旋转机械故障诊断读书报告.docx

旋转机械故障诊断读书报告1.前言故障是指机械设备丧失了原来所规定的性能或状态。通常把设备在运行中所发生的状态异常、缺陷、性能恶化、以及事故前期的状态统统称为故障，有时也把事故直接归为故障。 而故障诊断则是根据状态监测所获得的信息，结合设备的工作原理、结构特点、运行参数、历史状况，对可能发生的故障进行分析、预报，对已经或正在发生的故障进行分析、判断，以确定故障的性质、类别、程度、部位及趋势，对维护设备的正常运行和合理检修提供正确的技术支持。通俗地说，对旋转机械故障的诊断类似于医生给患者治病，医生基于病理需要向患者询问病情、病史、切脉（听诊）以及量体温、验血相、测心电图等，根据获得的多种数据，进行综合分析才能得出诊断结果，提出治疗方案。机器在运行过程中出现故障也是不可避免的。人生了病需要求医就诊，机器出了故障也要找“医生”诊断病因。在通过监测获取机器大量信息的基础上，基于机器的故障机理，从中提取故障特征，进行周密的分析，确定故障原因，作出符合实际的诊断结论，提出治理措施。 2．旋转机械故障诊断的意义旋转机械故障诊断技术的由来及发展，与十分可观的故障损失以及设备维修费密切相关，而旋转机械故障诊断的意义则是有效地遏制了故障损失和设备维修费用。具体可归纳如下几个方面： ① 及时发现故障的早期征兆，以便采取相应的措施，避免、减缓、减少重大事故的发生； ② 一旦发生故障，能自动纪录下故障过程的完整信息，以便事后进行故障原因分析，避免再次发生同类事故； ③ 通过对设备异常运行状态的分析，揭示故障的原因、程度、部位，为设备的在线调理、停机检修提供科学依据，延长运行周期，降低维修费用； ④ 可充分地了解设备性能，为改进设计、制造与维修水平提供有力证据。3．旋转机械故障诊断的发展概况旋转机械故障诊断技术和其它学科一样，也是有其发展过程的：在二战以前对机器振动问题的解决，主要靠技术人员的经验和技巧。利用原始的检测手段，例如用小锤敲击或用细长导体抵在机器的某部位，以耳朵听到的声音来判断机器工作是否正常。 五十年代末，电涡流传感器逐步广泛用于旋转机械的振动检测上。这不仅为振动监测提供了可靠的手段，也为转子动力学，轴承等学科的理论研究提供了先进的测试手段。六十年代至七十年代振动监测仪逐渐运用在旋转机械上，同时在这个期间内，数字电路、 电子计算机技术发展很快。当计算机进入信号处理与分析领域时，测试技术便出现了一个新的分支——“信号数字处理分析技术”。这种技术提供了对各种物质运动分析与识别信息。七十年代末，八十年代初，旋转机械的状态监测与故障诊断系统在许多发达国家开始研制，并把实验室的研究结果推向工业部门应用。 4.旋转机械故障诊断方法4.1声发射检测诊断法材料中由于能量从局部源快速释放而产生瞬态弹性波的现象称为声发射。用仪器探测、记录、分析声发射信号和利用声发射信号推断声发射源的技术称为声发射检测技术。声发射技术具有许多优点, 如适用于实时动态监控检测, 且只显示和记录扩展的缺陷, 与缺陷尺寸无关; 对扩展的缺陷具有很高的灵敏度; 整体性; 缺陷所处位置和方向并不影响声发射的检测效果; 受材料的性能和组织的影响小; 方法比较简单, 现场声发射检测监控与试验同步进行等。4.2温度检测诊断法温度检测诊断法即以可观测的机械零件的温度作为信息源, 在机器设备运行过程中, 通过温度参数的变化特征判别设备的运行状态。一方面, 零件的振动可以影响温度的变化; 另一方面, 温度的变化也会使旋转件的振动进一步加剧。此外, 其他故障类型和温度变化之间也具有某种确定的关系, 即温度信号中隐含着其他故障诊断信号的信息。温度检测法并不是单一靠检测温度来对设备进行故障诊断, 跟其他技术方法相结合就能更方便地应用于工程实践中。4.3基于专家系统的诊断方法专家系统（expert system）是一中基于知识的人工智能诊断系统，其实质是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。目前专家系统用于旋转机械的故障诊断是比较成功的。基于专家系统的诊断方法的主要特点是可以方便地把运行人员的诊断经验用规则表示出来，并允许在知识库中增加、删除或修改一些规则，以确保诊断系统的实时性和有效性，同时还能够给出符合人类语言习惯的结论，并具有相应的解释能力等。4.4基于人工神经网络的诊断方法与专家系统相比，基于人工神经网络（artificial neural network简称ANN）的故障诊断方法具有鲁棒性好、容错能力强和学习能力强等特点。目前主要有基于BP算法的前向神经网络和基于径向基函数的神经网络两种主要应用于旋转机械的故障诊断。 往往大型旋转机械是多个故障一起发生的，对于并发的故障进行诊断是一个备受关注的问题。文献[18]提出了用并行遗传神经网络诊断并发的故障的