（机械电子工程专业论文）大型烟气机组故障诊断与趋势预测系统的研究.pdf

摘要 旋转机械在设备中占有较大比重，许多大型旋转机组如汽轮机组、发电机组、 离心压缩机等都是生产中的重要设备，它们的运行状况直接关系到企业的安全生 产，一旦出现故障，将给企业和社会带来巨大损失。因此，及时发现设备故障， 将其消灭在萌芽之中，并对故障的趋势进行预测，实现预知维护，显得尤为重要， 而真正做到这点就要依靠机电系统故障诊断及预测技术。 针对机电系统非线性非平稳运行状态的故障诊断以及趋势预测中的需要，结 合智能技术的最新发展和机电设备运行的非线性非平稳状态故障诊断以及趋势 预测中的需要，重点研究运用模糊诊断、遗传神经网络等智能方法对机电系统 进行故障诊断和趋势预测，较为全面和系统地介绍了智能诊断与趋势预示的关键 技术。论文的主要内容如下： 1 论文从故障诊断的基本原理与方法入手，研究了大型旋转机组的振动特 点，特征因子的选择与提取，及振动烈度的计算。为了提高信噪比，对振动烈度 信号进行了预处理，以及幅域分析、时域分析、频域分析和瞬态信号的处理与分 析，来揭示机组的运行状态，并对谱分析中的泄漏现象进行了研究。 2 由于机械系统的复杂性，机械故障与故障征兆之间的关系很难用精确数学 模型表示出来，故提出了机械故障的模糊诊断方法。论文研究了模糊集合的基本 原理、模糊诊断的隶属函数及矩阵的建立、模糊诊断的综合评判。构建了模糊诊 断的步骤：通过经验数据、统计数据、实验数据，建立模糊诊断矩阵r ；对现场 测舣的机械系统运行信息量，经信号处理、分析，得到故障征兆向量x ；通过求 解模糊关系矩阵方程y = x o r ，经模糊综合评判，从而得出诊断结果。 3 为了适应非平稳预测的要求，利用神经网络独特的联想、推测、自适应、 自学习和处理复杂非线性多模式等优点，结合遗传算法鲁棒性强，能够收敛到全 局晟优解等特点，提出了遗传神经网络趋势预测模型。论文详细阐述了b p 神经 网络预测模型的基本原理，推导了多步神经网络预测方法的误差及算、边界条件， 提供了b p 神经网络预测模型的建立步骤，研究了遗传算法的基本原理及其运行 参数：编码长度，群体大小、交叉概率、变异概率、迭代代数。最后，结合b p 神经网络与遗传算法的各自优点，设计了一种适合于机械故障预测的遗传b p 神 经网络，在其适用度函数中加入时间因素，建立了遗传b p 算法的程序流程图及 算法的具体步骤，将其应用到非平稳状态的趋势预测中，取得较好的效果。 4 以燕山石化炼油厂1 0 2 烟气机组为诊断对象，在深圳创为实公司的s 8 0 0 0 在线监测系统的基础上，研制了烟气机组故障诊断及预测系统。系统有独立的 摘要 信号采集系统，并自制了信号调理模块；系统软件以w d l d 0 w s 为运行平台， 采用虚拟仪器的主流开发工具【曲v m w 、m 棚a b 等设计系统软件，用d e l p l l i 开发数据库。系统的功能包括：数据采集、数据管理、信号分析、故障诊断、趋 势预测、打印等。 关键词：烟气机组；模糊诊断；遗传神经网络；故障诊断与趋势预溺4 ； a b s 汀r a c t r o t a t i n gm a c h i 雠r yc o n s t i m t em a j 鲥t y o ft h et o t a le q u i p m c n t m a l l yl a r g c - s i z c d r o t a t i n gm a c h i n e f y 鲫c h 够s t c 锄一t u r b i ，g e n e f a t o r 柚dc c n t r i f u g a lc o m p r c s ra ” a l lk e ye q u i p m e n t n e i r sp e r f o 傩蠲c cp l a yag f c 砒i m 邮a n t 砌et os a f ep f o h c c s s i n 岛 o n c ct h e yb 陀a kd o w n ，i tw i i lc a u h u g cd a m a g c s oi ti sm u c h m r ei m p o n a m tt o e l i m i n a t et h ec a u s co ft r o u b i ea tt h eb e 垂曲i n gb yd c t e c t i l l gt l i eb r c a i 【d o w ni na d v 卸c e 她dc a i r y0 u tt op f e d i dm a i n t e n 卸c eb yp r e d i d i n gt h c 眈n do fe q u i p m e n tf a u l t b 0 r d e rt o 咒a c ht h et a r g c t 曲町v em e n t i o n c dw em u 吼r c l yo nv i b f a t i o nd i a g n o s i s ( j o m b i n i n gt h c 化q u e s t so f t h ce l c c t m m o c h a n j c a ls y s t e m 加m i l l e 盯a n dn o s t a t i o n a r ) ，f a u l td i a 印o s i s 卸d 仃c n dp f c d i c t i 咖w - i ht h ea l t 墒d a li n t e l l i g c n tt e c h n o l o g y d e v e l 叩m 舶t ，t h ei n t c l i i g e n tf a u l td i a 鲫s i s 觚dt r c n dp r e d i d i 咖t e c h n o l o 百e sb a s c d o nf u z z yd i a 驴o s i s 柚dg e n ca l g o r i t h i n n e u r a ln e t w o r kt e c h n o l o 西e s 皿em a i n c o n t r i b u t i o n so ft h i sd i s s e n a t i o na r es u m m 铷叵z e da st b u o w s ： 1 f i r s to fa l l ，t h i sp a p e r 柚a l y s 髂t h eb 勰i cd i a 鲫o s t i cm c t h o d s ，s t l l d yt h e v i b r a t i 伽c h a m d e r i s i i c so fl a r g cr o t a t i n gm a c h j n e r y ，t l l ec h o i c co ft l i ec h a r a c t e f i s t i c f a c t o r ，a n dt h ec a l c u l a t i o no ft h ev i b r a t i i n t e n s i t yv a l u e s i g n a li ss t u d i e dt oc a r r yo n at c r r i t o r ya n a l y s i s ，t l l ct i l l l ed o m a i na n a l y s i s ，t h e 雠q u c n c yr 卸g c 矾a l y s i s ，舔w e l l 弱 t r a n s i e n ts t a t cs i g i l a lp r o c e s s i n g 柚dt h e 锄a i y s i s ，p r o m u l g a t e dt h eu n i tt h en l n n i n g s t a t u s ，锄dh 硒c o n d u c t e dt h er c s e a r c ht o i nt h es p e c i n l m 卸a l y s i sd i v u l 百n g p h e n o m e n o n 2 d u et dt h e m p l e x i t yo ft h em e c h 卸i c a is y s t e m ，t h cr c l a t i o n sb e 晰e t h e 缸u na n dt h cp o n c n ti sv e r yd i f i c l i nw i t ht h cp r c c i s em a t h e m a t i c a im o d e lt oi n d i c a t e ， t h e r c f o r cp m p o s e st h ef i l z z yf a u l td i a g n o s i sm e t l 川t 1 l ep a p c rh 够s t i l d i e dt h ef h z z y d i a 鲫o s i sm e m b e 体h i pf i l n c t i o n ，t h ef i l z z yd j a 印o s i sm a t f i 】【e s t a b i i s h m c n ta l l df h z z y d i a 印o s i ss y n t h e s i sj u d g m e n t f u z z yd i a 印o s i ss t e ph a sb e e n 鼯t a b i i s h e d 3 t om c c t t h en o n s t e a d yp r e d i c t i o n ，u t i l i z i n gt l l ea d v 卸t a g co ft h ea n 谢c i a l n e u r a ln e 铆o r l 【，s u c h 弱舔s o c i a t i o i l i d e n t i f i c a t i o n ，s e l f a d a p t a t i o n ，p o w e m l la b i l i t y o fs t u d y 柚dh 锄d h n gc o m p l i c a t i 伽sn o n - l i n em o d cc t c 。c o m b i i l et h cc h a f 乏i c t 鲥s t i c s o fg e n e g 嘣t l i i nw h i c hg c n e t i ca l g o f i t h mi sm b u s t ，孤d 啪r c s t r a i nt ot h co v e r a l l s i t u a t i o no p t i m a l l u t i o i l t h eg e n ca l g o r i t l l i i l n e u r a in e t w o r ki sp u tf o 州a r d 1 k p a p e re l a b o r a t e db a s i c 阳n c i p l eo fb pn e u m in e t w o r k 柚dg e n e t i ca l g o r i i h m ，卸d d e s i g i l e dag e n e 灿9 0 r i t h m n e u r a ln e 细o r kw h i c hs u “m e c h a n i c a if a u l td i a g l l o s i s 锄dp r e d i c t i ，柚dt h et i m ef a a t o ri sc o n s i d e r e di nt h ef i t n e 蟠f h n c t i o fg c n c t i c a 1 9 0 r i t l m l 码eg e 舢g o r i t h i n - n e u r a ln e 伽o r kw 龉a p p l i c dt on - s t e a d ys t a t e 呦d p r e d i d i s ，柚d9 0 0 dr e s u l t sa r co b t a i n c d 4 1 1 l ef a u l td i a 印o s i s 卸dt f c n dp r c d i d i 彻s y s t 哪b 蚓。do ns 8 0 0 0o n l i n e m o n i t o fs y s t e mh 勰b c e ns e t 叩f o r t h en o 1 0 2s m o k c s 锄dg 蠲t l i i b i n eo fy a n s h 柚 p c t r o l1 1 1 c s y s t e mh a si n d e p c n d 蛐ts i 印a ia c q u i s i t i o ns y s t e m 柚ds i 弘a l 叩s o n i z e m o d u i cm a d cb ys e l f - s y s t c mt a l 【c sw i n d o w s 弱n sw o r k i n gp l a t f o r m ，l a b v i e w a i l dm 棚a ba r em a d eu s co fd e v e l 叩i n gs y s t e ms o f t 、) y a f c ，柚dd e l p h ii sm a d eu s e o fd e v c l 叩i n gd a t a b 鹤e 而e s y 啦m a t i c f i i n c t i o ni n c i u d c ：d a t ac d l l e c t ， d a 纽 a d m i l l i s i r a t i 仰，s i 印a l 柚a l y s i s ，f a u hd i a 印o s e ，仃e n dp r e d i c t i 咖柚d k e y 咖r d s ：s m o k 韶柚dg a st i l i 由i 蟛f u 忽yd i a 孕螂i s ；g e n c 朋g o r i t h m n e u 甩l n e m o 咄f a u nd i 孵瞒i s 柚d 仃e n dp r c d i d i o n ； 学位论文版权使用授权书 本人完全了解北京机械工业学院关于收集、保存、使用学位论文 的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和 电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、 缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以 及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向 国家有关部门或者机构送交论文的复印件和电子版；在不以赢利为目 的的前提下，学校可以适当复制论文的部分或全部内容用于学术活 动。 学位论文作者签名：辛哆 翌三主三篓 经指导教师同意，本学位论文属于保密，在年解密后适用 本授权书。 指导教师签名：学位论文作者签名： 年月日年月 日 硕士学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，进 行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论 文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表 的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集 体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任 由本人承担。 签名：嬲 唧弼月多硼 第l 章绪论 第1 章绪论 1 1 研究旋转机械状态监测与预测技术的目的和意义 对大型旋转机械状态进行在线监测及预测，无论是对企业的产品质量管理、 设备的科学维护，还是对企业的安全生产都具有十分重要的意义。 现代化大生产的一个明显趋势就是机电设备向大型化、高速化、连续化和自 动化方向发展。因此，设备的功能愈来愈强，生产效率愈来愈高，同时设备的规 模、精密程度、复杂程度和自动化程度也愈来愈高。这一方面大大促进了生产的 发展，如提高了生产率，改善了产品的质量，降低了成本，节约了能源和改善了 工人劳动条件：另一方面也潜伏着一个很大的危机，即故障发生的频率增加、故 障造成的危害增大。这不仅会造成巨大的经济损失、严重的环境污染，而且会 危及人民生命财产的安全，造成深远的国际影响，损害一个国家的形象( 如切尔 诺贝利核电站泄漏事故、美国挑战者号航天飞机爆炸事故等) 。这一客观形势促 使了机械故障诊断这一门新的技术和学科的诞生和发展。 旋转机械是工业上应用最广泛的机械。许多大型旋转机械，如：离心泵、电 动机、发动机、发电机、压缩机、汽轮机、轧钢机等，是石化、电力、冶金、煤 炭、核能等行业中的关键设备。对这些设备进行专门监测、诊断能起到事半功倍 的效果。 为了掌握设备运行状态，避免事故的发生，需要研究并应用先进的状态监测 与趋势预测技术。对于随机性故障，因事先能检测到信号变化而报警，可及时采 取措施，避免事故的发生；对于趋势性故障，因其故障有发生、发展过程，通过 研究其发生、发展过程，掌握其规律，可预防事故的发生。 状态监测与预测技术的发展，促使了设备维修制度的变革。从工业化至今， 设备维修方式大致经历了三种方式，即： 1 事后维修饵r c a k d a w nm a i n t c n 卸c c ) 2 预防维修( p r e v 曲t i v em a i n t e n 粕c c ) 3 预知维修( p r e d i c t i v em a i n t c 眦n c c ) 预防维修是以设备运行时间为基础的，这种维护方式的主要特点是不论设备 是否有故障都按人为的计划时问定期检修，这种方式同时存在过维修( 为避免重 要殴备意外事故而造成巨大的经济损失，往往采取周期性强制维护，而且其时间 周期留有较大的安全系数，因而这种维护方式是不经济的) 和欠维修( 由于不同 第1 页共6 1 页 第1 章绪论 零部件寿命不一，即使同一种零部件在不同润滑条件、运行状况下，其寿命差异 甚大，以致未到维修期已发生故障) 的缺陷。当然，这是在不掌握设备当前状态 和无法预测未来发展的情况下不得已而采用。预知维护是设备动态维护的一项新 兴技术，它是通过对机械设备运行状态做监测及预测来取代定期维修，其原则是： 只有当监测、分析和预测结果表明有必要维修时才进行维修。这种维护方式能监 测和预报设备的故障和故障部位、日期，因此在设备亚正常运转时可以不停机， 在发现故障前兆时能及时停机，甚至能按判别出的故障的性质和部位，做到有目 的地进行检修。预知维护取代传统的预防性维修是关键设备和大型设备维护方式 的发展趋势。 状态监铡与预测技术的发展，提高了企业的经济效益。设备诊断技术的最终 目的在于避免故障( 尤其是重大故障) 的发生，使零部件的寿命得到充分的发挥， 延长检修周期，提高维修的精度和速度，降低维修费用，获得最佳经济效益。因 此设备诊断技术的应用隐含着巨大的经济效益。对英国2 0 0 阶工厂的调查表明， 采用设备诊断技术后维修费用每年节约3 亿英镑，除去诊断技术费用0 5 英镑，净 获利2 5 英镑。美国某电厂投入2 0 万美元的设备诊断费用，年获利可达1 2 6 万美元。 我国铁路系统采用诊断技术之后，1 9 8 6 年与1 9 7 9 年相比燃轴事故减少1 4 倍，相当 于增加运输年收入2 亿多元。 基于上述原因，大力发展和推行机械设备状态监测与预测技术、改革现行的 计划维修制度并逐步向预知维修制度过渡，当前已是势在必行的了。 1 2 旋转机械状态检测与预测技术的发展历程及趋势 1 2 1 旋转机械状态检测与预测技术的发展历程 旋转机械状态监测与预测技术是为适应工程实际需要，由多门学科交叉而形 成的综合学科，它与人类社会对设备的维修方式紧密相连。在工业革命后的相当 长的时期内，由于当时的生产规模、设备的技术水平和复杂程度都很低，设备的 利用率和维修费用没有引起人们的重视，人类对设备的维修方式基本上是事后维 修( b r c a k d o w nm a i n t e n a n c e ) ，即设备运行出现问题之后才进行故障分析和设备维 护。2 0 世纪之后，随着科学技术和社会化大生产的发展，尤其是流水线生产方 式的出现，设备本身技术水平和复杂度都大大提高，设备故障对生产的影响显著 增大，在这种情况下，事后维修显然已不适用设备维护的需要，于是出现了定期 预防维修( p r c v 锄t i v em a i n t e n a n c e ) 。这一维修阶段是以可靠性为中心的。其策略 是以机械的可靠性为出发点，根据设备运行状态实际劣化的程度来决定维修时间 第2 页共6 l 页 第l 章绪论 和维修规模，制定出最佳的维修周期。由于预防维修立足于故障隐患消除在其发 生之前，同时由于故障发生的随机性，也就不可避免地形成了一定程度的过剩维 修和欠维修。大约在上世纪5 0 年代，美国军方意识到了定期预防维修的一系列 弊端，开始变定期维修为预知维修( p r e d 融i v cm a i n t e n 柏c e ) ，即在设备运行过程 中对设备进行监控，以发现潜在的故障因素，及早采取措施，防止突发性故障的 产生。美国军方的这种主动维修方式，不仅大大避免了灾难性的设备故障，而且 避免了欠维修和过剩维修，经济效益十分显著。这种维修方式很快被其他企业所 效仿，与此同时设备诊断技术也迅速地发展起来。 从科学发展的大环境来看，旋转机械状态检测与预测技术的产生也是各学科 交叉发展的必然“1 。上世纪4 0 年代之后，人类的生产方式日益向大工业方向发 展。在这种宏伟的社会大背景下，系统论、混沌学等纷纷诞生，尤其是控制理论 出现了重大突破，产生了一系列现代控制方法。生产系统的庞大化和复杂化同时 也暴露出了一些问题，即如何避免运行中故障的发生，这就要求有一门相应的诊 断技术。5 0 年代，各种类型和性能的传感器和测振仪相继研制成功，并开始应 用于科学研究和工程实际。6 0 7 0 年代，数字电路、电子计算机技术的发展、“信 号数字分析处理技术”的形成，推动了振动检测技术在机械设备上的应用。7 0 8 0 年代，机械设备的状态监测与故障诊断技术在许多发达国家开始研究。随着 电子计算机技术、现代测试技术、信号处理技术、信号识别技术与故障诊断技术 等现代科学技术发展，机械设备的监测研究跨入系统化的阶段，并把实验室的研 究成果逐步推广到核能设备、动力设备以及其它各种大型的成套机械设备中去， 进入了蓬勃发展的阶段。例如：日本三菱公司的“旋转机械健康管理系统” ( m a c h i n c r yh e a l t hm o n i t o r i n g ，简称m h m ) ，美国西屋公司的“可移动诊断中 心”( m o b i l e d i a 蚋o s i sc c m e r ，简称m d c ) ，美国中心发电部的“透平监测设 备”( t u r b ms u p c n ，i 巧e q u i p m e m ) 和“试验设备监测”( 1 b te q u i p m e n t m o n i t 嘶n g ) ，丹麦b k 公司的2 5 0 0 型振动监测系统等，都具备了机组信号数 据的采集，分析、计算、显示、打印、绘图等功能，并配有专项诊断软件。9 0 年代以来，高档微机不断更新且价格迅速下降，数字信号处理的计算方法不断优 化，使数据处理速度大为提高，为在工业现场应用状态监测技术创造了条件。丹 麦、美国、德国、日本等发达国家的专家学者对旋转机械工作状态监测技术进行 了深入研究，研制出不同系统。该类系统以丹麦b & k 公司的2 5 2 0 型振动监测 系统、美国b e h m y 公司的3 3 0 0 系列振动监测系统、美国亚特兰大公司的 m 6 0 0 0 系统为代表已经达到较高的水平。 国内，自八十年代以来，有关研究院所、高等院校和企业- 丌始自行或合作研 究旋转机械状态监测技术，无论在理论研究、测试技术和仪器研制方面，都取得 第3 页麸6 l 页 第l 章绪论 了成果，并开发出相应的旋转机械状态监测系统。 1 2 2 旋转机械状态检测与预测技术的发展趋势 状态监测与预测技术经过近半个世纪的研究发展，大致经历了三种方式“1 ： 1 离线定期监测方式 测试人员定期到现场用一个传感器依次对各测点进行测试，并用磁带机记录 信号，数据处理在专用计算机上完成，或是直接在便携式内置微机的仪器上完成； 这是当前利用进口监测仪器普遍采用的方式。采用该方式，测试系统简单，但测 试工作较繁锁，需要专门的测试人员；由于是离线定期监测，不能及时避免突发 性故障。 2 在线检测、离线分析的监测方式 亦称主从机监测方式，在设备上的多个测点均安装传感器，由现场微处理器 从机系统进行各测点的数据采集和处理，在主机系统上由专业人员进行分析和判 断。相对第一种方式，该方式免去了更换测点的麻烦，并能在线进行检测和报警； 但是该方式需要离线进行数据分析和判断，而且分析和判断需要专业技术人员参 与。 3 自动在线监测方式 该方式不仅能实现自动在线监测设备的工作状态，及时进行故障预报，而且 能实现在线地进行数据处理和分析判断；由于能根据专家经验和有关准则进行智 能化的比较和判断，中等文化水平的值班工作人员经过短期培训后就能使用。该 方式与其它两种方式相比技术水平先进，不需要人为更换测点，不仅不需要专门 的测试人员，也不需要专业技术人员参与分析和判断；既能避免设备突发性故障 又无需专业人员现场操作；但是软硬件的研制工作量很大。 近年来，随着信号分析和处理技术、计算机技术、人工智能技术、网络技术 的发展，状态监测与预测技术主要将向以下几个方向发展： 1 智能化 诊断的智能化的基本要求就是要在缺乏领域专家的情况下，仍然能够准确、 迅速而自主地完成诊断任务；更高一步的要求是诊断系统能够在运行过程中，半 自主甚至是全自主地学习吸收新的领域专家知识，从而自我完善。诊断的智能化 同时也是诊断技术以及诊断系统在工程实践中推广应用的必备条件。 2 系统化 诊断的系统化有两层含义。首先，对于某项监测、诊断任务而言，由于具体 故障可能显示出多种类型的征兆，可采用的监测与诊断技术也很多，得到的初步 渗断结果可能互相验证，也可能互相矛盾，因此必须强调多故障征兆信息的系统 第4 贞共6 l 页 第l 章绪论 化融合诊断，以提高诊断准确性。其次，对于旋转机械这样的复杂设备而言，可 能同时存在多种故障，各种故障之间相互联系，相互影响，因此必须完成由传统 单故障诊断到多故障并行诊断的转变，同时能够区别对待局部故障和系统故障。 3 非线性化 传统的在线监测与预测技术的研究通常都忽略了设备的非线性振动信息，而 随着机械设备的功能越来越强，结构越来越复杂，非线性的因素就显得明显了； 而且，大型动力设备往往是变工况的，其负荷变化、供电波动等是设备的正常工 况( 非故障工况) 。如何区分变工况与故障将是监测与预测技术的一个重要发展 方向。 4 网络化 网络化是在线监测与预测技术的重要发展方向，由于旋转机械是一类非常复 杂的机械设备，故障的机理及其表现形式也复杂多样，为提高对疑难故障的诊断 速度和准确性，充分利用资源，降低监测和诊断成本，更加有必要发展、应用基 于k t 咖e t 的多线程远程联合诊断技术。同时，网络化的状态监测与预测技术与 先进的物流技术和维修管理技术相结合，又是降低设备运行成本，提高经济效益 的重要手段。 随着知识经济的来临，世界经济的全球化和一体化，人类对环境的要求越来 越高。这对机械设备状态监测和故障诊断技术的要求也越来越高，不仅要满足实 现诊断性能的要求，还要满足有利于保护环境、节约能源，节省资源、使用简单 可靠的要求。这也将使得机械设备状态监测和故障诊断技术将朝着与环境相协调 的方向发展 1 3 课题来源及论文的主要研究内容 本课题来源于北京机械工业学院机电测控实验室承担的国家自然科学基金 资助项目“大型旋转机电系统非平稳状态的故障趋势智能预示技术研究”和北京 市自然科学基金资助项目“有关天然气动力设备安全的智能预知维护及敏感特征 研究”。主要研究大型旋转机械非平稳状态特征因子的提取方法，及其信号分析 方法，进一步研究大型旋转机械故障诊断及预测的理论、方法和新技术。 本论文的第一章主要介绍了本课题研究的目的、意义以及国内外故障诊断技 术的发展的现状以及发展趋势；第二章介绍了机电系统故障诊断的基本原理、常 用信号分析方法：第三章，针对机械故障与特征因子之间不确定性关系，提出了 模糊故障诊断方法，也就是利用模糊集合论中的隶属函数和模糊关系矩阵来实现 故障的早期预报和精密诊断。第四章，全面分析了人工神经网络的优缺点，针对 第5 页共6 1 页 第l 章绪论 旋转机械的非平稳性工况，提出了人工神经网络与遗传算法相结合的趋势预测方 法。第五章，介绍了燕山石化催化机组在线监测与分析系统，以及北京机械工业 学院机电测控实验室的故障诊断及趋势预测系统。第六章，对本论文作了全面的 总结。 第6 页共6 1 页 第2 章振动故障诊断原理与信号分析 第2 章振动故障诊断原理与信号分析 2 1 振动故障诊断原理 2 1 1 故障诊断的基本内容 设备状态监测与故障诊断技术是一种了解和掌握设备在运行过程中的工作 状态，确定其整体和局部的运转是否正常，对非正常现象，确定其发生原因，并 能预测其的发展趋势的一门工程技术。故障诊断学是以可靠性理论、信息论、控 制论和系统论为理论基础，以现代测试仪器和计算机为技术手段，结合各种诊断 对象( 系统、工程结构、工艺过程等) 的特殊规律而形成的一门新兴学科。现代 设备故障诊断主要包括以下三个方面的内容”： 1 机械设备状态监测，使用传感器采集信号并显示出来，用以判断设备运行 状态是否正常。 2 故障诊断，在机械设备出现故障之后，确定其故障类型、程度、部位以及 故障原因。目的是为最后的诊断决策提供依据 3 机械设备运行状态的趋势预测，在状态监测的基础上进一步对设备运行状 态的发展趋势进行预测，目的是为了预知设备劣化的速度以便为生产安排和维修 计划提i j 作好准备。 2 1 2 故障诊断的一般过程 机电设备故障诊断内容包括状态监测、故障诊断、和趋势预示三个方面。其 具体实施过程可归纳为以下四个方面叭，如图2 1 所示。 图2 1 机械故障诊断的基本过程和原理 第7 页共6 l 页 第2 章振动故障诊断原理与信号分析 1 信号采集，就是使用传感器采集机械设备运行过程中产生的各种信号，比 如振动、位移、流量、温度、压力等，其中主要是振动信号。采集的信号经过调 理，模数转换之后，再显示或存储。 2 信号处理，传感器采集的信号一般都含有大量噪声信号，且时域信号很难 直观地与故障特征对应，这时就需要对信号进行加工，比如时频转换等，这种加 工就是信号处理。 。 3 状态识别，根据信号处理后获得的参数来判定机电系统究竟处于何种状 态，以确定是否存在故障。在进行这一步时，需要先制定一个参考状态或标准， 当被测系统的参数与某一参考状态或标准相匹配时，可以认为系统处于相应状 态。 4 诊断决策，根据对设备状态的判断，决定应采取的对策和措施，同时应根 据当前信号预测设备状态可能发展的趋势，进行趋势预示。 2 2 旋转机械设备振动的特点及原因 机械振动是物体沿直线或曲线并经过平衡位置作往复运动的过程。机械振动 是一种十分普遍的现象，凡是运行中的机械都存在不同的程度振动。在许多情况 下，振动是反映机器状态最敏感的参数，即使机器状态发生微小的变化也往往能 从振动的变化中反映出来。机械振动诊断就是通过测量分析机器的振动信号获取 有关状态信息来判断其状态的一种现代设备管理方法。 对于机械设备来说，通常会产生两种不同形式的振动1 ：受迫振动和自激振 动。 1 受迫振动 受迫振动是由外界对系统激励而引起的。外界激励的来源可能是直接作用在 系统上的激振力，也可能是由于系统中运动部件的不平衡离心惯性力引起的，再 就是由支承件的持续运动而引起。这些激励作用可能是周期性的，也可能是非周 期性的如旋转机械的质量不平衡、几何轴线不对中、齿轮啮合不好、传动配合 失当、轴颈轴承间隙过大等，都会引起机械设备的受迫振动。当阻尼较小时，其 激励频率接近于固有频率，它会使设备或结构产生过大的动应力，成为疲劳破坏 的重要原因之一。 2 自激振动 自激振动是依靠系统自身各部分问相互藕合而维持的稳态周期振动。无需周 第8 页共6 l 页 第2 章振动故障诊断原理与信号分析 期变化的外力就能维持的稳态振动，因而与强迫振动有原则的区别。自激振动的 突出特点是它的自治性，即当它处于自激振动状态时，系统并不承受随时问变化 的外力作用，而是依靠系统的各个组成部分间相互作用的内力来维持稳态周期振 动的。它的频率和振幅只取决于系统自身的结构参数。 引起自激振动的原因很多，其产生的机理也十分复杂。但自激振动在生活和 生产中普遍存在，在许多场合自激振动对于生产是有害的。例如在切削加工时， 刀具和工件之间的干摩擦可引起自激振动，使刀具频振，降低工件表面的光洁度。 汽车前轮的摆振，机具发生的频振，透平机叶片的频振，油膜振荡使转子出现涡 动失衡，供水系统流体的喘振和管道弯曲振动等等都对设备有害。所以说自激振 动对许多工程领域都具有重要的影响。 2 3 敏感因子的选择 对于旋转机组，虽然监测系统的监测的项目有很多，包括：温度、压力、电 量、液位、流量等常规检测内容但由于机械动特性可以反映机组工作状态的关 键特征，因而振动信号是主要的监测对象。机械动特性主要是指振动特性，因而 将机组的有关振动特性作为机组状态敏感因子的选择对象。 机组的振动信号包含了大量的、极其丰富的有用信息，如：转子的动不平衡、 轴承的腐蚀和缺陷、齿轮表面的磨损以及材料裂纹及其扩展等，这些信息在机械 振动信号中都会有不同程度的反映。机械振动参数比起其它状态参数( 如：润滑 油或机组温度、压力、流量以及电机电流等) 更直接、快速、准确地反映机组运 行状态，因此将振动信号作为机组状态监测及预测的主要检测项目。若要从振动 信号中提取机组状态信息，应通过振动信号时域、频域分析来揭示机组整体或机 组部件的工作状态，并进行有关故障分析；通过对机组振动级值的历史、现状和 发展趋势的分析，可为以预知维护取代以时间为基础的预防性维护提供依据。 振动级值主要是指振动速度的振动级值，它包含振动信号的主要参数和主要 特征，是机组工作状态和故障程度的重要标志，因此将振动级值选择为机组状态 的敏感因子。振动级值包括时域参数振动烈度，频域特征振动频率分量。 2 4 振动烈度的计算 振动烈度值，即振动速度的总均方根值，是振动信号的幅值域参数。由于 振动烈度值主要体现机组整体振动量的大小，从而反映了机组整体的工作状态： 川时振动烈度值与信号所含的能量关系密切，受频率变化的影响较小，并且均方 第9 页共6 1 页 第2 章振动故障诊断原理与信号分析 根值对机组常发生的非表面损伤类故障比较敏感，所以选择振动烈度值的大小作 为机组整体状态故障预报的依据，并提供预知维护的信息。 对于模拟信号，烈度计算公式： 瓜丽 ( 2 1 ) 式中：r 一采样时间( s ) y ( f ) 一振动速度值( m m s ) p 一振动烈度( 删n s ) 若采用的是压电式传感器，采样得到的是加速度量，经过积分得到的速度量， 积分后会给求得的速度量增加一个常量，故必须减去该常量，该常量为速度的均 值矿。 速度值矿o ) 加速度彳( j ) 有以下关系： y o ) 一上爿( ，弦 ( 2 2 ) 其中：彳( ，) 一振动加速度值删s 2 ) ； 将( 2 2 ) 代入( 2 1 ) 得到： 2 5 信号分析 ( 2 3 ) 设备在运行过程中，和运动有关的各种物理量随时恻的变化呈现一定的规 律。这些物理量就是我们前面所采集的振动、温度和压力等。用各种相应的传感 器测得它们随时问变化的信号，经采样离散化就得到信号数据。这些数据中常常 包含对机器状态识别与诊断非常有用的各种信息。有效地分析、处理这些数据， 建立它们和设备运行状态之间的联系，是研究故障诊断的方法之一。为了更有效 地进行识别和诊断，通常还要对数据进行加工处理，抽取特征。如果知道某些特 征与设备的状态或某种故障有较强的关系，就能获得好的诊断效果。在旋转机械 故障诊断中，工程信号( 数据) 处理的目的就是去伪存真，提取与机械运行状态有 关的特征信息。 信号分析与处理是在幅值、时间、频率等进行的，它们从不同的角度对信号 进行观察和分析，丰富、完善信号分析与处理的结果。 第l o 页共6 l 页 第2 章振动故障诊断原理与信号分析 2 5 1 信号的预处理 数据采集后，需要进行检验和预处理，以便发现和处理数据中可能存在的各 种问题。通过数据预处理，可以降低数据流量，减轻监测中心的工作负荷。数据 预处理工作由现场工作站完成。 1 疵点剔除 在数据采集系统中，由于传输环节中信号的损失、模数转换器的失效等，将 产生不代表信号信息的点，这些点也叫疵点。疵点一般用数学上的差分法检测并 剔除，工程中往往是人工直接将疵点舍弃。疵点剔除可以提高信噪比。 乏零均值化处理 零均值化处理也叫中心化，即把被分析数据值转化为零均值的数据。设对连 续样本记录“，采样后所得离散数据序列为每。 ，弗一1 ，2 ，其均值为： 知专缸 ( 2 句 中心化就是定义一个新的时间历程工o ) 一蚱一i ，对其采样后得离散数据序列 k 。鲁。一二 ，新的数据序列k 的均值为o ，这样就可以简化以后分析中用到的 公式和计算。 3 消除趋势项 趋势项是样本记录中周期大于记录长度的频率成分。数据中的趋势项可以使 低频时的谱估计失去真实性，所以从原始数据中去掉趋势项是非常重要的工作。 但是，在某些问题中，如果趋势项不是误差，而是原始数据中本来包含的成分， 这样的趋势项就不能消除，因此消除趋势项要特别谨慎。消除趋势项最常用的方 法是最小二乘法，它能使残差的平方和最小。 除了上述前端的数据预处理。现场工作站还进行一系列数据分析工作，比如 计算测量数据的峰一峰、平均值和总值，同时利用d s p 快速处理芯片计算信号的 频谱数据等。 2 5 2 信号的幅域分析 在信号幅值上进行的各种处理称作幅域分析。信号的简单幅域参数，包括均 值、最大值、最小值、均方根值等。若信号( f ) 为采样所得一组离散数据 0 。，工：，) “3 ，则计算这些参数的计算公式为： 第1 1 页共6 1 页 第2 章振动故障诊断原理与信号分析 均值： i 一昙砉而 ( 2 5 ) 最大值： x 。m a x k 口 ( f 1 ，2 ，一) ( 2 6 ) 最小值： x 。一m i n k 0 ( f 一1 ，2 ，弗) ( 2 7 ) 均方根值：x 。t j 三砉 ( 2 8 ) 方差 d j 一击耋k i y ( 2 9 ) 均方根值反映信号能量的大小，方差表示数据的分离程度，它们之间有如下 关系： 见。工毛一i 2 ( 2 1 0 ) 这些幅域参数计算简单，对故障有一定的敏感性，例如，在工况的监测中， 如果某一时刻机组振幅超过设定的值时，就可鸣声报警。 上面所提到的这些幅域参数都是有量纲参数，但有量纲幅域诊断参数的值常 因负载、转速等条件的变化而改变，实际中很难加以区分。改善的办法是引入量 纲为一的幅域参数，它们对信号的幅值和频率的变化不敏感，即和机器工作条件 关系不大，而对故障足够敏感。常用的量纲为一的幅域参数有： 波形指标( s h a p ef a c t o r ) 已。督 口1 1 ) 峰值指标( c r e s tf a d o r ) c r 。告 ( 2 1 2 ) j x 、。 脉冲指标( h n p u l s ef a c t o r ) ，i 青 ( 2 1 3 ) 裕度指标( c l e 盯锄c cf a c t o r ) 说，。等卜e 砉佩，2 ) 峭度指标( k u n o s i sv a i u c ) k ；乏c 卢= 昙p 仁1 5 ) 第1 2 页共6 1 页 第2 章振动故障诊断原理与信号分析 峭度指标、裕度指标和脉冲指标对冲击脉冲类故障比较敏感，特别是在故障 发生的早期，它们有明显增加，随故障的逐渐发展，反而会下降，表明它们对早 期故障有较高的敏感性，但稳定性不好。一般来说，均方根值的稳定性较好，但 对早期故障信号不敏感。所以，为了取得较好的效果，常将它们同时应用，以兼 顾敏感性和稳定性。 2 5 3 信号的时域分析 时域分析最重要的特点是信号的时间顺序，即数据产生的先后顺序。在幅域 分析中，虽然各种幅域参数可用样本时间波形来计算，但是时间顺序是不起作用 的，因为数据的任意排列，所计算的结果是一样的。下面主要讨论时域分析中的 时基波形分析、自相关分析和互相关分析。 1 时基波形分析 对于有些故障信号，其波形具有明显的特征，这时可以利用时域波形作出初 步判断。例如，转子不平衡故障较严重时，信号中有明显的以旋转频率为特征的 周期成分“( 图2 2 ) o ；玄尚一密一i 矗密盎i i 菇一；菇一旒一钿 图2 2 具有明显波形特征的故障 2 自相关分析 信号或数据的自相关函数疋扛) 是描述一个时刻的取值与另一个时刻的取值 之间的依赖关系，若要估计石o ) 在t = 时刻和t = + f 时刻上的相关性n 3 1 ，则可用 下面的式子来描述。 r - ) = 脚x 膏呲+ f 如 ( 2 1 6 ) 在采样长度t 上，对这两个值的乘积求平均、取极限而得到自相关函数 b ( r ) 。离散化数据计算公式为： 第1 3 页共6 l 页 第2 章振动故障诊断原理与信号分析 咒g f ) 一面b 蓦工( r + 以) n 一1 ，2 ， f 肼一 r ( 2 1 7 ) 式中n 采样点数； r 一时间序列 n 一时延序列 不同的信号具有不同的自相关函数，是利用自相关函数进行故障诊断的依 据。正常运行的机器，其平稳状态下的振动信号的自相关函数往往与宽带随机噪 声的自相关函数相近，而当有故障，特别是出现周期性冲击故障时，在滞后量为 周期的整数倍处，自相关函数就会出现峰值。 3 互相关分析 互相关函数足，“a f