机械故障与振动波形特征

机械振动故障及其特征频谱15类常见的振动故障及其特征频谱:不平衡、不对中、偏心转子、弯曲轴、机械松动、转子摩擦、共振、皮带和皮带轮、流体动力激振、拍振、偏心转子、电机、齿轮故障、滚动轴承、滑动轴承。

一、不平衡不平衡故障症状特征：◎振动主频率等于转子转速◎径向振动占优势◎振动相位稳定◎振动随转速平方变化◎振动相位偏移方向与测量方向成正比1、力偶不平衡力偶不平衡症状特征：◎同一轴上相位差180°◎存在1X转速频率而且占优势◎振动幅值随提高的转速的平方变化◎可能引起很大的轴向及径向振动幅值◎动平衡需要在两个修正面内修正2、悬臂转子不平衡悬臂转子不平衡症状特征：◎径向和轴向方向存在1X转速频率◎轴向方向读数同相位，但是径向方向读数可能不稳定◎悬臂转子经常存在力不平衡和力偶不平衡两者，所以都需要修正二、不对中1、角向不对中角向不对中症状特征：◎特征是轴向振动大◎联轴器两侧振动相位差180°◎典型地为1X和2X转速大的轴向振动◎通常不是1X，2X或3X转速频率占优势◎症状可指示联轴器故障2、平行不对中平行不对中症状特征：◎大的径向方向相位差180°的振动严重不对中时，产生高次谐波频率◎2X转速幅值往往大于1X转速幅值，类似于角向不对中的症状◎联轴器的设计可能影响振动频谱形状和幅值3、装斜的滚动轴承装斜的滚动轴承症状特征：◎振动症状类似于角向不对中◎试图重新对中联轴器或动平衡转子不能解决问题◎产生相位偏移约180°的侧面◎对侧面或顶部对底部的扭动运动三、偏心转子偏心转子症状特征：◎在转子中心连线方向上最大的1X转速频率振动◎相对相位差为0°或180°◎试图动平衡将使一个方向的振动幅值减小，但是另一个方向振动可能增大四、弯曲轴弯曲轴症状特征：◎弯曲的轴产生大的轴向振动◎如果弯曲接近轴的跨度中心，则1X转速频率占优势◎如果弯曲接近轴的跨度两端，则2X转速频率占优势◎轴向方向的相位差趋向180°五、机械松动1、机械松动(A)机械松动(A)症状特征：◎机器底脚结构松动引起的◎基础变形将产生“软底脚”问题◎相位分析将揭示机器的底板部件之间垂直方向相位差约180°2、机械松动(B)机械松动(B)症状特征：◎由地脚螺栓松动引起的◎可能产生0.5X、1X、2X和3X转速频率振动时，由裂纹的结构或轴承座引起的3、机械松动(C)机械松动(C)症状特征：◎相位经常是不稳定的◎将产生许多谐波频率六、转子摩擦转子摩擦症状特征◎振动频谱类似于机械松动◎通常产生一系列可能激起自激振动的频率◎可能出现转速的亚谐波频率振动◎摩擦可能是部分圆周或整圆周的七、共振共振症状特征：◎当强迫振动频率与自振频率一致时，出现共振◎轴通过共振时，相位改变180°，系统处于共振状态时，将产生大幅值的振动八、皮带和皮带轮1、皮带共振皮带共振症状特征：◎如果皮带自振频率与驱动转速或被驱动转速频率一致，则可能出现大幅值的振动◎改变皮带张力可能改变皮带的自振频率2、皮带磨损、松动或不匹配皮带磨损、松动或不匹配症状特征：◎往往2X转速频率占优势◎振动幅值往往是不稳定的，有时是脉冲、频率或是驱动转速频率，或是被驱动转速频率◎齿形皮带磨损或不对中，将产生齿轮皮带频率大幅值的振动◎皮带振动频率低于驱动转速或被驱动转速频率3、偏心皮带轮偏心皮带轮症状特征：◎偏心或不平衡的皮带轮，将产生1x转速频率的大幅值的皮带轮振动◎在皮带一致方向上的振动幅值最大◎试图动平衡偏心皮带轮要谨慎4、皮带/皮带轮不对中皮带/皮带轮不对中症状特征：◎皮带轮不对中将产生1X转速频率的大幅值的轴向振动◎电动机上振动幅值最大的往往是风机转速频率九、流体动力激振1、叶片通过频率流体动力激振症状特征：◎如果叶片与壳体之间的间隙不均匀，叶片通过频率(BPF)振动的幅值可能很高◎如果摩擦环卡在轴上，可能产生高幅值的叶片通过频率(BPF)振动◎偏心的转子可能产生幅值过大的叶片通过频率(BPF)振动2、流体紊流流体紊流症状特征：◎在风机中，由于流道内气流的压力变化或速度变化，往往会出现气流紊流流动◎将产生随机的，可能在0到30赫兹频率范围的低频振动3、气穴气穴症状特征：◎气穴将产生随机的，叠加在叶片通过频率(BPF)上的高频宽带能量振动◎通常说明进口压力不当◎如果任凭气穴现象存在，将可能导致叶轮的叶片腐蚀和泵壳体腐蚀◎声音听起来像砂石经过泵的声音十、拍振拍振症状特征：◎拍振是两个频率非常接近的振动同相位和反相位合成的结果◎宽带谱将显示为一个尖峰上下，波动本身在宽带谱上存在两个尖峰的频率之差就是拍频十一、偏心转子◎电源频率FL（中国为50赫兹=3000转/分）◎极数P◎转子条通过频率Fb=转子条数*转子转速◎同步转速NS=2XFL/P◎滑差频率FS=同步转速-转子转速1、定子偏心、绝缘短路和铁芯松动定子偏心、绝缘短路和铁芯松动症状特征：◎定子问题产生高幅值的电源频率，二倍(2FL)电磁振动◎定子偏心产生不均匀的气隙，其振动的单向性非常明显◎软底脚可能导致定子偏心2、同步电动机同步电动机症状特征：◎同步电动机的定子线圈松动产生◎高幅值的线圈通过频率振动◎线圈通过频率两侧将伴随1X转速频率的边带3、电源相位故障电源相位故障症状特征：◎相位问题将引起二倍电源频率◎(2FL)伴有(1/3)FL的边带◎如果不修正电源故障，二倍电源频率(2FL)的电磁振动幅值可能超过25毫米/秒峰值◎如果电源接头局部故障只是偶尔接触故障4、偏心转子偏心转子症状特征：◎偏心转子产生旋转的、可变的气隙，它产生脉冲振动◎经常要求进行细化谱分析，以分离二倍电源频率(2F)与旋转转速的谐波频率5、转子断条转子断条症状特征：◎旋转转速及其谐波频率两侧伴随极通过频率(Fp)边带说明转子断条故障◎在转子条通过频率(RBPF)两侧，伴随二倍电源频率(2FL)边带说明转子条松动◎往往是转子条通过频率(RBPF)的二倍(2XRBPF)和三倍(3XRBPF)幅值很高，而转子条通过频率(RBPF)的基频(1XRBPF)的幅值很小十二、直流电机直流电动机故障症状特征：◎利用可控硅整流器频率(SCR)高于正常的幅值可检测直流电动机故障◎这些故障包括：绕组线圈断裂，保险丝和控制板故障，可产生1X 到5X电源频率的高幅值振动十三、齿轮故障正常状态频谱：◎正常状态频谱显示1X和2X转速频率和齿轮啮合频率GMF◎齿轮啮合频率GMF通常伴有旋转转速频率边带◎所有的振动尖峰的幅值都较低，没有自振频率1、齿载荷的影响齿载荷的影响症状特征：◎齿轮啮合频率往往对载荷很敏感◎高幅值的齿轮啮合频率GMF未必说明齿轮有故障◎每次分析都应该在最大载荷下进行2齿磨损齿磨损症状特征：◎激起自振频率同时伴有磨损齿轮的1X转速频率的边带说明齿磨损◎边带是比齿轮啮合频率GMF更好的磨损指示◎当齿轮的齿磨损时齿轮啮合频率的幅值可能不变3、齿轮偏心和侧隙游移齿轮偏心和侧隙游移症状特征：◎齿轮啮合频率GMF两侧较高幅值的边带说明，齿轮偏心侧隙游移和齿轮轴不平行◎有故障的齿轮将调制边带◎不正常的侧隙游移通常将激起齿轮自振频率振动4、齿轮不对中齿轮不对中症状特征：◎齿轮不对中总是激起二阶或更高阶的齿轮啮合频率的谐波频率，并伴有旋转转速频率边带◎齿轮啮合频率基频(1XGMF)的幅值较小，而2X和3X齿轮啮合频率的幅值较高◎为了捕捉至少2XGMF频率，设置足够高的最高分析频率Fmax很重要5、断齿/裂齿断齿/裂齿症状特征：◎断齿或裂齿将产生该齿轮的1X转速频率的高幅值的振动◎它将激起自振频率振动，并且在其两侧伴有旋转转速基频边带◎利用时域波形最佳指示断齿或裂齿故障◎两个脉冲之间的时间间隔就是1X转速的倒数6、齿磨损摆动的齿症状特征：◎摆动的齿轮的振动是低频振动，经常忽略它十四、滚动轴承1、滚动轴承故障发展的第一阶段滚动轴承故障发展的第一阶段症状特征：◎超声波频率范围(>250K赫兹)内的最早的指示，利用振动加速度包络技术（振动尖峰能量gSE）可最好地评定频谱2、滚动轴承故障发展的第二阶段滚动轴承故障发展的第二阶段症状特征：◎轻微的故障激起滚动轴承部件的自振频率振动◎故障频率出现在500-2000赫兹范围内◎在滚动轴承故障发展第二阶段的末端，在自振频率的左右两侧出现边带频率3、滚动轴承故障发展的第三阶段滚动轴承故障发展的第三阶段症状特征：◎出现滚动轴承故障频率及其谐波频率◎随着磨损严重出现故障频率的许多谐波频率，边带数也增多◎在此阶段，磨损可以用肉眼看见，并环绕轴承的圆周方向扩展4、滚动轴承故障发展的第四阶段滚动轴承故障发展的第四阶段症状特征：◎离散的滚动轴承故障频率消失，被噪声地平形式的宽带随机振动取代之◎朝此阶段末端发展，甚至影响1X转速频率的幅值◎事实上，高频噪声地平的幅值和总量幅值可能反而减小十五、滑动轴承1、油膜振荡不稳定性油膜振荡症状特征：◎如果机器在2X转子临界转速下运转，可能出现油膜振荡◎当转子升速到转子第二阶临界转速时，油膜涡动接近转子临界转速，过大的振动将使油膜不能支承轴◎油膜振荡频率将锁定在转子的临界转速。

机械振动信号分析与故障诊断一、引言机械设备在日常运行中常常会出现各种各样的故障问题，其中振动问题是比较常见的一种。

通过对机械振动信号的分析与诊断，可以提前预知机械设备的潜在故障，从而采取相应的维修措施，保证设备运行的可靠性和安全性。

本文将主要介绍一些常见的机械振动信号分析方法和故障诊断技术。

二、机械振动信号的特点机械设备在运行过程中会产生各种各样的振动信号，这些信号包含了丰富的信息，能够反映出机械设备的工作状态和故障状况。

机械振动信号的特点主要包括以下几个方面：1. 频谱特性：机械振动信号的频谱分布通常是不均匀的，其中包含了各种不同频率的分量。

通过对振动信号的频谱进行分析，可以确定频谱分量的大小和分布情况。

2. 时域特性：振动信号的时域特性主要包括振动波形的幅值、时间和频率等参数。

通过对振动信号的时域分析，可以了解振动信号的动态变化。

3. 能量特性：机械振动信号的能量分布通常是不均匀的，其中一部分能量是由于机械设备本身的运动引起的，另一部分能量则是由于机械故障引起的。

通过对振动信号的能量特性进行分析，可以判断机械设备是否存在故障问题。

三、机械振动信号分析方法为了对机械设备进行故障诊断，需要采用一些有效的机械振动信号分析方法。

下面介绍几种常用的方法：1. 频谱分析法：频谱分析法是一种将振动信号转换为频谱图的方法。

通过对振动信号进行傅里叶变换，可以得到振动信号的频谱分布情况。

通过分析频谱图，可以确定机械设备的主要频率分量和故障频率分量。

2. 小波分析法：小波分析法是一种将振动信号分解成不同频率的分量的方法。

通过小波分析，可以得到振动信号的时间-频率分布情况。

与频谱分析相比，小波分析具有更好的时间-频率分辨率。

3. 瞬时参数分析法：瞬时参数分析法是一种分析振动信号的瞬时变化的方法。

通过对振动信号的瞬时参数进行分析，可以了解到机械设备的动态变化和故障情况。

四、机械故障诊断技术机械故障诊断技术主要是通过对机械振动信号的分析，判断机械设备是否存在故障问题，并确定故障的类型和位置。

机械振动信号的特征分析与故障诊断引言近年来，随着科技的不断发展，机械设备的应用越来越广泛。

然而，由于长时间工作和不良工作环境等因素，机械设备的故障率也逐渐增加。

因此，进行机械设备的故障诊断和预测对于提高设备的可靠性和工作效率至关重要。

本文将探讨机械振动信号的特征分析与故障诊断。

一、机械振动信号的特征分析1. 振动信号的采集机械设备中的振动信号通常通过加速度传感器进行采集。

采集的数据可以是时域信号，也可以进行傅里叶变换得到频域信号。

2. 时域分析时域分析是对振动信号在时间上的变化规律进行分析。

通过观察振动信号的波形、幅值和频率等特征，可以初步判断出机械设备的工作状态。

例如，当振动信号呈现规律性的周期性波形时，说明机械设备正常运行；而当出现突然的幅值变化或频率变化时，可能存在故障。

3. 频域分析频域分析是将振动信号从时间域转换到频率域进行分析。

通过傅里叶变换等方法，可以得到振动信号的频谱图。

频谱图可以清晰地显示振动信号在不同频率上的分布情况。

根据不同频率上的峰值和频率分布情况，可以分析出机械设备的工况和故障情况。

例如，当频谱图中出现特定频率的峰值时，可能说明存在共振或传动系统故障。

二、机械振动信号的故障诊断1. 故障特征提取在进行机械设备的故障诊断时，首先需要从振动信号中提取故障特征。

根据机械设备的不同类型和工作方式，故障特征可能具有多种形式。

例如，对于滚动轴承故障，常用的特征包括脉冲特征、包络谱特征和细节系数特征等。

2. 故障诊断方法针对不同类型的故障，可以采用不同的诊断方法。

常见的故障诊断方法包括模式识别、神经网络和支持向量机等。

这些方法可以通过对机械振动信号进行特征提取和分析，建立故障诊断模型进行故障判断。

3. 故障诊断系统为了实现机械设备的在线故障诊断和预测，可以搭建故障诊断系统。

故障诊断系统将振动传感器、数据采集模块、信号处理模块和故障诊断模型等部件进行集成，实时监测和分析机械设备的振动信号，并输出故障诊断结果。

旋转机械常见振动故障及原因分析旋转机械是指主要依靠旋转动作完成特定功能的机械，典型的旋转机械有汽轮机、燃气轮机、离心式和轴流式压缩机、风机、泵、水轮机、发电机和航空发动机等，广泛应用于电力、石化、冶金和航空航天等部门。

大型旋转机械一般安装有振动监测保护和故障诊断系统，旋转机械主要的振动故障有不平衡、不对中、碰摩和松动等，但诱发因素多样。

本文就旋转设备中，常见的振动故障原因进行分析，与大家共同分享。

一、旋转机械运转产生的振动机械振动中包含着从低频到高频各种频率成分的振动，旋转机械运转时产生的振动也是同样的。

轴系异常（包括转子部件）所产生的振动频率特征如表1。

二、振动故障原因分析1、旋转失速旋转失速是压缩机中最常见的一种不稳定现象。

当压缩机流量减少时，由于冲角增大，叶栅背面将发生边界层分离，流道将部分或全部被堵塞。

这样失速区会以某速度向叶栅运动的反方向传播。

实验表明，失速区的相对速度低于叶栅转动的绝对速度，失速区沿转子的转动方向以低于工频的速度移动，这种相对叶栅的旋转运动即为旋转失速。

旋转失速使压缩机中的流动情况恶化，压比下降，流量及压力随时间波动。

在一定转速下，当入口流量减少到某一值时，机组会产生强烈的旋转失速。

强烈的旋转失速会进一步引起整个压缩机组系统产生危险性更大的不稳定气动现象，即喘振。

此外，旋转失速时压缩机叶片受到一种周期性的激振力，如旋转失速的频率与叶片的固有频率相吻合，将会引起强烈振动，使叶片疲劳损坏造成事故。

旋转失速故障的识别特征：1）振动发生在流量减小时，且随着流量的减小而增大；2）振动频率与工频之比为小于1X的常值；3）转子的轴向振动对转速和流量十分敏感；4）排气压力有波动现象；5）流量指示有波动现象；6）机组的压比有所下降，严重时压比可能会突降；7）分子量较大或压缩比较高的机组比较容易发生。

2、喘振旋转失速严重时可以导致喘振。

喘振除了与压缩机内部的气体流动情况有关，还同与之相连的管道网络系统的工作特性有密切的联系。

机械振动信号的特征提取与故障识别引言：机械振动信号是机械系统中常见的一种信号，它可以提供有关机械设备状态的重要信息。

通过对机械振动信号进行特征提取和故障识别，可以实现对机械设备的状态监测、故障预警和维修计划的制定。

本文将介绍机械振动信号的特征提取方法和故障识别算法，以及其在实际应用中的重要性和挑战。

一、机械振动信号的特征提取机械振动信号通常包含振幅、频率和相位等信息。

特征提取是通过对振动信号进行数学处理和分析，提取其中蕴含的有用信息。

常见的特征提取方法包括时域分析、频域分析和时频域分析。

1. 时域分析时域分析是对振动信号在时间域上进行直接观测和分析的方法，常用的分析指标包括均值、峰值、均方根值等。

时域分析方法简单直观，适用于对振动信号中长期趋势和瞬时变化等进行分析。

2. 频域分析频域分析是通过将振动信号转换到频域进行分析的方法，可以得到信号的频谱特性。

常用的频域分析方法包括傅里叶变换、功率谱密度估计和小波分析等。

频域分析可以用于提取信号的谐波成分、频率响应和共振频率等特征。

3. 时频域分析时频域分析是将振动信号同时在时间域和频域进行分析的方法，可以获得信号的瞬时频率和能量分布等特征。

常用的时频域分析方法包括短时傅里叶变换、连续小波变换和瞬时频率分析等。

时频域分析可以用于对振动信号中快速变化和非稳态特性的分析。

二、机械故障的识别方法机械故障通常会引起机械振动信号的异常变化，通过对振动信号的特征进行分析和比较，可以实现对机械故障的自动识别。

常见的机械故障识别方法包括模式识别、统计分析和机器学习等。

1. 模式识别模式识别是通过对振动信号的特征进行分类和匹配，判断信号的状态是否处于正常或故障的方法。

常用的模式识别算法包括支持向量机、人工神经网络和随机森林等。

模式识别方法需要先建立故障模式库，并通过训练和分类来实现故障的识别。

2. 统计分析统计分析是通过对振动信号的统计特性进行分析，判断信号是否符合某种统计规律的方法。

机械设备典型故障的振动特性1. 引言机械设备在正常运行过程中，可能会出现各种故障，其中振动故障是一种常见的故障类型。

振动特性是用来描述机械设备振动状态的重要参数，通过对振动特性的分析，可以确定故障的类型和严重程度，并采取相应的维修措施。

本文将介绍机械设备典型故障的振动特性，包括离心机械设备的不平衡振动、齿轮传动的故障振动、轴承的故障振动以及主轴的故障振动。

2. 离心机械设备的不平衡振动离心机械设备的不平衡振动是一种常见的故障类型。

当离心机械设备的转子存在不平衡时，会导致设备产生振动。

不平衡振动的特点是振动频率较低，振动幅值较大。

不平衡振动的振动特性可以通过振动传感器进行监测和分析。

常见的振动特性参数包括振动幅值、振动频率和相位。

3. 齿轮传动的故障振动齿轮传动是机械设备中常用的传动方式之一，但是在使用过程中会出现齿轮的故障，导致振动增大。

齿轮传动的故障振动可以分为齿轮啮合故障和轴承故障两种情况。

•齿轮啮合故障振动：齿轮啮合故障会导致传动系统产生周期性振动，其频率与齿轮的啮合频率有关。

常见的齿轮啮合故障包括齿轮齿面磨损、齿轮齿面脱落等。

•轴承故障振动：轴承是机械设备中常见的零部件之一，当轴承出现故障时，会导致传动系统产生高频振动。

轴承故障的振动特点包括高频率、小幅度的振动，振动信号中常含有谐波成分。

轴承是机械设备中常见的关键零部件之一，其故障会导致设备振动增大。

轴承的故障振动可以分为内圈故障、外圈故障和滚动体故障三种情况。

•内圈故障振动：内圈故障会导致轴承产生低频振动，其振动频率一般较低，并且振动幅值较大。

•外圈故障振动：外圈故障会导致轴承产生高频振动，其振动频率一般较高，并且振动幅值较小。

•滚动体故障振动：滚动体故障会导致轴承产生特定频率的振动，其频率与滚动体的旋转频率有关。

主轴是机械设备中常见的关键部件之一，其故障会导致设备振动增大。

主轴的故障振动特点与轴承的故障振动类似，包括低频振动、高频振动以及特定频率的振动。

机械振动信号的频谱分析与故障识别振动是机械设备运行过程中常见的现象，但当机械设备发生故障时，振动信号会发生变化，成为故障的重要指示。

为了准确判断机械设备故障原因，频谱分析成为一种常用的方法。

本文将探讨机械振动信号的频谱分析方法及其在故障识别中的应用。

一、频谱分析的基本原理频谱分析是将信号在频率域上进行分解，将信号分解成一系列频率成分的方法。

在机械振动信号的分析中，通常使用傅里叶变换将时域信号转换为频域信号。

傅里叶变换将振动信号分解成一系列正弦波，每个正弦波表示一种特定频率的振动成分。

通过分析每个频率成分的振幅和相位，就可以了解机械设备的振动状况和故障特征。

二、频谱分析在故障诊断中的应用1. 轴承故障诊断轴承是机械设备中常见发生故障的部件。

轴承故障通常表现为高频振动成分的增加。

通过频谱分析可以清晰地观察到高频部分的振动信号，进而判断轴承的磨损程度和故障类型。

2. 齿轮故障诊断齿轮传动是机械设备中常见的传动方式，但齿轮在长时间运行后容易出现故障，如齿面磨损、断齿等。

这些故障会产生特定的频率成分，通过频谱分析可以直观地观察到对应的频率峰值，进而确定齿轮故障的位置和类型。

3. 泵故障诊断泵是常见的机械设备之一，其内部复杂的运动机构容易受到外界因素的影响。

频谱分析可以帮助识别泵的不同故障类型，例如轴承故障、叶片磨损等。

三、频谱分析方法频谱分析有多种方法，常见的有傅里叶变换、快速傅里叶变换（FFT）、小波变换等。

1. 傅里叶变换傅里叶变换是一种精确的频谱分析方法，但计算量较大，不适用于实时监测。

可以通过将信号分段，再进行傅里叶变换来解决这一问题。

2. 快速傅里叶变换（FFT）FFT是一种将信号进行快速傅里叶变换的算法，通过采样和插值的方法，可以有效地降低计算时间。

FFT广泛应用于机械振动信号的频谱分析，尤其适用于实时监测和故障诊断。

3. 小波变换小波变换是一种时频分析方法，在处理非稳态信号方面比傅里叶变换更具优势。

旋转机械状态监测与故障诊断讲义陈国远深圳市创为实技术发展有限公司2005年8月目录第一章状态监测的基本知识 (4)一、有关的名词和术语 (4)1. 振动的基本参量：幅值、周期（频率）和相位 (4)2. 通频振动、选频振动、工频振动 (6)3. 径向振动、水平振动、垂直振动、轴向振动 (6)4. 同步振动、异步振动 (7)5. 谐波、次谐波、亚异步、超异步 (7)6. 相对轴振动、绝对轴振动、轴承座振动 (7)7. 自由振动、受迫振动、自激振动、随机振动 (7)8. 高点和重点 (8)9. 刚度、阻尼和临界阻尼 (8)10. 共振、临界转速、固有频率 (9)11. 分数谐波共振、高次谐波共振和参数激振 (9)12. 涡动、正进动和反进动 (9)13. 同相振动和反相振动 (10)14. 轴振型和节点 (10)15. 转子挠曲 (11)16. 电气偏差、机械偏差、晃度 (11)17. 偏心和轴心位置 (11)18. 间隙电压、油膜压力 (11)二、传感器的基本知识 (12)1. 振动传感器 (12)2. 电涡流振动位移传感器的工作原理 (13)3. 电动力式振动速度传感器的工作原理 (13)⒋压电式加速度传感器的工作原理 (14)第二章状态监测常用图谱 (15)1．波德图 (15)2．极坐标图 (16)3．频谱瀑布图 (16)4．极联图 (17)5．轴心位置图 (18)6．轴心轨迹图 (18)7．振动趋势图 (19)8．波形频谱图 (20)第三章旋转机械的故障诊断 (22)1. 不平衡 (22)2. 不对中 (23)3. 轴弯曲和热弯曲 (26)4. 油膜涡动和油膜振荡 (28)5. 蒸汽激振 (30)6. 机械松动 (33)7. 转子断叶片与脱落 (33)8. 摩擦 (38)9. 轴裂纹 (40)10. 旋转失速与喘振 (40)11. 机械偏差和电气偏差 (43)第一章状态监测的基本知识一、有关的名词和术语机械振动是指物体围绕其平衡位置附近来回摆动并随时间变化的一种运动。

15类39个机械振动故障及其特征频谱讲解的非常详细你学会了吗学会了。

机械振动故障是指机械设备在运行中出现的振动异常现象，它是机械设备磨损、松动、不平衡、共振等问题的表现。

了解机械振动故障及其特征频谱对于检测和预防故障具有重要意义。

下面将详细介绍15类39个机械振动故障及其特征频谱。

1.不平衡故障：当旋转部件不平衡时会引起振动，其特征频谱多在主轴转速及其倍频处出现。

2.轴承故障：常见的轴承故障有滚动体故障、内外圈故障和滚道故障。

其特征频谱包含滚动体抛出频率、倒流频率、内圈通过、外圈通过频率等。

3.齿轮故障：齿轮故障主要包括齿轮缺陷、齿根断裂和齿面磨损。

特征频谱包括齿轮传动频率及其倍频、齿轮包络谱等。

4.松动故障：机械设备过程中的松动故障会导致振动异常。

特征频谱一般包括主共振频率及其倍频。

5.磨损故障：磨损故障是机械设备使用时间过长导致的故障，其特征频谱一般包括零件接触频率、偏心频率等。

6.传动带故障：传动带在工作中容易出现断裂、脱落等故障，其特征频谱包括带速频率、杂音频率等。

7.轴弯曲故障：轴弯曲会引起振动异常，其特征频谱一般包括弯曲频率及其倍频。

8.泵故障：泵故障常见的有叶轮裂纹、泵轴弯曲等，特征频谱包括泵叶轮频率、泵叶片共振频率等。

9.电机故障：电机故障主要有轴承故障、定子故障等，特征频谱包括电机1倍频、整周期故障频率等。

10.切削形状异常：机械设备切削形状异常也会导致振动异常，特征频谱包括刀具频率、零件频率等。

11.错位故障：轴同步装置故障会导致振动异常，特征频谱包括传动带频率等。

12.泄漏故障：机械设备泄漏故障会导致振动异常，特征频谱包括泄漏频率等。

13.气动故障：气动系统故障会引起振动异常，特征频谱包括气体脉动频率等。

14.液压故障：液压系统故障会导致振动异常，特征频谱包括液压湍流频率等。

15.电控故障：电控系统故障会引起机械设备振动异常，特征频谱包括开关频率、电机倍频等。

以上是15类39个机械振动故障及其特征频谱的详细介绍。

常见的15种振动故障及其特征频谱以下十五种常见的振动故障及其特征频谱: 不平衡、不对中、偏心转子、弯曲轴、机械松动、转子摩擦、共振、皮带和皮带轮、流体动力激振、拍振、偏心转子、电机、齿轮故障、滚动轴承、滑动轴承。

一、不平衡不平衡故障症状特征：●振动主频率等于转子转速；●径向振动占优势；●振动相位稳定；●振动随转速平方变化；●振动相位偏移方向与测量方向成正比。

1、力偶不平衡●力偶不平衡症状特征：●同一轴上相位差180°；●存在1X转速频率而且占优势；●振动幅值随提高的转速的平方变化；●可能引起很大的轴向及径向振动幅值；●动平衡需要在两个修正面内修正。

2、悬臂转子不平衡●悬臂转子不平衡症状特征：●径向和轴向方向存在1X转速频率；●轴向方向读数同相位，但是径向方向读数可能不稳定；●悬臂转子经常存在力不平衡和力偶不平衡两者，所以都需要修正。

二、不对中1、角向不对中角向不对中症状特征：特征是轴向振动大；联轴器两侧振动相位差180°；典型地为1X和2X转速大的轴向振动；通常不是1X，2X或3X转速频率占优势；症状可指示联轴器故障。

2、平行不对中●平行不对中症状特征：●大的径向方向相位差180°的振动严重不对中时，产生高次谐波频率；●2X转速幅值往往大于1X转速幅值，类似于角向不对中的症状；●联轴器的设计可能影响振动频谱形状和幅值。

3、装斜的滚动轴承装斜的滚动轴承症状特征：振动症状类似于角向不对中；试图重新对中联轴器或动平衡转子不能解决问题；产生相位偏移约180°的侧面；对侧面或顶部对底部的扭动运动。

三、偏心转子●偏心转子症状特征：●在转子中心连线方向上最大的1X转速频率振动；●相对相位差为0°或180°；●试图动平衡将使一个方向的振动幅值减小，但是另一个方向振动可能增大。

四、弯曲轴●弯曲轴症状特征：●弯曲的轴产生大的轴向振动；●如果弯曲接近轴的跨度中心，则1X转速频率占优势；●如果弯曲接近轴的跨度两端，则2X转速频率占优势；●轴向方向的相位差趋向180°。

机械振动信号的特征提取与故障诊断方法引言机械振动信号是工业生产中常见的一种信号类型，它可以反映出机器设备的状态和工作情况。

因此，对机械振动信号进行特征提取和故障诊断具有重要意义。

本文将介绍机械振动信号的特征提取方法以及常用的故障诊断方法。

一、机械振动信号的特征提取方法1. 时域特征提取时域特征提取是最常见的一种方法，它通过分析振动信号在时间上的变化来提取信号的特征。

常用的时域特征包括振动信号的均值、方差、偏度和峭度等。

这些特征可以反映出信号的平稳性、波形形状以及分布情况。

2. 频域特征提取频域特征提取是将振动信号从时域转化为频域进行分析，它可以反映信号在不同频率上的能量分布情况。

常用的频域特征包括信号的频谱、功率谱和自相关函数等。

通过分析这些特征，我们可以了解信号存在的频率成分以及频率分布情况。

3. 统计特征提取统计特征提取是通过对振动信号的统计性质进行分析来提取信号的特征。

常用的统计特征包括信号的平均值、标准差、自相关系数和互相关系数等。

这些特征可以反映出信号的整体变化趋势和波动性质。

二、机械振动信号的故障诊断方法1. 图谱分析法图谱分析法是一种将频域特征应用于故障诊断的方法，它通过对振动信号的频谱进行分析来判断故障类型。

常用的图谱分析方法包括快速傅里叶变换（FFT）、小波变换和功率谱密度分析等。

这些方法可以帮助我们找到信号中存在的频率成分和故障特征。

2. 统计模型方法统计模型方法是一种通过建立数学模型来进行故障诊断的方法，它通过统计学原理和机器学习算法来分析振动信号的特征。

常用的统计模型方法包括支持向量机（SVM）、神经网络和隐马尔可夫模型等。

这些方法可以通过对训练样本的学习来建立模型，并根据新的振动信号进行分类和预测。

3. 综合诊断方法综合诊断方法是一种将多种特征和方法相结合的故障诊断方法，它通过综合分析振动信号的特征来判断故障的类型和程度。

常用的综合诊断方法包括模式识别方法、聚类分析和特征选择算法等。

机械故障的振动分析及诊断引言机械故障的振动分析及诊断是现代工程领域一个重要的研究方向。

振动分析能够预测机械故障发生的可能性，诊断能够确定故障的原因和位置，对于提高机械设备的可靠性和可用性具有重要意义。

本文将介绍机械故障振动分析的基本原理、方法和应用。

一、机械故障振动分析的基本原理机械设备在运行时会产生振动，振动是由于设备的不平衡、磨损、故障等因素导致的。

振动分析的基本原理是通过检测和分析振动信号来判断设备是否存在故障，并对故障进行诊断。

振动信号可以通过加速度、速度和位移等形式来表示，其中加速度信号对于高频故障的诊断更为敏感。

二、机械故障振动分析的方法1.振动信号采集振动信号的采集是机械故障振动分析的第一个步骤。

采集振动信号可以通过加速度传感器、速度传感器或位移传感器来实现。

根据故障的类型和位置，选择合适的传感器进行振动信号采集。

多个传感器可以同时采集不同位置的振动信号，以获得更为准确的结果。

2.信号预处理振动信号采集后往往包含大量的噪声，需要进行信号预处理。

常用的信号预处理方法包括滤波、降噪和特征提取等。

滤波方法可以去除高频和低频的噪声，使得振动信号更加清晰。

降噪方法可以通过信号平均、小波分析等技术去除噪声，提高信号的信噪比。

特征提取方法可以从振动信号中提取出故障特征，如频率、幅值、相位等，用于故障诊断。

3.故障诊断故障诊断是根据振动信号的特征来确定故障的类型和位置。

常见的故障诊断方法包括频谱分析、阶次分析和时间域分析等。

频谱分析可以将振动信号转化为频域特性，通过比较频谱图来判断故障类型。

阶次分析可以将振动信号转化为阶次域特性，通过比较阶次图来判断故障位置。

时间域分析可以观察振动信号的波形和周期性，通过波形和周期性的变化来诊断故障。

三、机械故障振动分析的应用机械故障振动分析的应用十分广泛，涵盖了各个领域的机械设备。

例如，航空领域可以通过对飞机发动机的振动信号进行分析，来预测发动机故障并进行维修。

机械振动信号的小波分析与故障诊断机械振动是指机械系统在运行过程中所产生的振动现象。

振动信号是机械故障的重要指标，因为它可以反映机械系统的运行状态和内部结构的变化。

因此，对机械振动信号进行分析和诊断是实现机械故障预测和维护的关键技术之一。

在振动信号的分析方法中，小波分析作为一种多尺度分析方法，因其在时频域上具有出色的分辨能力，成为了机械振动信号分析与故障诊断领域中广泛应用的技术。

一、小波分析的基本原理小波分析是一种基于时频分析原理的分析方法。

其基本思想是将信号分解成不同尺度的小波基函数，用小波基函数对信号进行变换。

小波分析的核心是小波变换，其可以将信号转换为时域和频域的双重信息，从而更好地理解信号的特性和内在结构。

二、小波分析在机械振动信号处理中的应用小波分析在机械振动信号处理中具有较高的应用价值。

首先，小波变换可以提取信号的频谱信息和时域特征，通过对频谱分布进行分析，可以识别出机械系统中存在的频率分量和谐波分布，从而判断机械系统的正常运行状态。

其次，小波包分解和重构方法可以对振动信号进行时频分析，通过对振动模态和频率变化的研究，可以了解机械系统在不同工况下的振动特性和变化规律。

此外，小波模态分解方法可以提取出机械振动信号的分量，实现故障信号的提取和识别，为故障诊断提供有力的依据。

三、小波包分析在滚动轴承故障诊断中的应用滚动轴承是机械系统中常见的易损部件之一，其故障常表现为振动信号的不稳定性和频率分量的变化。

针对滚动轴承故障诊断问题，小波包分析方法能够更好地提取滚动轴承振动信号中的故障特征。

通过对滚动轴承振动信号进行小波包分解，可以得到一系列分量信号。

其中，能量集中的低频分量对应轴承的正常工作状态，而能量集中的高频分量则对应轴承的故障状态。

通过对不同尺度的高频分量进行分析，可以判断轴承故障的类型和程度。

此外，小波包分析方法还可以通过构建滚动轴承的特征向量，实现对不同故障状态的自动分类和识别。

四、小波熵在齿轮故障诊断中的应用齿轮是机械系统传动的重要部件之一，其故障常表现为齿面接触不良和齿面断裂等现象。

机械振动信号的时频分析与故障诊断导言机械设备的振动信号是反映设备正常运行状态及潜在故障的重要指标之一。

振动信号中蕴含着丰富的信息，可以通过时频分析来提取出这些信息并实现故障的诊断与预测。

本文将介绍机械振动信号的基本概念和特征，以及时频分析的原理与方法，并探讨其在故障诊断中的应用。

一、机械振动信号的基本概念与特征机械设备的振动信号是由设备运动所引起的机械波动，通常可以通过传感器采集到。

振动信号是一个非常复杂的时间序列，其包含了多种振动模态的叠加和相互作用。

为了对振动信号进行分析和诊断，我们首先需要了解振动信号的基本概念和特征。

1. 振动信号的频率振动信号的频率是指振动信号中重复发生的周期性变化的次数。

频率可以反映出振动信号的周期性特征，对于机械设备的故障分析非常重要。

2. 振动信号的振幅振动信号的振幅是指振动信号的大小或强度。

振幅可以反映出振动信号的强弱程度，对于故障的诊断与判定非常有帮助。

3. 振动信号的相位振动信号的相位是指振动信号与某一参考位置之间的时间差或空间差。

相位可以反映出振动信号的位置和偏移程度，帮助我们了解振动信号的波动规律。

4. 振动信号的谱图振动信号的谱图是将振动信号在频率域中的幅度进行展示的图形，通过谱图我们可以清晰地观察到振动信号的频率分布情况，从而对振动信号进行进一步的分析和处理。

二、时频分析的原理与方法为了进一步分析和处理机械振动信号，时频分析成为一种常用的手段。

时频分析是将信号在时间域和频率域上进行联合分析的方法，其原理与方法如下：1. 傅里叶变换傅里叶变换是时频分析的基础。

通过傅里叶变换，我们可以将信号从时域转换到频域，获得信号的频谱信息。

2. 小波变换小波变换是一种具有时频局部性的信号分析方法。

通过小波变换，我们可以在时域和频域上同时获得信号的时频信息，进一步提取信号的特征和规律。

3. 瞬时频率分析瞬时频率分析是时频分析的一种重要方法。

通过瞬时频率分析，我们可以获得信号的瞬时频率变化情况，进一步了解信号的振动模态和变化规律。

旋转机械故障类型及其振动特征在实际工作中，如何从振动信号频谱中识别出故障特征是一项较难的工作。

尤其对刚从事故障诊断工作的人员来说，更是如此。

有人曾把学习如何识别振动谱图比作学习一种新的工程语言，此比喻很形象。

在分析谱图时应抓住重点，忽略次要因素，以确定故障类型，找出设备存在的问题。

在分析振动谱图时，要记住两条原则：1、频率形态（大小及其变化等）代表故障类型；2、幅值代表故障劣化程度。

下面我们针对一些典型故障分析实际的振动谱图。

一、不平衡泵、风机、电动机使用一段时间后，由于磨擦、积灰等原因，使转子质心改变，出现不平衡。

不平衡的特点是：1、振动频率单一，振动方向以径向为主。

在工频（亦称转频）（1X ）处有一最大峰值，（转子若为悬臂支承，将有轴相分量）；2、在一阶临界转速内振幅随转速的升高而增大；3、谱图中一般不含工频（1X）的高次谐波（2X、3X ……）。

一台射流泵正常运转时在工频（1800r／min）处幅值最大，达1.5μm。

3 个月后再测量，同一处的最大峰值已是 2.83μm，达到泵安全运行的报警值。

拆机修理发现一异物缠绕在叶轮上，改变了质心。

除异物，工频处幅值仅为0.97μm，振幅明显减小，泵运行正常。

最大峰值均在工频 1X 处，当 IX 处幅值升高时，2X、3X、4X 处的幅值有所降低，故障排除后，1X处幅值有所降低，2X、3X、4X处的幅值又恢复到原来状态，几乎不变。

二、不对中及轴弯曲虽然人们普遍认为机械振动主要是不平衡所致，但就旋转机械而言，70％-75％的振动是不对中引起的。

不对中有两种：平行不对中和角度不对中。

平行不对中径向振动比较突出，角度不对中轴向振动更突出、两者在机器端部或联轴器两边都有180°的相位差。

不对中振动的特点：1．在 2X处有大的能量分布；2．随着不对中程度的增加，产生很大的轴向振动分量；3．在联轴器的两边振动的相位关系是180°＋30°；4．在 2X处的幅值大于 1X处的 50％时意味不对中程度已加剧。

机械振动信号的时频分析与故障识别引言:机械振动信号的时频分析与故障识别是现代工程领域中的重要课题。

随着工业自动化的快速发展，机械设备故障的预测与诊断变得越来越重要。

通过对机械振动信号进行时频分析，可以有效地实现故障预警和诊断，提高设备的稳定性和可靠性。

一、机械振动信号与故障特征机械振动信号是机械设备运行时产生的一种振动信号。

它可以反映设备的运行状态和故障特征。

在机械设备运行过程中，由于各种因素的影响，如不平衡、磨损、断裂等，会导致设备产生不同的振动信号特征。

通过对振动信号进行分析和识别，可以判断设备的工作状态和存在的故障。

二、时频分析在机械故障诊断中的应用时频分析是一种将信号在时域和频域中相互转换的方法。

它可以将信号的时域和频域特征结合起来，更直观地反映信号的时变性质。

在机械故障诊断中，时频分析被广泛应用于对机械振动信号的分析和故障识别。

三、常用的时频分析方法1. 短时傅里叶变换(STFT)短时傅里叶变换是一种将信号分解为时域和频域成分的方法。

它通过对信号进行窗函数分段，然后对每个时间段的信号进行傅里叶变换，得到该时间段内信号的频谱特征。

STFT方法可以较好地分析信号的瞬态特性，但对于非线性和非平稳信号的处理效果较差。

2. 小波变换(WT)小波变换是一种将信号分解为时间和频率分量的方法。

它与短时傅里叶变换类似，但是可以在不同的时间段内使用不同的窗函数，更好地分析信号的局部特征。

小波变换适用于非线性和非平稳信号的分析，因此在机械故障诊断中得到广泛应用。

四、机械故障诊断的实例研究以某工厂的离心泵故障诊断为例，使用时频分析方法对泵的振动信号进行了分析与识别。

通过分析泵的频谱特性，发现了泵叶轮的不平衡故障，进而推断出轴承的磨损故障。

通过对时频图谱的分析，可以清晰地看到故障频率的变化规律，从而判断出不同故障诱因所导致的振动异常。

五、结论与展望通过对机械振动信号的时频分析，可以实现机械故障的预测与诊断。

时频分析方法可以更好地分析非线性和非平稳信号的特点，提高故障识别的准确性和可靠性。

振动信号的机械故障诊断与预测模型研究引言随着机械设备的广泛应用，机械故障对生产效率和设备寿命造成了严重影响。

因此，精确的机械故障诊断与预测模型的研究对于提高设备可靠性和降低维护成本具有重要意义。

振动信号作为一种常见的故障特征量，具有信息量丰富和非侵入性的特点，被广泛应用于机械故障诊断与预测中。

本文将探讨基于振动信号的机械故障诊断与预测模型的研究。

一、振动信号的特征提取方法特征提取是振动信号分析的关键步骤，其目的是从原始信号中提取有效的特征以描述机械故障状态。

常见的特征提取方法包括时域特征、频域特征和时频域特征。

1.1 时域特征时域特征是指在时间上对信号进行分析的方法，包括均值、标准差、峰值等。

时域特征能够反映信号的整体特征和波形特征，但对于频率信息不敏感。

1.2 频域特征频域特征是指将信号转换到频率域进行分析的方法，包括功率谱密度、频谱峰值等。

频域特征能够反映信号的频率分布和能量集中情况，适用于故障频率分析。

1.3 时频域特征时频域特征是指对信号进行时间和频率联合分析的方法，包括短时傅里叶变换、小波变换等。

时频域特征可以提取信号的瞬时频率、瞬时幅值等动态特征，适用于瞬变故障的检测与诊断。

二、机械故障诊断模型的研究机械故障诊断模型旨在通过分析振动信号提取的特征，判断机械设备的故障类别和故障程度。

常见的机械故障诊断模型包括基于统计学方法、人工智能方法和深度学习方法。

2.1 基于统计学方法的机械故障诊断模型基于统计学方法的机械故障诊断模型采用概率统计和统计模型建立对应的故障诊断规则。

其中，最常用的方法是基于支持向量机（SVM）和贝叶斯分类器的模型。

这些方法适用于数据量较小且特征明显的故障诊断，但对于复杂故障的诊断效果较差。

2.2 基于人工智能方法的机械故障诊断模型基于人工智能方法的机械故障诊断模型利用神经网络、遗传算法等方法进行故障识别与分类。

这些方法能够处理大规模数据和复杂故障，但对训练数据和参数设置较为敏感。