机械故障诊断技术2_机械振动及信号

机械振动信号的特征提取方法引言机械振动信号是通过振动传感器采集到的机械系统振动情况的物理信号。

通过对振动信号的分析和处理，可以获取有关机械系统运行状态的重要信息，如故障诊断、健康监测等。

本文将介绍一些常用的机械振动信号的特征提取方法。

一、时域分析时域分析是将振动信号表示为时间序列的形式，并从中提取特征。

常见的时域特征包括振动信号的均值、方差、峰值、峭度等。

这些特征能够反映振动信号的整体情况，但对于复杂的振动信号来说，时域特征的信息有限。

二、频域分析频域分析是将振动信号通过傅里叶变换等方法转换到频域中，并从频谱中提取特征。

在频域中，我们可以观察到信号在不同频率上的能量分布情况。

常见的频域特征包括频谱峰值、主频、频带宽度等。

频域分析能够提供振动信号的频率信息，从而有助于判断机械系统的故障类型。

三、小波分析小波分析是一种同时进行时域分析和频域分析的方法。

通过将振动信号与不同的小波基函数进行卷积，可以得到时间和频率同时局部化的小波系数。

常见的小波分析方法有离散小波变换（DWT）和连续小波变换（CWT）。

小波分析能够提取振动信号中的瞬态特征、频率变化和时变特性，对于故障诊断和趋势预测具有较好的效果。

四、能量分析能量分析是一种从振动信号的角度出发的特征提取方法。

通过计算振动信号在不同频率区间上的能量，可以获取振动信号在不同频率范围内的能量密度谱。

能量分析对于振动信号的周期性和谐波成分有一定的敏感性，能够用于检测机械系统的机械故障或电动机的故障。

五、熵分析熵分析是一种用于评估信号非线性特性的特征提取方法。

通过计算振动信号的样本熵、近似熵等，可以揭示振动信号的复杂度和随机性。

熵分析能够用于检测机械系统的非线性振动和故障。

结论机械振动信号的特征提取是机械故障诊断和健康监测的重要手段。

时域分析、频域分析、小波分析、能量分析和熵分析是常用的特征提取方法。

综合运用这些方法能够获取到机械系统振动信号的丰富信息，进而实现对机械系统运行状态的监测和故障诊断。

机械设备故障诊断技术及方法
机械设备故障诊断技术及方法包括以下几种：
1.经验诊断法：基于经验推理，通过对已知故障的分析，对新问题进
行判断和诊断。

但该方法受限于经验的丰富性和专业性。

2.故障树分析法（FTA）：将机械设备的故障按照原因和后果的逻辑
关系绘制成树状结构，以便确定故障的根本原因和可能的组合条件。

3.事件树分析法（ETA）：与FTA类似，但是从事件的发生过程角度
切入。

通过对事件的因果关系进行分析，以确定故障的可能原因。

4.信号处理法：通过采集机械设备运行过程中的各种信号，比如温度、压力、振动等，进行分析和处理，以确定故障原因。

该方法适用于那些难
以进行物理实验的设备。

5.模型建立法：建立机械设备运行模型，并通过模型分析来确定故障
原因。

该方法需要丰富的模型知识和数据。

综上所述，机械设备故障诊断技术及方法各有优缺点，选用合适方法
需要根据具体情况灵活运用。

振动诊断技术综述振动诊断技术可以追溯到19世纪初期的机械故障排除。

随着科学技术的不断发展，振动诊断技术也得到了迅速发展。

振动诊断技术是利用机械振动信号分析技术，对机器设备的故障状态进行判别和诊断的一种方法。

它是一种非常常见的无损检测方法，可以帮助工程师及时发现机器设备的故障，回避严重的后果。

振动诊断技术可以根据不同的应用和场合，分成不同的分类。

第一种分类是定期振动检测。

这种检测方法是针对机器设备定期进行振动检测，来确定它们的运行状态。

这种方法通常可以通过记录并分析机器设备的振动信号来识别故障信息。

如果振动信号发生了变化，就可以通过分析变化的振动信息来诊断出设备的故障。

第二种分类是故障诊断。

这种方法主要是针对机械故障诊断做出的。

它可以通过分析机械振动信号来判断机械设备是否发生故障，故障类型以及故障严重程度。

通过对振动信号的分析，我们可以确定故障的类型，然后根据类型来采取针对性的措施。

第三种分类是状态监测。

这种方法可以说是振动诊断技术中最重要的一种应用。

它可以检测设备的运行状态，预测故障的发生以及判断是否需要进行保养维护。

通过状态监测，设备的寿命可以被大大延长，同时节省了维护成本。

振动诊断技术是复杂的技术系统，其中包括了很多不同的技术方法。

它涉及到机械振动、材料力学、信号处理、人工智能等多个领域知识。

从振动检测、故障诊断到状态监测，振动诊断技术依赖于多种技术手段支持，必须在实践中尝试和实施。

总之，振动诊断技术在现代工程中发挥着至关重要的作用。

它可以保障设备的安全可靠，提高生产效率和质量，减少维护成本以及环保化产业。

因此，振动诊断技术将会越来越普及和深入到现代工程中。

机械故障诊断概述1. 引言机械故障诊断是指通过分析和判断机械设备出现故障的原因和位置，以便进行修复和维护的过程。

随着工业自动化程度的提高，机械设备的复杂性也在增加，因此机械故障的诊断变得越来越重要。

本文将概述机械故障诊断的基本概念和流程，并介绍常用的机械故障诊断方法。

2. 机械故障诊断流程机械故障诊断通常包括以下几个步骤：2.1 数据采集在机械设备出现故障时，需要采集相关的数据，包括振动、温度、噪声等。

这些数据可以通过传感器或监测设备来获取。

2.2 数据预处理获取到的原始数据通常包含噪声和无用信息。

在进行故障诊断之前，需要对数据进行预处理，包括滤波、降噪等操作，以提高后续分析的准确性。

2.3 特征提取特征提取是机械故障诊断的关键步骤之一。

通过对预处理后的数据进行特征提取，可以提取到与故障相关的特征量，例如频率、振幅、峰值等。

2.4 故障诊断模型构建在故障诊断模型构建阶段，可以使用机器学习或统计方法来构建故障诊断模型。

常用的方法包括支持向量机、神经网络、决策树等。

2.5 故障诊断与分析根据构建好的故障诊断模型，对特征提取后的数据进行故障诊断与分析。

通过与已知故障模式进行比对，可以确定机械设备的故障原因和位置。

2.6 故障修复与维护诊断出机械设备的故障原因后，需要进行相应的修复和维护工作。

这包括更换损坏的部件、调整参数、进行润滑等。

3. 常用的机械故障诊断方法3.1 振动分析法振动分析是一种常用的机械故障诊断方法。

通过分析机械设备的振动信号，可以判断出设备是否存在故障，并定位故障的位置。

常用的振动分析方法包括时域分析、频域分析和时频域分析。

3.2 声音分析法声音分析法是通过分析机械设备的声音信号来进行故障诊断的方法。

通过分析声音信号的频谱和时域特征，可以判断机械设备是否存在故障。

3.3 热像分析法热像分析法是一种通过红外热像仪来进行故障诊断的方法。

通过观察机械设备表面的温度分布情况，可以判断设备是否存在异常或故障。

机械系统振动信号的特征参数提取与分析随着机械工程技术的发展，机械系统振动信号的特征参数提取与分析也日益成为了工程领域的研究热点。

机械系统振动信号的特征参数提取与分析可以帮助工程师诊断和预测机械设备的状态，从而提前进行维护和修复，避免设备故障和生产事故的发生。

一、振动信号特征参数的提取振动信号特征参数的提取是对原始振动信号进行处理和分析，以获得更有价值的信息。

常见的振动信号特征参数有以下几种：1. 频率特征参数：包括振动信号的谱线频率、主频率以及共振频率等。

通过分析频率特征参数，可以确定机械系统的运动状态和周期性变化情况。

2. 振幅特征参数：反映了振动信号的振幅大小和幅值变化的规律。

振幅特征参数的提取可以帮助工程师了解机械系统的振动幅度是否超过了正常范围。

3. 相位特征参数：相位特征参数描述了振动信号中的相对相位差异。

通过分析相位特征参数，可以判断机械系统中是否存在相位不一致或相位错位的情况。

4. 能量特征参数：能量特征参数是振动信号能量与时间的关系。

通过分析能量特征参数，可以评估机械系统的能源消耗情况和能源利用效率。

二、振动信号特征参数的分析振动信号特征参数的分析可以帮助工程师判断机械系统的工作状态和存在的问题，并在必要时采取相应的维修和改进措施。

振动信号特征参数的分析方法多种多样，其中常用的分析方法有以下几种：1. 频谱分析：通过将振动信号从时域转换为频域，得到信号的频率成分和频率分布情况。

常用的频谱分析方法包括傅里叶变换、小波变换和短时傅里叶变换等。

2. 自相关分析：自相关分析可以揭示振动信号中的周期性变化和共振现象。

通过计算振动信号的自相关函数，可以得到信号的周期性特征和自相关时间。

3. 概率分析：概率分析可以用于评估振动信号特征参数的分布情况和变化规律。

常用的概率分析方法包括统计特征、功率谱估计和相关性等。

4. 熵分析：熵分析可以评估振动信号的随机性和复杂性。

通过计算振动信号的熵值，可以得到信号的信息量和不确定性。

机械振动信号的特征提取与分析机械振动信号的特征提取与分析是一项重要的技术，它可以帮助我们了解机械设备的工作状态并及时发现问题。

在工业生产中，常常会出现各种振动信号，例如机械设备的运行振动、故障振动以及环境噪音等。

通过对这些信号的分析，我们可以判断设备的运转情况，识别设备故障，并采取相应的措施来保障生产安全和设备的正常运行。

在对机械振动信号进行特征提取与分析之前，首先需要采集信号数据。

信号采集系统通常由传感器、数据采集卡和计算机组成。

通过传感器对机械设备振动进行感知，并将振动信号转化为电信号。

数据采集卡将电信号转化为数字信号，并通过计算机进行存储和处理。

特征提取是对振动信号进行初步处理的重要步骤。

振动信号具有复杂的波形，其中蕴含了很多信息。

通过对信号进行特征提取，可以提取出信号的主要特点和特征参数，为后续的进一步分析和判断提供依据。

常用的特征参数包括频率特征、能量特征、幅度特征和相位特征等。

这些参数能够反映振动信号的频率分布、振幅大小以及相位差异等信息。

频率特征是对信号频谱进行分析得到的，可以帮助我们了解振动信号在频域上的特点。

频率特征包括主频和谐波频率等，通过分析不同频率成分的大小和分布，可以识别出信号中的异常频率，并判断是否存在故障。

能量特征是对信号能量分布的描述，常用的能量特征参数有均方根、峰值等。

幅度特征是对信号振幅的描述，可以反映出信号的幅值大小和振动的强度。

相位特征是反映信号相位关系的参数，可以帮助我们了解振动信号的相位差异和相位变化情况。

特征提取之后，我们需要对提取出的特征参数进行分析和判断。

常用的分析方法包括统计分析、时域分析和频域分析等。

统计分析主要通过计算特征参数的均值、标准差、变异系数等统计量来描述信号的分布特征。

时域分析是通过对信号波形的观察和分析，了解信号在时间轴上的变化规律和特点。

频域分析是通过将时域信号转化为频域信号，在频域上观察和分析信号的频谱特征。

通过对机械振动信号的特征提取与分析，我们可以得到信号的特征参数和分析结果。

振动信号的小波变换与故障诊断振动信号在机械设备故障诊断中起着重要的作用。

为了从振动信号中获得有用的信息并准确诊断故障，小波变换被广泛应用于振动信号的分析与诊断中。

本文将介绍振动信号的小波变换原理及其在故障诊断中的应用。

一、小波变换原理小波变换是一种时频分析方法，能够将信号在时域和频域上进行局部分析。

相比傅里叶变换，小波变换具有时域分辨率高、频域分辨率可变的优点，适用于非平稳信号的分析与处理。

小波变换的数学表达式为：\[WT(f,a)=\int_{-\infty}^{\infty}x(t)\Psi^*\left(\frac{t-a}{f}\right)dt\]其中，\(x(t)\)为原始信号，\(\Psi(t)\)为小波基函数，\(a\)为时间平移参数，\(f\)为尺度参数。

通过调整小波基函数的尺度参数和平移参数，可以实现对信号的局部分析。

二、振动信号的小波变换分析振动信号通常包含多个频率和幅值变化较大的成分，对其进行小波变换可以更好地揭示故障特征。

以下是几个常用的小波变换分析方法。

1. 连续小波变换（CWT）连续小波变换是最基本的小波变换方法，它能够对信号在不同尺度下的频率成分进行分析。

CWT的实质是将信号与小波基函数进行卷积运算，得到时频图谱，展示了信号在不同时间和频率上的能量分布情况。

2. 离散小波变换（DWT）离散小波变换是对连续小波变换的离散化处理，通过多级滤波和下采样操作将信号进行分解与重构。

DWT可实现信号的多尺度分解与重构，从而提取出信号在不同频段的特征。

3. 小波包变换（WPT）小波包变换是对DWT的扩展，通过允许更多的分解方式，提高了信号的频域分辨率。

小波包变换能够更加精细地分析信号的频域特性，对于复杂信号的故障诊断具有更好的效果。

三、振动信号的故障诊断应用振动信号的小波变换在故障诊断中有着广泛的应用。

以下是几个典型的案例。

1. 轴承故障诊断轴承故障通常表现为冲击、摩擦和失效等特征，在振动信号中可以清晰地表现出来。

机械系统的信号处理与故障诊断机械系统是各个工业领域中不可或缺的重要组成部分，它承担着许多重要的任务。

然而，在长期运行的过程中，机械系统也会出现各种各样的故障，给生产和运维带来诸多不便。

因此，如何通过信号处理来提前检测和诊断机械系统的故障，显得尤为重要。

机械系统的信号处理是指通过各种传感器和数据采集设备获取系统中产生的信号，并对信号进行处理、分析和判读。

这些信号可以是很多种类的，比如温度、压力、振动等。

通过采集和分析这些信号，我们可以深入了解机械系统的运行状态，并提醒操作员采取相应的措施。

同时，信号处理还可以用于改善机械系统的性能和降低故障率。

在机械系统的信号处理中，振动信号是最常用的一种。

通过振动传感器采集的信号可以反映出机械系统中各种机械振动的情况。

振动信号可以帮助我们判断机械零部件是否有松动、磨损、失衡等问题。

例如，在一个旋转机械中，如果振动信号的频率和相位发生了变化，往往说明机械轴承或传动系统存在一些问题。

通过对振动信号进行分析，可以准确地判断出故障的原因，并进行及时的维修和更换。

除了振动信号，温度信号也是机械系统中常见的一种信号。

机械零部件在工作过程中会产生热量，通过温度传感器可以监测出系统中各个部位的温度情况。

通过对温度信号的处理，可以发现机械系统中可能存在的摩擦、磨损、润滑不良等问题。

当温度升高时，说明机械系统的摩擦增大，部件表面温度升高，可能需要更换润滑油或检修零部件。

除了振动和温度信号，压力信号也是机械系统中常见的一种信号。

通过压力传感器可以监测出系统中各个部位的压力变化。

通过对压力信号的处理，我们可以判断机械系统中液压系统的工作情况以及各个液压元件的性能。

例如，在一个液压系统中，如果压力信号出现异常的变化，可能意味着系统中存在泄漏、堵塞、过载等问题。

通过对压力信号的分析，可以及时诊断出故障的原因，并采取相应的修复措施。

总的来说，机械系统的信号处理对于故障诊断和预防非常重要。

通过对振动、温度、压力等信号的采集和处理，我们可以提前发现机械系统中存在的故障，并及时修复。

振动分析及故障诊断技术摘要：在工业领域，机械设备是其重要组成部分。

为了保障设备运行平稳、可靠，我们开展设备维护工作。

振动是机械设备运行状态最直观的判定因素，振动控制问题一直是个重要并持续研究发展的课题。

掌握设备机械振动的测试分析技术，可以有效改善设备的机械性能，通过振动分析能够对设备运行状态进行诊断评估、预判设备是否存在故障、分析引起故障的原因及提出维护或维修的解决方案。

关键词：振动分析、频率、幅值、啮合频率、轴承故障频率前言机械设备在正常运行状态下，可以从温度、振动、扭矩、压力、润滑等多方面综合考虑设备状态，其中振动的幅值大小是比较直观并快速衡量设备状态的重要指标。

在保证设备不停机状态下，测试其振动值大小，可以从数据上初步判定设备正常与否；根据数据分析其采集的信号，从中辨别信号中对设备造成异常影响的故障频率，判定故障产生的原因；根据故障原因，能够指导后续如何维护或维修来解决此类故障以恢复设备正常运行状态。

1.振动的原理机械振动中最简单、最基础的振动为简谐振动。

从物理学上研究：简谐振动是物体随时间按照正弦函数所变化的一种运动类型。

从工业振动分析的角度考虑，振动三要素为：振幅、频率和相位。

将振动的三要素与物理学统一研究来分析。

振动位移的计算公式为：x(t)=Acos（ωt+φ）式中A为振幅，即测量物体偏离平衡位置的最大值；t为时间；ω为角频率；相位用φ表示，在运动状态，按初相位为0来计算。

频率即为时间的倒数，即f=1/t。

在工业应用中，振幅一般采用振动峰峰值来代表设备振动的大小。

振动速度的计算公式为：dx/dt=ωAsin(ωt+φ+π/2)振动速度一般采用速度有效值或速度RMS值来表示设备振动的大小。

振动加速度的计算公式为：d2x/dt2=ω2Asin(ωt+φ+π)从公式计算中可得出：加速度向量比速度向量超前90°，速度向量比位移向量超前90°，即表示加速度向量比位移向量超前180°。

机械振动信号的多尺度分析与处理1.引言机械振动信号是指由机械系统产生的振动波形。

振动信号包含丰富的信息，通过对振动信号的分析与处理，可以获取机械系统的运行状态以及存在的问题。

而多尺度分析是一种有效的信号处理方法，能够从不同的尺度上对信号进行解析，有助于更准确地探测信号中的特征。

2.机械振动信号的产生机械振动信号的产生可以通过多种途径，如机械部件的摩擦、不平衡质量、轴承的故障等等。

这些产生的振动信号往往呈现出复杂的波形和频谱特征。

3.多尺度分析的原理多尺度分析是一种在不同的时间或频率尺度上对信号进行解析的方法。

其核心思想是将信号分解为不同尺度上的子信号，并分别进行分析。

常用的多尺度分析方法包括小波变换、可变尺度傅立叶变换等。

4.小波变换在机械振动信号分析中的应用小波变换是一种能够同时提供时间和频率信息的信号处理方法。

在机械振动信号分析中，小波分析可以对信号进行时频局部化处理，能够更准确地分析信号中的瞬态特征和频率信息。

通过小波分析，可以有效地检测出机械系统中的故障，如轴承的剧烈摩擦等。

5.可变尺度傅立叶变换在机械振动信号分析中的应用可变尺度傅立叶变换是一种在不同尺度上分析信号的方法。

与小波变换相比，可变尺度傅立叶变换可以提供更好的频率分辨率。

在机械振动信号分析中，可变尺度傅立叶变换可以准确地检测出信号中的周期性成分和谐波信息。

6.多尺度分析辅助机械故障诊断多尺度分析方法提供了更为全面的信号特征信息，能够辅助机械故障的诊断。

通过对机械振动信号进行多尺度分析，可以快速准确地判断机械系统是否存在故障，并进一步确定故障的类型和位置。

7.多尺度分析在机械振动信号处理中的挑战尽管多尺度分析方法在机械振动信号处理中具有很大的潜力，但也存在一些挑战。

首先，多尺度分析方法需要选择合适的尺度和分析方法，这对分析结果的准确性和可靠性有着重要影响。

其次，多尺度分析方法需要处理大量的数据，对计算资源和算法效率提出了要求。

最后，多尺度分析方法的结果需要与机械系统的实际情况相结合，才能得出准确的结论。

机械振动知识点总结机械振动的研究旨在分析和控制系统的振动特性，以提高系统的性能、减少系统的动态负荷、延长系统的使用寿命，并确保系统在工作过程中的稳定性和安全性。

本文将对机械振动的基本知识点进行总结，包括机械振动的分类、振动系统的建模分析、振动的控制和减振、以及振动的监测与诊断等内容。

一、机械振动的分类1. 根据振动形式的不同，机械振动可分为以下几类：（1）自由振动：系统在没有外部激励的情况下发生的振动，系统内部能量交换导致振幅逐渐减小直至停止，如钟摆的摆动。

（2）受迫振动：系统受到外部激励作用而发生的振动，外部激励可以是周期性的或非周期性的，如机械系统受到周期性力的作用而发生的振动。

（3）共振：当受迫振动的频率与系统的固有频率相近或一致时，系统的振幅将迅速增大，甚至造成系统破坏的现象。

2. 根据振动的传播方式，机械振动可分为以下几类：（1）固体振动：振动是在固体介质中传播的，如机械结构的振动。

（2）流体振动：振动是通过流体介质（如液体或气体）传播的，如管道中的水波振动。

（3）弹性振动：振动是由于材料的弹性变形而产生的，如弹簧振子的振动。

二、振动系统的建模分析1. 振动系统的建模方法（1）单自由度振动系统的建模：利用牛顿第二定律，可以建立单自由度振动系统的等效质点模型，然后通过能量方法或拉氏方程等方法，可以求解系统的振动特性。

（2）多自由度振动系统的建模：对于多自由度振动系统，可以利用连续系统的离散化方法，将系统离散化为多个质点的集合，并建立相应的动力学模型，然后求解系统的振动特性。

2. 振动系统的分析方法（1）频域分析：通过对系统的动力学方程进行傅里叶变换，可以将系统的运动响应转换到频域中进行分析，得到系统的频率响应特性。

（2）时域分析：通过对系统的动力学方程进行积分，可以得到系统的时域响应，包括系统的位移、速度、加速度等随时间的变化规律。

（3）模态分析：通过对系统的模态方程进行求解，可以得到系统的固有频率和振型，以及相应的阻尼比和阻尼比比例。

振动检测技术在设备故障诊断中的应用振动信号处理技术在动设备振动监测与诊断中的应用.标签：动设备；振动信号；频谱分析；监测与诊断设备的运转一定会产生振动.即使是机器在最佳的运行状态，因微小的缺陷及外界激励，也会产生振动.例如，汽轮机、离心压缩机、压缩机、鼓风机、电机、发电机、泵及各种齿轮变速器等在运行时，必然会产生振动和噪声.据目前多方资料统计，机械设备由于振动引起的故障，占总的机械故障率的60%-70%。

所以通过振动信号测量、监视和分析，分析设备运行状态，是降低设备振动和噪音、提高设备寿命、保证生产系统平稳、节能降耗的最佳途径。

1 振动产生的原因动设备的主要是由转子、支承转子的轴承、定子、机器壳体、联轴节等部件组成，此外还有齿轮传动件、叶轮叶片及密封等.动设备转速范围一般为每分钟几千转至几十万转。

动设备部件和机体的振动有两类振源引起：一类是由于转子的动、静不平衡，零部件配合失当，零部件配合间隙过大等引起的机械强迫振动，其中包括周期振动、冲击振动、随机振动等，同时也引起噪声.大多数振动都具有周期性的特征频率，振动以转子转速为相应函数，属于不同转速时的强迫振动；别一类振动是由设备自身结构自激振动或环境振动引起的振动、例如：流体的喘激振动、轴承的油膜振动、部件本身的响应振动，结构的局部振动等.这类振动的特点是与动设备的转速、转速阶数无直关系.转子、轴承、壳体、联轴节、密封和基础等部分的结构及加工和安装方面的缺陷，使设备在运行时引起振动，振动又往往是机器破坏的主要原因，所以对动设备的振动测量、监视和分析是非常重要的.由于振动这个参数比起其它状态参数（例如润滑油或内部流体的温度、压力、流量或电机的电流等）更能直接地、快速准确地反映机组运行状态，所以振动一般作为对机组状态进行诊断的主要依据.动设备振动检测、监视及故障诊断是一门综合性的学科，在理论上它涉及到转子动力学、轴承、流体力学等.2 动设备的振动分类2.1动设备振动按振动频率分为：振动频率为转速频率的倍数，即振动频率为nXr/sec（X为转速频率），振动与转速频率成一定比例关系的振动频率，例如：38～49%Xr/sec，及低頻振动（5Hz以下的振动）、高频振动（10KHz以上的振动）.2.2按振动发生的部位分为：转子、轴承、壳体、基础、阀、管道等结构.2.3按振幅方位分为：轴向振动、径向振动、扭转振动.2.4按振动原因分为：转子不平衡、不对中、滑动轴承与轴颈偏心、机器零件松动、摩擦、滚动轴承损坏、传动皮带损坏、油膜涡动和油膜振荡、电气方面的原因引起的振动、介质引起的振动等.3 振动信号处理技术在动设备故障诊断中的应用3.1概况设备为两级双吸卧式离心泵，其技术参数：泵型号250AYSⅡ160×2，流量500m3/h，转速3 000r/min，单级扬程160m。