故障诊断综述说课讲解.docx
《故障诊断综述说课讲解.docx》由会员分享，可在线阅读，更多相关《故障诊断综述说课讲解.docx（8页珍藏版）》请在冰点文库上搜索。
故障诊断综述说课讲解
故障诊断综述
机械故障诊断综述
荆宏达
（中国民航大学航空工程系,天津300300）
摘要：
随着机械设备的大型化，连续话，高速化和自动化，对机械设备的状态监控和故障诊断变得越来越重要，本文对机械故障诊断技术进行了概括性介绍
关键词：
故障诊断;振动诊断;红外监控诊断;声学诊断；油液分析诊断
REVIEWOFMECHANICALFAULTDIAGNOSIS
JINGhongda
（Aviationengineeringschool,CiviAviationUniversityofChina,Tianjin300300,China）
Abstract:
Asthedevelopmentofmachinery,faultdiagnosisplaysamoreandmoreimportantrole.Thisarticleisintenttointroducethefaultdiagnosistechnoloty
Keywords:
faultdiagnosis;vibrationdiagnosis;;infrareddiagnosis;sounddiagnosis;oilanalysis
1引言
机械故障诊断技术是对机械设备的运行状态进行监测并对发生的故障进行诊断的技术。
随着当今工业生产设备的大型化，连续化，高速化和自动化，由于机械设备故障停机所造成的损失也在急剧增加，从而催生出了新的机械维修方式：
状态维修，人们将所采集到的大量数据通过计算机进行快速处理，分析，判断，准确地掌握某一个机械零件乃至整个生产系统的运行状态，确定最佳的维修时间和维修部位。
而这一切的理论基础就是机械故障诊断技术。
故障诊断技术的基本内容包括[1]
（1）信号检测：
正确选择测试仪器和测试方法，准确地测量出反映设备实际状态的各种信号，由此建立起来的状态信号属于初始模式。
（2）特征提取：
将初始模式的状态信号通过方大或压缩、形式变换、去除噪声干扰等处理，提取故障特征，形成待检模式。
（3）状态识别：
根据理论分析结合故障案例，并采用数据库技术所建立起来的故障档案库为基准模式，把待检模式与基准模式进行比较和分类，即可区别设备的正常与否。
（4）预报决策：
经过判别，对属于正常状态的设备可以继续检测，重复以上程序；对属于异常状态的设备则要查明故障情况，做出趋势分析，预测其发展和可以继续运行的时间以及根据问题所在提出控制措施和维修决策。
2故障诊断技术的研究现状
2.1故障诊断技术发展概况[1]
机械设备故障诊断技术是现代化生产发展的产物，最早起源于美国，自本世纪中期以来，已逐步发展成为一门较完整的综合性工程学科，它以设备运行状态为依据，以预报和诊断机械设备故障为目的，随着故障诊断理论的发展及其应用技术的不断完善，这门学科已经涉及数理、力学、计算机与微电子技术、信息处理与控制技术、人工智能等多个学科。
60年代故障诊断主要集中在核电、宇航、航空等尖端行业，70年代发展至冶金、石化、发电、船舶等工业部门，80年代开始迅速向各领域扩展。
目前，西方国家正投入大量人力物力进行故障诊断的工业化研究及其相关基础性应用研究。
美国自20世纪70年代开始进行以可靠性为中心的状态检修技术研究，应用于军用飞机、船舶和车辆上；在80年代，如能源、电力、电子、机器制造等民用工业也开始广泛应用，并取得了显著成绩。
欧洲国家的监测诊断技术也发展迅速，并在某些方面独具特色和优势，如瑞典的轴承诊断技术，挪威的船舶诊断技术，丹麦的振动和噪声监测诊断技术等。
1996年5月，欧洲共同体的英国、法国、芬兰和希腊等国为了提高状态监测和诊断系统的功能与精度，开始实施了利用人工智能和仿真技术的“VISIO”大型联合项目的研究。
日本密切关注世界先进国家的动向，积极引进和消化吸收最新技术，努力发展自己的诊断技术，目前在民用企业如钢铁、化工和铁路等部门已具有较高水平。
许多国家已经推出面向大型机械设备状态监测与故障诊断的商品化系统，如美国GE公司研制的用于内燃电力机车故障排除的专家系统DELTA；美国Westinghouse公司开发的电机智能诊断系统GenAID和汽轮机智能诊断系统TurbinAID；美国Bently公司的数据管理系统DataManager2000、状态监测系统MachineConditionManager2000和趋势分析系统Trendmaster2000；美国RockwellAutomationEntek公司的机器保护和诊断系统XM系列和Emonitor软件产品；法国C.G.E研究中心Marcoussis实验室开发的旋转机故障诊断专家系统DIVA；德国Schenck公司的计算机化状态监测系统VIBROCOM4000和VIBROCOM5000；荷兰Philips公司的状态监测系统R3000；丹麦B&K公司推出的状态监测与故障诊断系统B&K3450-CONPASS；日本Mitsubishi公司研制的机械状态监测与振动诊断专家系统MHMS。
目前西方国家正在研究新型的开放性更高的诊断平台，力图推行状态监测通讯标准（MIMOSA），以提高监测系统的兼容性和便利性，提高信息资源的网络率。
我国的故障诊断工作大约始于20世纪70年代末80年代初，目前已在理论研究和技术应用等方面取得了显著成果，形成了高校、研究所及工厂的梯队式研究开发与应用层次。
与发达国家相比，我国虽然在理论上跟踪紧密，但总体而言，在机械设备诊断的可靠性等方面仍存在一定差距。
目前在一些民用工业，特别是石油、化工、冶金和电力等部门，在开发和应用设备诊断技术等方面比较活跃，走在了其它行业的前面。
一些高等学校和科研院所也先后推出了一些状态监测与故障诊断系统并投入实际运行，如西安交通大学的RMDS系统和RD-20系统；大连理工大学振动所开发的PDM2000设备预知维修与故障诊断系统；浙江大学研制开发的状态监测与诊断系统CMD-3；华中科技大学研制开发的基于知识的发动机诊断系统KBSED，汽轮发电机组诊断专家系统DEST；哈尔滨工业大学研制开发的大型旋转机械故障诊断专家系统ETHYLENE；东北大学研制开发的风机工作状态监测系统；解放军军械工程学院研制的军械装备故障诊断专家系统；深圳创为实公司的S8000在线监测系统；清华大学的JZ-2000旋转机械状态监测与故障诊断系统；南京汽轮高新技术开发公司的大型机组在线监测系统CRAS；西北工业大学的MD3900系统等。
上述诊断系统在理论方面比较先进，紧跟了故障诊断技术的发展趋势。
故障诊断技术不断吸取现代科学技术发展的新成果，从理论到实际应用都有了迅速发展，并已进入实际应用阶段，其研究内容主要反映在以下几方面：
（1）故障机理；
（2）状态信号检测（主要是传感器技术的研究）；（3）故障特征分析与提取（主要是信号分析和处理）；（4）故障诊断方法（主要是信息的表征和融合）；（5）智能诊断和专家系统；（6）故障诊断系统与装置的开发和实现。
目前而言，设备的故障诊断技术仍处于以传感器技术和动态测试技术为基础，以信号处理技术为手段的常规诊断技术发展阶段，这一阶段的诊断技术已在工程中得到了大量应用，并获得了巨大经济效益。
从技术手段上看，现代诊断技术吸收了大量的现代科技成果，使得诊断技术可以利用振动、噪声、力、温度、电磁、光、射线等多种检测信号实施诊断，由此产生了振动诊断技术、声学诊断技术、光谱诊断技术、铁谱诊断技术、无损检测技术以及红外和热成像诊断技术等。
信号分析与数值处理技术的发展，特别是计算机技术的飞速发展，使得各种诊断方法应运而生，包括时域诊断法、频域诊断法、时频分析法、统计分析诊断法、信息理论诊断法、模式识别诊断法、以及最近几年研究比较热的智能诊断方法，如人工神经网络诊断法、模糊神经网络诊断法、专家系统、数据融合诊断等。
经过几十年的发展，故障诊断技术已达到较高水平，现代数学、信息科学强大的渗透力，计算机技术、电子技术、人工智能技术更广泛、更深入地应用，推动了现代故障诊断技术正在向系统化、集成化、智能化和网络化的方向发展，具体表现在：
（1）微型计算机、单片机成为诊断仪器的一个组成部分，诊断技术的自动化、智能化水平将进一步提高；
（2）信息科学中的时频分析技术、机械系统中的磨屑光谱分析技术、红外热成像技术、机械振动和噪声分析技术更加成熟；
（3）模糊集理论、神经网络、混沌理论、模式识别的发展，为故障诊断分析开辟了新的途径，故障诊断将向多参数综合发展，近似推理、模式识别的广泛应用使得诊断速度更快，准确度进一步提高，计算机功能的不断强大将使人工智能研究成果不断引入设备的状态监测与故障诊断中；
（4）数据融合技术从军事领域引入故障诊断领域，充分利用多方面信息，对故障征兆信息有效融合利用使得诊断更加准确可靠；
（5）网络技术的异军突起给故障诊断注入了新的活力，网络化监测诊断系统成为今后几年的主力军；
（6）随着计算机技术和诊断方法的发展，将计算机和软件结合所建立的诊断系统会越来越受到重视，具有投资少、功能强大、易于扩展升级、维护方便等优点；（7）虚拟仪器技术在监测诊断系统中的使用将使智能诊断、远程诊断更加完善，基于微机硬件平台的虚拟仪器和基于虚拟仪器的在线监测诊断系统将得到越来越广泛的应用，基于虚拟仪器的故障诊断技术将使诊断过程越来越智能化、人性化，最大限度地代替人进行设备的状态监测与故障诊断
3故障诊断技术的方法
3.1振动诊断技术[1]
对比正常机器过结构的动态性，如固有频率、振型、传递函数等，与异常机器或结构的动态特性的不同，来判断机器过结构是否存在故障的技术被称为振动诊断技术。
对于在生产中连续运行的机械设备，根据它在运行中的代表其动态特性的振动信号，采用振动诊断技术可以在不停机的条件下实现在线监测和故障诊断。
对于静态设备或工程结构，可以对它施加人工激励，然后根据反映其动态特性的影响，采用振动诊断技术可以判断出是否存在损伤或裂纹。
振动诊断技术所采用的方法可以有很多，例如：
很懂特征分析、振动频谱分析、振动倒谱分析、振动包络分析、振动全息谱分析、振动三维图分析、振动超工频或亚工频谱波分析、振动时域分析、振动模态分析等。
振动诊断技术在机械设备故障诊断中应用的十分广泛。
另外，在产品的无损检测中，振动诊断也有它的特殊地位，例如焊接和胶接的质量用超声波或X射线透视法无法准确判别的情况下，用振动诊断可以清晰地区别缺陷及部位。
3.2声学诊断技术[2]
与振动信号一样，机械设备的噪声信号中蕴涵着丰富的设备状态信息，噪声信号同样能应用于机械设备的故障诊断。
但在如高温、高腐蚀，或加速度传感器不能停机安装和安装部位结构受限等场合，由于无法接触测量而不能进行振动检测。
但声信号的测量不受这种限制，上述场合均可采集设备的声学信号进行故障诊断，因而声学故障诊断技术的研究变得十分重要。
声学故障诊断技术具有如下特点：
非接触式测量、设备简单、速度快、信号易于测取、易于发现早期故障、无须事先粘贴传感器、可对移动目标进行在线监测等，尤其在不易测量振动信号的场合得到广泛应用，声学故障诊断已成为近年来故障诊断领域新的发展方向。
早期故障诊断采用听诊法来判断设备状态，有经验的师傅可根据声音辨别出故障类型，目前声学技术中常用的统计能量法是听诊法的一种进化，它根据设备正常和故障时辐射声能量的变化进行故障诊断。
而在实际应用中，该方法容易受环境影响，且技巧不易掌握，依赖操作人员经验。
虽然振动和声音都蕴含着机械状态信息，但因声信号易受干扰，使得声学诊断技术的发展远远落后于振动诊断技术。
声学诊断中比较常用和特有的一种方法是声发射法（AE:
AcousticEmission），该方法利用金属材料在外力作用下释放内部贮存能量所引起的弹性波来识别故障，对运行状态下构件缺陷的产生与发展具有较好的诊断效果。
Kaiser在1950~1953年发现多种金属都有AE现象，并且发现了AE的不可逆性：
AE现象仅在第一次加载时产生，第二次加载及以后各次加载所产生的AE信号变化微乎其微，除非后面所加外应力超过前面各次加载的最大值，这一现象被称为“凯撒效应”。
该效应在AE信号处理方面得到广泛应用，成为克服噪声干扰的主要手段之一，也成为用AE技术监测结构完好性的依据，这种利用不可逆效应降噪和获取有用信息的方法为AE技术所独有。
1961年Schofield[26-27]研究认为声发射源自材料内部机制，并发现声发射连续信号对应变速率敏感；Dunegan等[28]对AE监测技术的开拓性研究为声发射从实验室走向生产实践创造了条件；Roger等人将声发射用于港口起重机的在线监测，探讨了声发射技术在低速滚动轴承故障诊断领域的可行性；McFadden和Smith等[30]进一步证明了用声发射技术诊断低速滚动轴承的有效性；Fararooy等分析AE信号监测铁轨裂纹故障；Mba等]分析AE信号监测旋转机械转子的摩擦状态与裂纹扩展；Kwak等[33]分析机械加工过程中金属材料释放的AE信号进行过程监测等，取得了较好的成果。
然而，在实际应用中，声发射信号频带一般在超声范围内（100kHz~200kHz），需采用专用仪器测量，其应用受到一定限制。
目前在机械设备故障诊断的应用领域，声学故障诊断大都借鉴振动故障诊断技术中既有的信号处理与分析方法。
Benko等对噪声信号采用传统的频谱分析和短时傅立叶变换，对真空吸尘器实施了故障诊断；Manabu与Lin等采用小波分析提取风机、内燃机与齿轮箱在不同故障下的声学特征；Li与Hessel等分别采用自组织神经网络对内燃机、压力容器、泵、风机与锯床等设备的声信号进行故障分类，取得了较好的诊断结果；侯温良根据正常机器与故障机器噪声的谱相关系数诊断设备故障；舒大文等基于噪声信号对汽车变速箱齿轮的故障进行了研究，卢学军等也开展了类似的研究。
综上所述，听诊法和统计能量法只能作为初步的故障诊断，且需要一定的经验积累，主观性较强；声发射的频带限定在超声范围，需用专用的测量仪器，限制了其应用和推广。
而借鉴振动分析的声学故障诊断技术具有很大潜力，但由于一般都是采用一两只传声器，抗干扰能力差，从中提取的故障特征不稳定，传声器测量位置和距离的选择对分析结果影响很大，获得的信息量非常有限，且无法给出声源位置和强度的变化信息，只能对单一设备进行初步故障诊断。
然而，基于多通道声信号同步测量与处理的声成像技术已日趋成熟，为新型声学故障诊断技术的发展创造了条件。
基于声成像的故障诊断技术通过传声器阵列获取测量面处的声信号，根据分析频率范围选择相应重建算法重建结构表面附近声场分布，将重建声场的整体信息用于故障诊断，能克服传统声学诊断中单点测试和局部诊断的缺陷，也可避免测点选择难的问题，具有很大发展潜力和应用价值。
3.3温度诊断技术
3.3.1一般温度监测诊断技术
投入运行的机械设备一般而言都会发生温度的变化，这些变化或是来自热源或是来自摩擦，机械设备相对稳定的运行状态会使温度的变化也相对稳定，如果温度发生了不稳定的变化，则代表机械设备发生了故障。
常用的温度测量方法有：
热电偶测温法、热辐射测温法、辐射温度计测量、比色温度计测量。
3.3.2红外监测诊断技术[3]
随着电力设备诊断技术的不断发展，红外检测进行探伤的研究的不断探讨，红外检测诊断技术得到快速发展。
红外检测诊断技术是由红外探测技术、红外诊断仪器和微型计算机相结合而发展出来的。
在国外，早在1949年Leslie等人就首次提出利用红外技术探测高压输电线路过热接头的思想，并描述了利用电阻测辐射热计制成的红外辐射计探测过热接头的具体方法。
在1952年Sandiford提出，利用光线通过有故障接头上方的受热空气产生无规则折射的方法，从而发现超过环境温度50℃的热接头。
1965年开始应用较先进的红外辐射热像仪测量工业及输热管道温度，检测电动机、变压器和电缆等设备过热接头，正式开辟了应用红外热像仪器检测电力设备热故障的新领域，并在此基础上不断改进与完善红外检测仪器，扩大使用范围，逐步提高在实际中的使用效果。
此外，20世纪60年代初还研制了利用蒸发照相原理工作的红外成像仪，迈出红外成像探测的第一步。
随着红外行扫描器和军用光机扫描式红外前视系统的迅速发展与逐步完善，很快诞生了民用光机扫描式红外热成像仪代替了蒸发照相原理的红外成像仪。
接着，一些国家迅速把它应用于电力设备众多裸露电气接头及各种高压电气设备故障的检测和输热管道漏热检测。
在我国，电力设备故障红外检测诊断的研究试验起步较晚，但近几年发展很快。
早在20世纪60年代前半期，国内一些电力研究院就力图开展红外诊断研究，并进行了广泛的调查研究工作，但直到70年代中期，才有了明显进展。
这时进行的是使用的检测仪器以红外辐射热像仪为主，检测的对象以外部裸露的电气接头过热故障为主的基础研究和可行性试验。
在1987年到1991年，引进了国外较先进的红外热像仪，对高压电线路导线连接件及劣化线路绝缘子进行直升飞机红外航测试验研究，取得不少成功经验，国内专业红外科研单位也积极研制光机扫描红外热像仪和红外热电视的。
从1992年开始，国产红外热电视开始试用阶段，从此进入了生产性试验阶段。
之后为了应用、推广和建立诊断标准，各级领导开始重视以行政手段推广应用红外诊断技术，各网省局普遍投资购置红外诊断仪器，并着手制订电力设备故障红外诊断的行业标准《带电设备红外诊断技术应用导则》，力图规范高压电气设备故障红外诊断中的监测方法与判断依据。
虽然红外诊断技术在我国电力行业的发展取得了可喜的进步，但在设备诊断工程学的角度来看，当今的电力设备故障红外诊断技术水平还处于经验层次的初级阶段。
因此，为了促进红外诊断新技术的迅速发展，今后主要以诊断标准化、诊断数学、诊断智能化的方向进行研究。
另外红外诊断技术在软件方面研究较少，没有软件来对电力设备诊断进行自动诊断检测，大多依靠人工手持红外热像仪来进行人工判断故障。
3.4油液分析诊断技术[4]
设备运行状态的许多信息都反映在它所使用的润滑油中，在设备不停机、不解体的情况下监测设备工况，分析被监测机械设备在用润滑油的性能变化和油中磨损颗粒的情况，获得设备的润滑和磨损颗粒状态的信息，从而评价机械设备的运行工况和对其故障进行预测并确定其故障4原因、类型和部位的技术，从而为设备的正确维护提供有效依据，在故障发生前采取适当修理，以降低维修成本和误工时间，提高设备利用率、安全性能和使用寿命。
油液分析技术具有状态监诊、确定润滑油的使用期限、判定润滑油的污染、了解添加剂的损耗、对新油的评定、基于摩擦学的设计以及确定机械设备的维修规范等功能。
油液分析技术主要包括润滑油本身性能的分析和润滑油携带磨损颗粒分析两个方面。
具体是收集润滑油，对润滑油的性质及润滑油中的微粒进行定性和定量分析，以判断机械工作是否正常，进行故障诊断和预报。
润滑油油品分析主要分析油品的理化指标或受污染的程度，主要体现在油的衰化、添加剂损耗和污染等。
润滑油磨损颗粒分析主要包括磨损微粒的数量、微粒尺寸分布、微粒化学成分以及几何形态几个方面。
通过润滑油磨损颗粒分析可判断机械设备的磨损程度、磨损类型和磨损部位，从而可以进一步探讨机械零部件的磨损机理。
3.4.1油液分析技术的常用方法
（1）常规理化性能分析润滑剂的性能与机械设备的磨损状态、设备的使用寿命有着密切的关系。
润滑油的理化性能指标主要有：
粘度、水分、总碱值、机械杂质、闪点等。
在开展润滑油常规理化性能监测时可选择其中几个指标进行监测，既可实现按质换油，也可对设备磨损状态进行监测。
（2）光谱分析是指利用光谱分析的方法，鉴别润滑油中磨粒所含元素的种类、含量及变化趋势，来预测磨损状态的方法。
光谱分析主要有发射光谱分析和原子吸收光谱分析。
目前先进的油料发射光谱仪操作简便，分析速度快、精度高，分析容量大，适用大规模含有多种材质摩擦副的设备群体的监测。
（3）铁谱分析目前广泛使用的铁谱技术产生于上世纪70年代。
是利用高梯度强磁场，将润滑剂中所包含的磨粒按其粒度大小有序地沉积下来，然后借助于其它各种分析方法对磨粒进行定性和定量分析的技术。
测定内容包括：
①磨粒浓度和颗粒大小、数量，它们反映了机器磨损的严重程度。
②磨粒的形貌，它反映了磨粒产生的原因和机理。
③磨粒的成份，它反映了磨粒产生的部位，即发生磨损的零件。
铁谱分析仪器主要有直读和分析式两种。
（4）污染度监测油液中的各种固体污染物（金属和非金属颗粒）危害很大，是引起机件磨损、刮伤、卡死、堵塞、降低效率的主要原因。
为了控制油液的污染，减少因污染而导致的故障，在生产中采用对油液污染度评定的方法。
即测定单位容积油液中固体颗粒污染物的含量，以此来反映系统或零件所受颗粒污染物的危害程度。
常用的方法有称重法、计数法等。
2故障诊断的发展方向：
智能故障诊断[2]
目前学术界关于故障诊断有很多不同的论述，较有代表性的有：
“设备状态监测与故障诊断是通过获取设备过去和现在运行过程中的状态量，判明其质量优劣、可用程度、是否安全、有关异常和故障的原因及预测对将来的影响等，从而找出必要对策的技术”；“故障诊断是指系统在一定工作环境下查明导致系统某种功能失调的原因或性质，判断劣化状态发生的部位或部件，以及预测状态劣化的发展趋势”；“机械故障诊断就是对机械系统所处的状态进行监测，判断其是否正常，当出现异常时分析其产生的原因和部位，并预报其发展趋势”；“所谓诊断就是根据机械设备运行过程中产生的信息判别机械设备是正常运行还是发生了异常现象，也就是识别机器是否发生了故障”。
综合起来，故障诊断的实质就是一个通过状态监测信息进行模式识别的过程。
因此，故障诊断的前提是建立设备状态特征信息和故障类型之间的关系，一般通过检测设备状态特征信息来识别机械设备的性能状态。
故障诊断技术的发展大致可分为两个阶段：
一是以传感器技术和动态测试技术为基础，以信号处理技术为手段的常规诊断技术发展阶段，该技术已得到大量应用，产生了巨大经济效益；随着生产的现代化对设备性能要求越来越高，各生产设备日趋大型化、自动化和智能化，传统诊断技术已越来越不能适宜现在设备诊断的需求，于是以人工智能为核心的智能诊断技术得到了迅速发展，其研究内容和实现方法与第一阶段相比发生了重大变化，诊断过程的知识化使得研究者致力于诊断知识的获取、知识的表达与组织、推理方法的建构、诊断模型的建立以及诊断策略的形成等问题。
人工智能的研究成果，特别是专家系统、人工神经网络和多技术组合为机械故障诊断注入了新的活力，它们在故障诊断领域中的进一步应用推动了智能诊断的迅速发展。
其中，基于知识的专家系统（简称专家系统）的研究起步最早，20世纪70年代初，美国Standford大学研制的MYCIN系统即是早期专家系统最成功的应用实例。
在国外某些发达国家，机械、电子设备的故障诊断专家系统已有许多成功应用，如1985年A.S.Stuard根据J.S.Shore[48]给出的故障征兆与起因的关系成功研制的第一个透平机械故障诊断系统[49]；1985年Regenie等人研制的飞行器控制系统监视器（EEFSM）和1987年Malin研制的汽车故障诊断系统（FIXER）以及美国宇航局Langley研制中心研
升级会员 