关函数 不一定是最大值。 3、互相关函数具有反对称性。,重要规律：若互相关函数出现峰值，则表示两个信号相似；若互相关函数几乎处处为零，则表示两个信号不相关。,2019/8/1,天津大学机电科技中心,31,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,应用一：相关测速,2019/8/1,天津大学机电科技中心,32,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,应用二： 故障定位,2019/8/1,天津大学机电科技中心,33,机电设备状态监测与故障诊断,二、状态特征的提取（时域分析）,发动机与司机座的相关性较差，而后桥与司机座的互相关较大，可以认为司机座的振动主要是由汽车后轮的振动引起的。,应用三： 传递通道的相关测定,2019/8/1,天津大学机电科技中心,34,机电设备状态监测与故障诊断,二、状态特征的提取（时
