基于频谱与轴心轨迹的汽轮机故障特征识别方法g

144机械设计与制造Machinery Design&Manufacture第5期2021年5月结合频谱聚类与经验小波的轴承故障诊断方法唐泽娴1,林建辉1,张兵',杨基宏2(1.西南交通大学牵引动力国家重点实验室,四川成都610031；2.中车青岛四方机车车辆股份有限公司,山东青岛266111)摘要：实测轴承振动信号就有非平稳、非线性特征，因此，对该类信号的分析需要进行解调得到特征频率，在众多解调法中包络分析是最为常用的方法;为了使解调结果更加清晰，常在解调前进行滤波,达到滤除干扰成分可有效提升解调的效果。

经验小波变换提供了基于频带划分的小波滤波框架，划分后频带可滤除部分干扰信号，突出故障信号。

对此，受“箱型图”和层次聚类法的启发，对“突出值”聚类法进行频带划分，通过平方包络互相关系数选取合理的频带划分个数。

最后选取平方包络峭度值最大的滤波子信号进行Teager能量算子解调,获取特征频率。

文章针对不同工况下的不同故障类型轴承运行数据进行分析,验证算法的有效性。

特别地，在复合故障分析中，利用动态阈值法到达分别突出不同轴承故障频率的效果。

关键词:滚动轴承故障诊断;经验小波变换;箱型图;层次聚类;平方包络;动态阈值中图分类号:TH16；U270.3文献标识码:A文章编号：1001-3997(2021)05-0144-05Bearing Fault Diagnosis Method Using Spectral Clustering and Empirical WaveletTANG Ze-xian1,LIN Jian-hui1,ZHANG Bing1,YANG Ji-hong2(1.State Key Laboratory of Traction Power,Southwest Jiaotong University,Sichaun Chengdu610031,China;2.CRRC Qingdao Sifang Co.,Ltd.,Shandong Qingdao266111,China)Abstract：The measured bearing vibration signals are usually non-stationary and non-linear,so the demodulation is necessary to obtain the frequency characteristic frequency.A mong lots of demodulation methods,envelope analysis is the most popular one.When using the envelope analysis demodulation method,filtering is necessary to wipe out irrelevant signal components which can effectively improve the demodulation effect.Empirical wavelet transform provides a wavelet filter framework based on frequency band division and it can achieve the purpose of f iltering out the interfering signals and highlight fault signals.Inspired by box-plot andhierarchical clustering,the method of"outliers"clustering is proposed for frequency band division, and reasonable number of f requency band divis ion is selected by means of cross correlation coefficient.Finally,the filter signal with the maximum square envelope kurtosis value is selected for the square envelope demodulation to obtain the characteristic frequency employing the Teager energy operator.The validity of the algorithm is verified by analyzing the measured data of the failure bearingscf different kinds under different working conditions collected from a test bed.Specially, dynamic threshold is used to highlight the characteristic frequencies^different bearingfaults.Key Words：Rolling Bearing Fault Diagnosis；Empirical Wavelet Transform；Box Figure；Hierarchical Clustering；Squared Envelope；Dynamic Threshold1引言高速列车在交通与工业领域起到越来越重要的作用。

基于LabVIEW的轴心轨迹故障自动识别系统刘其洪;叶聪;李伟光;万好;乔于格【摘要】针对目前旋转机械故障诊断的计算量大、识别准确度不高、自动化程度低等问题,提出一种基于LabVIEW的轴心轨迹故障自动识别的新方法.对比小波与传统去噪算法,选用效果更优的小波提纯仿真轴心轨迹.通过改进的HU不变矩函数提取轴心轨迹的特征值,保证比例缩放不变性.两路相互垂直的位移传感器连接西门子LMS采集振动信号,结合关联度算法,在LabVIEW轴心轨迹故障自动识别系统上进行转子不对中故障测试,识别的结果与外8字轴心轨迹关联度高达97%,同时信号的Matlab时域轴心轨迹图为外8字,信号频谱图主要为一倍频和二倍频,均符合转子不对中故障特征.结果表明:该系统能够进行在线故障识别,为旋转机械的智能故障诊断提供参考依据.%For the problems of large computational quantity, low recognition precision and low automatization of rotating machinery fault diagnosis, a new method of automatic recognition system for shaft orbit faults based on LabVIEW is proposed. The wavelet and traditional denoising algorithms are compared and the shaft orbit simulation with wavelet purification of better effects is selected. The characteristic value of the shaft orbit is extracted by the improved HU invariant-moment function to ensure the invariance of scaling. Two mutually vertical displacement sensors are connected with Siemens LMS to acquire vibration signals. With the correlation degree algorithm, fault test is conducted for the automatic recognition system for shaft orbit faults based on LabVIEW. The results show that the correlation between the recognized results and the external 8-character shaft orbit reaches as high as 97%. Meanwhile, the signal'sMatlab time domain shaft orbit is external 8-character and the signal frequency spectrum is mainly of one time frequency and doubled frequency, fully according with the fault characteristic of rotor misalignment. The results show that the system can recognize the faults on line and it provides a reference for intelligent fault diagnosis of rotating machinery.【期刊名称】《中国测试》【年(卷),期】2018(044)004【总页数】6页(P69-74)【关键词】LabVIEW系统;轴心轨迹;关联度;故障诊断;Matlab【作者】刘其洪;叶聪;李伟光;万好;乔于格【作者单位】华南理工大学机械与汽车工程学院,广东广州510640;华南理工大学机械与汽车工程学院,广东广州510640;华南理工大学机械与汽车工程学院,广东广州510640;华南理工大学机械与汽车工程学院,广东广州510640;华南理工大学机械与汽车工程学院,广东广州510640【正文语种】中文0 引言对于大型旋转机械，由于现场工作环境的复杂性，以及通常需要在高速重载工况下连续运行，不可避免会出现振动，一旦振幅过大，极有可能造成机械系统运行不稳定，严重时会引起机械故障或停机，甚至会对现场工作人员的人身安全造成威胁，引发安全事故[1]。

汽轮机故障诊断技术的发展与展望摘要：回顾和总结了国内外汽轮机故障诊断技术的发展情况，指出了目前在汽轮机故障诊断研究中存在的问题，并从检测技术、故障机理等七个方面分析了今后可能取得进展的研究方向。

关键词：汽轮机故障诊断监测0．引言二十世纪以来，随着工业生产和科学技术的发展，机械设备的可靠性、可用性、可维修性与安全性的问题日益突出，从而促进了人们对机械设备故障机理及诊断技术的研究。

汽轮发电机组是电力生产的重要设备，由于其设备结构的复杂性和运行环境的特殊性，汽轮发电机组的故障率不低，而且故障危害性也很大。

因此，汽轮发电机组的故障诊断一直是故障诊断技术应用的一个重要方面。

本文回顾国内外汽轮机故障诊断的发展概况，并在总结目前研究状况的基础上，指出了在汽轮机故障诊断研究中存在的问题，提出了今后在这一领域的研究方向。

1．国内外发展概况早期的故障诊断主要是依靠人工，利用触、摸、听、看等手段对设备进行诊断。

通过经验的积累，人们可以对一些设备故障做出判断，但这种手段由于其局限性和不完备性，现在已不能适应生产对设备可靠性的要求。

而信息技术和计算机技术的迅速发展以及各种先进数学算法的出现，为汽轮机故障诊断技术的发展提供了有利的条件。

人工智能、计算机网络技术和传感技术等已经成为汽轮机故障诊断系统不可缺少的部分。

1．1．国外发展情况美国是最早从事汽轮机故障诊断研究的国家之一，在汽轮机故障诊断研究的许多方面都处于世界领先水平。

目前美国从事汽轮机故障诊断技术开发与研究的机构主要有EPRI及部分电力公司，西屋、Bently、IRD、CSI等公司[1]。

美国Bechtel电力公司于1987年开发的火电站设备诊断用专家系统在进行分析时不只是根据控制参数的当前值，而且还考虑到它们随时间的变化，当它们偏离标准值时还能对信号进行调节，给出消除故障的建议说明，提出可能临近损坏时间的推测。

美国Radial公司于1987年开发的汽轮发电机组振动诊断用专家系统，在建立逻辑规则的基础上，设有表征振动过程各种成分与其可能故障源之间关系的概率数据，其搜集知识的子系统具有人-机对话形式。

基于时域和频域分析的滚动轴承故障诊断一、本文概述随着工业技术的不断发展，滚动轴承作为旋转机械中的关键部件，其运行状态直接影响到设备的性能与安全性。

然而，由于工作环境的恶劣、长时间运行以及维护不当等因素，滚动轴承常常会出现各种故障，如疲劳剥落、磨损、裂纹等。

这些故障不仅会降低设备的运行效率，还可能引发严重的安全事故。

因此，对滚动轴承进行故障诊断技术的研究具有重要意义。

本文旨在探讨基于时域和频域分析的滚动轴承故障诊断方法。

文章将简要介绍滚动轴承的工作原理及其常见故障类型，为后续的分析和诊断奠定基础。

然后，重点阐述时域分析和频域分析的基本原理及其在滚动轴承故障诊断中的应用。

时域分析主要关注轴承振动信号的时序特征，通过提取信号中的幅值、相位、频率等信息，揭示轴承的运行状态。

而频域分析则通过对信号进行频谱转换，分析轴承在不同频率下的振动特性，进一步识别潜在的故障特征。

通过结合时域和频域分析，本文旨在提供一种全面、有效的滚动轴承故障诊断方法。

这种方法不仅能够准确识别轴承的故障类型，还能对故障程度进行定量评估，为设备的维护和管理提供有力支持。

本文还将对现有的故障诊断方法进行比较和评价，探讨各种方法的优缺点及适用范围，为相关领域的研究和实践提供参考和借鉴。

二、滚动轴承故障类型及原因滚动轴承作为机械设备中的重要组成部分，其运行状态直接影响到整个设备的性能和稳定性。

因此，对滚动轴承的故障诊断至关重要。

滚动轴承的故障类型多种多样，主要包括疲劳剥落、磨损、腐蚀、裂纹和塑性变形等。

这些故障的产生往往与多种因素有关，如材料质量、制造工艺、运行环境、操作维护等。

疲劳剥落是滚动轴承最常见的故障类型之一，主要是由于轴承在循环应力作用下，材料表面发生疲劳破坏，形成剥落坑。

疲劳剥落的原因主要包括轴承材料的疲劳强度不足、循环应力过大、润滑不良等。

磨损是轴承在运行过程中，由于摩擦力的作用导致材料逐渐损失的现象。

磨损的原因主要包括润滑不良、异物侵入、材料耐磨性不足等。

制造过程故障诊断技术_长安大学中国大学mooc课后章节答案期末考试题库2023年1.以ISO9000为指导的集成质量系统（IQS）,是当代质量管理发展的方向，它具有以下特点。

A面向对象B面向过程C集成式D分布式E多样性参考答案:集成式_面向对象2.监视与诊断过程中的信号检测必须满足以下（）的要求。

A 随机性 B 在线性 C 实时性 D 一致性参考答案:在线性_实时性3.速度的相位比位移的相位超前90，加速度的相位比位移的相位超前。

A 90B 270C 180D 60参考答案:1804.基于时间序列的平稳性和遍历性假设，根据观测样本对时间序列的各种数字特征或分布函数作出某种切合实际的估计，称为时间序列的。

参考答案:统计分析5.宽平稳随机过程在工程技术领域中有着极其广泛的代表性，它反映了实际系统处于稳态工作条件下的。

参考答案:统计性质6.频谱仪是运用（）的原理制成的。

A 绝对判断标准B 阿基米德 C 毕达哥拉斯D 快速傅立叶变换参考答案:快速傅立叶变换7.采样定理的定义是：。

采样时，如果不满足采样定理的条件，会出现频率现象。

参考答案:采样频率大于或等于被测信号最高频率的2倍以上，混迭8.对于正态随机过程，严平稳与宽平稳相互等价，因为正态过程的有限维分布函数完全由其和所确定。

参考答案:均值函数，自协方差函数9.具有遍历性的随机过程必是，而未必是遍历的。

参考答案:平稳过程，平稳过程10.动态信号主要分为______和______，前者分为周期信号和非周期信号，后者分为平稳随机信号和非平稳随机信号。

参考答案:确定性信号，随机信号11.对于工况状态变化趋势模型分析中的隐含趋势，一般采用的分析步骤是（）A 分析系统的物理背景B 用频谱分析等比较成熟的方法对观测值进行分析C建立ARMA模型，分析模型的特征根等参数D 运用各类方法进行综合分析参考答案:运用各类方法进行综合分析_用频谱分析等比较成熟的方法对观测值进行分析_分析系统的物理背景_建立ARMA模型，分析模型的特征根等参数12.17 消除油膜振荡的措施有等。

汽轮机振动分析与故障诊断摘要：汽轮发电机组是电力系统中的一个重要组成部分，它的结构和工作环境比较复杂，所以它的安全性要求比较高。

长期以来，汽轮机的故障率高，严重地影响了机组的正常运转。

随着科学技术的不断发展，智能化的计算机系统的广泛运用，为汽轮发电机组的振动故障自动分析提供了技术支撑。

关键词：汽轮机；发电机组；振动故障；故障检测1.汽轮机振动故障检测与诊断分析的目的目前，由于社会用电量的稳定需要和电力市场改革后对于机组稳定性要求更高，发电企业因设备故障导致的机组非计划停运而带来的经济损失是巨大的。

所以，他们必须制定一套能够保证设备正常运转的快速诊断程序。

相对于其他故障，运用先进的技术方法可以快速地对汽轮机的振动故障进行快速的判断和定位，为管理者和使用者提供了方便。

因此，在维护技术不断发展的今天，加速对汽轮机振动进行快速诊断和分析是非常必要的。

在机组运行中，最常见的故障就是汽轮机组的异常振动。

由于大机的叶片、叶轮等转动构件的受力超出了容许的设计范围，从而引起机组的损伤。

所以，设备的振动水平应控制在一定的容许值之内。

2.振动故障检测原理与分析技术的步骤2.1振动信号采集针对汽轮机故障，首先要在机组正常工作时，对其进行振动信号的检测。

振动信号是660 MW汽轮发电机组振动故障的主要载体，也是故障诊断的主要手段。

通过对振动信号的采集，可以从历史信息库中依据设备的工作特性，对故障发生的部位及原因进行客观、真实的分析。

2.2信息处理660 MW汽轮发电机组是一种大功率的机械设备，其工作时难免会产生大量的噪声，从而影响到检测系统对其检测结果的准确性。

为此，要对系统采集的噪声信号进行科学地降噪，排除异常的干扰，提取有效的信号进行分析。

2.3故障分析与诊断这是对机组振动故障进行分析的关键步骤，在此阶段，要对所搜集到的资料进行归纳、整理，并利用特征值判断出该装置的工作状态是否在合理的范围之内。

如果有什么不正常的地方，我们就得对资料库做进一步的分析。

转子振动的全频谱进动分析方法研究及其在汽机故障诊断中的应用的开题报告一、研究背景汽轮机作为重要的动力装置，其转子振动问题一直受到关注。

而振动分析是汽机故障诊断中重要的环节，因此研究转子振动的分析方法对保障汽机的稳定运行至关重要。

现阶段，汽机振动分析的方法多种多样，其中全频谱进动分析是一种比较有效的方法。

它基于转子在旋转过程中的进动现象，分析振动信号的频谱成分，从而诊断故障。

但是该方法在实际应用中遇到了一些问题，如对高速旋转的转子不适用、对信号噪声敏感、对信号窄带等。

因此，需要对全频谱进动分析方法进行改进和优化，以提高其在汽机故障诊断中的应用价值。

二、研究内容本研究的主要内容包括以下几个方面：1. 对全频谱进动分析方法进行深入研究，探索振动信号的进动现象及频谱特征。

2. 分析目前全频谱进动分析方法存在的问题，如对高速旋转转子不适用、对信号噪声敏感等，寻找解决方案。

3. 提出一种改进的全频谱进动分析方法，并对其进行验证和优化，以提高在汽机故障诊断中的应用价值。

4. 将改进的全频谱进动分析方法应用到汽机故障诊断中，通过实验验证其有效性。

三、研究意义本研究的意义在于：1. 提高汽机振动分析的准确性和效率，为汽机故障检测和维护提供有效手段。

2. 探索全频谱进动分析方法的理论和应用问题，为相关领域的研究提供参考。

3. 针对全频谱进动分析方法存在的问题，提出改进方案，为相关领域的研究提供新思路。

四、研究方法本研究采用实验和理论相结合的方法进行。

1. 实验部分：使用模拟和实际的振动信号分别进行振动分析，验证全频谱进动分析方法的可行性和准确性，并在实验中寻找改进方法。

2. 理论部分：基于全频谱进动分析方法的原理，分析其优缺点、存在问题和改进方案，提出改进的全频谱进动分析方法，并进行理论分析和仿真验证。

五、预期结果预期结果包括以下几个方面：1. 对全频谱进动分析方法进行深入研究，掌握其原理和应用技术。

2. 发现全频谱进动分析方法存在的优缺点和问题，并提出改进方案。