旋转机械（转子）故障诊断
摘要：旋转机械故障诊断技术在企业中的应用能够及早发现设备故障、防止生产线停工、避免重大事故。本文首先展示了国内外转子故障诊断技术现状，回顾过往不平衡模拟实验通过对振动特征的分析研究总结了不平衡的振动特征。而后再利用振动信号分析处理方法以及时一频分析技术，对转子系统的不平衡、不对中两个典型的故障诊断做了详细的介绍。由于技术发展，以后的转子故障诊断将朝着自动化、智能化方向发展。
关键词：旋转机械；不平衡；不对中；故障诊断
Vibration Faults in Rotor System
Abstract: Application of the rotating machinery 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 on 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 development, the rotor fault diagnosis will develop in automatic and intelligent direction.
Keywords: Rotating Machinery; Imbalance;Misalignment ; Fault Diagnosis
旋转机械是指依靠转子旋转运动进行工作的机器，在结构上必须具备最基本的转子、轴承等零部件。旋转机械是工业部门中应用最为广泛的一类机械设备，例如汽轮机、压缩机、风机等诸多机械都属于这一类。转子一轴承系统作为旋转机械的核心部件，在电力、能源、交通、石油化工以及国防等领域中发挥着无可替代的作用。旋转机械常常由于出现各种不同形式的故障而影响其正常工作，有时甚至会发生由某种故障引发的严重的机毁人亡事故，并造成重大经济损失。综上所述，研究、发展并应用先进的状态监测与故障诊断技术，尤其是研究先进的时频分析方法正确地提取旋转机械的故障特征，保证大型旋转机械设备的安全而高效地运行，避免巨额的经济损失和灾难性事故发生，将为国民经济创造巨大财富，对于提高经济效益和社会效益具有重大的意义[1-2]。
1 转子故障诊断简介
1.1 转子故障分类
1. 转子不平衡。不平衡故障是由于不平衡量破坏了转子初始平衡状态，从而引发整机出现较大的工频振动。可分为由转子质量偏心和由转子部件缺损所引起的不平衡，是较常见的旋转机械振动故障。
2. 碰摩。转子与机匣碰摩是旋转机械常见的故障之一，可分为连续碰摩和局部碰摩。转子碰摩会引起整机振动持续增大，甚至破坏机械整体结构，使机匣发生变形，或使转子叶片产生裂纹甚至折断，从而严重影响机组安全运行。
3. 不对中。转子不对中通常是指相邻两转子的轴心线与轴承中心线的倾斜或偏移程度。转子不对中可以分为联轴器不对中和轴承不对中。旋转机械在安装和运转中因为多种原因而可能发生转子不对中，不对中状态下转子运动会引起机器振动、联轴器偏转、轴承摩擦、油膜失稳和轴的挠曲变形等故障问题，对系统的稳定运行危害极大。
4. 轴承及其支承故障。旋转机械支承结构中使用了较多的滚珠轴承和滚针轴承，其磨损故障较为常见。轴承座及其支承结构存在不对称弹性特性，也会导致明显的振动。
5. 裂纹。由疲劳损伤引起的裂纹是轮盘、叶片、轴等转子结构都会出现的问题，随着旋转机械的运行，裂纹逐步扩展会导致部件结构强度减小，最终无法承受预定载荷而发生断裂。这类故障危害极大。
6. 气激振动。由于结构和运行原因，在转子系统的通流部分存在着许多气流挠动的激振源，这些激振源都可能诱发气流激振，引起系统的自激振动，导致材料的疲劳破坏，最后发生断裂而引起严重事故。
7. 喘振。喘振是发动机的一种不正常的工作状态，是由压气机内的空气流量和压气机转速偏离设计状态过多而引发的。喘振是发动机的致命故障，严重时可能导致发动机空中停车甚至发动机致命损坏。
8. 转子弯曲。可分为永久性弯曲和临时性弯曲两种情况，其故障机理相同都与转子质量偏心类似，因而都会产生与质量偏心类似的旋转矢量激振力。与质量偏心偏离不同之处在于轴弯曲会使轴两端产生锥形运动，因而在轴向还会产生较大的工频振动。
9. 松动。可分为转子支撑系统联接松动，轴承在轴承座内松动或部件配合松动，结构框架、底座松动和结构、轴承座晃动或开裂引起的松动，
10. 油膜涡动。油膜的楔形按油的平均流速绕轴瓦中心运动的现象称为油膜涡动，因其平均速度为轴颈圆周速度的一半，故又称为半速涡动。
11. 油膜振荡。是由于滑动轴承中的油膜作用而引起的旋转轴的自激振荡，可产生于转速达到临界转速时同等的振幅或更加激烈。油膜振荡不仅会导致高速旋转机械的故障，有时也是造成轴承或整台机组破坏的原因。
12. 旋转分离。当离心式或轴流式压缩机的操作工况远离它的设计工况时，气流在流道内产生分离团，造成气流压缩产生不稳定流动，引起机器流通道和管道内的气流压力脉动，造成机器零件或管道的疲劳损坏，或者进而发展为喘振，对机器造成严重的危害[3-4]。
1.2 转子系统故障诊断的基本环节
目前，信号处理是故障诊断的主流方法，通过采用合适的信号处理方法，选择适当的特征参数，提取出所需的故障特征信息，从而为故障识别和状态预测服务。在信号处理方面，机械故障诊断的主要内容可以简单概括为四点，第一点是采集状态信号；第二点是通过采集的信号提取故障特征；第三点是对提取到的故障特征进行模式识别和分析；第四点是预测状态[4-5]。具体如下：
1)采集状态信号
采集状态信号如图1-1 是指通过对运转中的旋转机械的状态实行完整的测试，通过测试获取有价值的信号——状态信号。状态信号的正确采集具有非常重要的作用，这是因为在这些信号当中承载着设备异常或故障的所有信息。准确的充分的采集一定数量的状态信号可以充分的反映旋转机械的运行情况，它是故障诊断成功的首要条件；如果不能准确真实的采集到设备的状态信号，那么将导致以后的环节是不准确的甚至是完全错误的。所以保证采集信号的正确性和真实性是采集状态信号的关键。
图1-1 转子振动信号采集装置
2)通过采集的信号提取故障特征
虽然采集到了正确的信号，但是如果不加以提取故障信息。也将无法完成检测的工作，这是因为采集到的信号仅仅只是机械在运转的过程中所变现出来的原始状态信号。而这些原始的状态信号往往包含着大量背景噪声、干扰当中，是难以提取出有利用价值的信号的。只有利用信号处理的技术，消除干扰与噪声所带来的影响，从原始信号当中提取出有利用价值的故障信息，才能做到突出故障特征，提高故障诊断的准确性和可靠性。
3)对提取到的故障特征进行模式识别和分析
在成功提取出有利用价值的故障信息后，对该信息所反映旋转机械实行分析、比较、识别来据此判断机械运行中是否有异常的情况，做到防患于未然。一旦机械出现了故障，可以立即判断出出现故障的具体的位置以及造成故障的原因。
4)状态预测
如果机械发生了故障，则通过模式识别和分析后，为了保证人们可以方便的采取解决办
法，必须更加完善的对旋转机械出现异常或故障发生在机械的哪个部位、造成这种故障的原因已尽会带来的危险的程度实行评估。根据所得信息，来判断旋转机械运行状态和发展趋势。
图1-2 旋转机械故障诊断基本过
1.3 故障特征提取分析
故障特征提取是旋转机械故障诊断的核心，它是当前研究中的重点也是难点，它直接关系到故障识别的准确性及可靠性。因此，准确地提取故障信号特征是该领域科研工作者孜孜不倦的追求。
旋转机械振动信号的故障诊断方法基本可以分为时域分析、频域分析和时频域分析三大类，还有如功率谱分析等其他方法也在进一步研究之中。目前最常用的特征提取方法是利用傅里叶变换(Fourier Transform，简称FT)将信号从时域变换为频域，从而对信号进行频域分析获取特征参数。
1)振动信号时域分析方法
时域信息包括振动响应时间历程、振幅时间信号等，这些振动信号大都以时间波形的形式来表示。振动波形是测试中的原始信号，理所当然包含故障的全部信息，但是较难看出这些信息和故障之间的联系。而对于一些简单振动波形或对原始信号进行时域平均后就可用来表示机械故障特征。振幅时间图诊断一般使用两种方法。一种是变转速工况下的振幅时间图，另一种稳定转速工况下的振幅时间图。对于运行工况不断变化的机械，可以测量其开机或停机过程中振幅随时间的变化过程，根据振幅随时间变化的曲线判断故障。对于转速工况不变的情况，可以测量振幅随时间的变化过程，从而判断故障。时域分析的缺点是测量得到的振动波形或曲线受到外界的干扰较大，严重影响诊断的准确性，因此时域分析诊断仅适用于简单部件或理想状态下的故障诊断[6-7]。
2)振动信号频域分析方法
所谓频域分析，是将以时间为横坐标的时域信号经由傅里叶变换转化为以频率为横坐标的频域信号，通过对时域信号的变换，得到原信号的幅值、相位等相关信息的一种分析处理方法。频域分析以傅里叶变换为核心，包括幅值谱、功率谱、最大熵谱、倒谱等谱函数分析，它充分反映了周期信号的各个组成频率，在旋转机械振动信号分析中应用较广。傅里叶变换针对平稳和线性的信号，可基本满足多数工程需要，在旋转机械故障诊断实际应用中取得了良好的效果。但当旋转机械发生故障时，还有很多非平稳、非线性、非因果的随机信号，这时用傅里叶变换处理会产生很大误差，分析结果中只有频域特征而丧失了时域特征，因此，需要更为有效的特征提取方法来分析非平稳、非线性、非因果的故障信号[7-8]。
3)振动信号时频域分析方法
旋转机械在升降速过程中的振动信号大多为非平稳、非线性信号，为了获取升降速过程中时间和频率的变化规律，提高故障诊断的准确度，时频分析技术应运而生。短时傅里叶变换(Short Time Fourier Transformation，简称STFT)的出现是时频分析实用化的标志，它利用窗函数将信号截短，对每一段作傅里叶变换，从而得到功率谱随时间变化的规律。该方法突出了信号的局部特征，较多运用在时变信号分析当中。由于对截取的信号视为平稳，因此短时傅里叶变换只适用于缓变信号的分析。
为了更准确分析非平稳信号的幅频特性在不同时间内的变化情况，将一维时域或频域信号映射为时间——频率的二维信号，这样的二次维分布称为Cohen 类分布，它包括Wigner 分布和Choi-William 分布等。Wigner 分布是一种时频混合的信号表示法，它描述了信号在时间和频率上对能量或密度的分布，其性质包括对称性、时移性、频移性等。所以对信号进行Wigner 分布分析，不但能求出信号的时间、频率分布图，还能求出信号的频率变化情况，从而更好的对检测信号进行分析和识别。但由于Wigner 分布不是线性的，会产生多余的交叉项，这个多余成分使得信号与噪声产生混叠现象，因此给信号滤波造成了很大难度，在一定程度上影响了Wigner 分布的实际应用[9]。
小波变换(Wavelet Transformation，简称WT)由于其在非平稳信号处理方面的特点突出，因此近年来应用较广。在分析方法上与短时傅里叶变换相似，小波变换也利用了窗函数，但不同的是小波变换的时频窗是可变的，使其既能对非平稳信号中的短时高频信号定位，又能分析信号中的低频成分，由于小波变化不但能够看到信号概貌，又能分析信号细节，这就克服了傅里叶变换在时域中精度无法可调的缺陷，与短时傅里叶变换相比，提取的信息更为详细。小波分析在信号的瞬态分析、信号降噪、数据压缩等方面有较广的应用，为故障信号的频率分离及微弱信号提取提供了高效实用的工具。虽然小波分解分析取得了成功，但是仍存在一些缺陷。首先，小波变换的滤波器特性与理想带通滤波器特性相差较远，这就造成各频带之间严重的频率混叠，很难在时域和频域对信号进行精确分析；再次，小波变换是非适应性的，一旦选择小波基函数，分析开始后就无法更换，这就造成在全局小波基函数是最优选择，但是某部分可能是最差的；最后，小波变换中的频率分辨率十分粗糙，无法达到傅里叶变换的程度，这个问题目前仍未很好解决。
经验模态分解(Empirical Mode Decomposition，简称EMD)方法是一种较新的信号分析方法，又称为Hilbert-Huang 变换。它分为两个步骤：第一步是应用经验模态分解法来分解信号，将信号分解成一系列本征模函数(Intrinsic Mode Function，简称IMF)；第二步是对分解后得到的多个本征模函数进行希尔伯特变换(HilbertTransformation，简称HT)，得到时频平面上的能量分布谱图，从而对信号进行分析。由于EMD 方法对信号本身尺度特征进行分解，其分解是自适应的，得到的IMF可以真实表现信号内的物理过程，非常适用于非线性非平稳的故障信号，因此该理论得到了广泛的应用。但是EMD 方法在理论上仍存在一些问题，如端点效应、三次样条插值产生的过包络、欠包络以及Hilbert 变换产生的无法解释的负频率现象。
英国人Jonathan S.Smith 于2005 年提出局部均值分解(Local Mean Decomposition，简称LMD)方法，并在脑电信号处理中取得了较好的效果。LMD方法将信号分解为不同尺度的等幅调频信号和包络信号，将这两个信号相乘便得到具有瞬时物理意义的乘积函数分量，包络信号即该PF的瞬时幅值，而PF分量的瞬时频率则可由等幅调频信号直接求出，进一步将所有PF分量的瞬时频率和瞬时幅值组合，便可以得到原始信号完整的时频分布。与EMD方法类似，LMD方法也是用极值点定义局部均值函数和包络函数，只是用滑动平均法代替了三次样条插值法，这样就避免了EMD分解后产生的过包络和欠包络的现象，同时，端点效应与EMD方法相比减轻了很多。
目前，LMD方法在旋转机械故障诊断领域尚未大规模应用，但是基于其优良的性质，
对多分量的调幅调频信号研究有着深远的意义，各大高校和科研机构已对LMD方法开展了深入的研究，因此，LMD方法在故障诊断领域有望占有一席之地[10-11]。
1.4 故障识别分析
传统的故障识别是在有先验条件的基础上，按照一定的规律、经验和标准对机械设备产生故障的原因、种类以及具体部位做出判断，但是，这种方法可靠性较差。自故障诊断学成为一门学科以来，为了提高故障识别的准确率，人们克服了原有故障诊断方法的局限性，发展了多种故障识别技术[12]。
1)基于神经网络的模式识别方法
神经网络是一种自适应的非线性动力学系统，它是科学家通过模拟生物神经元系统特性而建立起来的。神经网络具有分布式存储、并行处理、自适应学习等特点，可实现诊断推理及趋势预测的功能，在模式识别领域应用十分广泛。但是这项技术是根据生物神经细胞的功能为基础而建立起来的，缺乏坚实的理论基础，对于实际应用上的很多重要问题只能依靠经验和技巧解决，需要对算法和模型进一步发展与研究，以达到越来越精确的识别标准。
2)基于支持向量机的模式识别方法
支持向量机(Support Vector Machine，简称SVM)是在统计学习理论基础上发展起来的一种模式识别方法，其基本思想为：利用非线性变换将输出空间转化到一个高维空间当中，在产生的新空间中求得最优线性分类面，通过定义适当的内积函数来实现这种非线性变换。SVM在解决小样本、非线性和高维模式识别问题当中优势十分明显，已在模式识别和函数拟合等领域开始应用，在旋转机械故障诊断中取得了一定的成果。SVM模型的关键步骤包括核函数和超参数的设置，这两个参数的选择对其分类准确率有很大程度上的影响，但是这两个参数却通常经过经验选择，给模式识别过程造成了一定的不便。
3)基于隐马尔科夫模型的模式识别方法
隐马尔科夫模型作为一种信号动态时间序列统计模型，具有严谨的数据结构和可靠的计算性能，适用于动态过程时间序列的建模并具有强大的时序模式分类能力。它能通过较少的样本训练出可靠的模型，并按模式匹配原理，寻找与未知信号最相似的模型作为识别结果，非常适合于对非平稳、重复再现性不佳的信号进行分析。由于旋转机械升降速信号较为复杂，信号的频率和幅值均随时间的变化而变换，表现为典型的非平稳性，由于各种随机因素影响，这些振动信号重复再现性较差。根据这些特点，HMM 非常适合于对旋转机械升降速信号进行建模和诊断。
1.5 旋转机械故障诊断研究的发展
从发展历程角度，旋转机械故障诊断研究中比较重要的几个历史节点如表1-1所示[13]。
由表1-1 分析可知，旋转机械故障诊断技术的发展大致分为三个阶段。初期，主要是应用检测仪表监视机械运行产生的信号，传感器监测原始信号，显示仪表展示时域信号波形与频谱换算结果，无其他分析功能；中期，旋转机械诊断技术发展为检测仪表配备监测信号、简单的分析装置分析运行状态。所用装置主要是频谱分析仪，而且诊断决策需人工判断，自动化程度差。目前，故障诊断系统已经开始应用计算机监视与智能诊断系统，现代化的装置可以实现实时监视和自动诊断。综上所述，减少人工干预、提高故障诊断系统的自动化程度是当前研究的热点。在旋转机械故障诊断装置的研发中美国起步最早，并拥有最先进的技术。1967年美国就成立了第一个故障诊断技术研究机构——美国机械故障预防小组(Machinery Fault Prevention Group)。美国西屋公司(WHEC)在奥兰多建立了一个诊断中心(DOC)，开发出汽轮机故障诊断系统(AID)，首先将网络技术应用于故障诊断研究。Bently Nevada 公司研发的CM&FD 系统，基本功能包括：自动监测、主动诊断、自动评估故障的严重程度、预测故障发展趋势等，还可以自动分析历史数据，发送故障评估报告。该系统的集成化与智能化代表了世界目前最先进的水平。另外，艾默生公司手持便携式故障诊断系统的研发一直处
于世界领先水平，开发的Peakvue 专利技术能够快速、准确地对现场设备实施诊断。其他国家这方面的研究也在进行，2006 年，丹麦的ROVING DYNAMICS A/S 公司已经开发了“预兆维护系统”，系统具有易用、自动化程度高、支持远程访问等特点。德国的SIEMENS、日本的FANUC 公司、瑞士的ABB 等大公司也开发出各自的故障诊断系统。
表1-1 旋转机械故障诊断发展历程
国内从事旋转设备故障诊断装置的研究是从上世纪80 年代开始，主要研制单位为高校、研究所、制造厂等。虽然起步较晚，但发展很快，早期开发的部分诊断装置如表1-2 所示[14]。
随着市场的发展与需求的增加，2000年以后旋转机械故障诊断装置的研究趋于产品化，主要由专门的高科技公司开发完成，发展速度非常迅猛。深圳阿尔斯通创为实技术发展有限公司开发出了S8000大型旋转机械远程监测中心，由于该产品拥有强大的图谱分析功能，可为用户提供远程专家群的技术支持，故它在国内的石化、电力等行业获得了非常广泛的应用。上海华阳仪器检测有限公司故障诊断装置的特点是便携，主要产品有：HL-10机械故障听诊仪，MC-200电动机故障检测仪等。而北京胜智振通科技有限公司的产品则主要为软件，设备状态监测与故障诊断软件BSZ3.0能够图形化显示设备和测点布置图，实现波形浏览器式多功能时域、频域分析和诊断。
2 案例1——转子不平衡的故障诊断
2.1 转子不平衡故障原因分析
（1）、制造时几何尺寸不同心、材质不均
（2）、安装方式不好，如用斜键等
（3）、轴水平放置太久，或受热不均，造成永久或暂时变
（4）、工作中的液、固杂质或腐蚀，使转子不对称磨损或不对称沉积
（5）、零件配合过松，旋转时间隙变大，造成偏心
2.2 不平衡故障的振动机理
设：偏心距e ，转子质量M ，轴刚度k ，阻尼系数c ，转速n （r/min ），角速度w=2n/ 60，离心力F=Mew 2，分解为两方向的力为：
表1-2 国内旋转机械故障诊断装置发展历程
图2-1 转子旋转不平衡分析模型
两力相差90y 方向的振动方程为：
自振角频率：
上式的通解为：
公式第一部分为瞬态解，是衰减的自由振动，很快消失；
公式第二部分为稳态解，是强迫振动：
H(w)----幅频响应函数，表示振幅Y 随频率比w/w n 的变化而变化的放大系数，当w/w n ≈1时出现共振峰。
ψ(w)---相频响应函数
()()t Me t F t F t Me t F t F y x
ωωωωωωsin sin cos cos 2
2====t sin Me ky y c y M ωω=++2 t sin e y y y n
n ωω=ω+ζω+22 归一化后： 其中，阻尼系数： 102≤ζ≤ω=ζ,M c n M k n =ω)sin(]1[sin )(2ωψt Y De
t y n t n -ω+?+ωζ-=ζ-())sin(ψ-ω=t Y t y ()222221??
???????? ??ωωζ+???????????? ??ωω-???? ??ωω=ω=n n n e eH Y 其中： ()212arctan ???
? ??-???? ??=n n ωωωωζωψ
2.3 不平衡故障的振动特征
1)振动频率特征
不平衡引起的振动总是在径向方向，振动频率主要集中在不平衡部件转速频率的一倍频率。通常，1x 转频的振动尖峰在频谱中占优势，幅值一般大于或等于振动总量幅值的80％。
2)振动相位特征
工作频率下，通常在径向方向呈现稳定的、可重复的振动相位。当不平衡超过其它故障成为主要振动原因时，轴承上水平方向与垂直方向振动相位差约为 90度(±30 度)。
3)轴心轨迹特征
质量不平衡产生一个均匀的旋转力，此力的方向连续变化，但是始终作用在径向方向上。因此，轴和支承轴承趋向于以某圆周为轨道运动，然而由于轴承的垂直方向刚性比水平方向刚性强，所以通常振动响应是一定程度的椭圆轨迹。水平方向振动通常略大于垂直方向振动，一般范围在 2 倍至 3 倍左右[15]。
图2-2 转子旋转不平衡振动信号波形与幅值谱
V 方向
H 方向
图2-2 转子旋转轴心轨迹测试
2.4 不平衡故障的振动特征总结如下图
表2-1 转子不平衡故障的特征总结
3案例2——不对中故障诊断（齿式联轴器）
3.1 不对中分类
(1) 轴线平行位移，称为平行不对中；
(2) 轴线交叉成一角度，称为偏角不对中；
(3) 轴线位移且交叉，称为综合不对中。
3.2 转子不对中的危害：
（1）增加机器的振动；
（2）过度的联轴器损坏；
（3）增加密封件的磨损；
（4）增加轴承的磨损；
（5）过高的能源消耗。
3.3不对中故障产生的原因 （1）.轴承系统在进行设计时，对中因素考虑不够周全以及计算偏差。
（2）.机器设备在操作上的超负荷运行以及机器设备保温效果不好，转子系统中各单个（C ）综合不对中
（B ）角度不对中 （A ）平行不对中 e (a) 平行不对
中 (b) 角度不对中 (c) 综合不对中
转子受热变形不一样；
（3）.由于支撑机器的基础变形或是机器底座由于各种各样的原因下沉使机器处于不对屮工作状态；
（4）.各种毛坯件在锻，铸过程中由于各种原因，会形成一定偏心、歪斜等不均匀缺陷，在安装过程中经常通过找正的方法进行补救，补救过程中存在找正误差；
（5）.机器外部工作环境温度变化比较大，所以机器各零部件受热变形不一。
3.4 不对中故障机理
K 点的位移方程：
对位移方程一次求导，得到X 、Y 方向上的速度方程表达式：
再合成得到 K 点的速度表达：
中间齿套的这种运动向转子系统施加的激振力为：
θ
K V ?????=-===θθθθθθ2cos 2121cos cos 2sin 21cos sin D D D y D D x ???-==θθθθd D dy d D dx 2sin 2cos wt w mD wt D m x m ma F x 2sin )2(2
12sin 22="??????=== dt Dd dt dy dt dx V K /)/()/(22θ=+=在K 点的线速度 K V 在K 点的角速度 K w 2D r V K K K ?=?=ω
ω图3-1 转子不对中故障分析模型
转子系统具有不对中故障时的物理特征与不平衡的时候相同，外壳的质量M 和系统的
不对中量y 共同决定了激振力的幅值大小，但其与转速变化相关的因子是4w 2 ，这表明转子不对中故障引起激振力的大小对转速的敏感程度是不平衡引起激振力的4倍，说明转子转速越高，不对中对转子的危害性越大[16]。
3.5 不对中故障的主要特征
1)振动频率特征
对刚性联轴器及齿轮联轴器，其径向激振频率除旋转频率外，频谱上主要显示二倍转速频率(2x)处的振动为主导，不仅作用在轴向方向，还作用在径向方向。有时还有可能引起大量的高次谐波，使振动频谱呈现为松动或间隙过大的故障，关键的区别特征是轴向方向 2x 转频处的幅值振动。
2)振动相位特征 不对中时的相位特点是：联轴器两侧的相位差接近 180 度，不对中程度越严重，越接近这个 180 度相位差。在比较同一转子的水平方向相位差与垂直方向相位差时，约 90%的不对中机器将表现垂直方向相位差与水平方向相位差之间的差值接近 180 度。
3)典型的轴心为双椭圆复合轨迹，正进动。
wt w mD wt D m y m ma F y 2cos )2(2
12cos 22="??????=== 图3.2 不对中振动信号的波形与幅值谱
3.6 不平衡故障的振动特征总结如下图
表3-1 转子不对中故障的特征总结
4 小节
本文主要介绍了转子系统振动故障的分类,转子系统故障诊断的基本环节、故障特征提取分析、故障识别分析和旋转机械故障诊断研究的发展，并对旋转机械转子不平衡、不对中故障的产生原因、机理和其频谱特征、轴心轨迹特征进行了仔细的分析描述。转子故障诊断也早已不是停留在人工测试判断的水平上，而是通过计算机和各种智能算法进行自动化监测和智能反应。但是，我认为这一切智能化都是在典型振动故障的机理和特征的基础之上的，因此准确理解典型振动故障的机理和特征至关重要。
致谢
参考文献：
[1] 钟秉林,黄仁.机械故障诊断学(第2版)[M].北京:机械工业出版社,2003.6
[2] 赵荣珍,黄义仿,张力等.旋转机械智能故障诊断技术的发展趋势[J].兰州理工大学学报,2008.34(5):36-40
[3]夏松波, 张礼勇. 旋转机械故障诊断技术的现状与展望[J]. 振动与冲击, 1997, 16(2): 1-5.
[4] 韩清凯，于涛，王德友，等，故障转子系统的非线性振动分析与诊断方法，北京：科学出版社，2010
[5]郑近德, 程军圣, 胡思宇. 多尺度熵在转子故障诊断中的应用[J]. 振动, 测试与诊断, 2013, 33(2).
[6] 何勇,安源胜,武红霞.旋转机械的故障诊断[J],风机技术,2007,(6):67一8,72.
[7]徐宾刚, 屈梁生, 陶肖明. 转子故障贝叶斯诊断网络的研究[J][J]. 机械工程学报, 2004, 40(1): 66-72.
[8] W.J.Wang,J.Chen,X.K.Wu.The applieation of some non-linear methods in rotating machinery fault
diagnosis[J],MeChhacal Systems and Signal Proeessing,2001, 15(4):697-705.
[9] 盛兆顺,尹琦蛉.设备状态监测与故障诊断技术及应用[M].北京：化学工业出版社,2003
[10] 韩捷,张瑞林,关惠玲等.旋转机械故障机理及诊断技术[M].北京:机械工业出版社.1997
[11] 于昊. 基于LMD 和HMM 的转子故障诊断方法[D]. 兰州理工大学, 2012.
[12] 边肇棋,张学工.模式识别(第二版)[M].北京:清华大学出版社,2000
[13] 韩清凯, 于晓光. 基于振动分析的现代机械故障诊断原理及应用[M]. 北京: 科学出版社,2010:2-3.
[14] 程道来, 吴茜, 吕彦亭, 等. 国内电站故障诊断系统的现状及研究方向[J]. 动力工
程,1999,19(1):53-57.
[15] 张茉. 转子系统振动故障的诊断方法及时频分析技术研究[D]. 东北大学, 2008.
[16] 沈紫乐. 转子不对中故障识别技术研究[D]. 郑州大学, 2012.
龙源期刊网 https://www.doczj.com/doc/ff5624035.html, 旋转机械的常见故障诊断 作者：马昊刘天保刘鸿亮 来源：《科技资讯》2014年第16期 摘要：沈鼓做为一家世界知名的鼓压风机制造企业，旋转机械是我们厂的支柱产品。所以，旋转机械的故障诊断与分析，对于我厂产品的质量的好坏，产品是否能够让用户满意，以至于企业的生存和核心竞争力，都有着致关重要的作用。作为一门独立的学科，依靠振动分析仪对旋转机械的异常故障进行诊断和判别，必须有较高的技术水平。这个诊断和判别与医学上的诊断和判别是一个道理。要能够准确地诊断和判别，要依靠大量的临床实践和临床经验，这必须有医学上的理论基础根据。 关键词：鼓压风旋转机械诊断判别 中图分类号：TH165 文献标识码：A 文章编号：1672-3791（2014）06（a）-0105-01 尽管旋转机械的故障是由机械仪表自行诊断是最终目的，但机械还是机械，它不是万能的，现实的问题不能全部死搬硬套，自动诊断。系统的诊断只能做参考，最终诊断还需要人的大脑。人—机对话，还需要人的大脑。 下面举几个各种类型振动的典型例子，可以认为是固定模式的一类，可以在判断故障时做以参考。 1 不平衡 大家知道，转动部分在转动过程中，一定会产生振动，振动是绝对的，不振动是相对的，不平衡是绝对的，平衡也是相对的。转动部分或多或少会有残余的不平衡量存在。这种不平衡量是由于转子的重心偏移所产生的。由于重心偏移而引起离心力F=W/gεω2（W：转子重量，kg；g：重力加速度，cm/s2；ε：偏心量；ω：回转角速度；F：离心力）。这种情况，机械在转动时会发生振动，明显地表现为1次/转。如是3000 r/min，振动频率为50 Hz。这种由于偏心、不平衡产生的离心力，迫使转子在运转过程中发生振动，其振动频率为转速的一次方成正比，转速高而高，转速低而低，这是判断转子由于偏心而产生振动的不平衡的最简单也是最直观的判断方法。 2 热的不平衡 已在常温下平衡好的转子，当进入工况后，由于热的影响温度的上升，转子转轴导热性的影响，转子可能会产生弯曲。这种振动可随时间的延长而变大。也可能随负荷的变化而改变。 3 找正同轴度的变化，而引起的不平衡振动
旋转机械故障相关诊断技术 (标准版) Security technology is an industry that uses security technology to provide security services to society. Systematic design, service and management. ( 安全管理 ) 单位：______________________ 姓名：______________________ 日期：______________________ 编号：AQ-SN-0100
旋转机械故障相关诊断技术(标准版) 一、旋转机械故障的灰色诊断技术 灰色诊断技术就是在故障诊断中应用灰色系统理论，利用信息间存在的关系，充分发挥采集到的振动信息的作用，充分挖掘振动信息的内涵，通过灰色方法加工、分析、处理，使少量的振动信息得到充分的增值和利用，使潜在的故障原因显化。 二、旋转机械故障的模糊诊断技术 模糊诊断技术就是在故障诊断中引入模糊数学方法，将各类故障和征兆视为两类不同的模糊集合，同时用一个模糊关系矩阵来描述二者之间的关系，进而在模糊的环境中对设备故障的原因、部位和程度进行正确、有效地推理、判断。 三、旋转机械故障的神经网络诊断技术 所谓的神经网络就是模仿人类大脑中的神经元与连结方式，以
构成能进行算术和逻辑运算的信息处理系统。神经网络模型由许多类似于神经元的非线性计算单元所组成，这些单元以一种类似于生物神经网络的连结方式彼此相连，以完成所要求的算法。在旋转机械故障的诊断中，引入神经网络技术，以类似于人脑加工信息的方法对收集到的故障信息进行处理，从而对故障的原因、部位和程度进行正确的判断。 XXX图文设计 本文档文字均可以自由修改
机械故障诊断考试--题库 （部分内容可变为填空题） 第一章： 1、试分析一般机械设备的劣化进程。 答：1）早期故障期 阶段特点：开始故障率高，随着运转时间的增加，故障率很快减小，且恒定。 早期故障率高的原因在于：设计疏忽，制造、安装的缺陷，操作使用差错。 2）偶发故障期 阶段特点：故障率恒定且最低，为产品的最佳工作期。 故障原因：主要是使用不当、操作失误或其它意外原因。 3）耗损故障期 阶段特点：故障率再度快速上升。 故障原因：零件的正常磨损、化学腐蚀、物理性质变化以及材料的疲劳等老化过程。 2、根据机械故障诊断测试手段的不同，机械故障诊断的方法有哪些？ 答：1′直接观察法－传统的直接观察法如“听、摸、看、闻”是最早的诊断方法，并一直沿用到现在，在一些情况下仍然十分有效。 2′振动噪声测定法－机械设备在动态下(包括正常和异常状态)都会产生振动和噪声。进一步的研究还表明，振动和噪声的强弱及其包含的主要频率成分和故障的类型、程度、部位和原因等有着密切的联系。 3′无损检验－无损检验是一种从材料和产品的无损检验技术中发展起来的方法 4′磨损残余物测定法（污染诊断法 5′机器性能参数测定法－机器的性能参数主要包括显示机器主要功能的一些数据 3、设备维修制度有哪几种？试对各种制度进行简要说明。 答：1o事后维修 特点是“不坏不修，坏了才修”，现仍用于大批量的非重要设备。 2o预防维修（定期维修） 在规定时间基础上执行的周期性维修 3o预知维修 在状态监测的基础上，根据设备运行实际劣化的程度决定维修时间和规 模。预知维修既避免了“过剩维修”，又防止了“维修不足”；既减少了 材料消耗和维修工作量，又避免了因修理不当而引起的人为故障，从而 保证了设备的可靠性和使用有效性。 第二章： 1、什么是故障机理？ 答：机械故障的内因，即导致故障的物理、化学或机械过程，称为故障机理。 2、什么是机械的可靠性？机械可靠性的数量指标有哪两个？他们之间互为什么关系？
旋转设备振动在线系统 技术方案 合肥优尔电子科技有限公司 2016. 8
一．现状分析 随着我国工业现代化进程的加快，对于连续生产的企业而言，大型旋转设备的稳定运行十分重要，一旦发生故障，都有可能导致整个生产线停机，造成极大的损失。这种损失可达每小时数十万元之巨，特别是生产过程智能控制系统的采用，对关键设备安全运行的依赖程度越来越高，因此，对这些设备进行在线监测就显得非常重要。 各种旋转设备运转过程中各零部件磨损并非相同，随其工作条件而异，但磨损的发展是有其规律的，如果能够对设备受到的这种磨损失效规律进行掌握，设备各零部件的相对运动趋势将反应出振动、温度、声音的连锁效应，使我们提前知晓设备各项功能发生改变的趋势与结果。国网铜陵发电有限公司拥有多种大、中、小型旋转设备，其较多旋转设备占据着生产中的核心地位。 二、系统架构 旋转设备振动在线监测系统，通过无线自组网和现场总线的方式，将从各传感单元采集的数据汇集到管理后台，通过计算机系统处理实现应用服务，计算机系统主要由数据前端设备、服务器机和管理端PC组成。 系统拓扑如下图所示： 三、振动采集终端 3.1振动传感器 在旋转设备两端轴座（具体部位可根据现场情况确定）设置两组三维（X、Y、Z方向）加速度振动传感器，测量振动位移矢量，监测主轴与轴瓦（轴座）之间的轴向、径向游离与波动情况。 振动传感器利用压电晶体的正压电效应，当压电晶体在一定方向的外力作用下，它的晶体面产生电压，采集电路检测出这个电压值后换算成受力大小F，由
公式a=F/m可以得出瞬间加速度大小a，对加速度二次积分得出瞬间位移量，从而得出被测对象振动频谱和振动位移。 主要技术参数： ●传感器类型：IEPE ●灵敏度：100mV/g? ●加速度量程：?0.1～100mm/s2 ●速度量程：0.1～250mm/s ●位移量程：1～3000μm ●频率范围：0.3～12000Hz（±10%) ●谐振点: 27kHz ●分辨率：?0.001g ●非线性：≤1% ●横向灵敏度：≤3% ●恒定电流：4mA ●输出阻抗：＜100Ω ●激励电压：DC24V ●温度范围：-40～+80℃ ●放电时间常数：≥1秒 3.2振动采集器 ?YT-400?振动采集器是合肥优尔电子科技自主研发的一款高性能IEPE类传感器信号采集终端，内置了传感器所需的恒流激励和信号调理电路，可以不需外部的信号调理器而直接采集IEPE传感器的输出信号。YT-400具有四路大量程、高采样率、低噪声的高性能同步信号采集通道。每个通道的量程为±10V，采样率高达128Ksps，并能保证实时传输到后台服务器进行显示与分析。通过高性能ADC和先进的DSP信号处理技术，使YT-400具备极低的采样噪声，在1Ksps 采样率下采样噪声峰峰值仅为0.00004V，满量程信号的信噪比高达50万。多通道、高采样率和低噪声和同步采样使YT-400能够满足科研与生产中高端信号监测的需要。? YT-400系列采用跨平台通用的动态链接库作为驱动函数接口，可工作在
第5章旋转机械常见故障诊断分析案例 积累典型设备诊断案例在设备监测诊断工作中具有重要作用。首先它为设备诊断理论提供支撑。常见的设备故障有成熟的理论基础，一个成功的案例通常是诊断理论在现场正确应用和诊断人员长期实践的结果。典型诊断案例具有强大的说服力，一次成功而关键的诊断足可以改变某些人根深蒂固的传统观念，对现场推广设备诊断技术具有重要意义。 其次它为理论研究提供素材。在医学上，由典型的特例研究发现病理或重大理论的案例很多。设备故障的情形多种多样，现场疑难杂症还比较多，有许多故障很难用现有理论解释，只能作为诊断经验看待，这种经验有没有通用参考价值，需要在理论上进行说明。 另外，有许多案例无法在试验室模拟，而它们在不同的现场又常常出现，因此典型案例为同行提供了宝贵经验和经过证实的分析方法。诊断人员可以参考相似案例的解决方案解决新的问题，提供快速的决策维护支持，并为基于案例的推理方法提供数据基础。 典型案例分析的重要性还表现在它是监测诊断人员快速成长的捷径。目前实用的振动诊断方法、技术和诊断仪器已经相当完善，而许多企业在诊断技术推广应用方面存在困难除了思想观念方面的原因外，更主要的原因是缺乏专业人才。研究案例的一般做法是，从新安装设备或刚检修好的设备开始，可以选择重点或典型设备进行监测，根据不同设备制定不同的监测方案和监控参数，定期测试设备的振动，包括各种幅值、振动波形和频谱等。如果设备出现劣化迹象或异常，要缩短监测周期，倍加留心振动波形和频谱的变化，注意新出现的谱线及其幅值的变化，在检修之前做出故障原因的判断。设备检修时要到现场，了解第一手资料，全程跟踪设备拆检情况，掌握设备参数（如轴承型号，必要时测量有关尺寸、齿轮齿数、叶片数、密封结构、联轴器和滑动轴承形式等），做好检修记录（有时需要拍照记录），比较自己的判断对在哪里，错在哪里，进行完善的技术总结。几个过程下来，水平自然有很大提高。总之，添置几件诊断仪器是很容易的事，诊断成果和效益的产生不是一朝一夕的事，需要柞大量艰苦、细致的工作，长期积累设备的状态数据，对此应有应清醒地认识。 表5－1为某钢铁公司多年来162例典型故障的原因或部位分布情况。可见转子不平衡、轴承故障、基础不良、不对中和齿轮故障是主要原因。 5.1 转子动平衡故障诊断、现场校正方法与实例分析 5.1.1 转子不平衡的几种类型与诊断【左经刚，设备故障的相位分析诊断法，中国设备管理，2001年第5期】
旋转机械振动的基本特性 概述 绝大多数机械都有旋转件，所谓旋转机械是指主要功能由旋转运动来完成的机械，尤其是指主要部件作旋转运动的、转速较高的机械。 旋转机械种类繁多，有汽轮机、燃气轮机、离心式压缩机、发电机、水泵、水轮机、通风机以及电动机等。这类设备的主要部件有转子、轴承系统、定子和机组壳体、联轴器等组成，转速从每分钟几十到几万、几十万转。 故障是指机器的功能失效，即其动态性能劣化，不符合技术要求。例如，机器运行失稳，产生异常振动和噪声，工作转速、输出功率发生变化，以及介质的温度、压力、流量异常等。机器发生故障的原因不同，所反映出的信息也不一样，根据这些特有的信息，可以对故障进行诊断。但是，机器发生故障的原因往往不是单一的因素，一般都是多种因素共同作用的结果，所以对设备进行故障诊断时，必须进行全面的综合分析研究。 由于旋转机械的结构及零部件设计加工、安装调试、维护检修等方面的原因和运行操作方面的失误，使得机器在运行过程中会引起振动，其振动类型可分为径向振动、轴向振动和扭转振动三类，其中过大的径向振动往往是造成机器损坏的主要原因，也是状态监测的主要参数和进行故障诊断的主要依据。 从仿生学的角度来看，诊断设备的故障类似于确定人的病因：医生需要向患者询问病情、病史、切脉（听诊）以及量体温、验血相、测心电图等，根据获得的多种数据，进行综合分析才能得出诊断结果，提出治疗方案。同样，对旋转机械的故障诊断，也应在获取机器的稳态数据、瞬态数据以及过程参数和运行状态等信息的基础上，通过信号分析和数据处理提取机器特有的故障症兆及故障敏感参数等，经过综合分析判断，才能确定故障原因，做出符合实际的诊断结论，提出治理措施。 根据故障原因和造成故障原因的不同阶段，可以将旋转机械的故障原因分为几个方面，见表1。 表1 旋转机械故障原因分类
旋转机械振动故障诊断的图形识别方法研究 集团公司文件内部编码：（TTT-UUTT-MMYB-URTTY-ITTLTY-
旋转机械振动故障诊断的图形识别方法研究我国近年来的旋转机械逐渐发展为大型机械，在这种发展趋势下人们开始重视对振动故障的诊断方法进行研究，在深入研究后探索出了一系列用人工识别图像来实现旋转机械振动故障诊断的方法。本文主要分析了旋转机械振动故障的机理、故障的特点以及几种图形识别方法。经过多种试验证明图形识别方法的科学可行性，值得在今后的实际操作中得到运用和发展。 对于旋转机械在工作状态当中会发生振动，从而由振动产生的各种信号，信号会形成一些参数图形，通过对这些参数图形的研究与分析，我们可以实现对器械运行过程中的日常管理和保护。这也是目前应该采用的设备管理方式。而在实际操作过程中，图形识别技术并没有深入到工作当中。这种手段没有被利用于诊断旋转机械故障的原因是提取出明显的图形特征在技术上具有一定的困难，而且对于图形具体特征的描述也具有很大的挑战，是否能够将图形所呈现出的特征准确地表述出来是图形识别技术在旋转机械振动故障诊断方面的一个限制性因素。诊断旋转机械振动故障的原则 采集诊断依据
被诊断的机械表面所能表现出的所有相关信息都能够作为旋转振动机械故障诊断的有效依据。这些信息在机械运行的过程中能够通过传感器传递给人们。对旋转机械振动故障的诊断是否准确，一个重要的因素就是收集到的有关信息是否真实可靠，依据信息是否准确真实的决定性因素是传感器的品质，传感器质量如何、感应是否灵敏以及工作人员的直观判断都是决定信息准确性的重要衡量标准。 对采集的信息进行处理和研究 从传感器和工作人员两方面收集到的依据信息通常是混乱无序的，不能明显的看出其特点，这就导致了无法准确地对故障进行判断，这就要求我们在成功收集信息之后要及时对大量信息进行筛选和处理，目前普遍采用专业的机器来对这些信息进行分析和研究以及进一步的转换，经过这些处理之后所得到的信息要保证具有至关、价值性强等特点。 对故障进行诊断 对旋转机械振动故障诊断方面对工作人员的要求比较高，要求其具有过硬的理论知识功底以及丰富的实际工作经验。工作人员应该充分了解机械方面的相关知识，熟练掌握机械的维修要点以及安装过程。正确的对机械振动故障进行诊断，并且能够对故障的发展形势进行预想，只有这
湖北汽车工业学院 课程论文大型旋转机械故障诊断 姓名：高俊斌 班级：T1113-5 学号：20110130106 日期：2015.1.11
目录 1.引言 (2) 2.旋转机械故障产生的原因及频率特征 (2) 2.1不平衡故障及其诊断 (2) 2.1.1故障机理 (2) 2.1.2频率特点 (2) 2.2转子不对中故障及其诊断 (3) 2.2.1故障机理 (3) 2.2.2频率特点 (3) 2.3涡动故障及其诊断 (4) 2.3.1故障机理 (4) 2.3.2频率特征 (4) 3.常用的故障诊断方法 (5) 3.1振动检测诊断法 (5) 3.2噪声检测诊断法 (5) 3.3温度检测诊断法 (6) 3.4声发射检测诊断法 (6) 3.5油液分析诊断法 (6) 4.大型旋转机械故障诊断案例 (7) 4.1某厂04年09月27日空压机断叶片故障诊断分析 (7) 4.2某厂04年06月24日主风机断叶片故障诊断分析 (9) 5.结论 (12) 参考文献： (13)
大型旋转机械故障诊断 高俊斌 摘要：文章概述了旋转机械故障产生的原因及频率特征、旋转机械故障诊断的基本方法，然后分析了一些大型旋转机械故障诊断的案例。 关键词：旋转机械；故障诊断 1.引言 旋转机械故障诊断技术是伴随着现代工业生产设备的发展形成的一项专门的设备诊断技术。该技术主要研究机械设备在运行过程中或停机状态下不对设备进行拆卸，掌握设备的运行现状，分析判断设备故障的部位、故障原因以及故障严重程度，并估算出设备可靠性和使用寿命，从而提出解决方法的技术。大型旋转机械如风机、压缩机、汽轮机和燃气轮机等设备，是石油、化工、冶金、航天及电力等现代重要生产部门中的关键生产工具，对这些设备开展性能监测与故障诊断工作，具有重要的意义。 2.旋转机械故障产生的原因及频率特征 2.1不平衡故障及其诊断 2.1.1故障机理 质量不平衡是大型旋转机械最为常见的故障。众所周知，旋转机械的转子由于受材料质量和加工技术等各方面的影响，转子上的质量分布相对于旋转中心线不可能做到“绝对平衡”，这就使得转子旋转时形成周期性的离心力的干扰，在轴承上产生动载荷，使机器发生振动。机组不平衡按发生过程可分为原始不平衡、渐发性不平衡和突发性不平衡等几种情况。其中原始不平衡是由于转子制造误差、装配误差及材质不均匀等原因造成的；渐发性不平衡是由于不均匀积灰造成的；突发性不平衡是由于转子上零件脱落造成的，机组振幅突然增大后稳定在一定水平上。 2.1.2频率特点 转子转动一周，离心力方向改变一次，因此不平衡振动的频率与转速一致。即f= w /60，转速频率也称为工频(即工作频率)，这种频率成分很容易在频谱图上观察到。 转子不平衡故障的特征是： ⑴在转子径向测得的频谱图上，频谱能量集中于基频，转速频率成分具有突出的峰值； ⑵转速频率的高次谐波幅值很低，因此反映在时域上的波形很接近于一个正弦波；
文件编号：TP-AR-L6749 In Terms Of Organization Management, It Is Necessary To Form A Certain Guiding And Planning Executable Plan, So As To Help Decision-Makers To Carry Out Better Production And Management From Multiple Perspectives. （示范文本） 编订：_______________ 审核：_______________ 单位：_______________ 旋转机械故障相关诊断 技术(正式版)
旋转机械故障相关诊断技术(正式版) 使用注意：该安全管理资料可用在组织/机构/单位管理上，形成一定的具有指导性，规划性的可执行计划，从而实现多角度地帮助决策人员进行更好的生产与管理。材料内容可根据实际情况作相应修改，请在使用时认真阅读。 一、旋转机械故障的灰色诊断技术 灰色诊断技术就是在故障诊断中应用灰色系统理论，利用信息间存在的关系，充分发挥采集到的振动信息的作用，充分挖掘振动信息的内涵，通过灰色方法加工、分析、处理，使少量的振动信息得到充分的增值和利用，使潜在的故障原因显化。 二、旋转机械故障的模糊诊断技术 模糊诊断技术就是在故障诊断中引入模糊数学方法，将各类故障和征兆视为两类不同的模糊集合，同时用一个模糊关系矩阵来描述二者之间的关系，进而在模糊的环境中对设备故障的原因、部位和程度进行
正确、有效地推理、判断。 三、旋转机械故障的神经网络诊断技术 所谓的神经网络就是模仿人类大脑中的神经元与连结方式，以构成能进行算术和逻辑运算的信息处理系统。神经网络模型由许多类似于神经元的非线性计算单元所组成，这些单元以一种类似于生物神经网络的连结方式彼此相连，以完成所要求的算法。在旋转机械故障的诊断中，引入神经网络技术，以类似于人脑加工信息的方法对收集到的故障信息进行处理，从而对故障的原因、部位和程度进行正确的判断。 此处输入对应的公司或组织名字 Enter The Corresponding Company Or Organization Name Here
第四期全国设备状态监测与故障诊断实用技术培训班讲义 大型旋转机械的状态检测与故障诊断 沈立智 中国设备管理协会设备管理专题交流中心 2007年9月 西安
目录 第一节状态监测与故障诊断的基本知识 (6) 一、状态监测与故障诊断的意义及发展现状 (6) 1. 状态监测与故障诊断的定义 (6) 2. 状态监测与故障诊断的意义 (6) 3. 状态监测与故障诊断的发展与现状 (8) 二、大机组状态监测与故障诊断常用的方法 (9) 1. 振动分析法 (9) 2. 油液分析法 (10) 3. 轴位移的监测 (11) 4. 轴承回油温度及瓦块温度的监测 (11) 5. 综合分析法 (11) 三、有关振动的常用术语 (11) 1. 机械振动 (11) 2. 涡动、进动、正进动、反进动 (11) 3. 振幅 (12) 3.1 振幅 (12) 3.2 峰峰值、单峰值、有效值 (12) 3.3 振动位移、振动速度、振动加速度 (13) 3.4 振动烈度 (13) 4. 频率 (15) 4.1 频率、周期 (15) 4.2倍频、一倍频、二倍频、0.5倍频、工频、基频、转频 (15) 4.3 通频振动、选频振动 (15) 4.4 故障特征频率 (16) 5. 相位 (19) 5.1 相位 (19) 5.2 键相器 (19) 5.3 绝对相位 (19) 5.4 相位差、相对相位 (20) 5.4 同相振动、反相振动 (21) 5.5 相位的应用 (21) 6. 刚度、阻尼、临界阻尼 (23) 7. 临界转速 (24) 8. 挠度、弹性线、主振型、轴振型 (25) 9. 相对轴振动、绝对轴振动、轴承座振动 (26) 10. 横向振动、轴向振动、扭转振动 (26) 11．刚性转子、挠性转子、圆柱形振动、圆锥形振动、弓状回转（弯曲振动） (26) 12. 高点、重点 (27) 13. 机械偏差、电气偏差、晃度 (28) 14. 同步振动、异步振动、亚异步振动、超异步振动 (28) 15. 谐波、次谐波（分数谐波） (28) 16. 共振、高次谐波共振、次谐波共振 (29) 17. 简谐振动、周期振动、准周期振动、瞬态振动、冲击振动、随机振动 (29)
( 安全技术 ) 单位：_________________________ 姓名：_________________________ 日期：_________________________ 精品文档 / Word文档 / 文字可改 旋转机械振动故障诊断的图形识别方法研究(2020版) Technical safety means that the pursuit of technology should also include ensuring that people make mistakes
旋转机械振动故障诊断的图形识别方法研 究(2020版) 我国近年来的旋转机械逐渐发展为大型机械，在这种发展趋势下人们开始重视对振动故障的诊断方法进行研究，在深入研究后探索出了一系列用人工识别图像来实现旋转机械振动故障诊断的方法。本文主要分析了旋转机械振动故障的机理、故障的特点以及几种图形识别方法。经过多种试验证明图形识别方法的科学可行性，值得在今后的实际操作中得到运用和发展。 对于旋转机械在工作状态当中会发生振动，从而由振动产生的各种信号，信号会形成一些参数图形，通过对这些参数图形的研究与分析，我们可以实现对器械运行过程中的日常管理和保护。这也是目前应该采用的设备管理方式。而在实际操作过程中，图形识别技术并没有深入到工作当中。这种手段没有被利用于诊断旋转机械
故障的原因是提取出明显的图形特征在技术上具有一定的困难，而且对于图形具体特征的描述也具有很大的挑战，是否能够将图形所呈现出的特征准确地表述出来是图形识别技术在旋转机械振动故障诊断方面的一个限制性因素。诊断旋转机械振动故障的原则采集诊断依据 被诊断的机械表面所能表现出的所有相关信息都能够作为旋转振动机械故障诊断的有效依据。这些信息在机械运行的过程中能够通过传感器传递给人们。对旋转机械振动故障的诊断是否准确，一个重要的因素就是收集到的有关信息是否真实可靠，依据信息是否准确真实的决定性因素是传感器的品质，传感器质量如何、感应是否灵敏以及工作人员的直观判断都是决定信息准确性的重要衡量标准。 对采集的信息进行处理和研究 从传感器和工作人员两方面收集到的依据信息通常是混乱无序的，不能明显的看出其特点，这就导致了无法准确地对故障进行判断，这就要求我们在成功收集信息之后要及时对大量信息进行筛选
XX大学机械交通学院 机械故障诊断论文 题目：旋转机械故障诊断技术 姓名学号： 指导教师： 年级专业：机械设计制造及其自动化084班所在学院：机械交通学院 课程评分： 二零一一年12月18日
旋转机械故障诊断技术 摘要：通过分析旋转式机械各种故障产生机理的基础上，归纳和概括了传统故障诊断的基本原理和典型故障振动特征分析方法及模糊理论、神经网络、遗传算法等在诊断决策算法研究中的应用，并对国内外旋转机械故障诊断的发展现状进行了详细论述最后对其发展趋势进行了展望。旋转机械是各种类型机械设备中数量最多应用最广的一类机械，特别是一些大型旋转机械，如汽轮机、球磨机、离心式压缩机等支持国家经济命脉的一些工业门是属于关键设备。由于检测技术在当今轻工业广泛应用，如电力、石化、冶金、汽车和造船等国民经济重要部门，都需要用机械振动的测试和分析，来检测机械是否正常运作。 关键字：机械故障诊断；旋转机械
前言 设备状态监测与故障诊断是通过掌握设备过去和现在运行中或基本不拆卸的情况下的状态量，判断有关异常或故障的原因及预测对将来的影响，从而找出必要对策的技术。它是一门综合性技术，涉及传感及测试技术、电子学、信号处理、识别理论、计算机技术以及人工智能专家系统等多门基础学科，是对这些基础理论的综合应用。 旋转机械的主要功能是由旋转动作完成的，转了是其最主要的部件。旋转机械发生故障的重要特征是机器伴有异常的振动和噪声，其振动信号从幅值域、频率域和时间域实时地反映了机器故障信息。转子常见的故障有转子不平衡、转子不对中、转子弯曲、油膜涡动和油膜振荡等[1]。 1.旋转机械故障诊断的内容 作为设备故障诊断技术的一个分支--旋转机械状态监测与故障诊断技术.其研究领域也同样主要集中在故障信息检测、故障特征分析、状态监测方法、故障机理研究、故障识别及其专家系统。 2.旋转机械的振动关系及故障分类 旋转式机械的主要组成部分是转轴组件，又称转子系统，它包括转子、轴承、支座及密封装置等部分。由于转子类型及振动性质的不同，其产生故障的原因，机理及振动特征各不相同。 2.1转子不平衡 2.1.1转子不平衡产生原因 在旋转机械中，若转子的质心与旋转轴不重合，就存在不平衡。转子不平衡包括转了系统的质量偏心及转子部件出现缺损。转子质量偏心是由于转子的制造误差、装配误差、材质不均匀等原因造成的，称此为初始不平衡。转了部件的缺损是指转子在运行中由于腐蚀、磨损、介质结垢以及转子受疲劳力的作用使转子的零部件(如叶轮、叶片等)局部损坏、脱落、碎块飞出，从而造成新的转了不平衡。转子质量偏心和转子部件缺损是两种不同的故障但其不平衡振动机理却有共同之处。 2.1.2转子不平衡的振动特征 转子不平衡故障的主要振动特征为：频谱图中，谐波能量集中于基频；振动的时域波形为正弦波；当工作转速一定时，相位稳定；转子的轴心轨迹为椭圆；转子的进动特征为同步正进动；转子振动的强烈程度对工作转速的变化很敏感，振动幅值与转速的平方成正比，而与负荷大小无关；当转速大于第一临界转速后，转速上升，振幅趋向于一个较小的稳定值。当转速接近第一临界转速时，发生共振，振幅具有最大峰值；不平衡故障主要有静不平衡和动不平衡两种。对于静不平衡，其振动方向主要反映在径向，与轴向振动无关，转子两端轴承同一方向的径向振动为同相。 2.2转子不对中 2.2.1转子不对中产生原因 机组各转子之间由联轴器联接构成轴系传递运动和转矩。由于机器的安装误
旋转机械故障诊断 旋转机械是指依靠转子旋转运动进行工作的机器，在结构上必须具备最基本的转子、轴承等零部件。 典型的旋转机械：各类离心泵、轴流泵、离心式和轴流式风机、汽轮机、涡轮发动机、电动机、离心机等。 用途：1、在大型化工、石化、压缩电力和钢铁等部门，某些大型旋转机械属于 生产中的关键设备 2、炼油厂催化工段的三机组或四机组 3、大化肥装置中的四大机组或五大机组 4、乙烯装置中的三大机组 5、电力行业的汽轮发电机、泵和水轮机组 6、钢铁部门的高炉风机和轧钢机组 旋转机械可能出现的故障类型：1、转子不平衡故障 2、转子不对中故障 3、转轴弯曲故障 4、转轴横向裂纹的故障 5、连接松动故障 6、碰摩故障 7、喘振 转子的不平衡振动机理及特性： 旋转机械的转子由于受材料的质量分布、加工误差、装配因素以及运动中的冲蚀和沉积等因素的影响，致使其质量中心与旋转中心存在一定程度的偏心距。偏心距较大时，静态下，所产生的偏心力矩大于摩擦阻力距，表现为某一点始终恢复到水平放置的转子下部，其偏心力矩小于摩擦阻力距的区域内，称之为静不平衡。偏心距较小时，不能表现出静不平衡的特征，但是在转子旋转时，表现为一个与转动频率同步的离心力矢量，离心力F=Mew2,从而激发转子的振动。这种现象称之为动不平衡。静不平衡的转子，由于偏心距e较大，表现出更为强烈的动不平衡振动。 虽然做不到质量中心与旋转中心绝对重合，但为了设备的安全运行，必须将偏心所激发的振动幅度控制在许可范围内。 1、不平衡故障的信号特征 1）时域波形为近似的等福正弦波。 2）轴心轨迹为比较稳定的圆或椭圆，这是因为轴承座及基础的水平刚度与垂直刚度不同所造成。 3）频谱图上转子转动频率处的振幅。 4）在三维全息图中，转动频率的振幅椭圆较大，其他成分较小。 2、敏感参数特征 1）振幅随转速变化明显，这是因为，激振力与角速度w是指数关系。
大型旋转机械状态监测与故障诊断 1 故障诊断的含义 故障就是指机械设备丧失了原来所规定的性能和状态。通常把运行中的状态异常、缺陷、性能恶化及事故前期的状态统称为故障，有时也把事故直接归为故障。 而故障诊断则是根据状态监测所获得的信息，结合设备的工作原理、结构特点、运行参数及其历史运行状况，对设备有可能发生的故障进行分析、预报，对设备已经或正在发生的故障进行分析、判断，以确定故障的性质、类别、程度、部位及趋势。 大型旋转机械是指由涡轮机（如汽轮机、水轮机、燃气轮机、烟气轮机等）及其驱动的工作机（如离心式压缩机、轴流式压缩机、发电机等）所组成的透平式流体动力机械，习惯上简称大型机组。大型机组是化工、石化、电力、钢铁等行业的关键设备，例如：乙烯装置的三机（裂解气压缩机、乙烯压缩机、丙稀压缩机），化肥装置的五机（原料气压缩机、空气压缩机、合成气压缩机、氨压缩机、二氧化碳压缩机），炼油装置的三机（烟机、主风机、富气式压缩机），大型空分装置的空气压缩机，中心电站的大型汽轮机或水轮发电机组，钢铁企业的氧压缩机及高炉风机等。大型机组由于功率大、转速高、流量大、压力高、结构复杂、监控仪表繁多，运行及检修要求高，因此在设计、制造、安装、检修、运行等环节稍有不当，都会造成机组在运行时发生种种故障。大型机组本身价格昂贵，大型机组的故障停机又会引起整个生产装置的全面停产，给企业、社会、国家造成巨大的经济损失。因此，认真做好大机组的状态监测与故障诊断工作，对避免恶性设备损坏事故的发生，降低停机次数和缩短停机时间、减少企业的经济损失是十分有益的。 2 故障诊断的目的 故障诊断的根本目的就是要保证大型机组的安全、稳定、长周期、满负荷、优良运行，其目的主要为： ①对机组运行中的各种异常状态作出及时、正确、有效的判断，预防和消除故障，或者将故障的危害性降低到最低程度；同时对设备运行进行必要的指导，确保运行的安全性、稳定性和经济性。 ②确定合理的故障检修时机及项目，既要保证设备在带病运行时安全、不发生重大设备故障，又要保证停机检查时发现设备的确有问题，合理延长设备的使用寿命和降低维修费用。 ③通过状态监测，为提高设备的性能而进行的技术改造及优化运行参数提供数据和信息。
旋转机械状态监测及预测技术研究 关键词旋转机械；工作状态；监测及预测 一、引言 旋转机械状态监测技术，是近年来研究的热门课题，这里着重考虑的是避免设备的随机性故障。自动在线监测方式与定期监测方式、在线检测离线分析监测方式相比技术水平先进，既避免设备突发性故障又无需专业人员现场操作。旋转机械状态在线预测技术，是研究的新兴课题之一，这里着重考虑的是预测设备的时间依存性故障和改变设备的维护方式。该技术是在状态监测及故障分析基础上发展起来的，是实现以先进的预知维护取代以时间为基础的预防性维护的关键技术。本课题着重研究的是设备状态在线监测及趋势预测的方法。 二、旋转机械状态监测技术的发展 1.旋转机械状态监测技术的发展历程 旋转机械是工业上应用最广泛的机械。许多大型旋转机械，如：离心泵、电动机、发动机、发电机、压缩机、汽轮机、轧钢机等，还是石化、电力、冶金、煤炭、核能等行业中的关键设备。本世纪以来，随着机械工业的迅速发展，现代机械工程中的机械设备朝着轻型化、大型化、重载化和高度自动化等方向发展。出现了大量的强度、结构、振动、噪声、可靠性，以及材料与工艺等问题，设备损坏事件时有发生，国内外大型汽轮机严重事故是其典型实例。 大型旋转机械状态监测技术研究是国家重点的攻关项目，目的是提高大型旋转机械的产品质量，减少突发性事故，避免重大经济损失。50年代，各种类型和性能的传感器和测振仪相继研制成功，并开始应用于科学研究和工程实际。六七十年代，数字电路、电子计算机技术的发展、“信号数字分析处理技术”的形成，推动了振动检测技术在机械设备上的应用。70年代至80年代，机械设备的状态监测与故障诊断技术在许多发达国家开始研究。随着电子计算机技术、现代测试技术、信号处理技术、信号识别技术与故障诊断技术等现代科学技术发展，机械设备的监测研究跨入系统化的阶段，并把实验室的研究成果逐步推广到核能设备、动力设备以及其它各种大型的成套机械设备中去，进入了蓬勃发展的阶段。例如：日本三菱公司的“旋转机械健康管理系统”(machinery health monitoring，简称MHM)，美国西屋公司的“可移动诊断中心”(mobile diagnosi s center，简称MDC)，丹麦B＆K公司的2500型振动监测系统等，都具备了机组信号数据的采集、分析、计算、显示、打印、绘图等功能，并配有专项诊断软件。先进的状态监测系统把体现机械动态特性的振动、噪声作为主要监测和分析的内容。由于振动、噪声是快速的随机性信号, 不仅对测试系统要求高，而且在分析中要进行大量的数据处理，国内外在80年代用小型计算机或专用数字信号处理机做为主机完成机械动态特性的数据处理(如:HP5451C), 该类主机不仅价格昂贵(一般价格为数十万元)而且对工作环境要求苛刻(需要专用机房)，因而通常采用离线监测与分析的方式。 90年代以来，高档微机不断更新且价格迅速下降，适合数字信号处理的计算方法不断优化，使数据处理速度大为提高，为在工业现场直接应用状态监测技术创造了条件。丹麦、美国、德国、日本等发达国家的专家学者对旋转机械工作状态监测技术进行了深入研究，研制出不同系统。该类系统以丹麦B&K公司的2520型振动监测系统、美国BENTLY 公司的3300 系列振动监测系统、美国亚特兰大公司的M6000系统为代表已经达到较高的水平。在功能上比较典型的系统之一是丹麦B&K公司的2520型振动监测系统(vibrati on monitor-type 2520)，主要功能有：自动谱比较并进行故障预警报警；对6％和23％恒百分比带宽谱进行速度补偿；幅值增长趋势图显示；三维谱图显示；振动总均方根值(振动烈度)计算；支持局域网。美国IRD公司的IQ2000系统可认为是至今为止有报道的功能最齐全的监测与诊断系统。 我国在工业部门中开展状态监测技术研究的工作起步于1986年，在此之前从国外引进的
参考答案 教材：设备故障诊断，沈庆根、郑水英，化学工业出版社，2006.3第1版 2010.6.28 于电子科技大学 1第1章概论 1.1 机械设备故障诊断包括哪几个方面的内容？ 答：机械设备故障诊断所包含的内容可分为三部分。 第一部分是利用各种传感器和监测仪表获取设备运行状态的信息，即信号采集。采集到的信号还需要用信号分析系统加以处理，去除无用信息，提取能反映设备状态的有用信息（称为特征信息），从这些信息中发现设备各主要部位和零部件的性能是处于良好状态还是故障状态，这部分内容称为状态监测，它包含了信号采集和信号处理。 第二部分是如果发现设备工作状态不正常或存在故障，则需要对能够反映故障状态的特征参数和信息进行识别，利用专家的知识和经验，像医生诊断疾病那样，诊断出设备存在的故障类型、故障部分、故障程度和产生故障的原因，这部分内容称为故障诊断。 第三部分称为诊断决策，根据诊断结论，采取控制、治理和预防措施。 在故障的预防措施中还包括对设备或关键零部件的可靠性分析和剩余寿命估计。有些机械设备由于结构复杂，影响因素众多，或者对故障形成的机理了解不够，也有从治理措施的有效性来证明诊断结论是否正确。 由此可见，设备诊断技术所包含的内容比较广泛，诸如设备状态参数（力、位移、振动、噪声、裂纹、磨损、腐蚀、温度、压力和流量等）的监测，状态特征参数变化的辨识，机器发生振动和机械损伤时的原因分析，故障的控制与防治，机械零部件的可靠性分析和剩余寿命估计等，都属于设备故障诊断的范畴。 1.2 请简述开展机械设备故障诊断的意义。 答：1、可以带来很大的经济效益。 ①采用故障诊断技术，可以减少突发事故的发生，从而避免突发事故造成的损失，带来可观的经济效益。 ②采用故障诊断技术，可以减少维修费用，降低维修成本。 2、研究故障诊断技术可以带动和促进其他相关学科的发展。故障诊断涉及多方面的科学知识，诊断工作的深入开展，必将推动其他边缘学科的相互交叉、渗透和发展。 2第2章故障诊断的信号处理方法 2.1 信号特征的时域提取方法包括哪些？ 答：信号特征的时域提取方法包括平均值、均方根值、有效值、峰值、峰值指标、脉冲指标、裕度指标、偏度指标（或歪度指标、偏斜度指标）、峭度指标。这些指标在故障诊断中不能孤立地看，需要相互印证。同时，还要注意和历史数据进行比较，根据趋势曲线作出判别。 2.2 时域信号统计指标和频谱图在机械故障诊断系统中的作用分别是什么？
大型旋转机械的状态监测与故障诊断 大型旋转机械作为连续化工生产的单系列心脏设备，对其运行的可靠性有非常高的要求，要求它在装置的运行周期内必须稳定的运转。对其进行准确的状态监测和故障诊断就显得尤为重要，必须随时准确的掌握其运行状态，并且在其出现异常时，能够准确的分析出异常原因，找出对策。再不影响其安全运行的基础上进行故障运行或进行特护，以优化生产与设备维护的时间。 本章节对公司内普遍采用的在线及离线状态监测与故障诊断系统作一介绍，并对机组出现的常见故障作一些介绍，并根据经验，教授一些实际处理问题的方法。 第一节：基本参量与监测系统 一部运转的机器，都伴有振动信号的产生，它的变化常常隐含着初期故障特征信号，因此需 对振动信号进行监测，这种监测方法有以下特点： 1. 方便性： 利用现代的各种振动传感器及二次仪表，可以很方便的检测出设备振动的信号。 2. 在线性： 监测可以在现场以及在设备正常运转的情况下进行。 3. 无损性： 在监测过程中，通常不会给研究对象造成任何形式的损坏。 但是一部机械是非常复杂的，仅仅靠振动信号来判断它是否正常，显然不够，这就需要对它多方面进行了解，亦即需要对多方面的参量进行测量。每一种故障在下列参数上均有不同表现，因此测量以下基本参数，再通过分析，可以掌握机器的运转状态。 基本参量 一. 振动参量 1. 振幅 振幅值有三个单位，即振动位移（卩m）,速度（mm/s）,加速度（mm/s2）,都是振动强度的标志, 用来表明机器运行是否平稳，振动位移是通过非接触式的电涡流传感器直接测量的轴与轴承座（探头安装的基础）的相对位移量。 振动速度与加速度是通过测量机壳而得到的振动数据。振动速度是通过惯性式速度传感器 （磁力线圈）测量的,而加速度是通过压电式加速度传感器测量的,振动位移,速度,加速度
旋转机械故障诊断技术在炼钢设备的应用 发表时间：2019-08-05T11:51:14.593Z 来源：《基层建设》2019年第11期作者：荣银龙[导读] 摘要：炼钢设备在运营当中，由于受到多种因素影响，导致炼钢设备经常出现故障，影响着炼钢设备的正常运行。旋转机械故障诊断技术作为全新的技术，在炼钢设备当中的应用，能够及时诊断出故障出现的原因，帮助技术人员处理设备出现的故障，不但提高了旋转机械设备诊断的效率，也极大提高了设备诊断的质量。 中国船舶重工集团公司第七一三研究所河南省郑州市 450001 摘要：炼钢设备在运营当中，由于受到多种因素影响，导致炼钢设备经常出现故障，影响着炼钢设备的正常运行。旋转机械故障诊断技术作为全新的技术，在炼钢设备当中的应用，能够及时诊断出故障出现的原因，帮助技术人员处理设备出现的故障，不但提高了旋转机械设备诊断的效率，也极大提高了设备诊断的质量。因此，炼钢企业在故障诊断过程当中，要注重发挥旋转机械故障诊断技术的应用，并不断强化其科技投入，提升该技术的科技含量，充分发挥旋转机械故障诊断技术的优势，从而推动机械设备的正常运行。基于此，本文对旋转机械故障诊断技术在炼钢设备的应用进行分析。 关键词：旋转机械；故障诊断技术；炼钢设备；应用 1旋转机械故障特点旋转机械故障的故障特点与其他类型的机械故障存在一定的区别，且是机械设备中最为常用的一类，所以有必要对其进行单独的深入研究。旋转机械故障是指有转子系统的机械设备在运行过程中出现异常的工作状态，比如不正常的噪声、异常大的振动、温度急剧升高，或者其他指标不正常。旋转机械的结构复杂，故障发生具有一定的阶段性，并且部分故障的发生有一个渐进的过程，在进行故障诊断时，必须综合考虑多项因素，使得进行准确故障诊断的难度较大。 2结合振动分析诊断旋转机械设备的故障 2.1仪器松动 仪器发生松动是旋转机械发生最普遍的故障，松动分为两种，一是螺栓松动，它会引发整个仪器都松动；二是构件配合之间发生松动，比如内圈与转轴、滚动与轴承等，因此造成配合精度减小。因为松动而引发的振动是非线性的，它的信号频率非常复杂，刨除基频，还会产生分频波动，进而造成旋转机器故障。 2.2转子不平衡 转子不平衡带来的而影响是巨大的，因其是核心组成部分，引发的故障也是十分常见的。对于转子发生不平衡原因有材料的不合格、长时间损耗以及配件偏离中心，或是固件松动引发附着物堆积等因素，都是致使转子发生不平衡的原因以及质心出现偏移。不平衡分为两种模式，一是动不平衡，二是静不平衡。在发生不平衡时它的振率与平时会有极大的不同，主要对转子旋转的频率进行观察即可。另外，发生不平衡振动以后会连带着其他构件的频率。产生不平衡振动的原因有三种，其中包含了转子的速度、转子的质量以及偏心距。转子在旋转过程中会产生一个力即为离心力，离心力的功能就是支撑轴承，其方向是与轴承垂直的。在进行故障诊断时，一定要将其以上因素进行深入分析。 2.3油膜振荡和油膜涡动故障 因为旋转机械在高速运行中大多用的是流体动压滑动轴承。油膜涡动由涡动力产生，使转轴除了自转外还绕中心进行公转。在共振的状态下，油膜振荡非常强烈，造成共振现象破坏力极大的，对高速旋转机械危害很大。转子的一阶自振频率为：当油膜涡动的特征频率约为旋转频率的一半，油膜振荡时其转速与涡动的频率无关。 3现行故障识别与诊断分析方法简介 3.1基于控制模型的故障诊断 对于一个旋转机械系统，若通过理论或实验方法能够建立其模型，则系统参数或状态的变化可以直接反映该系统及其动态过程，从而为故障诊断提供依据。基于控制模型的故障诊断方法主要涉及到模型建立、参数与状态估计和观测器应用等技术。其中，参数与状态估计技术是该方法的关键"参数估计的参数包含两类：第一，系统参数，即描述系统动态特性的参数。基于系统参数估计的故障诊断方法与状态估计方法相比较，前者更有利于故障的分离，但是它也存在不足之处：求解物理元件参数很困难；系统故障引起系统模型结构和参数变化的形式是不确定的，目前还缺少有效的方法。第二，故障参数，即用于描述系统出现的故障时信号自身特性的参数。其基本思想是：对故障系统构造适当形式的包含有可调参数的状态观测器，并使其处于零状态"当系统发生故障时，用观测器中的可调部分来补偿故障对系统状态和输出的影响，使得观测器在系统处于故障状态下仍然保持零状态观测误差，此时观测器中可调部分的输出即为故障参数的估计结果。使用该方法的优点是可对故障信号进行在线建模，但是当系统出现强非线性时，目前仍无有效算法。 3.2基于模式识别的故障诊断 故障诊断实质上是利用被诊断系统运行的状态信息和系统的先验知识进行综合处理，最终得到关于系统运行状况和故障状况的综合评价过。如果事先对系统可能发生的故障模式进行分类，那么故障诊断问题就转化为模式识别问题。当系统的模型未知或者非常复杂时，模式识别则为解决故障诊断问题提供了一种简便有效的手段。基于模式识别的故障诊断方法主要分为统计模式识别和句法模式识别两大类，它们在旋转机械故障诊断领域中得到广泛应用。基于BayeS分类器的统计模式识别法是旋转机械故障诊断中一种经典方法。 3.3基于人工神经网络的故障诊断 神经网络具备可学习性和并行计算能力，能够实现分类、自组织、联想记忆和非线性优化等功能，它是通过试图模拟生物神经系统而建立的自适应非线性动力学系统。在故障诊断领域中使用神经网络，可以解决诊断推理和趋势预测问题。一旦输入特定的设备状态模式，则经过大量标准样本学习的故障诊断系统网络将会通过各个神经元之间的互连与权值构成的大规模非线性并行处理模式来进行计算，从而实现隐含的专家知识的应用，最终得出诊断推理结果。 4旋转机械故障诊断的实际案例分析某地区的炼钢厂煤气风机，其高压电机（6000V）驱动耦合器，型号为JK850-2，850kW额定功率、额定转数为2970r/min，50Hz频率，在进行炼钢工艺吹氧操作时，风机为高速运转状态，而其他时则保持低速的运行状态。 4.1测量振动值分析