（机械制造及其自动化专业论文）故障树理论在远程诊断系统中的应用研究.pdf

大连理工大学硕士学位论文 摘要 利用设备振动信号监测设备的运行状态、分析故障原因是企业进行设备维护的重要 手段。目前，大部分监测软件采用c s 结构，此类软件难以实现跨i n t e r n e t 的在线监 测与故障诊断。随着计算机技术的发展，基于b s 结构的远程故障诊断软件可以满足现 场信息远程共享的需要，充分利用远程专家的知识与经验解决复杂的故障问题，从而大 大提高诊断的专业化水平。 本文首先简要介绍了旋转机械在国民经济发展中的重要地位，现代设备故障诊断技 术的发展状况及发展趋势，并阐述了构建远程故障诊断系统的意义。 文中叙述了旋转机械常见故障机理及识别特征，并从时域分析、频域分析以及转子 故障分析三个方面总结了旋转机械故障诊断的常用方法。在深入分析上述内容的基础 上，利用故障树理论对旋转机械故障进行了分析、整理。考虑到系统开发的需要以及用 户的需求，建立了两种不同用途的旋转机械振动故障树。然后，依据所建的故障树完成 了基于规则的故障诊断子系统知识库、推理功能、人机界面的设计与开发。 同时，文中详细阐述了远程故障诊断系统的网络结构、技术特点以及各模块的设计 与实现。最后，以故障诊断实例说明系统的设计开发已达到了预期的目的，能够满足旋 转机械远程故障诊断的需要。特别是，故障诊断子模块和多种分析方法的结合使用，有 助于快速准确诊断设备运行状态，确定故障源。 目前，系统总体框架设计己基本完成。在线监测部分已用于北京燕山石化公司离心 式压缩机h 1 0 1 现场在线监测。同时，利用本系统还可以获取设备的历史数据进行对比 分析，并对设备的运行状态做出预测。 关键词：远程故障诊断；b s 结构；旋转机械；故障树； 故障树理论在远程诊断系统中的应用研究 a p p l i c a t i o ni n v e s t i g a t i o no nf a u l tt r e et h e o r y f o rr e m o t ed i a g n o s i ss y s t e m a b s t r a c t i ti s 强i m p o r t a n tm e t h o di nt h ee q u i p m e n tm a i m e n a n c et om o n i t o rc o n d i t i o n so f m a c h i n e sa n da n a l y z ef a u l tr e a s o n sw i t hv i b r a t i o ns i g h t s a tp r e m a t , m o s to fm o n i t o r i n g s o f t w a r e sa r eb a s e do i lc sc o n f i g u r a t i o n , b u ti ti s v e r yd i f f i c u l tt o 豫a l i z et h eo n l i n e m o n i t o r i n ga n df a u l td i a g n o s i so nh l t e m d w i t h t h ed e v e l o p m e n to ft h ec o m p u t e rt e c h n o l o g y o n - s i t ei n f o r m a t i o nc a nb es h a r e dr e m o t e l yb yt h er e m o t ef a u l td i a g n o s i ss o f t w a r eb a s e do n b sc o n f i g u r a t i o n a c c o r d i n g l y 。r e m o t ee x p e r t s k n o w l e d g ea n de x p e r i e n c ec a 丑b eu s e dt o s o l v ec o m p l i c a t e df a u l tp r o b l e m ss ot h a tt h ed i a g n o s i sl e v e lc a l lb ei m p r o v e dg r e a t l y f i r s t l y ，t h i sp a p e ri n l r o d u c e st h ei m p o r t a n c eo fr o t a r ym a c h i n e si nt h en a t i o n a le c o n o m i c d e v e l o p m e n t , t h ed e v e l o p i n gs t a t ea n dt r e n do fm o d e me q u i p m e n tf a u l td i a g n o s i st e c h n o l o g y a n dt h e nt h es i g n i f i c a n c et od e v e l o pt h er e m o t ef a u l td i a g n o s i ss y s t e mi ss e tf o r t h i nt h i sp a p e r p r i n c i p l e sa n di d e n t i f i c a t i o nc h a r a c t e r i s t i c so f r o t a r ym a c h i n e s u 趾a lf a u l t s 疵d e s c r i b e d , a n dc o l n 瑚t o r lf a u l td i a g n o s i sm e t h o d sa r eg e n e r a l i z e d , i n c l u d i n gt i m ed o m a i n , f r e q u e n c yd o m a i na n ds p e c i a la n a l y s i sf o rr o t o r s t h r o u g ha n a l 咖a f o r e s a i dk n o w l e d g e d p l y ，t h o s ef a u l t sa r ec l a s s i f i e dw i t ht h ef a u l tu c et h e o r y a n dt w od i f f e r e n tf a u l tt r e e sa r e b u i l ti nc o n s i d e r a t i o no ft h ed e v e l o p m e n to ft h i ss y s t e ma n da 【l s l 砌e i s l l c 岔d $ a c c o r d i n gt o t h o s e ，t h ek n o w l e d g ed a t a b a s e ，r e a s o n i n gf u n c t i o na n dm a n - m a c h i n ei n t e r f a c eo ft h ef a u l t d i a g n o s i ss u b s y s t e m b a s e do nr u l e sa l ed e s i g n e da n dd e v e l o p e d t h en e t w o r ks m l c t u r e t e c h n i c a lc h a r a c t e r i s t i c so ft h i ss y s t e m , a n dh o wt od e s i g na n d r e a l i z ee v e r ym o d u l ea r ed e t a i l e di nt h i sp a p e r f i n a l l y ，埘mt h ed i a g n o s i sa c t u a le x a m p l e ，t h i s f a u l td i a g n o s i ss y s t e mh a sa c h i e v e dt h ed e s i g n i n gg o a la n dc a nm e e tr e q u i r e m e n t so ft h e r e m o t ef a u l td i a g n o s i sf u rr o t a r ym a c h i n e s e s p e c i a l l y ，t h ef a u l td i a g n o s i ss u b s y s t e mw o r k i n g w i t ha l lk i n d so fa n a l y s i sm o d u l e sc a nh e l pc l i s t o m e r $ d i a g n o s ec o n d i t i o n so ft h ee q u i p m e n t q u i c k l y ；a f f i r mf a u l tm o d e sa n dr e a s o n se x a c t l y a tp r e s e n t , t h ew h o l es y s t e m ss t r u c t u r eh a sb e e nd e s i g n e d t h eo n l i n em o n i t o r i n g m o d u l ei su s e do nt h ec e n t r i f u g a lc o m p r e s s o rh i o ii ny a n s a np e t r o l - c h e m i c a lc o l t d a t t h e 爱3 i l l et i m e ，c u s t o m e r sc a na l s og a i nh i s t o r i c a ld a t at oa n a l y z ec o n u a s t i v e l y ，a n df o r e c a s t t h ef u t u r ec o n d i t i o no f t h ee q u i p m e n tw i t ht h i ss y s t e m k e yw o r d s ：r e m o t ef a u l td i a g n o s i s ；b sc o n f i g m a f i o n = r o t a r ym a c h i n e ；f a u l tt r e e 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特剔加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料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。 作者签名2 弘日期：j 缸斗丘。彳 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 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位 论文版权使用规定”，同意大连理工大学保留并向国家有关部门或机构送 交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连理 工大学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，也 可采用影印、缩印或扫描等复制手段保存和汇编学位论文。 名：叠查巫： 翮躲杰避转 皇2 年尘月：b 盘日 ， 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。但另一方面，由于机械设备故障造成停工所带 来的损失也成比例的增加，维修费用也大幅上升，现代尖端设备一旦发生故障还可能带 来重大的事故。 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 2 1 。 大型旋转机械，如离心式压缩机、汽轮机、燃气轮机、风机等，是大型生产企业的 关键设备。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。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l o o 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口。”。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，实现设备的在线监测 与故障诊断，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。 在故障诊断现场应用中，由于现场人员经验水平有限，对出现的一些问题难以做出 准确的解释，迫切需要智能诊断与远程诊断的支持。这样可以缩小企业和科研院校的距 离，便于企业获得科研院校专家教授的技术支持，因此借用当今计算机科学技术发展的 最新成果来解决实际问题，实现基于i n t e m e t 的远程故障诊断已成为当今故障诊断领域 的新方向。远程故障诊断在保留了传统故障诊断服务方式的优点基础上，克服了地域、 时间的限制，能方便地利用专家的经验与知识为复杂故障问题提供诊断服务，提高了诊 断的专业化水平。因此，开展基于h 咖e t 的远程故障诊断技术研究具有积极的意义： 故障树理论在远程诊断系统中的应用研究 采用网络使设备与远程诊断中心形成一个完整的诊断系统，实现对设备进行远程监控和 管理，能及时准确地掌握和控制设备的状态，为设备的安全运行提供可靠的技术保障； 有利于实施多样化协助服务，实现生产企业和异地专家对设备故障进行实时诊断，提高 诊断的准确性和敏捷性；有利于数据和资源的共享，通过将各种诊断知识、数据规范化 和标准化，从而形成统一的数据库系统，实现大范围内的诊断知识与诊断数据的共享1 2 。 1 2 国内外设备故障诊断技术的发展状况 设备故障诊断，实际上自有工业生产以来就存在，早期人们依据对设备的触摸，对 声音、振动等状态特征的感受，凭借经验判断某些故障是否存在，并提出修复措施。故 障诊断技术作为一门学科，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；2 0 世纪复杂化、自动化以及机电液一体化，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，8 0 年代以来故障诊断技术已 步入了发展的第三阶段智能故障诊断阶段碍】【9 】。 近年来，随着计算机网络技术的发展与普及，还出现了基于局域网和互联网的远程 故障诊断1 1 0 l l 】。远程诊断利用计算机网络技术，将分布在不同地域的设备及监控系统、 诊断系统和研究者、使用者联系起来，快速传递、处理设备状况和诊断决策信息，动态 地形成一个针对某类设备的故障诊断服务网络。 基于i n t e m e t 的远程协作诊断研究工作最先是从医学领域开始的，1 9 8 8 年开放式远 程医疗系统的概念在美国提出，人们普遍认为一个开放式远程医疗系统应包括远程诊 断、专家会诊、信息服务、在线监测和远程学习几部分。1 9 9 4 年9 月s y so p t i c i s 公司 在美国国会山庄向克林顿总统演示了一个基于i n t e r n e t 的全国保健试验示范系统；1 9 9 5 年1 月美国俄克拉荷马州的远程医疗系统投入使用；国内上海医科大学在上海地区也建 立了一个类似的远程诊疗系统。 相对医疗行业，工业领域的远程诊断工作进展相对较慢。1 9 9 7 年1 月，首届基于 i n t e m e t 的工业远程故障诊断研讨会由斯坦福大学和麻省理工大学联合主办。会议主要 讨论了远程诊断系统设备连接开放式体系、诊断信息规程、诊断传输协议以及对用户的 一些合法限制，并对将来技术发展作了展望。随后，斯坦福大学和麻省理工大学合作开 一2 一 大连理工大学硕士学位论文 发了基于i n t e r n c t 的下一代远程诊断系统( i n t e m e t - b a s e dn e x tg e n e r a t i o nr e m o t e d i a g n o s i s ) 建立了一个限于合作者间的远程诊断示范体系t e s t b e d 。t e s t b e d 采用嵌入式 w 曲组网，用实时j a v a 和b a y e s i a n n e t 工具实现远程信息交换和诊断推理；从该项目对 外开放内容和项目组1 9 9 7 年底的研究总结报告来看，系统离实用还有很大距离，许多 研究内容也还只是一个提法。从那时到现在，远程故障诊断发展比较快，许多大公司意 识到远程故障诊断的重要性，纷纷投入大量人力物力从事这方面的研究和开发工作。近 年来，美国西屋公司、美国南部电力公司，i n l a n d 钢铁公司、q u a n t u m 化工公司、b e n t l y 公司等均开发了各自的状态监测诊断网络。特别是b e n t l y 公司在其最新的监测系统 s y s t e m l 中融进了基于网络的远程监测诊断与管理模式。最近澳大利亚联邦科技与工业 研究组织( c s i r o ) 将远程诊断纳入“智能制造系统计划一面向2 l 世纪的全球制造”项 目的重要研究内容之一。美国波音公司、通用电气公司也已经将远程诊断技术应用到生 产实际中，取得了巨大的经济效益。 远程监测诊断网络系统可以认为是第三代设备状态监测与故障诊断系统。在国 内，西安交通大学、东南大学、上海交通大学、哈尔滨工业大学、北京科技大学和武汉 科技大学都在向国外先进水平看齐，已经在从事工业领域远程故障诊断的研究工作，并 取得了初步成果。华中科技大学于1 9 9 7 年初开始前期研究工作，并于同年1 1 月在网上 设立了一个远程诊断宣传站点，向国内介绍远程诊断技术，但目前还只能以技术示范的 方式向用户提供十分有限的远程诊断服务。武汉科技大学也已经针对某钢铁公司高线轧 机精轧机组成功开发了一套远程监测与故障诊断系统。经专家鉴定为国际先进水平。同 时b e n t l y ，e n t e k ，s 0 i 脉a n 等大公司也纷纷将它们最新的网络化设备状态监测产 品推向中国市场，这对增强我国学术界和企业界的网络化设各故障诊断意识和提高我国 的设备故障诊断水平也起到了积极的促进作用。 1 3 论文的主要研究内容 本文主要研究旋转机械故障诊断方法、远程故障诊断系统的构建以及故障树理论在 系统中的应用。根据本研究所与北京燕山石化聚酯事业部的合同要求，开发了适合于旋 转机械在线监测与远程故障诊断系统；并在此基础上实现了系统的进一步扩展。 论文内容主要围绕旋转机械远程故障诊断以及智能故障诊断系统的开发进行论述： 第一章：绪论，论述开发旋转机械远程故障诊断系统的现实意义，分析了国内外设 备故障诊断的发展现状。 第二章：介绍了旋转机械故障机理、识别特征及故障诊断分析方法 故障树理论在远程诊断系统中的应用研究 第三章：介绍了故障树理论，并根据故障树理论，针对系统开发需要建立了离心式 压缩机振动故障树： 第四章：结合第三章建立的离心式压缩机振动故障树，设计并实现了基于规则的故 障诊断子系统。 第五章：介绍了远程故障诊断系统总体结构、网络拓扑、技术特点以及程序的设计、 开发与实现，并通过诊断实例证明了系统的有效性、实用性。 第六章：总结了本人所完成的工作，指出远程故障诊断系统目前存在闯题以及今后 发展方向，展望其应用前景。 - - 4 大连理工大学硕士学位论文 2 旋转机械故障特征及分析方法 2 1旋转机械故障特征识别 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，也是状态监铡的主要参数和进行 故障诊断的主要依据【1 4 1 嘲。 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。其振动信号从幅值 域、时间域和频率域反映了机器的故障信剧”】，因此了解和掌握旋转机械在故障状态下 的振动机理，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。 2 1 1 转子不平衡 转子不平衡是由于转子部件质量偏心或转子部件出现缺损造成的故障，它是旋转机 械最常见的故障。据统计，旋转机械约有一半以上的故障与转子不平衡有关。 引起转子不平衡的原因有：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；不平衡按 其机理又可分为静失衡、力偶失衡、准静失衡、动失衡等四类。 下面列出了振动特征： 表2 1 不平衡振动特征 r a b 2 1v i 嘶叩c k 哦l c t e f i s 石co f i m b a l a n c e 2 1 2 转子不对中 大型机组通常由多个转子组成，各转子之间用联轴器联接构成轴系，传递运动和转 矩。由于机器的安装误差、工作状态下热膨胀、承载后的变形以及机器基础的不均匀沉 降等，有可能会造成机器工作时各转子轴线之间产生不对中。具有不对中故障的转子系 故障树理论在远程诊断系统中的应用研究 统在运转过程中将产生一系列有害于设备的动态效应，如引起机器联轴器偏转、轴承早 期损坏、油膜失稳、轴弯曲变形等，导致机器发生异常振动，危害极大。 机组各转子之间用联轴节连接时，如不处在同一直线上，就称为轴系不对中。通常 所讲的不对中多指轴系不对中。造成轴系不对中的原因有安装误差、管道应变影响、温 度变化热变形、基础沉降不均等。由于不对中，将导致轴向、径向交变力，引起轴向振 动和径向振动。由于不对中引起的振动会随不对中严重程度的增加而增大。不对中是非 常普遍的故障，即使采用自动调位轴承和可调节联轴器也难以使轴系及轴承绝对对中。 当对中超差过大时，会对设备造成一系列有害的影响，如联轴节咬死、轴承碰磨、油膜 失稳、轴挠曲变形增大等，严重时将造成灾难性事故。 转子不对中可分为平行不对中、偏角不对中二种情况【i 】【”】。 下面列出了振动特征： 表2 2 不对中振动特征 t a b 2 2v i b r a t i o nc h a 矗嵋劬6 co f m i s a l i g n m e n t 2 1 3 动静件磋磨 随着机组参数的不断提高，动静间隙的不断缩小，以及运行过程中不平衡、不对中、 热弯曲等的影响，经常发生转子碰磨故障。 从机理上分析，摩擦振动对转子有以下几方面的影响。 ( 1 ) 直接影响转子运动可分为自转和进动两种形式。对自转影响，有可能使转子 转速发生波动。对进动影响，可能使正进动转化为反迸动，特别是全局摩擦。常常产生 所谓的“干摩擦”现象，从而引起自激振动。 ( 2 ) 间接影响摩擦的作用使动静部件相互抵触，相当于增加了转子的支撑条件， 增大了系统的刚度，改变了转子的临界转速及振型，可能引起不稳定振动及非线性振动。 ( 3 ) 冲击影响局部碰磨还会产生冲击作用，激发转子以固有频率做自由振动在 一定条件下有可能使转子振动成为叠加自由振动的复杂振动。 ( 4 ) 热变性摩擦引起的热变性可能引起转子弯曲。加大偏心量，使振动增大。转 子碰磨在频谱上表现出频谱成分丰富，不仅有工频，还有高次和低次谐波分量。当摩擦 一6 一 大连理工大学硕士学位论文 加剧时，这些谐波分量的增加很快。转子径向摩擦主要影响转子径向振动，对转子轴向 振动影响较小。但当转子发生轴向碰磨时，就会使轴向位移和轴向振动增大，有时还会 使级间压力发生变化，造成机组效率下降瑚。 下面列出了振动特征： 表2 3 碰磨振动特征 t a b 2 , 3 v i b r a t i o nc h a r a c t e r i s t i co f m a c h i n e r yr u b b i n g 2 1 4 油膜涡动与油膜振荡 转轴的转速达到失稳转速后即发生半速涡动。随着转速升高，涡动角速度也将随之 增加，但总保持着约等于转动速度之半的比例关系，半速涡动一般并不剧烈。当转轴转 速升到比第一阶临界转速的2 倍稍高以后，由于此时半速涡动的涡动速度与转轴的第一 阶临界转速相重合即产生共振，表现为强烈的振动现象，称为油膜振荡。油膜振荡一旦 发生之后，将始终保持约等于转子一阶临界转速的涡动频率，而不再随转速升高而升高 【l 】【i3 】 下面列出了识别振动特征： 表2 4 油膜振荡振动特征 t 曲2 4 v i b r a t i o nc h a r a c w r i s t i co f o i lw h i r l 故障树理论在远程诊断系统中的应用研究 2 1 5 转轴裂纹 能产生轴裂纹的潜在原因很多，如各种因素造成的应力集中、复杂的受力状态等， 加之裂纹对振动响应不够敏感，有可能发展为断轴事故，危害极大。不过在现场实际中， 这种类型的故障比较少见，在故障前期有一些征兆可以进行参考，当然也有突然性的故 障，这是没有办法进行预防的。事实上，当旋转机械发生这种故障时，常常表现为两种 或多种故障的耦合。 下面列出了识别振动特征： 表2 5 裂纹振动特征 t a b 2 5 b r a d o nc b a r a c t e r i s t j co f c r a c k 2 1 6 转轴弯曲 转轴弯曲包括转轴永久性弯曲和临时性弯曲两种故障。 转轴永久性弯曲是指转轴轴呈弓形，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、熟 稳定性差、长期运行后转轴自然弯曲加大等原因造成的。转轴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。转轴永久性弯曲与转轴临时性弯曲是两种不同的故障，但其故障机理相同。 下面列出了识别振动特征： 表2 6 永久性弯曲振动特征 t a b 2 6v i b r a d o nc b a z a c t c f i s d co f p e r m a n e n tb 口l d 一8 一 大连理工大学硕士学位论文 其他故障还有：滑动轴承故障、气流激振、非转动部分的配合松动等，在此不做详 细叙述。 2 2 故障诊断分析方法 旋转机械故障诊断中，工程信号处理的目的就是去伪存真，提取与设备运行状态有 关的特征信息。信号分析与处理是在幅值、时间、频率等域进行的，它们是从不同的角 度对信号进行观察和分析，丰富信号分析与处理的结果。一般而言对信号可从时域和 频域这二个角度来进行分析。本系统主要针对旋转机械设计，融合了各种旋转机械故障 诊断常用的分析方法，如轴心轨迹、全谱分析、二维全息谱等；同时，为提高系统的扩 展性和诊断能力，本系统也集成了多种平稳信号常用分析方法，如相关分析、倒谱分析、 细化分析等。 2 2 1 时域分析 ( 1 ) 幅域分析 在信号的幅值上进行的各种处理称作幅域分析。目前系统中常用的信号幅域参数包 括最大值( 峰值) 、均方根值( r m s 值) 、峰峰值等若信号五为采样所得一组离散数据 新，幻，柳， 则这些参数的计算式为： l 州s 值 峰值 峰一峰值 k = 脬1 u 一，加 k = m a x i x , l ( i = 1 , 2 o9 n ) 矗，= 脚x “卜r a i n x , ( f 1 , 2 ，忉 ( 2 1 ) ( 2 2 ) ( 2 3 ) 这些简单幅域参数计算比较简单，对故障有一定的灵敏性。在离心机等大型旋转设 备的振动监测时常常使用峰一峰值来观察信号强度的变化。压缩机在线监测中，峰一峰 值一个很重要的参考指标，目前已作为一种工业标准( 如美国的a p l 6 7 0 标准) 在工业界得 故障树理论在远程诊断系统中的应用研究 到广泛的应用【1 6 1 。由于以上参数可以直观的反映设备的运行状态，所以主要用于系统在 线监测模块的设备状态图、实时棒图、实时趋势图。 ( 2 ) 时基波形分析 常用工程信号都是时间波形的形式，时间波形有直观、易于理解等特点，由于是最 原始的信号，所以包含的信息量大，缺点是不太容易看出所包含的信息与故障的联系。 对于某些故障信号，其波形具有明显的特征，这时可以利用时间波形做出初步判断。对 于旋转机械，其不平衡故障严重时，信号中有明显的以旋转频率为特征的周期成分( 图 2 1a ) ；而不对中时，信号在一个周期内，比旋转频率大一倍的高频成分明显变大，即一 周波动两次( 图2 1 b ) 。 ￥丹栽丹肿片a 木叭玳m 寸姗： i-i _ 小户w 刈挂u 舭h 抖h 斗啦讲* v 一一t - 一f 一广一r t 一- t 一- i 0l 龃1 9 22 5 63 2 0柚 4 4 55 1 2 一一一一一l 一上一4 一一一一0 一一 i 亿乇尢木1 一巾七瓿舡亿恕氐抵 垫粤兰鸳旦型p 垮型烨型咎量 图2 1 具有明显波形特征的故障 f i g 2 1 f a u l tw i 也o b v i o u sw a v cc k 哦晒i s 吐c a ) 不平街b ) 不对中 一般情况下，以计算机为核心的诊断系统中，若采用整周期采样，在时间波形上将 采样相点以不同颜色醒目标出，更增加了时间波形的可识别性，相点的漂移等信息对于 诊断故障是极为有用的【m 。 ( 3 ) 自相关分析 信号的自相关函数r x ( 力描述了一个时刻取值与另一个时刻取值之间的依赖关系。 娜” 29 拈“0 大连理工大学硕士学位论文 工( f ) 为时间历程记录，若估计加) 在f = 时刻和f = + f 时间上的相关性，可以在 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r 。( 力。 离散化数据计算公式为 r , ( n a t ) 2 j i 善h ，) 顶r + 疗) 刀= o ，l ，2 ，m f “ r ( 2 4 ) 式中胪- 采样点数。 广时间序列； ，广一时延序列； 为了保证测量精度，应使最大计算时延m 远小于数据点数n 。上述方法，我们称 之为“标准方法”，这种方法用计算机实现计算量较大；近代信号分析仪中常按自相关 函数和自功率谱密度函数的关系用f f t 来实现，我们称之为“间接方法”。 假定原来数据的长度为n = 2 “，用间接方法计算自相关函数的步骤如下： 把原始数据序列 ) ( 九= 0 , i ，n - 1 ) 添加个零点，则新的序列 ) 具有2 项，其中后项全为零。 用f f t 方法求出 工 ( 疗= o l ，2 一1 ) 的傅立叶变换k ( 七= 0 , i ，2 n 一1 ) 。 按照功率谱计算式计算 q ) 似= 0 , 1 ，；z n - d ，若需对 g k ) 作平滑处理得到 g k ，有2 n 项。 对( 瓯 作i f l f l r ，然后乘以( 一r ) 得到r ，( r = 0 , i ，2 一1 ) 。 去掉矗。的后一半，从而得到个相关函数点。 白相关函数和自相关系数的应用如下【1 匐： 根据自相关函数的形状判断信号的性质。比如周期信号的自相关函数仍为同周 期的周期函数。 自楣关函数可应用于检测混于随机噪声中的确定性信号。因为周期信号或任何 确定性数据在所有时间上都有其自相关函数，而随机信号则不是。 自相关不仅能帮助建立砸) 任何时刻值对未来时刻值的影响，并且作傅立叶变 换可以求得自功率谱密度函数。 不同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接 近。而当有故障，特别是出现周期性冲击故障时，在滞后量为其周期的整倍数处，自相 关函数就会出现较大峰值。 故障树理论在远程诊断系统中的应用研究 ( 4 ) 互相关分析 互相关函数r 。( 力是表示两组数据之间依赖关系的相关统计量。 其计算方法与自相关基本相同。互相关函数的应用如下： 互相关函数在时间位移上等于信号通道系统所需时间值时，将出现峰值。时间 上互为线性关系的两个信号，其平均乘积在信号间出现的时间位移为零时总是最大值。 系统的时间滞后直接可用输入输出互相关图中峰值的时间位移来确定。 互相关分析利用互相延时和能量信息对传输通道进行识别。 与自相关函数一样，互相关函数也可以利用它检铡外界噪声中的信号。 同样，利用互相关函数，可以得到互功率谱函数。 2 2 2 频域分析 对于机械故障的诊断而言，时域分析所能提供的信息量是非常有限的，一般用作设 备的简易诊断。对于设备管理和维修人员来说，诊断出设备是否有故障，这只是解决问 题的第一步，更重要的工作则在于确定是哪些零部件发生了故障，r 以便有针对性地采取 措施。因此，故障定位问题在设备故障诊断与监测研究中显得尤为重要。对故障进行定 位的一种常用方法就是进行信号的频域分析。通过对各频率成分的分析，对照机器零部 件运行时的特征频率，查找故障源。频域分析方法已成为机械设备故障振动诊断的主要 方法【1 0 l 1 8 1 。 ( 1 ) 幅值谱分析 所谓幅值谱分析，就是直接对采样所得的时域信号进行傅立叶变换，求得关于该时 域信号的频率构成信息，其数学运算式为 x = f ) 矿2 彤击 ( 2 5 ) 式中砸) 一时域信号( 振动加速度、速度或位移等一切以时间f 为自变量的函数) ； x 信号的幅值谱，是以频率为自变量的复值函数。 对于周期信号，经过傅立叶变换后的幅值谱i x i 是离散谱，即构成信号的频域成 分的基波及其各次谐波分量；而对于非周期信号，其幅值谱i 工( 力i 是连续谱，即信号连 续的分布在一定的频率范围内闭。 应该指出，通过丹叮数值计算所得的频谱都是离散谱。f f t 幅值谱是大型旋转机械 监测和诊断的基本手段。用涡流传感器接收的信号质量一般比较好，经过直流分量滤波 大连理工大学硕士学位论文 后，做出的幅值谱上各阶倍频分量清晰，谱峰尖锐，可以作为监测和故障诊断的依据。 并且，还可以对谱峰进一步提取特征微量，进行数学处理或做出图表，作为监测的手段。 ( 2 ) 自功率谱分析 自功率谱密度函数是在频域中对信号能量或功率分布情况的描述，它可由自相关函 数的傅立叶变换求得，也可以直接用f f t 求得。 设工为时间历程信号，根据维纳辛钦公式有 置( ，) = 疋( f ) g “咖打 ( 2 6 ) 从能量功率的物理意义上考虑，( ，) 称为自功率谱密度函数。 上式在正负频率轴上都有谱图，故称双边谱。但是，在工程上负频率并无实际物理 意义，所以又定义了单边谱 q ( 厂) = 2 ( ) = 2 r ( f ) 一埘7 打 ( 2 7 ) 由于白相关函数是实函数，因此，自功率谱密度函数亦为实偶函数。即 ( ) = ( f ) ( 2 8 ) 自功率谱密度函数与幅值谱的关系为 是( ，) = 熙2 r l x ( ：) l ，o( 2 9 ) 由此可见，( ，) 反映的信号频率结构与信号的幅值谱陋( ，) l 相似，但是自谱反映 的是信号幅值的平方，因此它反映的频率结构更明显【1 9 1 。 自功率谱分析能够将实测的复杂工程信号分解成简单的谐波分量来研究，描述了信 号的频率结构，因此对机器设备的动态信号作功率谱相当于给机器“透视”，从而了解 机器设备各个部分的工作状况。功率谱分析在解决工程实际问题中获得了广泛的应用。 直接法估计的功率谱性能不好，当数据长度n 太大时，谱曲线起伏加剧，n 太小时 谱的分辨率又不好，因此需要加以改进。间接法是对直接法的一种改进，又称为周期图 的平滑。系统中功率谱的实现采用w e l c h 法【2 0 】。 w e l c h 法是应用较广的一种方法。设有限长序列x ( n x n = o l ，n 1 ) 的功率谱为 s 。( 七) 。用平均周期图方法进行功率谱估计的计算过程如下【2 1 】： 把砌) 分成长度为的足段，相邻段重叠等个样本， 理，这样第i 段数据为 砖( 厅) = x ( i m 2 + n ) h 万) ，0 一m - 1 ，0 i s k - 1 同时对每段数据加窗处 ( 2 1 0 ) 故障树理论在远程诊断系统中的应用研究 其中，“一) 为窗函数( 系统使用汉宁窗) 。 用f f t 算法计算序列而( 玎) 的上点离散傅立叶变换x ，( 七) 置( | ) ：艺而( 一弦净，o k s l 1 ，o s i g k 一1 ( 2 1 1 ) 如果m l ，序列五( 刀) 要补三一m 个零。 计算周期图 墨( 七) = l 置( | l ，0 s | | l - 1 ，0 i k l ( 2 1 2 ) 计算置段周期谱的平均值，从而得到功率谱的估值为 2 亩p ( 协o k k l - 1 ( 2 1 3 ) 其中u = w 2 0 ) ( 3 ) 倒谱分析 倒频谱( c c p s t r u m ) 分析是近代信号处理科学的一项新技术，它可以处理复杂频率图 上的周期结构。倒频谱分析也称二次频谱分析，它包括功率倒频谱( p o w e rc e p s t r u m ) 分 析和复倒频谱( c o m p l e xc e p s t r u m ) 分析两种主要形式。它对于分析具有同族谐频或异族 谐频、多成分边频等复杂信号，找出功率谱上不容易发现的问题，非常有效。 实倒频谱是对频谱做进一步的谱分析而得到的。如果时间序列加) 的傅立叶正变换 为x ( 力，其功率谱为 = 手i 叫2 通常，实倒频谱有下述几种定义形式： 功率倒频谱功率倒频谱可以表示为 c ，( g ) = l gg ；( ，) | i 2 ( 2 1 4 ) ( 2 1 5 ) 式中，f 为傅立叶变换符号。上式是将对数功率谱作傅立叶变换，然后取其模的平方， 所以功率倒频谱又称为。对数功率谱的功率谱”。 幅值倒频谱实际应用较多的是式( 2 1 5 ) 的算术平方根定义形式，即 巳( 叮) = ( g ) = i 砷g q i ( 2 1 6 ) 相对于式( 2 1 5 ) 而言，上式称为幅值倒频谱。 假定x ( n ) 为一实序列，该序列的实倒频谱可以用f f t 方法来实现，即 大连理工大学硕士学位论文 c ( g ) = 酬1 d d 盱 砌) 刑 ( 2 1 7 ) d f t 要求数据长度序列足够长，以免倒频混迭。若数据序列不够长时，可适当补零。 1 2 i c ( 力= 所7 l | 以后11 2 r e 【】+ h n 【q ，) 】 q 1 8 ) 式中r e c ( r ) l 偶对称序列； r 倒频序号。 实质上，将r e 【c ( r ) 】平方即得到功率倒频谱的估计序列；将r e 【c ( r ) 】取绝对值便得 到幅值倒频谱序列。 由于l 球) 叫工( 玎1 2 i 是个实偶谱，实质上是从原始谱所形成的单边谱，它以原始谱为 偶部，对负频率来说等于零。这样一个谱的正逆变换的实部同原始谱的正逆变换是一致 的。一般情况下，计算机给出的是原始谱正频率处的分量，这样计算实倒频谱时就不必 计算对数功率谱负频处的对称部分。若点数为偶数，取n 1 2 1 点进行计算。 函硎1 画g ，( 硎= n r e d f i j l g f s , ( k ) i ( 2 1 9 ) 式中 1 2 5 ，( 七) ( o | n 2 ) g x ) = 是( 妨 = o , k = n 1 2 ) 【0 ( - n 2 k o 3 说明低频成分存在，若a o 】在o 3 8 - 0 4 8 n 内， 则s 【o 】= l ；若a 【o 】等于分数频率，则s 【0 】= 2 ，若a o 】在o 6 - 0 9 n 内，则s o 】：3 ； 工频特征量数字赋值：若b 【1 】 l ，则s 1 】= o ；若b 0 = l 且未超过标准值，则s 1 】- l ， 超过标准值则s e l - - - 2 ； 2 倍频特征量数字赋值：若0 3 b 【2 】 l ，则s 【2 】1 ；若b 【2 】- 1 ，则s 【2 】= 2 ； 3 倍频特征量数字赋值：若o 5 b 3 】 l ，则s 【3 】- l ； 高频特征量数字赋值：若o 3 b 【4 】 l 且0 3 b 【5 】 l ，则s 【4 】= 1 ； 4 3 3 知识库的设计与实现 ( 1 ) 知识库框架的设计 知识库是系统的核心之一，存放系统求解问题所需要的专家知识。由于离心式压缩 机故障原因复杂，并且一个故障模式可能对应着多个故障原因，