下载文档原格式
齿轮在旋转机械中的应用
齿轮在旋转机械中具有广泛的应用，主要包括以下几个方面：
1. 传动系统：齿轮常用于传动系统中的传动装置，通过两个或多个齿轮的啮合来传递转矩和速度。
传动系统广泛应用于各种机械设备中，如汽车、机床、风力发电机等。
2. 减速装置：齿轮可以通过减速机构将高速旋转的电机转换为较低速度但更大转矩的输出。
这在许多机械设备中非常有用，例如：电梯、输送带、机床等。
3. 变速装置：通过改变齿轮对的个数或啮合位置，可以实现不同速度输出的变速装置。
变速齿轮广泛用于汽车变速器、摩托车变速器等。
4. 方向转换器：通过齿轮的不同排列组合，可以实现输入和输出轴的方向转换。
这在许多机械装置中非常常见，比如：手动摇柄、转向机构等。
5. 搅拌装置：齿轮可以通过布置不同齿轮的啮合方式，实现旋转速度和方向的变化。
这广泛应用于搅拌设备、搅拌器等。
总之，齿轮在旋转机械中的应用非常广泛，扮演着传输力、转化速度、改变方向等重要角色，是机械传动中不可或缺的元件。
《旋转机械故障诊断与预测方法及其应用研究》篇一摘要：本文重点研究了旋转机械的故障诊断与预测方法，详细分析了现有的技术手段、优缺点及其在实践中的应用。
文章通过探讨各种诊断和预测方法的原理、算法、应用场景以及在实际工业环境中的效果，旨在为旋转机械的维护与检修提供更加高效、可靠的解决方案。
一、引言旋转机械作为工业生产中不可或缺的一部分，其运行状态直接关系到生产效率和设备安全。
因此，对旋转机械的故障诊断与预测显得尤为重要。
本文将详细介绍旋转机械故障诊断与预测的背景、意义及研究现状。
二、旋转机械故障诊断与预测的基本原理及方法1. 传统诊断方法传统诊断方法主要包括人工听诊、视觉检查、振动检测等。
这些方法主要依赖于专家的经验和知识，通过观察和检测设备的异常现象进行故障判断。
然而，这些方法存在主观性较强、效率较低、易受人为因素影响等缺点。
2. 现代诊断与预测方法（1）基于信号处理的诊断方法：通过采集设备的振动、声音等信号，利用信号处理技术对信号进行分析和处理，提取出故障特征，从而判断设备的运行状态。
（2）基于人工智能的诊断与预测方法：包括神经网络、支持向量机、深度学习等。
这些方法能够通过对大量数据进行学习和分析，建立设备的故障模型和预测模型，实现设备的智能诊断和预测。
三、各种诊断与预测方法的优缺点分析1. 传统诊断方法的优点在于简单易行，对于经验丰富的专家来说，能够快速定位故障。
然而，其缺点也较为明显，如主观性较强、效率较低、易受人为因素影响等。
2. 现代诊断与预测方法的优点在于能够处理大量数据，提高诊断和预测的准确性，同时减少人为因素的干扰。
然而，这些方法也存在计算复杂、对数据质量要求较高等问题。
四、旋转机械故障诊断与预测方法的应用研究1. 在制造业的应用：通过采用智能诊断和预测技术，实现对生产线上旋转机械设备的实时监测和故障预警，提高生产效率和设备运行安全性。
2. 在能源领域的应用：在风力发电、水力发电等能源领域，通过采用振动检测和信号处理技术，实现对风力发电机组、水轮机等设备的故障诊断和预测，保障能源供应的稳定性和安全性。
旋转机械流固耦合分析技术及应用公司：安世亚太科技股份有限公司上海分公司时间：2013.9间：20139目录◆旋转机械流固耦合简介◆旋转机械单向流固耦合旋转机械向固耦◆旋转机械双向流固耦合◆最佳实践目录◆旋转机械流固耦合简介◆旋转机械单向流固耦合旋转机械向固耦◆旋转机械双向流固耦合◆最佳实践什么是旋转机械流固耦合？高速旋转的叶轮/转轮与流体相互作用。
叶/转轮在工作中受流体水压力和离心力的影响会导致叶/转轮的变形，变形的叶/转轮形状反过来会影响流场。
这类问题需要用双向流固耦合的方法解决！单向FSI—不考虑结构变形对流场的影响考虑结构变形对流场的影响旋转机械行业流固耦合分析的意义在很多旋转机械行业，随着客户对产品质量要求的提高，对旋转机械作瞬态耦合分析的需求越来越多。
在某些旋转机械行业，如轴流式压气机，由于叶片压力面和吸力面的压差很大，无法忽略叶片变形对机组效率和稳定性的影响！国内外的技术现状✓1933年Westergaard重力坝水压力载荷问题，开创了流固耦合分析的先河；✓20世纪40年代中期由Haskind等人开始，研究船舶行业的流固耦合问题；20世纪40年代中期由H ki d等人开始研究船舶行业的流固耦合问题✓20世纪50年代遇到轴流压气机叶片失速颤振和压气机转子的堵塞颤振现象；✓20世纪70年代中后期，旋转机械流固耦合正式的成为一门学科;✓20世纪90年代，国内主要高校逐渐将流固耦合分析技术应用到水轮机、压气机行业；目录◆旋转机械流固耦合简介◆旋转机械单向流固耦合旋转机械向固耦◆旋转机械双向流固耦合◆最佳实践1-way Structural•从CFX/Fluent传输力到ANSYS•从ANSYS传输位移到CFX/Fluent •瞬态分析–通过脚本文件创建一系列载荷文件.在适当的时间, 通过APDL或CEL/UDF,读入载荷–网格应静止–也可在双向框架内进行单向数据传递1-way Thermal⏹通常指将CFD 热分析数据传递到Mechanical, 用于热应力分析–反过来的数据传递无意义, 因为在CFX/Fluent 内可进行CHT 反来数据传无义为在内行求解⏹瞬态: 使用脚本文件或采用双向FSI 构架离心泵单向流固耦合分析水泵流固耦合分析流程离心泵单向流固耦合分析有限元模型载荷和边界条件有限元模型、载荷和边界条件离心泵单向流固耦合分析叶轮变形和等效应力分布目录◆旋转机械流固耦合简介◆旋转机械单向流固耦合旋转机械向固耦◆旋转机械双向流固耦合◆最佳实践2-way Structural•CFX/Fluent Mechanical 力•瞬态分析位移–动网格2-way Thermal Stress•CFX Mechanical 力&温度•瞬态分析–位移动网格–耦合单元Workbench Workflow构建（CFX）•双向FSI的标准WB流程–构建Transient Structural systemTransient Structural system–删除Transient Structural system 的Solution(和Results)–默认为几何共享–流体和结构网格分别创建测试案例速度入口：1[m/s]速度转速：60[rpm]解题的思路和策略结构求解器边界条件流体求解器边界条件耦合设置耦合设置流体求解器边界条件：单向数据传递模式双向数据传递模式耦合设置Workbench Workflow构建（Fluent）•双向FSI的标准WB流程T i t St t l t –构建Transient Structural system–默认为几何共享–流体和结构网格分别创建测试案例速度入口：1[m/s]速度转速：60[rpm]解题思路结构求解器边界条件流体求解器边界条件流体求解器边界条件耦合设置耦合设置☐双向耦合计算：——创建两个求解器之间的数据传递；☐双向耦合计算的方法求解单向耦合计算问题——创建一个求解器对另一个求解器的数据传递即可。
《旋转机械故障诊断与预测方法及其应用研究》篇一一、引言随着现代工业的快速发展，旋转机械作为各类设备中常见的核心部件，其可靠性及安全性越来越受到关注。
然而，由于长时间运转、维护不当以及生产环境变化等多种因素的影响，旋转机械出现故障的可能性随之增加。
因此，对于旋转机械的故障诊断与预测成为工业领域中的一项重要研究内容。
本文将深入探讨旋转机械的故障诊断与预测方法及其应用研究。
二、旋转机械故障诊断与预测的重要性旋转机械的故障诊断与预测对于保障设备的正常运行、提高生产效率、降低维护成本具有重要意义。
首先，通过实时监测和诊断，可以及时发现潜在故障，避免设备在运行过程中出现故障，从而保证生产线的稳定运行。
其次，通过对设备故障的预测，可以提前制定维修计划，降低因设备故障带来的停机损失和生产成本。
此外，故障诊断与预测技术还有助于优化设备的维护和检修计划，提高设备的运行效率和使用寿命。
三、旋转机械故障诊断与预测方法针对旋转机械的故障诊断与预测，目前已经形成了多种方法。
下面将详细介绍几种常见的诊断与预测方法：1. 振动监测与诊断法：通过测量设备的振动信号，分析其频率、振幅等参数，从而判断设备的运行状态和可能存在的故障。
该方法具有实时性强、操作简便等优点，广泛应用于各类旋转机械的故障诊断。
2. 声音监测与诊断法：通过分析设备运行时产生的声音信号，提取其中的特征信息，以判断设备的运行状态和故障类型。
该方法对于诊断某些特定类型的故障具有较高的准确性。
3. 温度监测与诊断法：通过测量设备的温度变化，判断设备内部是否存在过热、磨损等故障。
该方法适用于对设备内部温度变化敏感的故障类型。
4. 数据驱动的预测模型：利用历史数据和机器学习算法构建预测模型，对设备的未来状态进行预测。
该方法具有较高的准确性和可靠性，可有效预测设备的潜在故障。
四、旋转机械故障诊断与预测方法的应用研究针对不同的应用场景和需求，可以将上述的故障诊断与预测方法进行组合和应用。
《旋转机械故障诊断与预测方法及其应用研究》篇一一、引言旋转机械广泛应用于各种工业领域，如风力发电、航空航天、机械制造等。
然而，由于旋转机械长期运行、负载变化等因素，常常会出现各种故障，导致设备性能下降、生产效率降低，甚至造成安全事故。
因此，对旋转机械进行故障诊断与预测具有重要意义。
本文旨在研究旋转机械故障诊断与预测方法及其应用，以提高设备的运行效率和安全性。
二、旋转机械故障诊断与预测方法1. 传统诊断与预测方法传统的旋转机械故障诊断与预测方法主要依赖于专业人员的经验和技能，通过观察设备的运行状态、声音、振动等信号来判断设备是否存在故障。
然而，这种方法存在主观性、误判率高等问题，难以满足现代工业对设备故障诊断与预测的需求。
2. 现代诊断与预测方法（1）基于信号处理的诊断与预测方法：通过采集设备的振动、声音、温度等信号，利用信号处理技术对信号进行分析和处理，提取出反映设备运行状态的特征信息，从而判断设备是否存在故障。
（2）基于机器学习的诊断与预测方法：利用机器学习算法对设备的运行数据进行学习和分析，建立设备的故障诊断与预测模型。
通过对模型进行训练和优化，可以提高模型的准确性和鲁棒性，实现设备的故障诊断与预测。
（3）基于深度学习的诊断与预测方法：利用深度学习技术对设备的运行数据进行深度学习和特征提取，建立更复杂的模型来识别设备的故障模式和预测设备的未来状态。
深度学习技术可以自动提取设备的深层特征信息，提高故障诊断与预测的准确性和可靠性。
三、应用研究1. 风电领域应用在风力发电领域，风力发电机组的运行状态直接影响到发电效率和设备安全。
通过采用基于机器学习和深度学习的故障诊断与预测方法，可以实时监测风力发电机组的运行状态，及时发现故障并进行预警，避免设备损坏和安全事故的发生。
2. 机械制造领域应用在机械制造领域，旋转机械的精度和稳定性对产品的质量和生产效率具有重要影响。
采用基于信号处理的故障诊断与预测方法，可以实时监测设备的振动、声音等信号，及时发现设备的故障并进行维修，保证设备的正常运行和生产效率。
生活中利用机械原理的机器
生活中有很多利用机械原理的机器。
下面是一些例子：
1. 自行车：自行车利用转轴、链条、齿轮等机械原理将人的脚踏力转换成车轮的运动，实现人力驱动。
2. 摩托车和汽车：摩托车和汽车都是利用内燃机将燃油的能量转化为机械能，通过齿轮传动将动力传输到车轮上，从而实现自主移动。
3. 电梯：电梯内部有一台电动机驱动一个滑轮系统，通过钢丝绳和滑轮的配合，实现上下楼层的直线运动。
4. 风力发电机：风力发电机利用风的能量驱动风轮转动，进而带动发电机产生电能。
5. 手表：手表内部有一个发条机构，通过弹簧的紧缩释放来提供动力，并通过各种齿轮和摆轮传递能量，以驱动指针的运动。
这些只是一些例子，实际上我们的日常生活中到处都有利用机械原理的机器。
机械原理广泛应用于交通工具、家用电器、办公设备等各个领域，让我们的生活更加便利和高效。
《旋转机械故障诊断与预测方法及其应用研究》篇一一、引言旋转机械作为工业生产中不可或缺的重要设备，其稳定运行对生产效率和产品质量具有重大影响。
然而，由于操作环境复杂、维护不当或设备老化等因素，旋转机械常会出现各种故障。
这些故障如不及时发现和处理，可能会对生产造成巨大损失。
因此，对旋转机械的故障诊断与预测显得尤为重要。
本文将重点研究旋转机械的故障诊断与预测方法，以及其在工程实践中的应用。
二、旋转机械故障诊断与预测方法（一）基于信号处理的诊断与预测方法1. 信号采集：通过传感器技术，实时采集旋转机械的振动、声音、温度等信号。
2. 信号处理：利用信号处理技术，如频谱分析、小波变换等，对采集的信号进行预处理和特征提取。
3. 故障诊断与预测：根据处理后的信号特征，结合专家系统或模式识别技术，实现故障的诊断与预测。
（二）基于机器学习的诊断与预测方法1. 数据预处理：对历史故障数据进行清洗、标注和整理，构建故障数据集。
2. 模型训练：采用机器学习算法，如支持向量机、神经网络等，对故障数据集进行训练，建立故障诊断与预测模型。
3. 模型应用：将训练好的模型应用于实际场景中，实现旋转机械的故障诊断与预测。
（三）基于深度学习的诊断与预测方法深度学习通过模拟人脑神经网络的工作方式，可以自动提取数据的深层特征。
在旋转机械的故障诊断与预测中，深度学习模型可以更好地处理复杂、非线性的故障数据。
常见的深度学习模型包括卷积神经网络、循环神经网络等。
三、旋转机械故障诊断与预测方法的应用研究（一）在设备维护中的应用通过实时监测和诊断旋转机械的故障，可以及时发现潜在的问题并采取相应的维护措施，从而避免设备停机或损坏。
这不仅可以提高设备的运行效率，还可以延长设备的使用寿命。
（二）在生产管理中的应用通过对旋转机械的故障进行预测和预警，可以提前制定生产计划和调整生产安排，避免因设备故障而导致的生产延误和资源浪费。
这有助于提高生产效率和产品质量。
机械运动的应用实例及原理1. 引言机械运动是指物体在空间中沿特定轨迹的运动方式。
在现代工程和日常生活中，机械运动被广泛应用于各种设备和系统中。
本文将介绍几个机械运动的应用实例，并探讨其原理。
2. 双手臂机器人的运动原理双手臂机器人是一种能够模拟人类双臂运动的机器人。
通过使用关节和驱动器，双手臂机器人可以模拟人类的手臂运动，实现各种复杂的动作。
其主要运动原理包括以下几个方面：•关节传动：双手臂机器人的关节通过电机和减速器实现驱动。
电机提供动力，并通过减速器将高速低扭矩的电机输出转换为低速高扭矩的旋转运动。
•位置控制：双手臂机器人的关节位置可以通过编码器和位置传感器进行测量和控制。
通过测量关节位置，并与目标位置进行比较，可以实现精确的位置控制。
•运动规划：双手臂机器人的运动规划是指根据给定的目标路径和约束条件，确定关节的运动轨迹。
运动规划可以使用各种算法来实现，包括插值和优化算法。
•末端执行器：双手臂机器人的末端执行器通常是夹具或工具。
通过改变末端执行器的位置和姿态，双手臂机器人可以完成各种操作，如抓取、放置和装配。
3. 传送带的工作原理传送带是一种常见的物料输送设备，常用于工业生产线上。
传送带的工作原理如下：•驱动装置：传送带通常由电动机或气动驱动装置驱动。
驱动装置提供运动力，将传送带上的物料沿着指定方向进行运输。
•滚筒和托辊：传送带上安装有多个滚筒和托辊，它们既能够支撑物料的重量，又能够减少物料与传送带的摩擦力，实现平稳的输送。
•传送带带轮：传送带的两端安装有带轮，通过转动带轮来驱动传送带的运动。
带轮通常由行星齿轮或链条驱动，实现传送带的正向或反向运动。
•物料传送：物料放置在传送带上，受到传送带的运动力推动，沿着传送带的方向进行运输。
传送带可以通过调整传动速度和传送带的倾斜角度，控制物料的运输速度和位置。
4. 摆线减速机的原理摆线减速机是一种常用于机械传动装置的减速器。
其原理基于摆线齿轮的设计，具有高精度、高传动效率和低噪音的特点。
《旋转机械故障诊断与预测方法及其应用研究》篇一摘要：随着现代工业的快速发展，旋转机械作为生产制造和工艺流程中不可或缺的一部分，其安全性和稳定性直接关系到整个生产线的正常运行。
因此，旋转机械的故障诊断与预测成为了保障设备安全、提高生产效率的关键环节。
本文深入探讨了旋转机械故障诊断与预测方法的研究现状，分析现有技术的优势与不足，并提出了一系列具有实用价值的改进策略和应用实践，以期为相关领域的理论研究和实践应用提供有益的参考。
一、引言在制造业及众多工业领域中，旋转机械扮演着重要的角色。
由于其复杂的结构特性和工作环境的多样性，旋转机械容易出现各种故障，这不仅影响了生产效率，还可能带来严重的安全风险。
因此，旋转机械的故障诊断与预测显得尤为重要。
本文旨在系统阐述旋转机械故障诊断与预测的理论基础、方法和技术，并探讨其在实际应用中的效果。
二、旋转机械故障诊断与预测方法概述（一）基于信号处理的诊断方法信号处理技术是旋转机械故障诊断的基础。
通过采集设备的振动、声音等信号，结合频谱分析、小波变换等处理方法，可以有效地识别出设备运行中的异常情况。
（二）基于模型的诊断与预测方法该方法通过建立设备的数学模型，对设备的运行状态进行模拟和预测。
当实际运行数据与模型预测数据出现较大偏差时，即可判断设备可能存在故障。
（三）基于数据驱动的智能诊断与预测方法随着人工智能技术的发展，基于数据驱动的智能诊断与预测方法逐渐成为研究热点。
通过机器学习、深度学习等技术，对设备的历史运行数据进行学习和分析，实现对设备状态的智能诊断和未来状态的预测。
三、现有方法的优势与不足（一）信号处理技术具有实时性强的优点，但对于复杂故障的识别能力有限。
（二）模型驱动的方法具有较高的准确性，但建模过程复杂，且对模型参数的调整要求较高。
（三）数据驱动的智能方法能够处理复杂、非线性的故障问题，但需要大量的历史数据支持，且对计算资源的要求较高。
四、改进策略与应用实践（一）融合多种诊断方法将信号处理技术、模型驱动方法和智能诊断方法相结合，充分发挥各自的优势，提高诊断的准确性和效率。
旋转机械在线修复的应用实践摘要：本文针对旋转机械特别是大型高速旋转机械在线修复方案的实践应用，有效解决了旋转机械传统修复方法给生产经营带来巨大经济损失和巨额的维修费用，提高了设备的利用率，取得了良好的效果。
关键词：旋转机械在线修复电弧喷涂效果1、前言旋转机械特别是大型高速旋转机械在设备系统中起着举足轻重的作用，其能否正常运转和利用率的高低，直接影响着企业的经济效益。
旋转机械传统维修通常是利用检修更换备件，以此保证设备的稳定运行。
设备的停产、备件的维修和运输带来了巨大的经济损失。
因此，寻找一种新的旋转机械修复方案并赋予实施，有着重要的意义。
2、传统修理方法旋转机械的故障主要是由于磨损不均匀造成设备不平衡而产生的各种振动。
通常维护是停机检修，更换相应的备件，达到设备的各项性能指标，保证设备的正常运转。
停机检修耗费了大量人力、物力、财力，影响生产时间也较长，停机检修直接给生产带来巨大的的经济损失，同时，更换下的故障件要依靠专业厂家修理，此类故障件也多为大型超长超重超高件，需要巨额的修理费和运输费。
可见，旋转机械传统的修理方法造成的损失是巨大的。
3、在线修复方案的原理随着科技的进步和人们对连续生产的要求，寻找一种新的旋转机械修复方案是设备维护的趋势所在。
旋转机械在线修复技术——在线喷涂耐磨层、作动平衡，成为我们寻找和实践的方向。
我们与相关单位共同完成在线修复技术的实践。
其工作原理是：利用热源将金属（丝材、棒材或粉末）熔化，由高压高速气流把熔化的金属雾化成细小的金属颗粒，以很高的速度，将其喷到经过拉毛处理过的零件表面，形成一种金属覆盖层—喷涂层。
喷涂层与母材以机械结合为主，亦有金相结合，使喷层与母材有效结合。
所选择的喷涂材料不同，喷涂层可具有耐磨、耐腐蚀等特殊性能，喷涂材料根据设备的工况要求进行选择。
喷涂后用动平衡仪在线作动平衡校正，达到设备的运转精度要求。
4、在线修复方案的实践4.1旋转机械（风机）的现状4.1.1设备基本参数邯钢400㎡烧结机1#、2#二台9000kw大型抽风机，风机叶轮直径φ3700，转速1000r/min，风量21000m3/min，入口压力14500pa，入口温度最大设计250℃，入口密度0.65kg/m2，粉尘控制41.3mpa （北京625所测试6组数据均值）。
现场中旋转机械故障诊断应用班级：装备0901姓名：王峥学号：200906080609这学期我们学习的这门课为《机械设备故障诊断技术与应用》，设备诊断技术是一种了解和掌握设备在使用过程中的状态，确定其整体或局部是正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。
机械设备故障诊断技术日益获得重视与发展的原因是，随着科学技术与生产的发展，机械设备工作强度不断增大，生产效率、自动化程度越来越高，同时设备更加复杂，各部分的关联愈加密切，往往某处微小故障就爆发链锁反应，导致整个设备乃至与设备有关的环境遭受灾难性的毁坏。
一、设备故障的信息获取和检测方法设备故障信息的获取方法：1、直接观测法2、参数测定法3、磨损残余物的测定4、设备性能指标的测定设备故障的检测方法：1、振动和噪声的故障检测（1）振动法：对机器主要部位的振动值如位移、速度、加速度、转速及相位值等进行测定，与标准值进行比较，据此可以宏观地对机器的运行状况进行评定，这是最常用的方法。
（2）特征分析法：对测得的上述振动量在时域、频域、时—频域进行特征分析，用以确定机器各种故障的内容和性质。
（3）模态分析与参数识别法：利用测得的振动参数对机器零部件的模态参数进行识别，以确定故障的原因和部位。
（4）冲击能量与冲击脉冲测定法：利用共振解调技术以测定滚动轴承的故障。
（5）声学法：对机器噪声的测量可以了解机器运行情况并寻找故障源。
2、材料裂纹及缺陷损伤的故障检测（1）超声波探伤法：该方法成本低，可测厚度大，速度快，对人体无害，主要用来检测平面型缺陷。
（2）射线探伤法：主要采用X 射线。
该方法主要用于展示体积型缺陷，适用于一切材料，测量成本较高，对人体有一定损害，使用时应注意。
（3）渗透探伤法：主要有荧光渗透与着色渗透两种。
该方法操作简单，成本低，应用范围广，可直观显示，但仅适用于有表面缺陷的损伤类型。
（4）磁粉探伤法：该法使用简便，较渗透探伤更灵敏，能探测近表面的缺陷，但仅适用于铁磁性材料。
（5）涡流探伤法：这种方法对封闭在材料表面下的缺陷有较高的检测灵敏度，它属于电学测量方法，容易实现自动化和计算机处理。
3、设备零部件材料的磨损及腐蚀故障检测（1）光纤内窥技术：它是利用特制的光纤内窥探测器直接观测到材料表面磨损及情况。
（2）油液分析技术：油液分析技术可分为两大类：一类是油液本身的物理、化学性能分析，另一类是对油液污染程度的分析。
具体的方法有光谱分析法与铁谱分析法。
4、温度、压力、流量变化引起的故障检测机械设备中的有些故障往往反映在一些工艺参数，如温度、压力、流量的变化中，在温度测量中除常规使用的装在机器上的热电阻、热电偶等接触式测温仪外，还有在特殊场合使用的非接触式测温方法。
二、旋转机械简介旋转机械指汽轮机、燃气轮机、发电机、电动机、离心压缩机、水轮机、航空发动机等机械设备，它的主要构成部件有转子、支承转子的轴承、定子或机器壳体、连轴器等等。
转速范围一般为几千r / min 至几十万r / min ，这类机组通常称为高速旋转机械，由于旋转机械的结构及其零部件的加工和安装方面的缺陷，使机器在运行时引起振动，其振动类型可分为横向振动、轴向振动和扭转振动三类。
其中过大的横向振动往往是机器破坏的主要原因，所以成了振动监测的主要对象，也是对机组状态进行诊断的主要依据。
三、现场中旋转机械故障的诊断与应用实例A、医用离心机故障诊断对医用离心机系统运行状态的故障监测与诊断，是通过对设备某些敏感部位振动、平衡度、温度、压力等信号的采集，并通过对信号处理，提取特征参数的方法来辩识医用离心机工作状态。
其基本原理是：在医用离心机运行过程中，其零部件会发出各自确定特征的信号，而这些信号随单个零件的损坏、磨损以及电子元件的电压、电流、温度等变化而变化。
根据表征具体故障的特征参数，通过人工神经网络监测与诊断系统，对医用离心机故障进行诊断和预报。
该故障智能监测与诊断系统，主要包括监测与诊断两个过程。
其中每个过程都包括预处理和特征信号提取两部分。
快速、有效地提取反映设备故障信息的特征是故障诊断的关键。
把从诊断的对象处获得的数据看作一组时间序列，通过对该时间序列的分段采样，将输入数据映射成样本空间的点，这些数据包括故障的类型、程度和位置等信息。
首先对映射到样本空间的输入数据进行预处理，通过删除原始数据中的无用的信息得到另一类故障模式，由样本空间映射成数据空间。
在数据空间的基础上，提取数据中的不变特性，形成不变故障模式空间。
在提取了故障模式的不变特性后，根据诊断的需要和问题的特性，对所选择的模式特征矢量进行量化压缩变换，选择有用的特征，以用于故障诊断。
信号的产生和传播可以认为医用离心机系统结构为一定常线性系统，则系统振动可表示为：M【】{x}C【】{x}K【]{x}={Q}M【】为系统的质量矩阵，{X}为响应的加速度向量，C【】为系统的阻尼矩阵，{x}为速度向量，[KI为系统刚度矩阵，{x}为振动的位移向量，Q【】为产生医用离心机系统振声的激励力向量。
医用离心机系统振动的激励源主要有：电机驱动系统，筛篮及转轴的加工误差、轴承和支架、装配不平衡，试管裂纹破裂形成的腔内积水、温升过高等故障问题造成的离心转轴在高速旋转中严重倾斜、振动，当振动频率超过极限值时，会引起离心机整个系统的共振，以致产生严重后果。
B、基于贝叶斯网络的超速离心机故障诊断专家系统研究摘要:研究了一种超速离心机故障诊断专家系统。
系统采用人机对话方式，以专家知识库为基础，对离心机运转时的实时数据采样或者通过人工对界面输入故障征兆知识;采用贝叶斯网络方法进行推理，从而诊断出故障原因和各原因可能发生的概率。
使维修更具针对性，实现智能化超速离心机故障诊断，提高了设备可靠性与安全性。
离心机是一种在工业生产中应用非常广泛的高速旋转机械，超速离心机是转速大于30000r/min的高性能离心机。
实际使用时，转子在封闭的环境下高速旋转，经历这样的高负荷运行，长时间后即会出现转子不平衡、不对中和转轴磨损等一系列机械故障，并由此引发异常振动，使其故障率增高，影响生产和操作人员的安全性［1］。
目前，国内对于离心机的故障诊断主要采用人工感官和简单仪表诊断，存在诊断效果差、耗时长、准确性低等问题。
因此，研究一种超速离心机专用的故障诊断专家系统是十分必要的，可以有针对性的对超速离心机运行过程中出现的各种故障进行及时的诊断。
专家系统是一个智能计算机程序系统，能够利用人类专家的知识和解决问题的方法来处理该领域问题。
专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。
专家系统一般由知识库、推理机、知识获取机构、解释机制、综合数据库和人机界面组成［2］。
专家系统常用的推理方法有基于规则的推理方法、基于人工神经网络的推理方法、基于模糊理论的推理方法与基于贝叶斯网络的推理方法等。
其中基于贝叶斯网络的推理方法具有对知识库的依赖性小、知识表达简单、容易处理不确定性数据等特点［3］，所以，本文选择该方法作为超速离心机故障诊断专家系统的推理方法。
1·系统组成超速离心机故障诊断专家系统原理如图1所示，主要由以下几个部分组成:1)知识库:包含以规则形式编码的解决问题的领域专家知识。
知识表示方法有很多种，包括产生式、语义网、框架、逻辑等方法。
产生式知识表示方法是在专家系统中用得最多的一种知识表示方法。
用产生式方法表示知识，由于各产生式规则之间是独立的模块，这对系统的修改、扩充特别有利。
另外，产生式知识表示与人们很多思维习性十分吻合。
2)推理机:以知识库中的已有知识为根据，推理出结论。
采用贝叶斯网络推理方法进行正向推理。
3)综合数据库:用来存储初始数据、实时数据以及计算过程中产生的数据。
4)解释机制:解释机制是指专家系统对用户所需求的概念和系统的行为像领域专家一样做出通俗易懂的解释，同时领域专家可通过解释系统了解系统的运行状况。
5)知识获取:为用户建立的一个知识自动输入方法，以代替知识工程师去编码知识。
6)人机界面:用户和专家系统软件界面之间的通信交互机构。
本系统采用Windows XP作为软件开发平台，数据库系统采用SQL Server 2000数据库软件开发，采用VC++为软件开发语言。
2·贝叶斯网络贝叶斯网络是一种概率网络，它是基于概率推理的图形化网络，而贝叶斯公式则是这个概率网络的基础。
贝叶斯网络是基于概率推理的数学模型，所谓概率推理就是通过一些变量的信息来获取其他的概率信息的过程，基于概率推理的贝叶斯网络是为了解决不确定性和不完整性问题而提出的，它对于解决复杂设备不确定性和关联性引起的故障有很大的优势，在多个领域中获得广泛应用。
设A为故障征兆，Bi(i=1，2，…，n)为导致A产生的n种互不相容且完备的故障集，由贝叶斯公式可知：其中，P(Bi)为先验概率，P(Bi︱A)为后验概率［4］。
贝叶斯网络就是要依靠先验概率和节点的条件概率来计算后验概率，从而得出在某故障征兆发生的情况下，引起该征兆的各种故障原因的概率。
3·贝叶斯网络的建立和推理方法超速离心机故障包括转子故障、电机故障、控制电路故障及机械故障等。
其中有关转子方面的故障占全部故障总数的70%。
所以，本文以转子故障为例建造贝叶斯网络，并说明推理方法。
贝叶斯网络是一个有向无环图，由节点和有向弧组成，其中节点代表论域中的变量，有向弧代表变量之间的关系。
一个贝叶斯网络可以反映出变量之间的定性信息，也可以反映出定量信息。
定性信息由有向弧来反映，定量信息由变量之间的关系强度来表示，它由节点与其父节点之间的条件概率来表示［5］。
贝叶斯网络的建造是一个复杂的任务，需要知识工程师和领域专家的参与。
在实际应用中可能是反复交叉进行且不断完善的。
超速离心机故障诊断应用的贝叶斯网络的构建所需要的信息来自多种渠道，如，设备手册、生产过程、测试过程、维修资料以及专家经验等。
一般地，构建贝叶斯网络结构的过程包括2个步骤，首先利用先验知识构建先验贝叶斯网络;之后结合已有数据并进行计算，得到后验贝叶斯网络［5］。
图2为离心机转子系统故障的贝叶斯网络模型，表1为离心机转子系统故障的贝叶斯网络表。
图2列举出的转子的各种故障全部来源于领域专家的经验，以及离心机生产技术手册和说明书等，这些故障并不是转子系统的全部故障症兆，仅仅为常见故障，具有代表性，是为了说明贝叶斯网络推理方法。
根据专家经验和现场工人的实际统计，根节点Ri的概率和各子节点Sj的条件概率都可给出如下，这需要领域专家和相关工作人员在大量数据和实验中总结出来［6］。
