旋转机械振动故障诊断理论与技术进展综述
- 格式：pdf
- 大小：235.70 KB
- 文档页数：7
振 第 !" 卷第 # 期
动
与
冲
击 ,56 7 !" (57 # !""8
$%&’()* %+ ,-.’)/-%( )(0 12%34
! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
［1］
/ 诊断推理
目前， 诊断推理过程中采用的方法较多， 按照它 们隶属的学科体系， 可以将故障诊断分为三类： （0）基 于控制模型故障诊断； （ -）基于模式识别故障诊断； （/）基于人工智能故障诊断。 / . 0 基于控制模型的故障诊断 对于动态系统， 若通过理论或实验方法能够建立 模型， 则系统参数或状态的变化可以直接反映设备物 理系统或物理过程变化， 为故障诊断提供依据。基于 控制模型的故障诊断涉及模型建立、 参数估计、 状态 估计和观测器应用等技术， 其中， 参数与状态估计技 术是该方法的关键， 需要系统的精确模型， 在实际的 生产环境中， 对于复杂的设备而言， 该方法不是经济 可行的。 / . - 基于模式识别的故障诊断 模式识别是对一系列过程或事件进行分类或描 述， 主要分为统计法和语言结构法两大类。设备的故
万方数据 第一作者 冯志鹏
男， 博士研究生， 8JK: 年生
第+期
冯志鹏等： 旋转机械振动故障诊断理论与技术进展综述
/4
信号截短， 将每小段信号视为平稳过 程 来 进 行 谱 估 计， 从而得到功率谱随时间变化的大致规律， 转速谱 阵即是该方法的一种变化形式； !"#$%&’("))% 分布真正 将一维的时间或频率函数映射为时间 * 频率的二维 函数， 比较准确地反映了信号能量随时间和频率的分 布情况， 但是该方法存在频率干涉现象， 难以将含有 多成分的信号表示清楚； 小波分析是适应信号处理的 实际需要而发展起来的一种时频分析方法， 与传统的 信号处理方法相比， 小波变换在时域和频域同时具有 良好的局部化特征， 目前， 基于小波包和多分辨分析 的小波分析方法已经在旋转机械的故障征兆提取中 得到了研究和应用
兆参数对滚动轴承进行故障诊断研究之后得出结论， 滚动轴承在不同的运动状态下具有不同的分形维数， 分形维数可以作为识别轴承故障的特征量。 对于旋转机械中常见零部件 （如滚动轴承、 齿轮） 的故障， 还有专门的振动信号处理技术， 如包络解调 和倒谱分析等方法。为了从被噪声严重污染的信号 中提取有用信息， 时域滤波技术 （如 67)87$ 滤波和自 适应滤波等） 也在旋转机械的故障征兆提取中得到了 应用。
8 故障机理研究
旋转机械在发生故障时， 往往在振动状况方面得 到体现。许多专家学者应用转子动力学理论对旋转 机械的故障机理进行了研究， 为旋转机械振动故障诊 断奠定了基础。 发生故障的旋转机械在运行中一般处于非线性
［8］ 振动状态， 陈予恕等 应用非线性动力学理论， 针对
发电机组轴系存在的关键振动问题， 建立了转子非线 性动力学模型， 从理论、 试验和数值计算等方面， 对各 种故障因素影响下的动力学行为进行了综合分析， 提 出了对轴系振动故障进行综合治理的方案。 高金吉
旋转机械振动故障诊断理论与技术进展综述 "冯志鹏摘要宋希庚薛冬新
谢
宇
邓东风
8!8""8）
（大连理工大学内燃机研究所， 大连
锦州 889"!#）（中国石油锦州石化分公司机动设备处，
非线性理论、 信号处理、 知识工程和计算智能等学科的发展， 丰富了故障诊断的内容。总结了旋转机械故
障机理、 征兆提取和诊断推理等方面的一些进展情况。 关键词： 旋转机械， 故障诊断 中图分类号： /288:
［1］
的运行状态参数， 从中提取故障征兆参数， 对于不同 的故障状态， 相应的征兆参数形成不同的模式， 将系 统的状态模式与故障字典中的故障样本模式进行匹 配， 从而识别出设备的故障。当系统的模型未知或者 非常复杂时， 该方法为解决故障诊断问题提供了一种 简便有效的手段。 / . / 基于人工智能的故障诊断 基于 人 工 智 能 故 障 诊 断 的 研 究 主 要 成 分 为 两
［!］
对高速涡轮机械振动故障机理进行了
研究， 探讨了振动主导频率与产生振动的直接原因之 间的关系， 编制了 亚 异 步、 同 频、 超异步振动故障原 因、 机理及识别特征表格， 给出了在设计制造、 安装维 修、 运行操作、 机器劣化等方面产生故障的主要问题 及防治方法。
!""8 I "# I 8J " 收稿日期：
［0:］ 类 ： 基于知识 （符号推理） 的故障诊断； 基于神 0） -）
。
经网络 （数值计算） 的故障诊断。 （0）基于知识的故障诊断 基于知识故障诊断大致经历了两个发展阶段： 基
#:
振
动
与
冲
击
"<<! 年第 "< 卷
于浅知识 （规则） 的专家系统和基于深知识 （模型知 识） 的专家系统。专家系统是一种人 工 智 能 软 件 系 统， 利用领域专家的经验知识， 根据用户给出的关于 问题的信息数据， 按照一定的推理机制， 从知识库中 选择对于问题的最合理的解释。 基于知识的故障诊断专家系统具有如下优点： !） 适合于模拟人的逻辑思维过程， 解决需要进行逻辑推 理的复杂诊断问题； 知识可以用符号表示， 在已知 "） 基本规则的情况下， 无需大量的细节知识； 便于模 #） 块化， 个别事实变化时易于修改； 便于与传统的符 $） 号数据库接口； 能够解释推理过程。基于知识的故 %） 障诊断专家系统已经出现了许多成熟的商业软件， 并 且在工程实践中得到了应用， 但仍存在一些问题： !） 领域专家的知识主要依靠知识工程师人工移植， “知 识瓶颈” 问题难于解决； 系统只能局限在相当窄的 "） 领域内， 依靠的主要是浅知识， 缺乏常识， 即 “知识窄 台阶” 问题； 推理方式与策略不灵活， 缺乏适应性， #） 易产生 “组合爆炸” 、 “ 无穷递归” 等问题； 智能水平 $） 低， 缺乏自组织、 自 学 习、 联想记忆和类比推理等功 能； 对结构性很差的知识难以表达和处理； 实时 %） &） 在线诊断性能差。 （"）基于神经网络的故障诊断 神经网络是试图模拟生物神经系统而建立起来 的自适应非线性动力学系统， 具有可学习性和并行计 算能力， 可以实现分类、 自组织、 联想记忆和非线性优 化等功能。神经网络用于故障诊断领域， 可以解决趋 势预测和诊断推理问题。其中， 诊断推理可以理解为 根据特定的映射关系由故障征兆域到故障原因域的 计算求解问题。对于复杂的机械系统而言， 这种映射 关系一般为非线性的， 由于神经网络可以对各种映射 进行有效的逼近， 因此， 可以用其解决诊断推理问题。 将神经网络用于诊断推理， 一般需要领域专家提供一 系列范例 （如标准的故障诊断实例） 作为学习样本， 若 学习样本中只有输入状态而没有输出状态， 系统可以 通过自组织方式学习、 分类。学习过程中， 专家知识 如启发性知识与推理方式等， 均以非自然语言、 非显 式逻辑和非语言形式化的方式分布于网络互连与权 值之中。经过大量标准样本学习的故障诊断系统， 当 输入特定的设备状态模式， 网络将通过各神经元之间 的互连与权值构成的大规模非线性并行处理模式进 行计算， 来实现隐含的专家知识的应用， 最后生成诊 断推理结果。 目前， 在故障诊断中应用较多的有多层感 知 器 （ ’()） 网络、 自适应共振理论 （ *+,） 、 自组织特征映射
［+， ,］
设备发生故障时， 振动信号通常变得更为复杂、 不规 则， 分形维数能够描述信号的复杂性和不规则性， 研 究表明， 可以将其作为故障征兆来识别设备的状态。
［4］ 何正嘉等 结合小波分析对汽轮发电机组轴承发生
松动故障前后振动信号的分形维数进行了计算， 得到
［5］ 了不同的结果。吕志民等 在应用分形维数作为征
" 引
言
阐述了旋转机械常见故障， 如不平衡、 不 文献 ［:］ 对中、 弯曲、 裂纹、 松动、 碰摩、 喘振、 油膜涡动、 油膜振 荡、 旋转失速等故障的产生机理， 以表格的形式总结 出了各种故障与振动特征、 敏感参数和故障原因之间 的对应关系， 给出了相应的治理措施。
大型旋转机械如风机、 压缩机和汽轮机等设备， 是石油、 化工、 冶金和电力等现代企业中的关键生产 工具， 对这些设备开展状态监测与故障诊断工作， 保 障设备安全可靠的运行， 可以取得巨大的经济效益和 社会效益。大型旋转机械的故障常在振动状况方面 体现出来， 因此， 根据振动信号进行监测与诊断目前 仍是设备维护管理的主要手段， 经过多年的发展与完 善， 旋转机械振动故障诊断已经形成了比较完备的理 论与技术体系。近年来， 随着非线性理论的发展， 尤 其是信号处理、 知识工程和计算智能等理论技术与故 障诊断的融合渗透， 使旋转机械振动故障诊断的内容 得到了进一步的丰富与充实。
。
- . / 其它方法 为了尽可能全面地获得设备的运行状态信息， 提 取故障征兆， 针对旋转机械还有一些 其 它 的 分 析 技 术。 （0）轴心轨迹 轴心轨迹是旋转机械状态监测的重要参数， 该参 数不但能够显示转子轴径相对滑动轴承位移， 反映轴 承的预负荷， 而且还可以提供转子的涡动频率和进动 方向。 （-）全息谱 全息谱
［9］ 障诊断即可以视为模式识别过程 ： 测量并记录设备
能够反映转子弯曲和扭转振动的形式，
是针对旋转机械故障征兆提取而提 出 的 一 种 方 法。 该技术在 223 算法的基础上， 通过内插技术， 精确求 得按自由方式采集的振动信号的幅 值、 频率和相位 值， 然后将转子截面水平和垂直方向 振 动 信 号 的 幅 值、 频率和相位信息进行集成， 用合成的一系列椭圆 来刻划不同频率分量下的转子振动行为。全息谱包 括二维全息谱、 三维全息谱和全息谱阵。全息谱技术 与传统的谱分析方法不同， 构造了多支承转子系统的 单一截面和整机振动分析方法， 利用转子在相互垂直 的两个方向振动之间的相互关系， 可以了解转子的振 动全貌， 体现了诊断信息的全面利用， 综合分析的思 想。 （/）角域分析 该方法适用于旋转机械的非平稳状态分析， 实现 的必要技术是对数据采集进行反馈控制， 使采样频率 跟踪转速变化， 将相对频率非平稳的信号转变成相对 转子转角为平稳的信号， 在信号幅值相对时间变化平 稳的假设前提下， 对数据进行谱分析， 阶次跟踪分析 的依据就是这种原理 （+）分形维数 分形是非线性理论中的概念， 它是事物的形状、 形态、 结构和组织的分解、 分割、 分裂与分析， 分形是 万方数据 从宏观向微观转化的过程。机械 事物从整体向局部、
动
与
冲
击 ,56 7 !" (57 # !""8
$%&’()* %+ ,-.’)/-%( )(0 12%34
! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
［1］
/ 诊断推理
目前， 诊断推理过程中采用的方法较多， 按照它 们隶属的学科体系， 可以将故障诊断分为三类： （0）基 于控制模型故障诊断； （ -）基于模式识别故障诊断； （/）基于人工智能故障诊断。 / . 0 基于控制模型的故障诊断 对于动态系统， 若通过理论或实验方法能够建立 模型， 则系统参数或状态的变化可以直接反映设备物 理系统或物理过程变化， 为故障诊断提供依据。基于 控制模型的故障诊断涉及模型建立、 参数估计、 状态 估计和观测器应用等技术， 其中， 参数与状态估计技 术是该方法的关键， 需要系统的精确模型， 在实际的 生产环境中， 对于复杂的设备而言， 该方法不是经济 可行的。 / . - 基于模式识别的故障诊断 模式识别是对一系列过程或事件进行分类或描 述， 主要分为统计法和语言结构法两大类。设备的故
万方数据 第一作者 冯志鹏
男， 博士研究生， 8JK: 年生
第+期
冯志鹏等： 旋转机械振动故障诊断理论与技术进展综述
/4
信号截短， 将每小段信号视为平稳过 程 来 进 行 谱 估 计， 从而得到功率谱随时间变化的大致规律， 转速谱 阵即是该方法的一种变化形式； !"#$%&’("))% 分布真正 将一维的时间或频率函数映射为时间 * 频率的二维 函数， 比较准确地反映了信号能量随时间和频率的分 布情况， 但是该方法存在频率干涉现象， 难以将含有 多成分的信号表示清楚； 小波分析是适应信号处理的 实际需要而发展起来的一种时频分析方法， 与传统的 信号处理方法相比， 小波变换在时域和频域同时具有 良好的局部化特征， 目前， 基于小波包和多分辨分析 的小波分析方法已经在旋转机械的故障征兆提取中 得到了研究和应用
兆参数对滚动轴承进行故障诊断研究之后得出结论， 滚动轴承在不同的运动状态下具有不同的分形维数， 分形维数可以作为识别轴承故障的特征量。 对于旋转机械中常见零部件 （如滚动轴承、 齿轮） 的故障， 还有专门的振动信号处理技术， 如包络解调 和倒谱分析等方法。为了从被噪声严重污染的信号 中提取有用信息， 时域滤波技术 （如 67)87$ 滤波和自 适应滤波等） 也在旋转机械的故障征兆提取中得到了 应用。
8 故障机理研究
旋转机械在发生故障时， 往往在振动状况方面得 到体现。许多专家学者应用转子动力学理论对旋转 机械的故障机理进行了研究， 为旋转机械振动故障诊 断奠定了基础。 发生故障的旋转机械在运行中一般处于非线性
［8］ 振动状态， 陈予恕等 应用非线性动力学理论， 针对
发电机组轴系存在的关键振动问题， 建立了转子非线 性动力学模型， 从理论、 试验和数值计算等方面， 对各 种故障因素影响下的动力学行为进行了综合分析， 提 出了对轴系振动故障进行综合治理的方案。 高金吉
旋转机械振动故障诊断理论与技术进展综述 "冯志鹏摘要宋希庚薛冬新
谢
宇
邓东风
8!8""8）
（大连理工大学内燃机研究所， 大连
锦州 889"!#）（中国石油锦州石化分公司机动设备处，
非线性理论、 信号处理、 知识工程和计算智能等学科的发展， 丰富了故障诊断的内容。总结了旋转机械故
障机理、 征兆提取和诊断推理等方面的一些进展情况。 关键词： 旋转机械， 故障诊断 中图分类号： /288:
［1］
的运行状态参数， 从中提取故障征兆参数， 对于不同 的故障状态， 相应的征兆参数形成不同的模式， 将系 统的状态模式与故障字典中的故障样本模式进行匹 配， 从而识别出设备的故障。当系统的模型未知或者 非常复杂时， 该方法为解决故障诊断问题提供了一种 简便有效的手段。 / . / 基于人工智能的故障诊断 基于 人 工 智 能 故 障 诊 断 的 研 究 主 要 成 分 为 两
［!］
对高速涡轮机械振动故障机理进行了
研究， 探讨了振动主导频率与产生振动的直接原因之 间的关系， 编制了 亚 异 步、 同 频、 超异步振动故障原 因、 机理及识别特征表格， 给出了在设计制造、 安装维 修、 运行操作、 机器劣化等方面产生故障的主要问题 及防治方法。
!""8 I "# I 8J " 收稿日期：
［0:］ 类 ： 基于知识 （符号推理） 的故障诊断； 基于神 0） -）
。
经网络 （数值计算） 的故障诊断。 （0）基于知识的故障诊断 基于知识故障诊断大致经历了两个发展阶段： 基
#:
振
动
与
冲
击
"<<! 年第 "< 卷
于浅知识 （规则） 的专家系统和基于深知识 （模型知 识） 的专家系统。专家系统是一种人 工 智 能 软 件 系 统， 利用领域专家的经验知识， 根据用户给出的关于 问题的信息数据， 按照一定的推理机制， 从知识库中 选择对于问题的最合理的解释。 基于知识的故障诊断专家系统具有如下优点： !） 适合于模拟人的逻辑思维过程， 解决需要进行逻辑推 理的复杂诊断问题； 知识可以用符号表示， 在已知 "） 基本规则的情况下， 无需大量的细节知识； 便于模 #） 块化， 个别事实变化时易于修改； 便于与传统的符 $） 号数据库接口； 能够解释推理过程。基于知识的故 %） 障诊断专家系统已经出现了许多成熟的商业软件， 并 且在工程实践中得到了应用， 但仍存在一些问题： !） 领域专家的知识主要依靠知识工程师人工移植， “知 识瓶颈” 问题难于解决； 系统只能局限在相当窄的 "） 领域内， 依靠的主要是浅知识， 缺乏常识， 即 “知识窄 台阶” 问题； 推理方式与策略不灵活， 缺乏适应性， #） 易产生 “组合爆炸” 、 “ 无穷递归” 等问题； 智能水平 $） 低， 缺乏自组织、 自 学 习、 联想记忆和类比推理等功 能； 对结构性很差的知识难以表达和处理； 实时 %） &） 在线诊断性能差。 （"）基于神经网络的故障诊断 神经网络是试图模拟生物神经系统而建立起来 的自适应非线性动力学系统， 具有可学习性和并行计 算能力， 可以实现分类、 自组织、 联想记忆和非线性优 化等功能。神经网络用于故障诊断领域， 可以解决趋 势预测和诊断推理问题。其中， 诊断推理可以理解为 根据特定的映射关系由故障征兆域到故障原因域的 计算求解问题。对于复杂的机械系统而言， 这种映射 关系一般为非线性的， 由于神经网络可以对各种映射 进行有效的逼近， 因此， 可以用其解决诊断推理问题。 将神经网络用于诊断推理， 一般需要领域专家提供一 系列范例 （如标准的故障诊断实例） 作为学习样本， 若 学习样本中只有输入状态而没有输出状态， 系统可以 通过自组织方式学习、 分类。学习过程中， 专家知识 如启发性知识与推理方式等， 均以非自然语言、 非显 式逻辑和非语言形式化的方式分布于网络互连与权 值之中。经过大量标准样本学习的故障诊断系统， 当 输入特定的设备状态模式， 网络将通过各神经元之间 的互连与权值构成的大规模非线性并行处理模式进 行计算， 来实现隐含的专家知识的应用， 最后生成诊 断推理结果。 目前， 在故障诊断中应用较多的有多层感 知 器 （ ’()） 网络、 自适应共振理论 （ *+,） 、 自组织特征映射
［+， ,］
设备发生故障时， 振动信号通常变得更为复杂、 不规 则， 分形维数能够描述信号的复杂性和不规则性， 研 究表明， 可以将其作为故障征兆来识别设备的状态。
［4］ 何正嘉等 结合小波分析对汽轮发电机组轴承发生
松动故障前后振动信号的分形维数进行了计算， 得到
［5］ 了不同的结果。吕志民等 在应用分形维数作为征
" 引
言
阐述了旋转机械常见故障， 如不平衡、 不 文献 ［:］ 对中、 弯曲、 裂纹、 松动、 碰摩、 喘振、 油膜涡动、 油膜振 荡、 旋转失速等故障的产生机理， 以表格的形式总结 出了各种故障与振动特征、 敏感参数和故障原因之间 的对应关系， 给出了相应的治理措施。
大型旋转机械如风机、 压缩机和汽轮机等设备， 是石油、 化工、 冶金和电力等现代企业中的关键生产 工具， 对这些设备开展状态监测与故障诊断工作， 保 障设备安全可靠的运行， 可以取得巨大的经济效益和 社会效益。大型旋转机械的故障常在振动状况方面 体现出来， 因此， 根据振动信号进行监测与诊断目前 仍是设备维护管理的主要手段， 经过多年的发展与完 善， 旋转机械振动故障诊断已经形成了比较完备的理 论与技术体系。近年来， 随着非线性理论的发展， 尤 其是信号处理、 知识工程和计算智能等理论技术与故 障诊断的融合渗透， 使旋转机械振动故障诊断的内容 得到了进一步的丰富与充实。
。
- . / 其它方法 为了尽可能全面地获得设备的运行状态信息， 提 取故障征兆， 针对旋转机械还有一些 其 它 的 分 析 技 术。 （0）轴心轨迹 轴心轨迹是旋转机械状态监测的重要参数， 该参 数不但能够显示转子轴径相对滑动轴承位移， 反映轴 承的预负荷， 而且还可以提供转子的涡动频率和进动 方向。 （-）全息谱 全息谱
［9］ 障诊断即可以视为模式识别过程 ： 测量并记录设备
能够反映转子弯曲和扭转振动的形式，
是针对旋转机械故障征兆提取而提 出 的 一 种 方 法。 该技术在 223 算法的基础上， 通过内插技术， 精确求 得按自由方式采集的振动信号的幅 值、 频率和相位 值， 然后将转子截面水平和垂直方向 振 动 信 号 的 幅 值、 频率和相位信息进行集成， 用合成的一系列椭圆 来刻划不同频率分量下的转子振动行为。全息谱包 括二维全息谱、 三维全息谱和全息谱阵。全息谱技术 与传统的谱分析方法不同， 构造了多支承转子系统的 单一截面和整机振动分析方法， 利用转子在相互垂直 的两个方向振动之间的相互关系， 可以了解转子的振 动全貌， 体现了诊断信息的全面利用， 综合分析的思 想。 （/）角域分析 该方法适用于旋转机械的非平稳状态分析， 实现 的必要技术是对数据采集进行反馈控制， 使采样频率 跟踪转速变化， 将相对频率非平稳的信号转变成相对 转子转角为平稳的信号， 在信号幅值相对时间变化平 稳的假设前提下， 对数据进行谱分析， 阶次跟踪分析 的依据就是这种原理 （+）分形维数 分形是非线性理论中的概念， 它是事物的形状、 形态、 结构和组织的分解、 分割、 分裂与分析， 分形是 万方数据 从宏观向微观转化的过程。机械 事物从整体向局部、
