（机械电子工程专业论文）烟气轮机机械故障信号分析及数据处理技术的研究.pdf

摘要摘要随着现代工业生产设备大型化、连续化、高速化和自动化的不断发展，机械设备的故障诊断技术越来越受到重视。保证生产的连续性，减少设备特别是重要设备的停机时间，是保证企业追求高经济效益的前提，而设备状态监测与故障诊断技术将为此提供一个有效的解决途径。烟气轮机( 简称烟机) 是石油化工行业常见的关键设备之一，它利用催化裂化装置生产过程中产生的高温再生烟气余热驱动离心式或轴流式空气压缩机做功或给发电机提供动能，它的运行情况直接关系到装置的运行周期和能耗水平对保证装置正常平稳运行和节能降耗具有重要意义。嘲在石化企业的生产过程中烟气机组运行状态实时数据采集系统存储了大量的数据，这些数据的背后隐藏了大量的知识，但没有被深刻理解和有效的利用。而数据挖掘技术正是研究如何从大量的数据中智能的、自动的提取出有价值的知识和信息，是当前相当活跃的研究领域。课题中在对旋转机械故障诊断技术、j 2 e e 技术、数据库技术以及数据挖掘技术研究的基础上有效的将它们应用于烟机机械故障诊断的实际应用中来。同时以旋转机械故障诊断技术理论为诊断的理论基础，以j 2 e e 技术下的s t r u t s 架构为主要框架，并以目前在相关技术领域中应用最为稳定，查询效率最高的o r a c l e 9 i 为数据库管理平台开发了一套针对石化企业烟机实时运行状态海量数据的管理系统，在系统中以数据挖掘技术中的决策树方法为数据挖掘方法理论有效的实现了故障判树以及判定规则的生成，从而为进一步的故障诊断提供了有效的诊断判据。最后通过对燕山石化生产现场3 催一号站烟机数据的应用以及对故障实例的挖掘和诊断，证明课题研究的方法是可行的。该方法可以用于石化企业的烟气机组的性能分析、状态监测以及故障诊断等方面，为机组开展状态检修提供技术支持，很有意义。关键词：故障诊断，数据挖掘，决策树，烟机a b s t r a c tw i 血t h em o d e mi n d u s t r i a le q u i p m e n td e v e l o p i n gt o w a r d se n l a r g e m e n t ，c o n s e c u t i o n , s u p e rs p e e da n da u t o m a t i z a t i o n , m o r ea n dm o r ep e o p l ep a ya t t e n t i o nt ot h ef a i l u r ed i a g n o s i st e c h n o l o g yo fm e c h a n i c a le q u i p m e n t k e e p i n gt h ec o n t i n u o u sp r o d u c t i o na n dr e d u c i n gt h et i m eo fe q u i p m e n t , e s p e c i a l l yi m p o r t a n te q u i p m e n t , i st h eb a s eo fe n t e r p r i s e sh i g he c o n o m i cb e n e f i t a n dt e c h n o l o g yo fc o m p u t e r i z e da u t o m a t i cc o n t i n u o u sm o n i t o r i n ga n dd i a g n o s i sp r o v i d e sav a l i ds o l u t i o n f u m et u r b i n ei so n eo ft h ek e ye q u i p p m e n to fp e t r o c h e m i c a li n d u s t r i a lf i e l d ，w h i c hs u p p l y sp o w e rf o rg e n e r a t o rb yw a s t eh e a tf o rh i g h - t g m p t u r er e l u m ep r o d u c t c dd u r i n gt h ep r o d u c t i o no ft h ed e v i c e so fc a t a l y s i sa n dc r a c k i n gd r i v i n gt h ec e n 缸血g eo ro a x i s - f l o wc o m p r e s s o r f u m et u r b i n eh a sa f f e c t e dw o r k i n gp e r i o da n du e s e dp o w e rd i r e c t l y , i th a si m p o r t a n tm e a n i n g sf o rk e e p i n gt h ed e v i c 髑w d ld o n ea n ds a v i n gt h ep o w e r o nt h eb a s eo fs t u d yo fs 丽f l m gm a c h i n ef a u l td i a g n o s i s 、j 2 e e 、d a t a b a s ea n dd a t a m i n i n g ，w em a k ee f f e c t i v e 璐eo ft h e mt of a u l td i a g n o s i so ff u m et u r b i n e ；a tt h e鼬n et i m e ，w om a k et h et h e o r yo fs w i r l - f a u l td i a g n o s i s 蹈t h e o r yb a s e , t h es t r u t so fj 2 e ea sm a i nf r a m e , t h em o s ts t a b l eo r a c l e 9 i 勰d a t a b a s ew h i c hw i d e l yu s e di nr e l a t e dt e c h n o l o g yr i d & a n dw ed e v e l o pm a n a g e m e n ts y s t e mo ff u m et u r b i n e sw o r k i n gd a t af o rp e t r o c h e m i c a li n d u s t r i a lc o r p o r a t i o n , i nt h i ss y s t e m , w oa d o p td e c i s i o nt r e eo fd a t a - m i n i n gs ot h a ti ti sv e r yh e l p f u lt om a k ef a u l tj u d g e m e n ta n dj u d g e m e n tr u l e sa n df l l r t h o rs u p p l ye f f e c t i v ee v i d e n c eo ff a u l tj u d g e m e n t t h ed i a g n o s i st ot h ee x a m p l e so ff a i l u r e1n o f u m et u r b i n eo fy a n s h a nc h e m i c a lf a c o t a yp r o v e di tt ob ep r a c t i c a l t h i s丑e m e t h o dc a nb eu s e dt 0a n a l y z et h ec h a r a c t e ro ff u m et u r b i n eo ft h ee n t e r p r i s eo fc h e m i c a lt e c h n o l o g y , s u p e r v i s et h ec o n d i t i o n , d i a g n o s et h e f a i l u r ea n dm a i n t a i nt h ee q u i p m e n t , i ti sr e a l l yu s e f u li nt h em a i n t a i no ft h ee q u i p m e n ta n dt h et e c h n i c a ls u p p o r t协讥k e yw o r d s ：f a u l td i a g n o s i s ，d a t am i n i n g ，d e c i s i o nt r e e ，f u m et u r b i n e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一i动。学位论文作者签名：多饥岩f 自2 8 ，年厂月，臼经指导教师同意，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- 陛声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，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、己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。签名颧鬈国2 莎。蹲 黔fe l第1 章绪论第1 章绪论1 1 本课题研究的意义随着现代化大生产的发展和科学技术的进步，现代机电设备的结构越来越复杂，功能越来越完善，自动化程度也越高。但是，从另外一方面看，维护、修理费用也在相应的上升。由于许许多多无法避免的因素的影响，会导致设备出现各种故障，以致降低或失去其预定的功能，甚至造成严重的甚至是灾难性的事故。国内外曾经发生过空难、海难、爆炸、断裂、倒塌、泄漏等事故，这些事故造成了巨大的经济损失蛆及人员伤亡，产生了严重的社会影响。例如，1 9 8 5 年我国大同电厂和1 9 8 8 年秦岭电厂发生的汽轮发电机组的严重断轴毁机事件，对国家造成了巨大的经济损失和人员伤亡。国外的类似事件也是报道频频，例如1 9 7 9 年美国三里岛核电站泄漏事件、1 9 8 6 年美国“挑战者一号航大飞机失事、1 9 8 6 年前苏联的切尔诺贝利核电站爆炸事件、1 9 8 9 年英国波音飞机发动机着火坠落事件等等。因此通过对机电系统进行状态监测并采取相应的维护措施来保证设备的安全运行，消除事故是十分迫切，同时也是非常有实际意义的工作。课题来源于国家自然科学基金会资助的“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一项目中的一部分，本课题在对故障诊断理论方法研究的基础上，针对数据库和数据仓库技术在其它领域的广泛应用，将数据挖掘技术应用在烟气轮机故障诊断上，根据数据挖掘的基本理论完成挖掘算法，最后得到一系列隐藏在海量数据背后的有价值的故障规律。1 2 旋转机械状态监测与故障诊断技术的发展历程旋转机械在工业上的应用非常广泛许多旋转机械，如：电动机、发动机、发电机、压缩机、汽轮机、轧钢机等，还是石化、电力、冶金、煤炭、核能等行业中的关键设备。本世纪以来，随着机械工业的迅速发展，现代机械工程中的机械设备朝着轻型化、大型化、重载化和高度自动化等方向发展的同时，也带来了大量的强度、振动、噪声、可靠性，以及材料与工艺等问题，设备损坏事件时有发生。一大型旋转机械状态监测与故障诊断技术研究是国家重点攻关项目，目的是提高大型旋转机械的产品质量，减少突发性事故，避免重大经济损失。5 0 年代，各第l 章绪论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 年代，数字电路、电子计算机技术的发展、“数字信号处理技术的形成，推动了振动检测技术在机械设备上的应用。7 0 年代至8 0 年代，随着电子算机技术、现代测试技术、信号处理技术、信号识别技术等现代科学技术的发展，机械设备的检测与故障诊断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：美国西屋公司的可移动诊断中心，丹麦b & k 公司的2 5 0 0 型振动监测系统等，都具各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。由于振动、噪声是快速的随机性信号，不仅对测试系统要求高，而且在分析中要进行大量的数据处理，国内外在8 0 年代用小型计算机或专用数字信号处理机作为主机完成机械动态特性的数据处理，该类主机不仅价格昂贵而且对工作环境要求苛刻，因而通常采用离线监测与分析的方式日。9 0年代以来，高档微机不断更新且价格迅速下降，适合数字信号处理的计算方法不断优化，特别是微型数字信号处理器d s p 的出现和发展，使数据处理速度大为提高，为在工业现场直接应用状态监测和故障诊断技术创造了条件。丹麦、美国、德国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 n t l y 公司的3 3 0 0 系列振动监测系统为代表已经达到较高的水平。美国i r d 公司的i q 2 0 0 0 系统可认为是至今为止有报道的功能最齐全的监测与诊断系统。1 3 我国旋转机械状态监测与故障诊断技术的现状我国在工业部门中开展状态监测与故障诊断技术研究的工作起步于1 9 8 6 年，在此之前从国外引进的大型机组，一般都购置了监测系统。而在自行研制的国产设备上，若选用国外的监测系统，由于价格异常昂贵而难以接受。8 0 年代中后期以来，我国有关研究院所、高等院校和企业开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，都取得了许多可喜的成就，并开发出相应的旋转机械状态监测系统。如：哈尔滨工业大学等单位联合研制的斟机组振动微机监测和故障诊断系统一，西安交通大学研制的“大型旋转机械计算机状态监测与故障诊断系统一，东北大学研制的“轧钢机工作状态监测系统斗2第1 章绪论等。不过在智能诊断仪器、传感器、信号的采集与分析仪器等方面与发达国家相比还有一定的差距。近3 0 年来，设备故障诊断技术不断吸取现代科学技术发展的新成果，从理论到实际应用都有迅速的发展，至今已发展成为集数学、物理、力学、化学、电子技术、计算机技术、信息处理、人工智能等各种现代科学技术于一体的新兴交叉学科。因此，作为设备故障诊断技术的一个分支一旋转机械状态监测与故障诊断技术，其研究领域也同样主要集中在以下几个研究内容和研究方向：故障信息检测，故障特征分析，状态监测方法，故障机理研究，故障识别及其专家系统。其研究领域的进一步划分如图1 1 所示。围1 1 旋转机械状态监测与故障诊断技术研究领域1 3 1 故障信息获取在旋转机械故障诊断领域中，故障信息获取是指对旋转机械本身的工作参数、性能指标、相关物理量等信息的信号进行检测和量化的技术，它涉及到传感器、数据预处理、a d 转换、采集工作站等硬件设备。近年来传感器技术随着半导体技术进入超大规模集成化阶段而得到了快速的发展，特别是当前数字技术、光纤技术的兴起，为传感器向数字式、光纤式发3第1 章绪论展提供了广阔的前景；在数据预处理方面，多通道高速并行工作、实时数据处理是它的一个重要发展方向；在计算机硬件平台技术方面，功能强大的工作站、服务器和网络将综合在一起形成网络系统，许多先进的计算机硬件技术、网络技术得到广泛应用，如多媒体技术、嵌入式技术以及分布式网络技术、现场总线技术等。各种先进技术的发展为旋转机械故障信息的准确获取提供了必要的技术条件。1 3 2 状态监测方法状态监测主要是对旋转机械运行状态作实时监测和趋势分析，目前旋转机械状态监测的方法按监测时间可以分为连续监测、巡回监测和定期监测：按监测模式可分为单机监测、分布式监测和远程监测。随着计算机技术、网络技术的发展，分布式实时监测诊断系统现在己为各大企业广泛采用。它由分布在现场的下位机进行数据采集，通过网络将数据传送到监诊中心的上位机，对数据进行统一的存储、分析和处理，形成统一监诊网络，具有数据采集的独立性，分析监控的统一性以及结构的开放性等特点，能及时准确地诊断旋转机械故障。这也是当今旋转机械故障诊断研究和发展的主要方向。例如，浙江大学开发的“大型旋转机械监测与诊断系统一采用的就是分布式体系结构。1 3 3 故障特征分析故障特征分析是故障诊断的核心，它通过对原始信号的分析、处理后提取故障特征信息，为模式识别和故障诊断服务。在旋转机械方面，旋转机械故障特征信息的提取，是当前旋转机械故障诊断研究中的瓶颈，它直接关系到旋转机械故障诊断的准确性和旋转机械故障早期预报的可靠性为了从根本上解决旋转机械故障特征信息提取这个关键问题，人们主要是借助信号处理的方法来进行信号处理以提取旋转机械信号故障特征。目前信号处理采用的分析方法主要是以傅立叶变换( f f r ) 为核心的传统信号处理分析方法。它包括频谱分析、相关分析、相干分析、传递函数分析、细化谱分析、时间序列分析、倒频谱分析、包络分析等方法。这些分析方法是基于信号为稳态和线性的假设基础上的。在一般情况下，这些方法能基本满足工程实践的要求，在旋转机械故障诊断中取得了较好的效果。但实际当旋转机械故障发生时的振动信号，大量是非平稳、非高斯分布和非线性韵随机信号，使上述的这些分析方法遇到了难以克服的困难，也严重影响了故障诊断的准确性。因此用于研究4第1 章绪论和分析非线性、非因果、非最小相位系统，非高斯、非平稳、非整数维( 分形信号)和非白色的加性噪声的现代信号特征提取技术，实现旋转机械故障的准确诊断是目前研究和发展的重要方向。日前主要有现代谱分析、时频分析理论( w i n g e r - v i11c 分布( wv d ) ，短时傅氏变换( s t f 曰、小波变换( w r ) 和基于e m d 的时频分析方法等) 、高阶统计量分析以及将混沌与分形动力系统理论中的新方法引入旋转机械故障诊断领域，研究基于非线性信号处理理论的特征提取方法等。1 3 4 故障机理研究故障机理研究的目的是为了掌握故障形成和发展过程，了解设备故障内在本质及其特征，建立合理的故障模式。其研究方法是依赖于振动学、摩擦学、空气动力学、材料失效等相关的基础学科和理论，建立相应的物理或数学模型，进行计算机仿真计算和实验研究，它是设备状态监测与故障诊断的基础。在旋转机械方面，为了故障诊断工作的顺利开展，国内外很多科研人员和科研部门在旋转机械的故障机理研究方面作了大量的研究工作。例如，具有多年工厂实践经验的美国人j o h ns o h r e 是研究涡轮机械故障机理的权威，他于1 9 6 8 年发表的论文“高速涡轮机械运行问题的起因和治理”，清晰简洁地描述了典型的机械故障征兆及其可能成困，该项研究成果已被广泛应用于高速旋转机械故障诊断中美国b e n f l y n e v a d a 公司的转子动力学研究所对转子和轴承系统典型故障作了大量的试验研究，并发表了许多很有价值的论文网。日本的故障诊断专家白木万博自2 0 世纪6 0 年代以来发表了大量有关旋转机械故障诊断方面的文章，积累了丰富的现场故障处理经验，并进行了理论分析。国内2 0 世纪8 0 年代中期以来，各科研院校、研究所等单位，在旋转机械故障机理的研究方面做了大量的工作，发表了许多有价值的文章。1 4 旋转机械状态监测与故障诊断技术的发展趋势从近年来发表的文章和著作来看，本领域的发展趋势有：1 4 1 向小型化、便携式、多功能发展随着微电子技术的发展，处理器的速度在不断的提高，存储器的容量在不断的增大，面体积和功耗却在不断的减小。这为设备的小型化奠定了基础，小型的诊断仪器携带方便，功能强大，更能适合行业的需求。第1 章绪论1 4 2 基于新理论的新方法研究由于机械转动过程中产生的信息的复杂性和多样性，机械故障诊断理论与技术涉及到许多传统学科，如热力学、光学、声学、化学、数理统计等。另外也会涉及到许多现代科学及其分枝，如计算机及软件、信号分析与处理、信息论、控制论、图论、模糊数学、人工智能等。近年来，各国学者对于机械诊断技术密切相关的其他领域中的新成果保持了高度的敏感，先后引进了大量的理论与方法来丰富机械故障诊断科学。特别是对于非平稳信号和微弱特征信号处理所表现出的独特优点，小波变换理论与方法己日益引起国内外学者的研究兴趣。可以预见。在今后的一段时间里，还会有一些新的相关的学科中的理论和方法会被引用到机械故障诊断中来。1 4 3 专家系统的研究与开发设备故障诊断专家系统的出现是设备故障诊断领域最显著的成就之一因为一般情况下，人们关于设备故障诊断与维修的科学知识往往落后与专家的实践和经验知识，从而为专家系统提供了广阔的应用前景。自1 9 8 1 年第一个非医疗专家系d a r t 在斯坦福大学问世以来，各类诊断与维护专家系统如雨后春笋般的出现。至今，专家系统已经度过了其在研究所的“孵化期一，逐渐在工程中得到了较为广泛的应用。然而，阻碍故障诊断专家系统进一步发展的困难还有很多，这引起了众多学者的深入研究。1 4 4 人工神经网络的研究近年来，设备故障诊断的人工神经网络的研究一直非常活跃。尽管人们已经获得了一些较为成熟的诊断理论和技术，且已经在工程中得以广泛的应用。然而，这些理论与技术对工程实际中大量存在的多故障、多过程、突发性故障以及在大规模工程系统进行监测诊断方面表现出了一定的局限性，从而使机械故障诊断陷入了某些困难。由于神经两络在处理上述问题时具有独特的优势，即对于多故障、多过程的大规模系统，可以应用大规模并行处理网络进行诊断，对于突发性故障或其它异常现象，可以利用神经网络的联想、推测及记忆功能进行诊断，从而使故障诊断走出当前的困境成为可能。1 4 5 网络化6第1 章绪论随着计算机网络化的飞速发展，人们共享资源和远程交换数据成为可能。利用光纤、微波、无线通信及计算机网络等通信方式，将机械故障诊断系统与数字信号系统结合起来组成网络，从而实现对多台机组的有效管理，减少监测设备的投资，提高系统的利用率。1 4 6 其它发展趋势随着知识经济的到来，世界经济的全球化和一体化，人类对环境的要求越来越高。这对机械设备的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、使用简单、性能可靠。总之，在故障诊断这一学科中，有许多方面值得深入的探讨和研究，随着我国国民经济和科学技术的不断发展与进步，目前所遇到的困难将有可能得到克服，我国的设备状态监测和故障诊断技术将会不断的得到完善。1 5 数据库及数据挖掘技术概述随着数据库技术和数据库管理系统的广泛应用，全球范围内数据库中存储的数据量急剧增大。有些公司经过长年累月积聚下来的商业数据超过几百万条记录，有些面向科学研究数据库的数据量也非常惊人。数据库系统提供了对这些数据的管理和简单的处理功能，人们可以在这些数据之上进行专业分析和科学研究，但如此庞大的数据对人工处理来说是非常困难的，人们需要能够对数据进行较高层次处理的技术，从中找出规律和模式，以帮助人们更好地利用数据进行决策和研究。由于数据的繁杂，在由人工对数据进行处理过程中，很难找出关于数据的较为全面的信息。这样许多有用的信息仍然隐含在数据中而不能被发现和利用，造成资源的浪费。机器学习通过对数据对象之间关系的分析可以提取出隐含在数据中的模式，即知识。正是由于实际工作的需要以及相关技术的发展，将机器学习应用于大型数据库的数据库中的知识发现( k n o w l e d g ed i s c o v e r yi nd a t a b a s e - - k d d ) 技术逐渐发展起来。在我国，许多单位也已开始此项技术研究，这些单位包括清华大学、中科院计算技术研究所、空军第三研究所、海军装备论证中心等。北京系统工程研究所对模糊方法在知识发现中的应用进行了较深入的研究，北京大学也在开展对数据立方体代数的研究，华中理工大学、复旦大学、浙江大学、中国科技大学、中科7第1 章绪论院数学研究所、吉林大学等单位开展了对关联规则开采算法的优化和改造：南京大学、四川大学和上海交通大学等单位探讨、研究了非结构化数据的知识发现以及w e b 数据挖掘。这些研究只集中在理论上和商业金融领域。西安交通大学的高毅龙博士、西北工大的杨文献博士后将数据挖掘中的一些方法引入故障诊断领域，然而只是找出机械设备运行状况的一些规律，并没有对机械具体故障的识别工作做深入的研究。我们尝试把数据挖掘的几种方法介绍到故障诊断学科中来，找出典型故障数据中潜在的知识，完成典型故障的识别问题，以推动故障诊断技术不断的向前发展。本文主要研究了基于产生规则的数据挖掘方法，并建造了与之相关的故障诊断系统。1 6 本文的主要工作我们在对旋转机械故障诊断的理论机理与诊断方法研究的同时尝试性的把己经成熟的数据挖掘理论方法引入到故障诊断学科中来，希望能借此引发对这项研究的讨论，不断把新的研究方法应用于故障诊断工作中来。本文完成以下工作：1 在机械故障诊断领域引入基于规则推导的数据挖掘研究方法，提出并建立与其相应的故障诊断系统。2 选择o r a c l e 9 i 作为存储设备状态信号的数据库管理平台，建造用于存储设备状态数据的数据库。3 在w i n d o w s x p 开发平台上，使用m y e c l i p s e 4 0 开发工具基于j 2 e e 的s t r u t s 架构采用面向对象的程序设计思想和模块化程序设计方法，针对实验室现有的燕山石化烟气机组海量的数据开发一套数据管理系统。4 对基于规则推导的数据挖掘方法进行研究，主要基于决策树( d e c i s i o nt r e e )方法，并根据其基本理论完成挖掘算法。5 利用典型故障数据，对该系统进行分析。8第2 章大型旋转机故障诊断机理第2 章大型旋转机械故障诊断机理大型旋转机械振动信号包含了大量的、极其丰富的有用信息，如：转子的轴线失中、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的反映。机械振动参数比起其它状态参数( 如：润滑油或设备温度、压力、流量以及电机电流等) 更直接、快速、准确地反映旋转机械运行状态，因此将旋转机械的振动特性作为状态敏感因子的选择对象。2 1 机械故障诊断的方法旋转机械故障诊断要识别设备的运行状态，研究其运行状态的变化在诊断信息中的反映。它的内容包括对设备运行状态的监测、故障预报和故障监视等，概括为以下5 个方面：1 信号采集：根据设备工况，采集能够反映设备工作情况或状态的信号；2 特征提取：从状态信号中提取与设备故障对应的特征信息( 征兆) ；3 状态识别：根据特征信息，识别设备的故障( 故障识别) ；4 状态分析：根据设备运行时的征兆和故障，进一步分析故障的部位、类型、原因和趋势等：5 决策干预：根据设备的故障及其发展趋势，做出评价和决策，包括控制、自诊治、调整、维修、继续监测等措施。整个诊断过程如图2 1 所示：9第2 章大型旋转机故障诊断机理图2 1 旋转机械故障诊断流程图通过安装在设各适当地方的传感器测取旋转机械的振动信号，并对此信号进行分析与处理来判断设备工况与故障。振动检测按测量原理分为相对式与绝对式两种：按测量方法可分为接触式和非接触式两类。振动检测主要是指振动的位移、速度、加速度、频率、相位等参数的测量。由于被测信号振动强度近似与被测体的振动加速度成正比，所以现行的测量设备振动所用的参数基本上是加速度。由于振动法具有适用于各种类型各种工况的旋转机械，可以有效的诊断出早期微小故障，而且信号测试与处理简单、直观，诊断结果可靠等优点，所以在实际中得到了极为广泛的应用。振动( 动态) 信号的分析处理方法有很多，诸如时域处理、频域处理、幅值域处理、时差域处理以及近年来备受关注的时一频域处理等。振动检测方法中的时域诊断方法是发展最早的一种检测方法。如果单从时域波形上直接观察分析，往往很难看出设备状态是否正常，有无故障及故障的性质部位等。为此，在时域诊断中，普遍采用振动信号的基本数字特征及其频率分布特征来进行分析和诊断。应用比较广泛的有：振动信号的平均值、均方根值、方差、概率密度函数、概率分布函数、自相关函数、互相关函数以及峰值因子、波形因子、峭度系数等无量纲特征参数。频域分析方法可以对旋转机械早期故障进行精密诊断。直接对旋转机械信号进行频谱分析，结合频谱图的频率结构和特征频率的和频率差频分析，也可以判1 0第2 章大型旋转机故障诊断机理别出旋转机械运行状态的好坏。由于流体动力噪声机器旋转部件振动的干扰，适宜于简单机械的简单诊断。共振解调法被认为是频域分析法中较为有效的一种方法，该方法以轴承系统的共振频率区为监测带，振动信号经放大、滤波和解调，获得脉动冲击的低频脉动信号，以此作为分析的依据。时间一频率分析由于小波分析理论的推广应用，在旋转机械故障诊断中也得到了一定运用。特别是近年来国内在理论研究、仿真计算和试验分析方面做了大量的工作。2 2 时域分析在旋转机械故障诊断中的应用振动波形是转子振动振幅的瞬态值随时间延续而不断变化所形成的动态图象。在时域分析中表达机组运行状态的特征参数常取波形的峰一峰值和均方根值。波形分析就是通过形状、振幅大小变化快慢等特征的分析和观察，建立其与转子运行状态之间的对应关系，以达到发现转子异常情况和诊断转子故障的目的。波形分析具有简捷、直观的特点，应该在振动信号的分析中占有重要的位置。波形分析主要是通过观察波形来反映转子的振动过程，掌握振动的变化规律，得到反映转子状态和故障的各种特征。例如：发电机组转子的径向振动位移信号。其正常运转时，波形基本上是一个简谐振动，其振动频率( 振动波形上周期t 的倒数) 与转子转速频率相同。振幅标准值是随转速变化而变化的，转速越高，标准值越低，因此现在通常不采用位移量来判断设备的好坏，而振动的速度有效值是与设备的转速相关的，它确能反映设备的最大破坏能量。转速越高时，允许振幅越小。但是，振动的总能量是不变的。换句话说，无论转速高低，准则只有一个，只允许一定的振动能量。这种振动能量大小是用振动速度的均方根表征的。如公式2 1 所示：y 雕=( 2 - 1 )振动速度的有效值( v r m s ) 的另一名称为振动烈度。要判定设备状态就要有相应振动烈度的判据。目前，最常采用的是i s o - 2 3 7 2 标准，它按设备功率分类，以振动速度有效值在于1 0 - 1 0 0 0 h z 频带内的变化为状态判定参量。标准如表2 1 。第2 章大型旋转机故障诊断机理表2 1 旋转机械振动诊断的国际标准( i s 0 2 3 7 2 )鼙赣嚣痿刊墨t t o i l 甜l l 格0 2 童? 2 ( v d l 2 5 s )一囊荤釜掣x 鼍lm 麓lc 堰t 量潍 - 粪lt 警叠k 盟t 水懿魄赣。电铀母- l 亨hm 盈中蠹帆龟动妊d 卜姗c 基i 羽性熏律的，c 叠机曩- f 5 一舶奠_t 曩一弹性竟棒的矗干讥2 3 频域分析在旋转机械故障诊断中的应用振动分析法对大部分故障的判断主要是从频域入手，在机器运行的过程中，不同的工作状态所产生的振动信号其频谱的结构是不同的，机器运行状态的劣化及故障的发生都对应着一定频率分量的变化。因而可以把特定的故障类型与特定的频谱结构联系起来，对应某种故障的频率通常称为特征频率。同一零件的不同故障，有不同的特征频率；同一故障对于不同零件，也有不同的特征频率。所以，振动信号频谱分析和特征频率的识别是机械状态识别和故障诊断的有效方法。通过对采集的信号进行经典功率谱分析或现代功率谱分析以及有关的信号处理可以得到频域的振动频率分量，这里主要指的是振动速度的频率分量。这些频率分量不仅可反映机组整体的运行状态，还能揭示主要部件运行的状态，从而为故障分析与故障预测提供手段。振动的频率分量构成了振动的频谱曲线，该曲线反映了信号在频域里的特征，所以将振动的频率分量也选择为机组状态的敏感因子。对于周期信号，利用傅氏级数原理，可将周期函数y ( t ) 分解成傅氏级数，即将信号分解成许多谐波分量：1 2第2 章大型旋转机故障诊断机理v f f 、：口0 1 2 + qc o s ( t 0 1 t 一矿i ) + c 2c o s ( 2 w , t 一矿2 ) + + c 置c o s ( 2 w ) t 一妒。)( 2 - 2 )广：= 广一音由c = 、口。+ 吒吼= 、f g 叫( k a 。)，r 2其中：a n q 疗j 圳，( 帅踟? p押：1 2 r ，2吒一q r ti ，( ，) s i 一口1 t d t，1 i , l 由上述公式，以频率为横坐标，以幅值或相位为纵坐标做频谱图，可以表征频率域的振动特性。频谱分析的目的，就是将信号中所有这些成分都分解开来，变成一系列可用的振幅、频率和相位描述的简谐振动常用的频谱有功率谱和振幅谱。功率谱表示振动能量在频率坐标上的分布情况，其应用十分广泛，而振幅谱则表示对应于各频率的简谐振动分量所具有的振幅。对于转子来说，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倍或分数倍，所以，应用振幅谱往往更直观一些。振幅谱上谱线的高度就是转子振动中该频率分量的幅值大小。在转子振动频谱上，不同的频率分布往往对应不同的振动原因。例如，转子不平衡会产生转速频率的振动分量，对中不良易导致二倍频转速频率的振动分量( 常称为二倍频) ，等等。机械设备常见故障及其振动频率的特征见附表。分析幅值谱时，首先，要看频谱中都有哪些频率分量，每个分量的大小各是多少。幅值较高的谱峰自然会引起我们的注意，它们的值对振动的总水平影响较大。需要分析一下产生这些频率分量的可能因素。观察它们随时间的发展而变化的情况。在机器振动中，有些振动分量虽然较大，但是很平衡，不随时间的变化而变化，对机器的正常运行也不会构成多少威胁。而一些较小的频率分量，特别是那些增长很快的分量却常常预示着故障的征兆，应该引起足够的重视。而这正是经常容易忽视的地方。特别需要注意的是，一些在原来的谱图上不存在或比较微弱的分量突然出现并且扶摇直上，可能会在比较短的时间内破坏机器的正常工作状态因此，分析幅值谱时不仅要注意各分量的绝对值太小，还要注意其发展变化的情况。振动信号的频谱图中，不同的频谱谱线反映了机组运行状态不同的信息。但并不是每一根谱线反映的信息都是有用和值得关注的。经过对于大型机组分析和实验观察，发现应主要监测和跟踪o 3 ，0 4 2 f o ，厶，玩，3 厶，饥，j 厶，1 3第2 章大型旋转机故障诊断机理矾处的频谱分量，其中五是主轴旋转频率，这八根谱线基本上能全面反映机组的运行状态。2 4 时一频分析在旋转机械故障诊断中的应用时频分析是最近几年来颇为引人关注的信号分析方法。在许多实际问题分析中往往需要对信号进行时一频分析，时一频分析的方法很多，例如：短时傅立叶分析、小波分析、w i g n e r 谱分析等等。传统的频谱分析( 以傅立叶变换为代表) 和时一频分析的不同在于：频谱分析能够确定哪些频率成分存在，而时一频分析则能够确定在某一特定的时间哪些频率成分存在。时一频分析的主要任务是描述信号的频谱含量是怎样随时问变化的，研究并了解时变频谱在振动信号中的意义。时一频分析的最终目的是要建立一种分布，以便能在时间和频率上同时表示信号的能量或者强度，得到这种分布后，就可以对各种信号进行分析、处理，提取信号中所包含的特征信息，或者综合得到具有期望的时一频分布特征的信号。2 4 1 时一频分析的基本概念在信号分析中，通常对信号的基本表示，往往采取两种最基本的形式，即时域形式和频域形式。把时间作为自变量，而把信号的某一数字化特征作为因变量来描述信号是一般常用的方式。此时，自变量所取范围统称为时域。但是信号在固定时间区域的孤立值本身没有多大意义。因此，往往对信号作另一描述，即用它的频域变换来描述它的频率特性。频域变换虽然能较好地描述信号的频率特性，但几乎不能提供信号在时域上的任何信息，这样就面临着这样一个矛盾：时域与频域的局部化矛盾，即如果想得到信号在时域上足够精确的信息，就得不到信号在频域上的信息。反之，如果想得到信号在频域上足够精确的信息，就得不到信号在时域上的信息。为解决这一矛盾，需要寻找一种能同时反映信号的时变特性和频率变化特性的新方法。1 9 4 6 年g a b o r 首先总结提出了短时傅立叶分析的方法，开创了时一频分析的新领域。其后，v i l l e 又把w i g n e r 在研究量子力学理论时提出的时一频分布理论应用到信号分析中，提出w i g n e r - v i l l e 分布。1 4第2 章大型旋转机故障诊断机理2 4 2 信号的时一频表示和相平面为了刻画某一瞬时的信号特征，p a p o u l i s 在1 9 7 7 年提出了瞬时频率的概念：1jt o ( t ) 全_ 1 - 兰a n g f ( t ) ( 2 - 3 )z 万“式中，a n g f ( t ) 称为瞬时相位但是，这种瞬时一频率只能恰当地描述时变单分量信号：这是因为上式将频率f 表示为时间的显函数t o = t o ( t ) ，因此，在每一时刻t 只能有一个单频分量存在，这对绝大多数信号是不适用的。为解决这个问题，可以考虑采用一个曲面来描述信号的时间频率结构。在数学上，这种做法相当于采用时间t 和频率t o 。作为变量构成的双变量函数t ( t ，t o )称t ( t , t o ) 为信号f ( t ) 的时一频表示。2 4 3 窗口函数为反映信号的局部特征，希望寻找这样一个基函数，它在时域上和频域上都具有很好的局部化特性。也就是说，它在时域上集中于某一点t 。附近，而在频域上集中于某一点附近，这种在时域和频域上都具有很好的局部化特性的基函数称为窗函数。易证，如果函数在时域上集中于一点，则在频域上，该函数不可能仍集中于一点上，反之亦然。所以本文假设存在一个在时域和频域上分别集中于点，)附近的基函数，它在时域上的局部化范围为 t o 一口，q 一引，而在频域上的局部化范围为【一6 ，t o o + 圳，这样就在时一频表示国一t 平面上形成了一个矩形区域，这个区域称为窗，而把a 和b 称为窗口的时宽和频宽。这是一种直观解释，实际上不能实现。这是因为理论上可以证明，任何一个函数不可能同时在时域和频域上都具有紧支集，也就是说，该函数在时域和频域不可能同时都是有限长。通常采用类似于均值和方差的方法来定义窗函数的中心和窗口宽度2 4 4 短时傅立叶变换短时傅立叶变换也叫加窗傅立叶变换，实际上是一种所谓的广义滤波器的分析，它是由o a b o ：首先使用其基本思想如下：傅立叶变换是频域分析的基本工具，为了达到时间域的局部化，在傅立叶变换中的基本变换函数之前乘上一个时间上有限的时限函数，然后用它来作分析工具，就可达到时、频双限的目的。1 5第2 章大型旋转机故障诊断机理对于时间局部化的最优窗口，用一个g o u s s i a n 函数窖。( f ) = e x p ( j 2 刀口( 2 - 4 )作为窗口函数，其中阿a 0 ，且是定值。这样对于任何定值a o 一个信号f ( t ) e1 2 ( r ) 都可以用一种叫“g a b o r 一变换的方法，在t = b 的周期使信号琢) 的傅立叶变换局部化。( q 力( 珊) = l e x p ( - j a j t ) f ( t ) g o b ) d t ( 2 - 5 )考虑到计算的有效性或实现的方便性等，也可选择其它函数代替g a u s s i a n 函数作为窗函数。用一个满足上式的函数g 作为窗函数，则由上式可把g a b o ：变换推广到一个信号，( f ) r ( 月) 的f o u r i 盯变换如下( 倪门( 由) = i e x p ( - j a n ) f ( t ) g ( t - b ) a t( 2 - 6 )由此给出短时傅立叶变换的定义：如果选择g 口 ) 得使g 与它的傅立叶变换满足式( 2 q ，那么使用g 作为窗函数，在式( 2 6 ) 中引入的窗口傅立叶交换，称为短时傅立叶变换。为工程计算方便，用下式表达傅立叶变换：巧们( 屯耐= 1 f ( t ) g ( t - 6 ) e x p ( - j t a t ) d t( 2 j 7 )如果同时，( f ) e e c r ) ，则在九f ) 连续的每个点x ，有重建信号：f ( t ) = 去ee 【吲m ) 垆( 6 ，国瑚( ，一b ) d 国d b ( 2 - 8 )式中，h ( t - b ) e x p ( y w t ) = 吃。o ) 称为合成窗。对于一个确定的岛，( 0 ，合成窗k 。( o不是唯的。2 4 5 小波变换小波变换是一种与短时傅立叶相类似的时一频描述方法。小波变换是上世纪8 0 年代后期发展起来的应用数学分支。它是一种函数分解方法，使用一个变宽度的函数，可以产生一系列的分辨率。不同于傅立叶变换使用的正弦函数作基来分解信号，小波变换用更一般的函数作基。这样，一方面产生了更加全面的变换结果，但另一方面也产生了更加多样的可能性的解释。选择基本小波函数成为了应用小波变换中的一个主要问题。把某一被称为基本小波【也叫母小波( m o t h e rw a v e l e t ) 】的函数尹w 作位移：后，在不同尺度a 下与待分析信号x ( t ) 作内积：1 6第2 章大型旋转机故障诊断机理l y t x ( a ，r ) = 忑1e 删+ ( 等) a t 制。，疙黼删( 2 - 9 )式中a o 是尺度因子，f 反映位移，其值可正可负。尺度因子的作用是将基本小波( f ) 伸缩，a 愈大则庐( 三) 愈宽，在不同尺度下小波的持续时间随。加大而增宽，幅度则与石成反比减小，但波的形状保持不变。前加因子1 如的目的是使不同。值下丸，( f ) 的能量保持相等。即，设：g = 眇( t ) f a r t 是基本小波的能量，则或，( f ) 的能量是拈j 1 击烈水= 廿扣= f位等效的频域表示是l y t ( a , r ) = 尝i = 砌妒 ( a c o ) d 。7 d 彩2 - 1 1 )式中j ( 珊) ，矿佃) 分别是x ( t ) ，( f ) 的傅立叶变换。小波变换区别于某些