旋转机械故障诊查之微弱信号提取方法分析.docVIP

　　旋转机械故障诊查之微弱信号提取方法分析 第一章 绪论 1.1课题及背景 作为工业发展中最常被用到同时最受欢迎的机械设备，旋转机械故障诊断的主要目的是当机械发生故障时，诊断其原因并故障维护，最大程度的将事故和风险降到最低，因此在生产应用中有着十分重要的作用。当代科学技术突飞猛进，工业也逐渐趋于现代化，而旋转机械也随之发展得越来越高速化、大型化、自动化，机械结构日趋复杂，某个零部件出现问题，有引发链式反应的可能性，危及整个机械设备。[1]故障若没有迅速查明解除，易使企业遭受经济损失，甚至导致不可挽回的后果，当任何事故发生时，有可能导致整个系统瘫痪无法工作，不但造成经济损失还有可能危害到工人的人身安全。然而由于其自身的操作模式和结构特性，导致这样的设备问题经常发生。随着现代工业的发展，旋转机械在故障诊断和维护方面也需要越来越经济化和高效化。为了达到这一目标，就需要清晰并且科学地把握整个旋转机械的故障程度、原因和位置，并且提出合理的方案。[2]与此同时，在计算机科学突飞猛进的时代，也需要是旋转机械的故障诊断趋于更加自动化。旋转机械故障诊断和维护中一个非常重要的核心就是对机械故障的特征进行提取，也就是说利用信息化的科学手段，通过故障现场运行相关数据，从运行结果中能够得到该故障的一系列属性，以便后续处理和维护。所以，人们日益注意到对机械故障的特征提取技术的重要性。本次毕业论文就是在此基础上，对故障诊断信号特征提取方法研究，对现有的特征提取方法加以改进，对阈值设定提出新方法。 在所有的机械设备中，有一种部件虽然它的工作条件非常恶劣，但是却在整个机械运作过程中起到了关键作用，那就是滚动轴承。整台机械的各方面性能正常与否（包括寿命、可靠性以及精度等方面）都和滚动轴承的工作状态是否正常息息相关，同时，滚动轴承对产品质量和生产的过程也起到了很到的影响作用。[3]根据相关资料的统计显示，在大部分旋转机械的现场故障问题中，有三分之一的故障都是由于滚动轴承的非正常工作引起的。同时，滚动轴承的寿命存在严重的不确定性，有可能根据其工作环境的优劣不同而相应延长或缩短其工作时间。基于这个因素，在实际的工程应用当中我们需要重点关注如何判断滚动轴承的工作状态。在识别机械工作和运行状态中，设备故障诊断技术是提出比较早，同时发展比较宽的一项先进科学技术，通过研究细节的工作状态判断并维护故障，准确地反映出故障信息。在以后的发展中，这项技术主要有三个大致的方向。基于滚动轴承在整个机械设备中重要所用，需要对滚动轴承进行准确的故障诊断，确保其能够在相应的工作期间内和工作环境下能够正常的运行，以此保证整个机械设备的正常工作。对于怎样有效可靠地辨别滚共轴承的工作状态，直接关系到整个系统的工作，以及经济风险和事故概率的高低。[4]因此，基于以上观点，可靠并且有效地检测滚动轴承这项技术，从而保证工作的正常进行，减少事故的发生，降低潜在的风险，在实际工程中显得越来越重要。 1.2 提取分析机械故障特征技术的发展背景和现状 1.2.1 故障诊断方法概述 随着计算机技术、数字信号处理技术、机械工程技术、人工智能等各方面技术的发展，故障诊断技术是一门在这些技术基础之上发展起来的新型综合技术。并且，经过国内外学者几十年来的探索和研究，这项技术在今天已经形成了一套比较完善的理论体系，并在诊断故障方面取得了比较卓越的成果。[8]首先，从故障的性质方面来看，可以把故障划分为缓变故障和突变故障；其次，根据故障的发生位置，有元部件故障、仪表故障和执行器故障；再者，从建模分析故障方面，有加性和乘性两种。而在目前，对故障检测最常用的分析方法主要是基于数字信号处理、解析模型的方法。所谓解析模型的方法就是综合考虑整个机械工程，利用在线系统的辨识技术及时地进行系统建模，一旦发生任何故障，系统所对应的模型参考变量也将会发生相应改变，因此，我们仅需要通过观察模型的变化，就可以直观地判断机械系统的工作状态是否正常。这种分析方法虽然能够很好地进行故障诊断，但是由于不同模型的优化程度、抗扰能力以及性能不同，对于如何选取一个合理的建模则是一个大难题。[9-13]另一方面，基于数字信号处理的方法相较之下则显得更为简洁。因为它不需要建立复杂的数学模型，工作量小，这种方法一直以来都在实际工程中得到了应用，当遇到很难建立模型的实际情况时，则可以考虑采用该方法。这里提出的两种故障诊断技术都需要比较可靠的系统模型，然而在实际情况中这是不现实的，因此在故障诊断技术的实际应用中，就受到了影响。还有一种诊断技术方法是基于知识的方法，它克服了需要建立系统模型的弊端，通常被使用的方法有遗传算法、模糊诊断法、人工神经网络搭建法等等。 第二章 滚动轴承的故障分析和诊断方法 2.1 滚动轴承概述及其失效的基本形式 作为旋转设备的基本零部件之一，滚动轴