（精密仪器及机械专业论文）旋转机械频谱智能分析系统的研究与实现.pdf

大连理工大学硕士学位论文 摘要 随着计算机技术和故障诊断技术的发展，各种故障诊断软件相继投入使用，但是目 前应用于旋转机械的设备监测与故障诊断系统大多采用数字信号处理技术，这对于使用 客户及现场监测人员来说难于掌握，他们急需一种只需简单操作就能给出诊断结论的智 能分析诊断系统。另一方面对旋转机械来说频谱含有丰富的信息，不同故障情况其频率 及其幅值大小各不相同，特征频段上特征量的大小和比例关系，可以反映出相应的故障 类型。频谱是旋转机械故障信息的主要来源，许多分析方法都是以频谱为数据源的。 文中介绍了旋转机械常见故障及其频谱特征。对频谱图进行分析，可以发现频谱图 主要由频谱环绕区域、频谱背景区域、频谱边界和频谱曲线组成，它们所对应的颜色对 比鲜明，利用这些颜色采用图像处理技术直接在频谱图上进行特征提取，从而获得故障 征兆。 专家系统和神经网络都有各自的优缺点，难以满足复杂系统诊断的全部要求。针对 二者的优缺点设计了把基于符号推理的专家系统和基于数值计算的神经网络二者有机 结合起来的神经网络故障诊断专家系统，很好的满足了智能化的要求。 在w i n d o w sx p 系统下，采用完全面向对象的j a v a 技术和功能强大的关系型数据库 o r a c l e ，设计并实现了频谱特征提取和智能分析诊断功能及用户界面。通过用户的简单 操作可以直接给出设备是否运行正常，如果出现故障是什么故障，可能原因以及应采取 的措施等分析结果。 本系统已应用于燕山石化监测报告的频谱分析中，对于旋转机械的典型故障可以做 出比较准确的判断，应用表明该系统是实用的、有效的。 关键词：旋转机械；频谱图；专家系统；神经网络；智能分析 旋转机械频谱智能分析系统的研究与实现 r e s e a r c ha n dr e a l i z a t i o no ft h ef r e q u e n c yi n t e l l i g e n ta n a l y s i s s y s t e mf o rr o t a t i n gm a c h i n e r y a b s t r a c t w i t ht h ed e v e l o p m e n to fc o m p u t e ra n df a u l td i a g n o s t i ct e c h n o l o g y ，a l lk i n d so ff a u l t d i a g n o s t i cs o f t w a r ep u ti n t os e r v i c e t h et e c h n i q u e so fd i g i t a ls i g n a lp r o c e s s i n ga r eu s e di n t h es y s t e mo fe q u i p m e n tm o n i t o r i n ga n df a u l td i a g n o s i s ，b u ti ti ss oh a r df o rt h ec u s t o m e r sa n d f i e l dm o n i t o r i n gp e r s o n st h a ta ni n t e l l i g e n ta n a l y s i ss y s t e mg a l ag i v et h ed i a g n o s i sr e s u l t sb u t o n l yn e e ds o m es i m p l es e t t i n g si su r g e n tn e e df o rt h e m o nt h eo t h e rh a n dt h e r ei sp l e n t yo f i n f o r m a t i o ni nt h ef r e q u e n c ys p e c t r u m t h ef r e q u e n c i e sa n da m p l i t u d e so fd i f f e r e n tf a u l t sa r e d i f f e r e n t t h ea m p l i t u d e sa n dp r o p o r t i o no ft h es p e c t r a le i g e n v e c t o rr e f l e c tc o r r e s p o n d i n g f a u l t s b e c a u s et h ef r e q u e n c ys p e c t r u mi st h ep r i m a r ys o u r c eo ft h er o t a t i n gm a c h i n e r y sf a u l t i n f o r m a t i o n , i ti st h ed a t as o u r c et om a n ya n a l y t i c a lm e t h o d s r o t a t i n gm a c h i n e r y su s u a lf a u l t sa n dt h ec h a r a c t e r i s t i c sa r ed e s c r i b e d i tw i l lf i n dt h a t t h es p e c t r u mi m a g ec a nb ed i v i d e di n t ot h es u r r o u n d e dd o m a i n ，t h eb a c k g r o u n dd o m a i n , t h e s p e c t r u mb o u n d a r ya n dt h es p e c t r u mc l l r v e ，t h ec o l o r so fw h i c ha r es od i f f e r e n tt h a tt h e y c o n t r a s t , s ow ec a ne x t r a c tf e a t u r e sd i r e c t l yf r o mt h es p e c t r u mt a k ea d v a n t a g eo fi m a g e p r o c e s s i n gt e c h n i q u e sb ym e a n so f t h e s ec o l o r s t h e nt h ef a u l ts y m p t o m sa r e g o t b o t he x p e r ts y s t e ma n dn e u r a ln e t w o r kh a v et h e i ro w nr e l a t i v em e r i t s ，w h i c hc a nn o t m e e tt h en e e do fc o m p l e xd i a g n o s t i cs y s t e m t ot h i sq u e s t i o n , an e u r a ln e t w o r kf a u l t d i a g n o s i se x p e r ts y s t e mc o m b i n ee x p e r ts y s t e mb a s e do ns y m b o lr e a s o n i n gw i t hn e u r a l n e t w o r kb a s e do nn u m e r i c a lc a l c u l a t i o ni sd e s i g n e d , w h i c hm e e tt h ei n t e l l i g e n tn e e dv e r y w e l l u n d e rt h ew i n d o w sx ps y s t e m ，t a k i n ga d v a n t a g eo fo b je c t - o r i e n t e dj a v at e c h n o l o g ya n d p o w e r f u lr e l a t i o n a lo r a c l ed a t a b a s e ，d e s i g na n di m p l e m e n ts p e c t r u mf e a t u r ee x t r a c t i o n ， i n t e l l i g e n ta n a l y s i sa n d u s e ri n t e r f a c e t h es y s t e mw i l lg i v et h ea n a l y s i sr e s u l t st h a tt e l ly o ui f t h ee q u i p m e n to p e r a t i n gn o r m a l l y ，w h i c hf a u l ti fi th a sa n y ，p o s s i b l ec a u s e sa n dw h a tm e t h o d s s h o u t db et a k e n t h i ss y s t e mh a sa p p l i c a t i o ni nf r e q u e n c ya n a l y s i so fy a n s h a np e t r o l c h e m i c a lc o m o n i t o r i n gr e p o r t s ，a n di tc a nm a k et h eq u i t ea c c u r a t ed i s t i n g u i s ht ot h et y p i c a lf a u l t so f r o t a t i n gm a c h i n e r i e s i th a sb e e np r o v e dp r a c t i c a la n d e f f e c t i v e k e yw o r d s ：r o t a t i n gm a c h i n e r y ；s p e c t r u mi m a g e ；e x p e r ts y s t e m ；n e u r a ln e t w o r k ； i n t e l l i g e n ta n a l y s i s i i 大连理工大学学位论文独创性声明 作者郑重声明：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。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文题目： 旋整扭越频谱蟹自金盘丕统的珏究生塞丑 作者签名：掣孓j 季一 日期：肆年上月二乙日 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间 论文工作的知识产权属于大连理工大学，允许论文被查阅和借阅。学校有 权保留论文并向国家有关部门或机构送交论文的复印件和电子版，可以将 本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印、或扫描等复制手段保存和汇编本学位论文。 作者签名： 导师签名： 习日 产一 力日 7 一 大连理工大学硕士学位论文 1绪论 1 1 课题的研究背景及意义 随着现代大生产的发展和科技的进步，现代工业逐渐向生产设备大型化、连续化、 高速化和自动化的方向发展，其在提高生产率，降低成本，节约能源和人力，减少废品 率，保证产品质量等方面有很大的优势。但是，这些设备一旦发生故障，就会影响整个 系统的运行，不但设备遭受极大破坏而且给人们造成巨大的经济损失，甚至给人们的生 活与生命也造成极大威胁，有时后果不堪设想。 大型旋转机械，如压缩机、汽轮机、燃气轮机、发电机、风机、泵等，是大型生产 企业的关键设备。它们通常具有大型、高速、连续工作及处于核心地位的特点，其运行 状态好坏直接影响企业的生产，一旦故障停机，将造成巨大的经济损失和严重的乃至灾 难性的后果。国内外曾发生过的各种空难、爆炸和断裂等恶性事故，不但造成人员伤亡 和巨大的经济损失，而且造成了严重的社会影响【。例如，1 9 8 6 年4 月前苏联切尔诺贝利 核电站四号机组发生严重振动而造成核泄漏，致使2 0 0 0 多人死亡，直接经济损失达3 0 亿 美元；1 9 7 2 年日本关西电力公司k a m a n 电厂一台6 0 0 m w 汽轮机发电机组，因为异常振动 发生轴断为1 8 段的严重事故，并引起氢气爆炸造成火灾，直接经济损失达2 0 0 0 万马克； 1 9 8 5 年1 2 月我国山西某电厂一台2 0 万千瓦发电机在4 0 秒内全部损坏，直接损失达1 0 0 0 万 元以上；1 9 9 7 年初，我国北方某化学反应器爆炸事故的经济损失近一亿元掣。2 。7 。 随着科技进步和经济发展，大型旋转机械需求数量不断增加，而且，这类机械本身 还不断向大功率、大容量、高转速、高效率和复杂化等方面发展i l j 。截止目前，我国已 有2 0 0 0 多家大中小型化肥企业、3 0 0 0 多家化工厂和1 0 0 多家大中型石化基地，它们几乎遍 布全国。随着新厂开工和老厂改建、扩建的进行，安全事故频频发生，有的甚至是爆炸、 人员伤亡等恶性事故。如年产3 0 万吨合成氨离心压缩机组，茂名石化年产6 4 万吨大型裂 解气压缩机组等，设备工作环境恶劣，并承受很大应力，故障发生率大大增加，并且灾 难性事故造成的损失非常惊人【3 - 7 】。如何管理好这些设备，保证大型旋转机械连续正常 满负荷运行，同时确保工作过程的安全性和可靠性，避免事故发生，以使它们发挥最大 的经济效益，成为了现代企业管理的重要目标之一。因此，研究并应用先进的状态监测 与故障诊断技术，尽早识别较小的故障，以便在长期停机或者整个系统发生破坏之前， 及时采取补救措施或有准备的停机、维修已成为现代设备管理追求的目标。 设备故障诊断技术是保障设备安全运行的基本措施之一，它能对设备故障的发展作 出早期预报，对出现故障的原因作出判断，提出对策建议，避免或减少事故的发生。推 旋转机械频谱智能分析系统的研究与实现 广和应用设备诊断技术可以提高设备现代化管理水平，保证产品质量，提高设备的可靠 性与可维修性，避免重大事故的发生，减少事故危害性，获取潜在的经济效益和社会效 益。 目前，应用于旋转机械的设备监测与故障诊断系统大多采用时域、频域、轴心轨迹、 细化、倒谱、共振解调等数字信号处理技术进行分析；而这些技术需要数字信号处理及 故障诊断方面的专业人士才能分析和识别，对于使用客户及现场监测人员来说难于掌 握，他们急需一种只需简单操作就能给出诊断结论的智能分析诊断系统。另一方面对旋 转机械来说频谱含有丰富的信息，不同故障情况其频率及其幅值大小各不相同，特征频 段上特征量的大小和比例关系，可以反映出相应的故障类型。频谱是旋转机械故障信息 的主要来源，许多分析方法都是以频谱为数据源的，因而频谱图的获得又很容易。旋转 机械频谱智能分析系统可以准确的分析判断设备故障，合理的安排关键设备的预防维修 计划，从而避免因突发性设备故障而造成的经济损失，确保生产的顺利进行。因此研究 和实现旋转机械频谱智能分析系统具有一定的现实意义和使用价值。 1 2 国内外设备故障诊断技术的发展状况 旋转机械频谱智能分析系统的研究属于设备故障诊断领域，故障诊断技术作为- - 1 7 学科，则是在2 0 世纪6 0 年代才发展起来的，至今已经历三个阶段：在第一阶段，由于 机械设备比较简单，故障诊断主要依靠专家或维修人员的感觉器官、个人经验以及简单 仪表来进行故障的诊断与处理工作；在第二阶段，传感器技术、动态测试技术以及信号 处理技术在故障诊断中得到了广泛的应用，但是诊断决策还需要人工完成；8 0 年代以来， 由于机器设备日趋复杂化、智能化及光机电一体化，影响设备工作状况的因素越来越复 杂，导致设备出现故障的原因也越来越多，传统的故障诊断技术已经不能适应生产发展 的需要，随着计算机技术和人工智能技术向故障诊断领域渗透，故障诊断技术已步入了 它的第三阶段智能故障诊断阶段【2 j 。 故障诊断技术最早起源于美国，1 9 6 1 年美国开始执行阿波罗计划后出现了一系列的 设备故障，促使1 9 6 7 年在美国宇航局( n a s a ) 的提倡下，由美国海军研究室( o n r ) 主持 美国机械故障预防小组( m f p g ) ，开始了对故障诊断技术的研究和开发。在旋转机械故 障诊断方面，最有成效的首推美国西屋电气公司( w h e c ) ，从1 9 7 6 年开始研制，到1 9 9 0 年己开发出三套人工智能诊断软件( 汽轮机t u r b i n a i d 、发电机g e n a i d 和水化学 c h e m a i d ) ，共有诊断规则近l 万条，对西屋公司所产机组的安全生产产生了巨大的作 用，取得了很大的经济效益。此外还有美国b e n t l yn e v a d a 公司的d d m 系统和a d r e 系统， e n t e ci r d 公司的6 6 0 0 大机组监测保护系统等。其它国家也随着美国诊断技 大连理工大学硕士学位论文 术的发展，逐渐开始进行故障诊断的研究。英国在2 0 世纪6 0 年代末7 0 年代初成立了 机器保健中心，开始开展设备诊断技术的研究工作。设备诊断技术在欧洲其它国家也有 很大的发展，并都在某一方面具有自己的特色或领先地位，如德国s c h e n c k 公司的 v i b r o c o m 4 0 0 0 和v i b r o c o m5 0 0 0 系统，法国c g e 研究中心m a r c o u s s i s 实验室开 发的旋转机械故障诊断专家系统d w a ，荷兰p h i l i p s 公司的状态监测系统p r 3 0 0 0 ，瑞 典s p m 公司的轴承监测技术、挪威的船舶诊断技术，还有瑞士v i b r o m e t e r 公司的 m m s 等。而亚洲的日本也从7 0 年代起，开始在民用工业开始了故障诊断的研究，如在 钢铁、化工和铁路等部门积极发展诊断技术，也取得了一定的成就，建立了自己的设备 监测与诊断系统，例如三菱重工研制的m h m ( m a c h i n e r yh e a l t hm o n i t o r i n g ) 。 随着工业技术与人工智能技术的进一步发展，单靠信号处理和人工分析等简单方法 已经无法达到对机械设备系统的诊断要求。为了满足设备故障诊断的要求，故障诊断技 术的发展更趋向集成化、智能化，而且已经取得了很大的成果。美国s t e w a r th u g h e sl d 公司为英美军方开发了用于直升机发动机转子监控与诊断的专家系统；n a s a 研制的用 于动力系统诊断的专家系统；美国得克萨斯休斯敦的g c s ( g e oc o n t r o ls y s t e m s ，i n c ) 公司 开发研制了针对复杂设备的智能诊断系统软件包i d s ( i n t e l l i g e n td i a g n o s t i cs y s t e m ) 等。 我国在故障诊断技术方面的研究起步较晚，但是发展很快。一般说来，经历了两个 阶段：第一阶段是从7 0 年代末到8 0 年代初，在这个阶段内主要是吸收国外先进技术， 并对一些故障机理和诊断方法展开研究；第二阶段是从8 0 年代初期到现在，在这一阶 段，全方位开展了机械设备的故障诊断研究。我国不少科研机构和高等院校先后开展了 智能故障诊断系统的研究工作，取得了许多研究成果，有些系统已投入了实际运行， 不但为企业和国家节省了维修费用，创造了价值，而且在工程应用方面也积累了宝贵的 实践经验。 在利用基于知识的智能故障诊断技术建立智能诊断系统研究中，专家知识的学习、 获取，以及知识库的建立是关系到系统诊断准确性的重要环节，通过我国学者的努力研 究，取得了重大的成效。黄文虎、钟秉林，杨叔子等人分别就知识范围的界定、知识的 处理、知识的获取、机器对知识的自学习以及知识库的建立与维护等进行了研究。 在故障诊断理论与方法研究方面，同样取得了很大的成绩，尤其在人工智能的理论 方法研究方面，如：统计自学习分类技术、全息谱技术、时序分析诊断技术，钟义信的 信息一知识一智能转换理论、全信息论，何华灿的泛逻辑学、可拓学等具有创新特色的 理论和方法，为人工智能理论的发展提供了新的理论体系，涌现了一批具有国际先进水 平和我国自主知识产权的人工智能创新学术成果。中国科学院院士、中科院半导体研究 所王守觉院士的“高维几何与神经网络 独辟蹊径，创造了用高维几何学来描述和设计 旋转机械频谱智能分析系统的研究与实现 人工神经网络的新方法，在神经网络计算机理论研究、设计和转化等各个方面都获得了 很大成功。中国工程院院士李德毅教授开展的“知识发现的机理研究”提出了能够统一 表示处理随机不定性和模糊不定性的“云模型 ，并把这一创新的模型应用于数据挖掘 和知识发现等新领域，取得了出色的效果。 随着国内故障诊断技术的逐步发展和完善，一些高等院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，并投入了实际运行，取得了良好的经济效益和社会效益， 如：清华大学的j z 2 0 0 0 旋转机械状态监测与故障诊断系统；浙江大学研制开发状态监 测与诊断系统c m d 3 ；西安交通大学的r m d s 系统和r d 2 0 系统；华中科技大学研制 开发的基于知识的发动机诊断系统k b s e d ；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e t h y l e n e ；东北大学研制开发的“风机状态监测及诊断系统”； 重庆大学的c d m s 一8 9 0 0 系统和西北工业大学的m d 3 9 0 0 系统等【l 刁j 。 可见，我国利用人工智能技术进行故障诊断的研究已经摆脱了“跟在外国人后面小 修小补”的状况，从学习国外为主的时期进入自主研究和开发为主的时期，形成了自主 研究重大科学前沿和转化科技成果的新局面，己经步入了智能化故障诊断阶段，并在理 论研究与实际应用中取得了重大的成果。 1 3 数字图像处理技术的发展概况 频谱智能分析系统需要对频谱图进行特征提取，而要实现对频谱图的特征提取需要 采样数字图像处理技术。数字图像处理最早出现于2 0 世纪5 0 年代，当时的电子计算机 已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为 一门学科大约形成于2 0 世纪6 0 年代初期。早期的图像处理的目的是改善图像的质量， 它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输 出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。图 像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的 有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术 等，使图像处理成为- - f - j 引人注目、前景远大的新型学科。从7 0 年代中期开始，随着 计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发 展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界， 这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到 这项研究，取得了不少重要的研究成果。其中代表性的成果是7 0 年代末m i t 的m a r r 提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解 虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不 大连理工大学硕士学位论文 少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进 一步探索的新领域d 引。 1 4 论文的主要研究内容 本文主要研究旋转机械频谱智能分析系统，研究并实现的系统可以直接在频谱图上 进行特征提取，然后采用神经网络和专家系统相结合的人工智能方法进行频谱智能分 析，最后可以给出设备是否运转正常，如果出现故障是什么故障，可能原因以及应采取 的措施等，满足了智能化的要求，具有一定的现实意义和使用价值。 论文内容主要围绕旋转机械频谱智能分析系统的研究及实现进行论述： 第一章：绪论，论述研究并实现旋转机械频谱智能分析系统的意义，分析了国内外 设备故障诊断的发展现状，并简单介绍了数字图像处理技术的发展概况。 第二章：介绍了频谱及频谱分析技术和旋转机械常见故障及其频谱特征，重点介绍 ， 了不平衡、不对中、松动、油膜涡动与油膜振荡等几种旋转机械常见故障。 第三章：介绍了数字图像处理技术，并利用该技术对频谱图采样、量化，然后进行 频谱特征提取的详细的设计。 第四章：对智能故障诊断方法专家系统、神经网络进行了介绍，结合二者的优缺点 设计了把二者有机结合起来的神经网络故障诊断专家系统。 第五章：从总体上进行设计及实现系统，并通过实例证明了系统的正确性。 结论：总结了本人所完成的工作，指出频谱智能分析系统目前存在问题以及今后 发展方向，展望其应用前景。 旋转机械频谱智能分析系统的研究与实现 2 旋转机械常见故障及其频谱特征 2 1频谱及频谱分析 我们在振动测试中所测出的信号一般是时域信号，在时域上观察信号比较感性容易 理解，但是不能显示信号的频率成分，从而从本质上揭示信号的特征；在频域上观察信 号虽然难于理解，但是可以使信号在时域内隐藏的现象和特征在频域内显示出来，从而 获取更深刻、更本质的东西，比较理性，如图2 1 所示。所以在数字信号处理和故障诊 断中经常把时域信号通过f f t 变换到频域进行分析和处理。 图2 1 信号的时域、频域图 f i g 2 1 t h et i m ed o m a i n w a v e f o r ma n ds p e c t r u mo fas i g n a l 频谱有几种表示形式，包括幅值谱、相位谱、功率( 或能量) 谱和对数谱。幅值谱 和相位谱是频域中描述信号特征的主要方法之一，反映了信号所含谐波的幅值和相位随 频率的分布情况；功率( 或能量) 谱突出信号频谱图的主要成分，表示振动能量在频率 域的分布；对数谱能将次要的频率成分显示出来。在故障诊断中最常用的频谱是功率谱 和幅值谱。两者的数学定义为： 功率谱：= e 疋p 弘一d r ( 2 1 ) 幅值谱：x ( c o ) = f x ( t ) e 一膨d r ( 2 2 ) 大连理工大学硕士学位论文 对于旋转机械来说，振动信号中的很多频率分量都与转子转速关系密切，往往是转 速频率的整数或分数倍。在频谱分析时，所关心的都是各种轴转速的多倍频率处以及转 速的非整数倍频率处的峰值。 一个典型的频谱图如图2 2 所示，它主要有以下几个部分组成：同步波峰、非同步 波峰和次同步波峰。频谱中的同步分量是轴速频率的整数倍，通过分析频率中的同步波 峰可以发现许多故障，其中包括不平衡、不对中、松动、轴弯曲、叶片磨损、齿轮啮合 问题等。非同步波峰位于轴速频率的非整数倍处，其部分来源是滚动轴承、不同轴驱动 的部件、次同步的谐波频率、共振、其它机器产生的噪音、气穴现象以及燃烧等。次同 步涉及到频谱上机器运转速度频率( i x ) 以下的区域，该区域可能出现的故障包括油膜 涡动、滚动轴承保持架频率、皮带频率、湍流以及摩擦和严重松动等i lo j 。 图2 2 典型的频谱图 f i g 2 2t y p i c a ls p e c t r u m 旋转机械的阶次谱分析对分析振动产生的原因、诊断设备故障和确定解决措施是最 直接的方法，具体分析如下。 ( 1 ) 一阶频率( 1 x ) 的产生，最可能的原因是不平衡；其它如：轴颈、齿轮或皮 带轮产生偏心，高速转子的轴向振动，轴不对中或弯曲，皮带损坏，结构谐振，往复作 用力，电气问题等，也可能产生一阶频率。 ( 2 ) 二阶频率( 2 x ) 的产生，最可能的原因是机械松动；其它如：轴不对中、往 复作用力等也可能导致二阶频率的产生。 ( 3 ) 三阶频率( 3 x ) 的产生，最可能的原因是轴向不对中和轴向间隙过大。 旋转机械频谱智能分析系统的研究与实现 ( 4 ) 低于一阶频率即工频分频的产生，最可能的原因是旋转油膜涡动( 低于0 5 x ) ， 其它如传动皮带失效、基座振动、分谐波共振、“敲击振动等也可能导致低于工频分 频的产生。 ( 5 ) 与交流电同步频率的产生，最可能的原因是电气问题。其它如：一般电气事 故，包括转子轴损坏、转子偏心、多相装置的相位不平衡、气隙不相等，也可能导致同 步频率的产生。 ( 6 ) 2 x 同步频率的产生，最可能的原因是扭矩脉冲。其它如：谐振激发、耦合 等也可能产生2 x 同步频率。 ( 7 ) 数倍x ( 谐振相关频率) 的产生，最可能的原因是齿轮故障、气体作用力、 液体作用力、机械松动、往复作用力。其它如：齿轮齿数与故障齿轮转速的乘积等于振 动频率；风扇叶片数与转速的乘积等于振动频率；叶轮叶片数与转速的乘积等于振动频 率：若机械松动程度比较严重，可能出现于转速的二、三、四倍或更高倍数频率。 ( 8 ) 高频( 与阶次无关) 的产生，最可能的原因是耐摩擦轴承损坏。其它如：轴 承振动的振幅和频率不稳定；润滑油的失效；回流和湍流偶然产生的高频振动；滑动轴 承的不适当润滑即摩擦产生的振动；动静件之间的摩擦等，均可能激发高频固有频率， 产生与工频各阶次无关的高频成分。 在旋转机械中，有些振动分量尽管很大，但是很平稳，不随时间变化而变化，不影 响机器的正常运行；相反，一些较小的频率分量，特别是那些增长很快的分量往往预示 着故障的征兆，应引起足够的重视。特别是，一些原来频谱图上不存在或比较微弱的频 率分量突然出现并扶摇直上，可能会在较短的时间内破坏机器的正常工作状态，这也是 使用频谱分析方法时需注意的一个地方。 迄今为止，在工业生产的故障诊断中，频谱分析方法成为十分简便有效的故障分析 手段，在许多方面有比时域分析更直观和有效的优点。 2 2 旋转机械常见故障及其频谱特征 旋转机械是指主要功能由旋转运动来完成的机械，转子是其最重要的部分。由于旋 转机械的结构及零部件设计加工、安装调试、维护检修等方面的原因和运行操作方面的 失误，使得机器在运行过程中会引起振动，其振动类型可分为径向振动、轴向振动和扭 转振动三类，其中过大的径向振动往往是造成机器损坏的主要原因，也是状态监测的主 要参数和进行故障诊断的主要依据l l 】。 故障是指机器的功能失效，即其动态性能劣化，不符合技术要求。旋转机械发生故 障的重要特征是机器伴有异常的振动和噪声，其振动信号从频谱中可以反映机器的故障 大连理工大学硕士学位论文 信息，因此了解和掌握旋转机械在故障状态下的振动机理及其频谱特征，对于监测机器 的运行状态具有重要的理论意义和实际工程应用价值。 221 不平衡 不平衡就是质量和几何中心线不重合所导致的一种故障状态( 质心不在旋转轴上) ， 当转子旋转时，其“重心”产生一个离心力作用在轴承上，该力的大小随着转子的旋转 而稳定的变化。因此，如果机器出现不平衡，我们就会看到一个转速频率的正弦时域波 形，同时在频谱中1 x 处出现一个很高的波峰。 不平衡有两种类型：静态不平衡和偶不平衡。 雷2 3 静态不平衡时的频谱 f i g2 3 t h es p e e t r o mo fs t a t i ci m b a l a n c e 最简单的不平衡类型就是“重心”位于转子上非旋转中心的某一个点处。这也被称 为静态不平衡，因为即使转子不旋转它仍然存在如果将转子放在一个无摩擦力的轴 承上，其“重心”会转至最低的位置。静态的不平衡导致转子两端的轴承在1 x 处出现 不平衡应力，并且两端轴承上应力的方向相同，其产生的振动信号同相位，如图2 3 所 示。一个单纯的静态不平衡将在振动频谱中产生一个强烈的基频波峰，其振幅与不平衡 的严重程度以及旋转速度的平方呈正比轴承在l x 处的相对振幅取决于转子“重心” 的位置。 偶不平衡转子在静止的情况下可能是平衡的( 当置放在无摩擦力的轴承上，它看起 来是完全平衡的) 。但是一旦开始旋转，它就会在两端轴承上产生反相离心力。如果仅 从振动频谱上来看它们都是很相似的，如图2 4 所示；我们只能通过相位测定来帮助区 分偶不平衡和静态不平衡这两种不平衡状态。 旋转机械频谱智能分析系统的研究与实现 图24 偶不平衡时的频谱图 f i g2 4 t h es p e c t r u mo fc o u p l e di m b a l a n c e 转子上可能同时存在着静态不平衡和偶不平衡，这种情况称之为动态不平衡，在实 际当中会经常遇到。如果没有相关的相位信息，将很难区分静态和动态不平衡。对动态 不平衡进行校正时，需要在多个平面上进行平衡，而从理论上讲，静态不平衡只需要添 加一个平衡重就可以矫正。然而想要确定平衡块的安装位置就必须准确的找到相反的不 平衡点的位置，但事实上这通常是很难实现的。 引起转于不平衡的原因有：结构设计不合理，制造和安装误差，材料不均匀，运行 中转子的腐蚀、磨损、结垢、零部件的松动和脱落等。转子不平衡故障包括：转子质量 不平衡、转子初始弯曲、转子热态不平衡、转子部件脱落、转子部件结垢等。 222 不对中 不对中指相互耦合的一对轴的中心线不重合。如果两个轴的中心线平行但不重合， 这种不对中称为平行( 或偏移) 不对中。如果两个轴的中心线不平行并在某一点处相交， 这种类型的不对中称为轴线角度不对中。几乎所有不对中的情形都可以看成这两种基本 类型的组合。 平行不对中会在每个轴的耦台端产生剪切和弯曲力矩。联轴器两端轴承的径向( 垂 直和水平方向) 上都会产生很强的2 x 和1 x 振动。但在大多数情况下2 x 的振幅要高于 l x 振幅，如图25 所示。单纯的平行不对中，其轴向上的1 x 和2 x 振幅都较小，如图 26 所示。联轴器两端轴向振动的相位差为1 8 0 度，同时在径向上异相。 大连理工大学硕士学位论文 图2 5 平行不对中径向上频谱 f i g2 5 t h er a d i a ls p c c t r a mo f p a r a l l e lm l s a l i g l u n c n t 图2 6 平行不对中轴向上频谱 f i g2 6t h e “i s p e c t r u mo f p a r a l l e l m i s a l i g n m e n t 轴线角度不对中使每个轴都产生弯曲力矩，从而在两端轴承的轴向上产生很强的 1 x 振动和较弱的2 x 振动，如图27 所示。它们同样会在径向上( 垂直和水平方向上) 产生较强的1 x 和2 x 振动，但这些分量都是同相的，如图2 8 所示。联轴器两端的轴向 振动为1 8 0 度的反相，而径向上则是同相的。不对中的耦舍联接通常会在轴的末端轴承 上产生很高的i x 轴向基频振动。因此可以在电机或泵的轴承外壳上采集轴向振动数据， 从而判断是否有不对中。 旋转机械频谱智能分析系统的研究与实现 目2 ，j 琥崩崖小v 】l h _ 硎l i f i g27 t h ea x i a ls p e c t r u mo f 8 n g u l 盯m i s a l i g n m e n t 曲2g 拙驻州胜1 、h 十住上剌惜 f i g28 t h er a d i a is p e c t m mo f a n g u l a r m i s a l i g n m e n t 由于不对中而增加的旋转力会对轴承和密封件施加异常的应力，往往导致昂贵的机 器部件过早损坏和增大能耗，例如会引起联轴器损坏，还会损坏其它机器部件包括齿轮， 皮带，皮带轮，叶片等。 不对中主要由以下原因引起：元部件的不精确装配，如电机、泵等；安装后元部件 间的相对位置发生移动；因为管道系统的压力而造成的扭曲变形：由于扭矩而引起的柔 性支撑扭曲变形：温度变化引起的机器变形：耦合面与轴线不垂直：由于地基柔性太大， 在旋紧螺母时机器发生移动。当然，机器不对中的还有一个重要原因就是机器开始安装 时没有完全对中。这可能与安装人员缺乏足够的培训或相应的安装设施( 和时间) 有关。 因此通常机器会出现不对中或密封圈和轴承的损坏。 223 松动 松动也会产生非常明显的1 x 基频波峰。在实际中存在有两种类型的松动：旋转松 动和非旋转松动。旋转部件的松动是由于旋转件和类似轴承的固定件间的间隙太大所造 大连理工丈学硕士学位论文 成的，而非旋转性的松动一般是出现在两个固定的部件之间，例如基脚与地基、机器和 轴承箱间的松动等。 轴颈( 轴套) 和滚动轴承( 轴承松动) 问如果出现过量余隙，则会产生l x 谐波， 有时甚至能扩展到i o x ，如图2 9 所示。过大的滑动轴承游隙可能会产生后面所示的o5 x 谐波。它们通常被称为半阶分量或次谐波。产生的主要原因是摩擦或严重的冲击作用， 有时甚至会产生1 3 阶的谐波。 f i g2 9 t h es p e c t r u mo f r o t a t i n gl o o s e n e s s 机器和它的基础之间出现松动，在刚性比较弱的地方就会出现i x 振动，这通常发 生在水平方向上，但有时也要根据实际情况确定。如果松动严重，往往会产生低阶l x 谐波。很难分辨是不平衡、基础松动或者是柔性化，特别是在垂直安装的机器上。如果 水平方向i x 振动比垂直方向上的1 x 振动振幅大的多，很可能就是松动所致。如果水 平方向上的i x 基频振动远大于垂直方向上的l x 振动，那么就可以怀疑是松动引起的 故障。如果水平方向上的l x 振动小于或近似等于垂直方向上的1 x 振动，那么就很有 可能是不平衡故障。地基刚性不够或松动可能是由于螺栓松动、腐蚀或装配部件损坏所 引起的。值得注意的是：如果机器采用的是弹性安装，就会在水平方向上产生较大的振 动。可以利用相位来检验这种状态。机器和地基间在垂直方向上有1 8 0 度的相位差。 旋转机械频谱智能分析系统的研究与实现 图2 1 0 结构松动时的频谱图 f i g21 0 t h es p e c t r u mo fs t r u c t u r a ll o o s e n e s s 座架的结构松动有着不同的频谱特征。频谱中有1 x 、2 x 和3 x 的振动分量( 但通 常没有更多的谐波) ，当故障严重时，频谱中甚至还会出现05 x 的波峰，如图21 1 所 示。相位也被用来辅助识别这种故障，轴承和基础间有】8 0 度的相位差。 f i g2 1 1 t h es p e c t r o mo f p i l l o wb l o c k l o o s e n e s s 2 24 油膜涡动与油膜振荡 油膜涡动是转子中心绕轴承中心转动的亚同步现象，是由于过量余隙和过小的径向 负载而引起的，其回转频率即振动频率约为转子回转频率的一半，所以常称为半速涡动。 通常，油膜本身以略低于5 0 的速度环绕轴颈转动，润滑和冷却轴承。 如果轴受到诸如突然冲击或外部冲撞等干扰力，可能瞬间增大相对于某平衡位置的 偏心，导致油膜与轴之间产生附加的力。在这种情况下，促使转子绕轴承中心以 o3 8 x m ) 4 8 x 转速频率回转，它决不会刚好在05 x 处，而总是稍稍低于这个频率，如图 21 2 所示。如果系统中有足够的阻尼，轴可能返回到正常位置并且稳定。否则，轴将继 大连理工大学硕士学位论文 续涡动运行，并产生剧烈的振动。当振动幅值达到轴承正常间隙的5 0 时，认为油膜涡 动很严重，一旦发现就需要立即修正，因为它会迅速损坏轴承内的金属接触面。 f i g21 2 t h es p e c t r u mo f o i lw h l d 油膜振荡是一种破坏性极强的故障，有时发生在超临界速度运转的大型多转子设备 上，当油膜涡动激发的振频与转轴的固有频率相匹配时就会出现油膜振荡。随着转子转 速的提高，油膜涡动的频率也提高，两者保持一个近乎不变的恒定比例，即约为0 5 。 但是当转子回转频率约为该转子一阶临界转速的两倍时，随着转子转速的提高，涡动频 率将保持不变，而且等于该转子一阶临界转速。这时，油膜涡动变为油膜振荡。此时， 油膜可能不再具有支承能力。振荡转速将“锁定”在转子临界转速，由它激发产生的共 振能够达到非常高的振动级，这是一种可导致灾难性破坏的不稳定振动 油膜振荡有时还会发生在刚启动的带长轴的机器上。因为被激活的固有频率对系统 有着控制性的影响，随着速度的增加其振动频率不会发生变化。反之，对于单一的油膜 振荡，它的频率随着转速的改变而变化。这也是一个很好的用来检测油膜振荡方法。 解决油膜涡动和油膜振荡问题的关键是保持轴承间隙的合适大小，同时还要保证足 够的径向载荷。大型涡轮机提速时，快速的通过临界频率可以有效防止油膜振荡的产生。 225 转子摩擦 摩擦会显示与旋转松动相似的特征，频谱中会出现1 x 谐波并且常伴有半阶的谐 波。摩擦通常会激起一个倍频共振( 如下例中的4 x 处) ，如图21 3 所示。 旋转机械频谱智能分析系统的研究与实现 f i g2 1 3 q n es p e c r m mo f s h a f tr u b 2 26 轴的弯曲 轴的弯曲通常是由于转子铜条损坏导致转子受热不均匀而引起的，轴的弯曲包括水 久性弯曲和临时性弯曲两种故障。 永久性弯曲是指转轴呈弓形，它是由于转轴结构不合理、制造误差大、材质不均匀、 转子长期存放不当等，发生永久弯曲变形或是由于热态停机时未及时盘车、热稳定性差、 长期运行后转轴自然弯曲加大等原因造成的。临时性弯曲是指转子的转轴有较大预负 荷、开机运行时暖机不足、升速过快、加载太大、转轴热变形不均匀等原因造成的。水 久性弯曲与临时性弯曲是两种不同的故障，但其故障机理相同。 轴的弯曲是引起高l x 基频轴向振动的主要原因。如果轴的弯曲出现在靠近轴中心 的位置，那么振动的主体通常