轧钢机械振动故障的诊断分析.docVIP

轧钢机械振动故障的诊断分析 　　摘 要 轧钢机械在工作中由于振动而造成故障的情况非常普遍，要进行故障的有效诊断，首先要明确判断的标准，并对故障特征的数据进行收集，最后依据故障数据进行相应的处理和分析。 　　关键词 轧钢机械；振动故障；故障诊断 　　中图分类号TG33 文献标识码A 文章编号 1674-6708（2013）93-0112-02 　　轧钢机械的工作强度比较大，相对来说比较容易出现振动故障的情况，振动故障的出现不仅会影响机械的使用寿命，同时也会给轧钢工作带来不利的影响。目前关于轧钢机械振动故障的研究还是比较多的，一般都是依据一定的判断标准来进行故障的诊断。 　　1 轧钢机械振动故障的判断标准 　　一般来说，进行振动故障的评判可以采用进行类比、判断故障定量以及相对故障判断三种方式来进行，振动故障产生的原因是多种多样的，单单依靠物理现象来进行准确判断的难度是比较大的。实际经验表明，轴承种类、工作状态、实际转速、故障类型、检测装置的位置等众多的差异都会对轧钢机器的振动故障产生影响，所以，要构建出一种适应性更好、更科学的诊断故障的标准是非常复杂的，要求我们在传统标准的基础上，进行相对指标的判段。简单的说，就是在一定的时间段内，对处在相同位置、工作方式以及工作情况下的轧钢机械进行定量测试，在将测量结果与正常工作状态下的数据进行分析和比较，在此基础上进行振动故障存在与否以及严重程度的判断。 　　2 轧钢机械振动故障的特征数据 　　轧钢机械工作中，通常在齿轮和轴承的连接部位最容易产生振动，振动信号会通过各种方式进行传播，但是在传递的过程中，工作状态的突然转变、转速以及负荷的改变都会对传递结果产生影响。所以，要进行振动情况的分析和数据的采集时，首先要对复杂的信号进行噪音的排除，即使是对系统较为熟悉的专业技师，如果没有长时间的振动故障处理经验也很难完成任务。要完成对轧钢机械振动故障的判断以及分析，就一定要进行常规频谱的采集和处理，与此同时，对于造成轧钢机械振动故障的相关数据也要进行准确的计算和分析，只有这样，才能找出不同的振动故障之间的差别和联系。 　　进行不同振动故障的数据分析工作，可以分别从频域和时域两个角度出发。第一，从时域角度开展分析，重要的特征数据包括峰值、平均值以及歪度等等。第二，从频域的角度出发，特征数据主要包含两个部分，首先，出现振动故障的齿轮在轴频以及咬合频率方面的数据变化，其次，在进行频谱统计的时候，中心、均方以及方根频率等都是重要的统计特征。可以在相关数学计算办法的帮助下完成以上这些特征数据的分析工作。轧钢机械振动故障的特征数据对于振动故障的判断至关重要，在数据采集的过程中，一定要通过有效地办法排除噪声的干扰，提取到最多的振动特征数据，拥有了这些数据才能进行不同状态下的对比研究，才能发现振动故障产生的根本原因。 　　3 故障特征数据的分析处理 　　要在线测试轧钢机械的振动故障，一定要将进行测量的传感器安装在被测试的部分，比较常见的有速度、位移以及加速度传感器，分别用来进行振动频率中高、中、低波段的测量。要获得轧钢机械轴承部分的振动特征资料，首先要在齿轮和滚动轴承上面进行加速传感器的安装工作，但是在实际的振动特征收集过程中，效果却往往不是十分理想，分析其原因，可能是因为加速器振动产生的频率具有非常广的范围，特别是轧钢机器在较长时间内持续进行低速运转的时候，对于产生的低频振动，传感器很难进行灵敏的辨别和记录，这个时候可以把加速传感器换成位移传感器，能够对低频振动有更好的感知，会达到更好的测量效果。 　　对于轧钢机械的振动特征进行分析具有十分重要的意义，第一，能够对轴承的磨损情况进行动态的掌握，我们知道磨损作为一种最常见的失效形式，会造成径向间隙的改变，进而改变传感器缝隙之间的电压。加速度传感器不能准确的分辨出这种变化，进行转轴与检测探头之间空隙内电压变化的动态监测，能够得到轴承在磨损作用下圆度的变化情况，实现故障的有效判断。一些转轴具有带毛刺的表面，系统会相应的进行滤波技术的应用，排除干扰。由于存在个别的冲击给转轴带来晃动的特殊情况存在，所以在把间隙电压变化作为判断依据时，通常采取的是间隙的平均值。第二，对轴承转速进行动态观测。所谓的特征频率实际上就是故障的频率，因为进行分析的故障信号是随机选用的，所以不可能与通过理论计算出来的频率完全相同。针对这个情况，我们一般会选取一定时间内振幅变化的最大值作为幅值来对特征频率进行限制。一旦测量转速的时候出现较大的误差，故障特征频率就很难被测量出来，如果期间转速发生变化的话情况会更糟。涡流传感器的安装，能够实现同时进行不同通道的数据收集工作，并且进行准确的频率计算，与此同时，涡流传感器测试由于人工操作的加入，轴承的振动会表现出良好的周期性特征，在此