机械故障诊断摘要和一般流程.doc

旋转机械故障诊断研究的意义：旋转机械是工业部门中应用最为广泛的一类机械设备。随着科学技术的发展，旋转机械正在向高速、重载和自动化方向发展，对旋转机械在设备安全、稳定、长周期、满负荷运行的要求也越来越高，转子以及其它回转部件作为旋转机械的的核心部件，在电力、能源、交通、石油化工等领域中发挥着无可替代的作用。这类设备一旦发生故障，将会引发严重的机毁人亡事故。并造成重大的经济损失。旋转机械故障诊断技术国内外的发展概况在国外旋转机械故障诊断系统方面，首推美国西屋电器公司(WestHouse Electric Corporation)，从1976年开始研制，到1990年已发展成网络化的汽轮发电机组智能化故障诊断系统，其三套智能诊断软件(汽轮机TubinAID，发电机GenAID，水化学ChenAID)。其它的在线和离线诊断系统有：Bently公司的DM2000、美国西屋电器公司与卡内基一梅隆大学(CarnegieMellon University)合作研制的用于汽轮发电机组监控和诊断的专家系统PDS、IRD与ENTEK公司的联合开发的5911系统、Scientific Atlanta公司的M6000系统、日本三菱公司的MHM系统，荷兰菲利普公司的RMS700系列TSI。智能故障诊断技术有：美国通用电气公司研制的用于内燃电气机车故障诊断的专家系统CATS 1，美国BentlyNevadaCorporation(BNC)、Westinghouse公司的PDS系统、IRD与ENTEK公司联合开发的5911系统、Scientific Atlanta公司的M6000系统以及日本三菱公司的MHM系统、法国的SMAV系统、瑞士的MACS系统、丹麦的Compass系统。八十年代中后期以来，我国不少研究人员先后从事故障诊断专家系统的研究工作，并取得了一定的研究成果。有一些系统已投入了实际运行，如郑州工业大学的MMDS9000系统是我国针对大型化工装置中的透平压缩机组进行的在线诊断；两安交通大学的RMDS系统和RD一20系统；哈尔滨工业大学及浙江大学的ZHZ-10系统；清华大学的BB一1系统等对发电机组的故障诊断系统在工业上得到了应用，但是，总体而言，在机械设备诊断的可靠性等方面和国外仍存在一定的差距，总的诊断水平还不是很高，这与其在生产中广泛应用的现状极不相符。1信号提取方面：4故障特征提取是故障诊断的核心，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问题，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能性。旋转机械的振动信号反映了设备的运行状况，所以人们主要借助信号处理的方法来提取故障特征，可以综合频谱分析在提取平稳信号特征方面的优势以及小波分析在提取非平稳信号方面的优势，对旋转机械的振动特征进行有效的提取。小波分析技术的一个特点是滤波作用，这决定了小波变换方法具有分离信号中的噪声和特征成分的能力。对采集到的旋转设备的信号进行小波包降噪，再对信号进行小波包分解，信号中的特征和噪声被分解到不同的小波基上，然后对根据所感兴趣的信号进行重构，提取特征频率。2模式识别方面现有智能诊断模型的诊断能力完全依赖于知识库中的现有知识，由于收集到的故障实例或经验知识总是有限的，所以当一个新的异常征兆出现时，在知识库中找不到最佳匹配，很可能发生漏诊或误诊，从而严重影响诊断结果的可靠性，也将影响维修方案的制订。解决这一问题的一个有效途径是将多种不同的智能技术结合起来的混合诊断系统是智能故障研究的一个发展趋势。可以将模糊推理、神经网络技术与专家系统相结合。模糊推理系统可以基于很少的模糊规则进行推理运算，但模糊系统的隶属函数和模糊规则却不易调整，另一方面，神经网络有良好的学习能力和准确的拟合任意非线性函数的能力，并可通过目标函数的相应数据进行学习，以提高其准确性，但神经网络内部的推理过程和所存储的知识却难于理解。因此，优势互补对旋转机械系统的故障诊断提出一种模糊推理与神经网络协作式的专家系统这种模糊神经专家系统既具有神经网络的准确拟合能力和学习能力，也具有模糊推理系统推理过程清晰的特点。为了便于模糊推理系统和神经网络系统两者之间的转换，神经网络的结构设计成与模糊专家系统相同的模糊ART网络结构，可以利用模糊模型将专家系统的知识转换到神经网络的连接权值矩阵中，系统采用多级分层结构，系统由多个子系统综合而成。可行性：在系统初始训练阶段，系统主要利用模糊ART网络的自适应学习功能对模糊专家系统的知识(规则)进行强化或补充，通过协调机构依据故障样本模板对模糊ART网络进行监督。在系统实际运行中，主要利用模糊推理的方式进行诊断。当模糊系统的推理结论与实际不符时，表明系统中的规则不完善，此时协调机构调用模糊ART网络对新的模式进行学习，并通过协调机构接收外部专家的诊断结论，对模糊专家系统中的知识进行补充。对于已经通过训练的故障样本，利用模糊推理的方式进行诊断，模糊诊断专家系统依据阈值原则推出系统的故障结论，给出可能的故障点或原因。由于模糊推理运算量较小，可以满