第2章 PCA 技术基础1.doc

第2章 技术基础 任何机械设备在运行过程中都有各种各样的表现（振动、噪声、温度……），这些表现都可由传感器转换为信号，根据这些信号特征参数的变化，我们就可诊断出设备的运行状态。为了使诊断的结论正确、可靠、实时，应认真研究以下几个技术问题。 （1）选择作为诊断依据的特征参数 机械设备的状态特征参数是诊断设备状态的出发点，没有监测信号的特征参数诊断就是一句空话。但设备的特征参数很多，选用哪个或哪些参数作为诊断的依据，才能取得最好的诊断效果？这是需要认真研究的首要问题。 （2）从监测信号中提取所要特征参数的方法 监测信号一般不能直接用于诊断，因为监测信号中除有需要的信息外还有许多干扰信息，所以必须对信号进行各种处理和转换，才能取得所需的特征参数，这个过程称为信号处理与分析。信号处理与分析的方法很多，随着科学技术的发展，新的处理与分析方法还不断出现，所以正确选用这些方法提取所需的特征参数，是故障诊断应认真研究的重要问题 （3）根据提取的特征参数识别设备状态的方法 识别设备状态是故障诊断的根本任务，前面的一切工作都是为它创造条件。设备的故障状态既复杂又模糊，状态与特征参数之间通常没有一一对应的关系；适合各种情况的诊断方法也发展了很多，所以正确选用这些方法取得最好的诊断效果是故障诊断领域应认真研究的核心问题。 这些问题都是故障诊断应解决的基本问题，也是在这里要阐述的基本内容：特征参数的选择，信号处理与分析和状态识别。 2.1 状态信号与特征参数 机械设备运行状态的各种表现，我们不可能、也不必要都用传感器收集起来作为诊断设备用的状态特征信号；更不可能、也不必要把状态特征信号的所有特征参数都作为诊断设备状态的依据（诊断参数），必须进行选择。为了选好合适的诊断参数，应该掌握各种特征参数的特性；选择特征参数的原则，以及综合、压缩特征参数的方法。 2.1.1 选择特征参数的原则 选择特征参数的原则除考虑监测目的，使用方便和经济效益外，还应考虑以下几方面。 1)灵敏度 特征参数的敏感度用下式表示 式中： —— 设备状态参数； —— 特征参数。 当然，应该尽量选择灵敏度高的特征参数作为诊断参数。建立了设备状态的数学模型时，根据数学模型容易找出对设备状态反映最灵敏的特征参数；没有建立数学模型时，可以用实验方法通过分析比较找出最灵敏的特征参数。图2-1是止推轴承的载荷状态与止推轴承的温度、轴承的轴向位置和排油温度间的关系图形，从无载荷到满载荷，止推轴承的温度增加了55℃，而轴向位置和排油温度只分别变化了50～70(m和3℃，所以如果监测目的仅是防止过载，止推轴承的温度应是灵敏度最高的诊断参数。 2)稳定性 诊断参数受设备的工作条件（载荷，转速等）和测试条件（放大倍数、采样频率、采样长度和起始点位置等）的影响越小越好，即应选择对工作条件和测试条件变化不敏感的特征参数作诊断参数。在时域中无量纲特征参数的稳定性比有量纲的好，例如诊断参数若选用振动信号的位移峰值，则因载荷或转速的变动都要使发生变化，所以稳定性差。若选用无量纲参数峰值系数作诊断参数，就可避免这些变动带来的影响，提高了稳定性。 图 2-1 止推轴承特征参数与载荷的关系 3)对应性 特征参数应能充分反映设备的状态，一一对应的单值函数关系对应性最好。但在很多情况下这是不可能的，同一特征参数可对应设备多种状态是常见的情况。在医学领域咳嗽这种特征（症状）对应的状态（病症）就有感冒，肺炎，肺结核等多种疾病，在这种情况下为了得出确切的诊断结论，就需要采用多个特征参数组成诊断向量进行综合评定。在故障诊断领域使用诊断向量判别设备状态的情况是很多的，例如要区分不对中和不平衡两种不同的故障状态时，就必须采用两个特征参数（信号频率结构的基频成分和二倍频成分）组成的诊断向量进行综合判断。 实际上，以上几方面要求很难同时满足，例如对滚动轴承的早期疲劳剥落故障，振动信号的峰值比均方根值的灵敏度高，但稳定性则相反。因此，在选择诊断参数时，要根据具体情况权衡利弊妥善处理。 2.1.2 常用的状态特征信号 目前广泛采用的状态特征信号有以下几种。 1）机械设备的输出变化 机械设备的输出用功能参数描述，在使用过程中它的大小是变化的，可直接用来识别设备的运行状态。例如监测粉碎机的产品粒度和产量，机床的加工精度，泵的流量和压力，柴油机的耗油量和功率就可判断它们的运行状态是否正常。一般说这种参数比较容易检测，使用人员容易接受。但是它们的灵敏度往往不高，一些主要零部件即使已有缺陷，机械设备的功能参数可能仍没有可察觉的变化。并且根据这类参数的变化也很难诊断故障的部位和原因。 2）振动 选择振动信号诊断设备状态有以下优点： （1）应用面广，任何机械设备运行时都有振动，劣化程度增加振动强度也增大，据统计