旋转机械状态监测及预测技术研究

旋转机械状态监测及预测技术研究旋转机械状态监测及预测技术研究 摘 要 旋转机械是工业上应用最广泛的机械 为了对其进行安全生产和实行科学维护 需要研究旋转机械在线监测及预测技术 采用了综述该技术发展趋势与介绍该技术研究工 作相结合的方法 在大型机组上施行的实践验证结果表明 所研究的技术是有效的 分析 手段是适用的 关键词 旋转机械 工作状态 监测及预测 一 引言 旋转机械状态监测技术 是近年来研究的热门课题 这里着重考虑的是避免设备的随机 性故障 自动在线监测方式与定期监测方式 在线检测离线分析监测方式相比技术水平先 进 既避免设备突发性故障又无需专业人员现场操作 旋转机械状态在线预测技术 是研 究的新兴课题之一 这里着重考虑的是预测设备的时间依存性故障和改变设备的维护方式 该技术是在状态监测及故障分析基础上发展起来的 是实现以先进的预知维护取代以时间 为基础的预防性维护的关键技术 本课题着重研究的是设备状态在线监测及趋势预测的方 法 二 旋转机械状态监测技术的发展 1 旋转机械状态监测技术的发展历程 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 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 出现了大量的强度 结构 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 国内外大型汽轮机严重事故是 其典型实例 大型旋转机械状态监测技术研究是国家重点的攻关项目 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 50 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 六七十年代 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 70 年代至 80 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 machinery health monitoring 简称 MHM 美国西屋公司的 可移动诊断中心 mobile diagnosi s center 简称 MDC 丹麦 B K 公司 的 2500 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 先进的状态监测系统把体现机械动态特性的振动 噪 声作为主要监测和分析的内容 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 80 年代用小型计算机或专用数字 信号处理机做为主机完成机械动态特性 的数据处理 如 HP5451C 该类主机不仅价格昂贵 一般价格为数十万元 而且对工作环境要求苛刻 需要专用机房 因而通常采用离线监测与 分析的方式 90 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 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 同时可进一步研究增加控制功能 调整设备输出使 设备在效率 较佳 能耗较低的状态下运行 利用主机系统进行统计和打印日常 报表以及故障报表 能 为生产部门提供现代化的科学管理手段 通过微机联网通讯 还可以使设备状态监测及预 测系统成为企业先进的管理系统中的一个子系统 此外 由于大大减少值班人员在强噪声 环境下工作的时间 即改善了工作条件 又使企业达到国家有关噪声卫生标准 随着人们对设备保护意识的加强和设备维护认识的深入 监测及预测技术的发展及应用 成本的降低 对该项技术的需求也将日益增加 随着该技术带来的经济效益和社会效益日 益明显 旋转机械状态在线监测及预测技术会进一步受到青睐 若进口国外通用监测及预 测系统 不仅价格昂贵 且针对性不强 本课题涉及的研究内容是根据我国工业生产状况 针对实际需求而提出来的 旋转机械状态在线监测及预测研究的技术原理与技术方案适用于普通机械设备 尤其适 于连续运转的大中型旋转机械 如 机械 车辆 电力 石化 冶金 煤炭 核能等许多 行业中的关键设备 从而推广应用领域广泛 经济效益潜力巨大 3 研究的主要内容 本课题着重针对大型旋转注水机械 以揭示机械设备的机械动态特性为手段 研究了机 械设备状态自动在线监测及预测的方法 以及相应的软件系统和硬件系统 通过对机械设 备 运行和发展状态的在线检测 实现了对机械设备状态自动分析和判断 对机械设备状态 发展进行在线趋势预测 具体完成的主要内容如下 1 提出了大型旋转机械设备状态在线监测及预测的总体方案和技术路线 开发了传感器 数据采集 现代信号处理 人工智能以及硬件 软件的有关技术 状态监 测研究主要考虑 的是针对随机性故障 状态预测研究主要考虑的是针对趋势性故障 可预知故障 2 在故障分析和预报方法的研究上 考虑到传统的布尔逻辑识别 FTA 方法 故障树分 析 法 因为识别能力差 判据不足 不能满足要求 采用了灰色系统理论 时间系列 神经 网络 遗传算法 小波分析等新技术 3 从特征信号中提取有关机组状态的信息 选择的机械设备状态敏感因子 特征参数 具有较高灵敏度 较高识别能力 采取合适的敏 感因子提取装置 提取方式及提取方法 4 提出了大型机械设备状态正常与否的准则 选择了安全评定的标准 确定了对机械设 备整体状态及主要零部件状态分别评价的判据 提供能对异常情况做出判断的方法 5 研究了时域 频域综合信号处理方法 使信号处理后的特征突出 明显 便于自动比 较 判别 围绕信号处理的实时性 实用性 稳定性进行了相应的设计和改进 探讨了新 的谱估计方法以及小波分析方法 6 研究了机械设备状态在线分析及自动判别的技术 能根据历史档案 专家经验 客观 依据 实现机械设备状态决策判断自动化 研究的机械设备状态自动判别智能专家系统 可克服转速波动影响 开发了振动频谱在线时域 频域报警新技术 7 研究了旋转机械设备常见故障特征 建立了机组故障原因集以及故障推理机制 8 为对机械设备实行现代预知维护提供科学依据和手段 研究了趋势预测的方法 除对 机械设备整体进行趋势预测外 探讨了对机械设备零部件进行趋势预测的方法 9 研究了神经网络 ANN 在旋转机械设备状态预测上的应用技术 针对现有神经网络对 新信息强调不足的问题 研究出适于预测用途的新型神经网络模型 探索了遗传算法 GA 在趋势预测应用的途径 10 在趋势预测模型中考虑时间序列模型预测 灰色模型预测 组合模型预测 围绕提 高预测精度提出了新型改进模型及有关方法 11 为进行旋转机械状态在线监测及预测技术的实验研究 研制完成具有典型机械结构 和现代测试分析功能的新型实验系统 该实验系统应能模拟典型旋转机械的运行状态 能 再现故障发展过程和预测发展趋势 12 以大型旋转机械设备为对象进行了工业现场的实践验证 并对验证结果进行了分析 五 结束语 研究大型旋转机组状态在线监测及预测技术 对保证安全生产以及对设备实