(推荐)齿轮故障诊断方法综述

齿轮故障诊断方法综述

摘要齿轮是机械设备中常用的部件,而齿轮传动也是机械传动中最常见的方式之一。在许多情况下,齿轮故障又是导致设备失效的主要原因。因此对齿轮进行故障诊断具有非常重要的意义。介绍了故障的特点和几种诊断方法，并比较了基于粒子群优化的小波神经网络,基于相关分析与小波变换,基于小波包和BP神经网络和基于小波分析等故障诊断方法的优缺点，并提出了齿轮故障诊断的难点和发展方向。

关键字齿轮故障诊断诊断方法分析比较发展

第一章齿轮故障诊断发展及故障特点 (1)

1.1 齿轮故障诊断的发展 (1)

1. 2齿轮故障形式与震动特征 (1)

第二章齿轮传动故障诊断的方法 (2)

2. 1高阶谱分析 (2)

2.1.1参数化双谱估计的原理 (3)

2.1.2试验装置与信号获取 (3)

2.1.3 故障诊断 (4)

2.1.4应用双谱分析识别齿轮故障 (5)

2.2基于边频分析的齿轮故障诊断 (6)

2.2.1分析原理 (6)

2.2.2铣床振动测试 (6)

2.2.3边频带分析 (8)

2.2.4故障诊断 (9)

2. 3时域分析 (10)

2.3.1时域指标 (10)

2.3.2非线性时间分析 (11)

第一章齿轮故障诊断发展及故障特点

1.1 齿轮故障诊断的发展

齿轮故障诊断始于七十年代初，早期的齿轮故障诊断仅限于在旋转式机械上测量一些简单的振动参数，用一些简单的方法进行诊断。这些简单的参数和诊断方法对齿轮故障诊断反应灵敏度较低，根本无法准确判断发生故障的部位。七十年代末到八十年代中期，旋转式机械中齿轮故障诊断的频域法发展很快，其中R.B.Randall和James1.Taylor等人做好了许多有益的工作，积累了不少故障诊断的成功实例，出现了一些较好的频域分析方法，对齿轮磨损和齿根断裂等故障诊断较为成功。进入九十年代以后,神经网络、模糊推理和网络技术的发展和融合使得齿轮系统故障诊断进入了蓬勃发展的时期。

我国学者在齿轮故障诊断研究方面也做了大量工作。1986年,屈梁生、何正嘉在《机械故障诊断学》中分析了齿轮故障的时频域特点。1988年,颜玉玲、赵淳生对滚动轴承的振动监测及故障诊断进行了分析。1997年,郑州工业大学韩捷等在“齿轮故障的振动频谱机理研究”中对齿轮的故障机理做了探讨。西安交通大学张西宁等在“齿轮状态监测和识别方法的研究”中提出了一种新方法即基于一致度分析。

1. 2齿轮故障形式与震动特征

通常齿轮在运转时,由于制造不良或操作维护不善会产生各种形式的故障。故障形式又随齿轮材料、热处理、运转状态等因素的不同而不同,常见的齿轮故障形式有齿面磨损、齿面胶合和擦伤、齿面接触疲劳和弯曲疲劳与断齿。

在齿轮运转状态下,伴随着内部故障的发生与发展,必然会产生振动上的异常。实践证明,振动分析是齿轮故障检测中最有效的方法。若齿轮副主轮转速为n1,齿数为z1,频率为f1;从轮转速为n2,齿数为z2,频率为f2,则齿轮啮合频率fC

为:fC=Nf1z1=Nf2z2=Nn160z1=Nn260z2(1) 式中:N=1, 2, 3,…。齿轮处于正常或异常状态下,啮合频率振动成分及其倍频总是存在的,但两种状态下的振动水平有差异。如果仅仅依靠对齿轮振动信号的啮合频率及其倍频成分的差异来识别齿轮的故障是不够的,因故障对振动信号

的影响是多方面的,其中包括幅值调制、频率调制和其他频率成分。

第二章齿轮传动故障诊断的方法

齿轮故障的诊断方法从难易程度来说可以分为简易诊断方法和精密诊断方法。

简易诊断方法包括:有经验的人员可以通过直接听噪声,或感受振动强度来初步判断齿轮系统是否处在正常状态。通过直接观察信号波形的幅值、变化趋势来判断齿轮的工作状态。简易诊断方法简单、快速,但效果一般。精密诊断方法利用精密仪器来获取系统运行的信号,并对信号进行一系列处理来获得所需要的信息。精密诊断方法的准确性高,但对人员素质要求高,需要的仪器也比较精密。

齿轮系统在运行过程中,和运行状态有关的一系列物理量都是随时间的变化,以各种各样的信号表达出来。因此,信号处理方法是齿轮故障诊断中最关键的一个环节。它对前面环节所得到的信号进行分析,又给后面最终的决策环节提供信息。有关齿轮的信号处理方法目前已经取得了很大的发展,它借鉴了振动力学、摩擦学、系统论、控制论、计算机技术、人工智能技术和非线性理论等多个领域的研究成果,广泛采用传感器技术、计算机和信息处理等现代科学技术作为其技术支持。

2. 1高阶谱分析

高阶谱是在高阶累积量的基础上发展起来的,是近年来国际上在一个信号处理方面比较新的方向。它是用来分析非高斯、非线性、非最小相位的有力工具,相对于相关函数和功率谱来说,它不仅能提供时间、幅值、频率上的信息,还能提供相位上的信息。目前国内外已经将其引入齿轮检测中。双谱技术用于齿轮故障诊断,利用该方法能有效地识别出信号中的二次相位耦合情况,可以准确地检测出齿轮中存在的分布缺陷。将双谱和双相干谱进行比较,通过对齿轮在正常、磨损、断齿状态下的分析表明双谱比双相干谱的能量分布更集中,更利于故障特征提取。

齿轮啮合过程中的振动信号往往呈现出非线性、非高斯性,加上强噪声的干扰,给故障特征的提取带来了较大的困难。为实现齿轮单一故障的分类和诊断,采用时序参数化的双谱分析方法,对齿轮故障模拟试验台上采集的正常状态和3种故障状态的振动信号进行了分析,根据

双谱谱峰的分布及数目的差异性,实现了齿轮正常、裂纹、磨损、剥落4种状态的识别和分类。结果表明,双谱分析可以抑制背景噪声,并有效提取信号中的非高斯成分,是一种有效的故障

诊断方法。

2.1.1参数化双谱估计的原理

双谱的计算方法有2种:①直接由定义计算双谱(实质上,双谱定义为平稳时序的3阶自相关函数的二维傅立叶变换);②间接由参数模型估计双谱,其计算简便,本研究利用AR(p)模型来估计双谱。

2.1.2试验装置与信号获取

试验装置为齿轮故障模拟实验台,它由控制台、直流电动机、加载电机、直流调速加载系统、齿轮减速器组成,如图1所示。传感器的安装位置是正确获取信号的关键,对于齿轮箱而言,齿轮故障的振动信号在传递中经过环节较多(齿轮—轴—轴承—轴承座—测点),很多高频信号在传递中可能丧失了,所以,进行测试时应选择轴承座附近刚性较好的部位,两个压电式传感器分别布置在中间轴和输出轴的轴承座外壁上,方向均为竖直向上。

齿轮箱是由三轴式二级变速器组成,输入轴与输出轴上齿轮均为正常齿轮

(z1=26,z4=85,m =2),中间轴上齿轮为二联齿轮(z2=64,m =2)和三联齿轮(z3=40,m =2),上面布置有模拟故障,故障的变换由齿轮箱前后两个换档手柄调节实验中采样频率设定为10 kHz,数据长度为12 902,分3种转速(400、700和1 000 r/min),在3种承载(无载,轻载,重载)工况下进行采样。

2.1.3 故障诊断

实验中,在1 000 r/min重载工况下采集正常信号和3种故障信号的时域图及FFT频谱图如图3、图4所示

从时域波形图中可见,齿轮的4种运行状态的差别较小。从FFT频谱图可见,当存在故障时,能量的分布发生了一定的变化,出现了新的能量集中区域,但是4种状态在低频处的能量集中有一定的相似性,因此直接用肉眼区分存在一定的困难,需进一步处理才能进行准确的分类和诊断。

2.1.4 应用双谱分析识别齿轮故障

当齿轮出现裂纹、局部剥落等故障时,将产生周期性的冲击信号,信号的分布则发生一定的变化,呈现出一定的非高斯性,故将双谱分析应用到齿轮故障的分类和诊断中。Matlab信号处理工具箱提供的函数arorder和arrcest指令可用于AR模型定阶和模型的参数估计,调用相关指令对已经估计出的参数再进行双谱分析, 4种状态的双谱估计结果如图5所示

由图5可以看出,不论是正常齿轮还是故障齿轮,双谱图上都存在着谱峰,其高斯偏离性很明显。在正常情况下,主峰值仅在低频处有一处,而故障情况下,裂纹和剥落故障均出现了6个谱峰,但谱峰的形状及能量有一定的差异,而磨损故障的谱峰个数较多也较集中,且故障状态下的谱峰在低频及高频处均有分布,这是由于不同齿轮故障的调制作用不同,由此产生

“调制频率各分量之间发生耦合程度不同”的必然结果。根据4种状态谱峰的数目及分布不同,可以完成较好的分类和诊断。

2.2基于边频分析的齿轮故障诊断

2.2.1分析原理

边频带的产生主要与振动信号被调制有关,如齿轮箱中齿轮轴上若存在偏心故障或者啮

合齿轮的某些齿上出现较为严重故障时,就会产生调制,即在特征频的两旁有一些边频带

[3-4]97-101。为了准确的诊断,就必须进行细化分析。细化分析[5-6]的基本思想是利用频移定理,对被分析信号进行复调制,再进行重新采样做傅立叶变换,即可得到较高的频率分辨率,其主要步骤为:假定要在频带(f1~f2)范围内进行频率细化,此频带中心频率为f0=(f1+f2)/2,对被分析信号x(k)进行复调制,得到频移信号y(k)=x(k)e-i2πKL/N,L=f0Δf式中,Δf是未细化分析前的频率间隔。根据频移定理,Y(n)=X(n+L),相当于把X(n)中的第L条线移到Y(n)的零谱线位置了。此时降低采样频率为2NΔf/D,对频移信号重新采样或对已采样数据频移处理后进行选抽,就能提高频率分辨率D倍分析Y(n)零谱线附近的频谱,也即X(n)中第L条谱线附近的频谱。

2.2.2铣床振动测试

本次试验中,首先对铣床的振动信号进行了采集和分析,并且进行了故障分析。

（1）测试系统试验仪器

信号的采集是由压电式加速度传感器进行,经DLF系列多通道电荷电压滤波积分放大器

转换为电压信号,用INV310大容量数据自动采集系统和DASP软件进行信号处理,分析其频谱。

（2）试验方案和测试过程

(1)确定测点和转速。首先,在机床空载状态下,通过触摸找出振动较大的部位。其次,在各部位用测试仪器确定在铣床空载状态下,振动较大的位置。选定主轴转速在n=75、150、300、475、600、750、950、1180、1500r/min时,传动路线为

其中1~10号点(图1)振动较大,并且大部分的振动与加工精度有直接关系,因此作为这次研究的主要测试点(对称点也进行相应测试,但没在图中标出)。

(2)计算测试转速下的轴的转动频率、齿轮啮合频率(表1、表2)。

(3)测试过程。①连接仪器,对仪器仪表进行零位调整,设置参数;②启动机床,观察接收的信号,当信号稳定后进行采集;③改变转速和测点,记录每种工作状况下各点的数据。

2.2.3 边频带分析

边频带成分包含有丰富的齿轮故障信息,要提取边频带信息,在频谱分析时必须有足够高的频率分辨率[4]97-101。当边频带谱线的间隔小于频率分辨率时,或谱线间隔不均匀,都会给边频带分析带来误差,为此必须进行细化分析.

通过测试,将各测点记录的振动信号回放后,使用DASP软件进行频谱分析,得到各个工况下各点的频谱图百余副,如图2所示为75r/min时第5号点的频谱图

和幅值相对比较大点的数据图。从图2可知,图中频谱峰值比较突出,振动出现较大信号峰值的频率有222.88Hz、642.24Hz、900~1000Hz。分析所有的频谱图可以看出:在642.24Hz 附近的幅值都是比较大的,占有一定的地位;主要分析这一范围的频谱,由于频率分辨率太低,因此,挑选能够反应这个特性的频带重新进行细化分析。如图3所示为主轴在1180r/min(实际转速是1212r/min)时第5号点未细化的频谱图和细化后(598Hz到700Hz)的频谱图。从图3a中可以看出,要想准确的分析出边频值来是比较困难的,所以要进行细化分析,在图3b中可以很精确的看出边频值(特征频率642.24Hz,边频24.7Hz),这样进行故障的判断是非常有利的。

2.2.4 故障诊断

(1)故障元件及位置。从图3中可以看出,642.24Hz是造成振动幅值偏大的主要频率,而以实测主轴转数1212r/min推算,第一对齿轮啮合(26/54)的频率为640.92Hz(表1),

Ⅰ轴的旋转频率为24.65Hz(表2),从图3b中还可以看到642.24Hz两侧存在边频,边频的大小为24.7Hz,这充分说明是由轴的旋转频率经过第一对齿轮啮合频率调制所得。经过检查,发现第一对齿轮啮合(26/54)中有一齿轮基节误差过大,并且齿轮有一定的点蚀,每一圈均在此齿处产生猛烈冲击一次。

(2)在主轴转速为1500r/min工况下,还发现在1002.956Hz(万能铣头中一对齿轮啮合频率501.67Hz的一倍频,见表1)的两侧也存在边频23~26Hz(与此轴的转动频率25.08Hz相近,见表2),说明这对齿轮同样有问题,后经检查发现安装万能铣头时略有松动(由于篇幅有限,不再另附图来说明)。

(3)在万能铣头上选择较多测点是为了更好的分析影响加工精度的因素,此次试验中,在75r/min工下,幅值谱(图4)中222Hz附近的幅值相对也比较大,这主要是由Ⅱ、Ⅲ轴齿轮啮合(16/39、19/36、22/33,见表2)振动造成的,但总体所占比例相对较小,检查或修理后对机床十分有益。

应用边频分析方法进行齿轮(特别对于带有齿轮箱机床的研究)故障诊断简单易行。同时,必须对重点频带进行细化分析,提取准确的边频值,就能准确分析故障产生的部位和原因。细化分析可以很好的提高频率分辨率,它与边频分析相结合对于齿轮的故障诊断是一种非常有效而又简便的方法。

2. 3时域分析

2.3.1 时域指标

时域指标是以一系列的指标来给出系统的状态特征。主要包括均方根值、斜度(Skewness)、波形指标(Shape Factor)、峰值指标(Crest Factor)、脉冲指标( Impulse Factor)、裕度指标(Clearance Fac-tor)、峭度指标(KurtosisValue)等。峭度指标、裕度指标和脉冲指标对于冲击脉冲类故障比较敏感,特别是在故障早期发生时,它们有明显增加;但上升到一定程度后,随故障的逐渐发展,反而会下降,表明它们对早期故障有较高的敏感性,但稳定性不好。一般说,均方根值的稳定性较好,但对早期故障信号不敏感。为了取得好的效果,通常将它们同时使用,以利于全面分析。利用最大峭度(KurtosisMaxmi isation)作为一个指标来识别直升机齿轮中故障的出现,并且表明相对于现行的方法在下述方面具有更好的效果:(1)能够在早期或更显著地识别出裂纹; (2)能够检测复杂齿轮箱特别是直升机齿轮箱中的故障。利用零滞后的高阶统计量作为一种新的指标来识别出齿轮裂纹、断齿状态。因为高阶累积量具有抑制高斯噪声的能力,首先通过Hilbert变换提取出信号的包络信号,然后计算零滞后的高阶累积量,效果明显。峰态因数指标对于齿轮局部点蚀故障反应非常敏感,微小故障可以引起峰态因数指标的明显变化。不过时域指标只能用于定性的分析齿轮中可能出现的故障,对于需要精确确定的故障还需要结合其它方法。

2.3.2非线性时间分析

随着机械诊断中信号处理方法的发展,人们不断提出新的非线性分析方法以解决实际中的需要。将ARMA时间序列模型引入齿轮故障诊断,建立起了齿轮状态的分类网络,该方法对动态数据具有外延性,可避免在求取动态数据加窗时所造成的影响。

（注：专业文档是经验性极强的领域，无法思考和涵盖全面，素材和资料部分来自网络，供参考。可复制、编制，期待你的好评与关注）

500kV输电线路故障诊断方法综述_魏智娟

2012年第2期 1 500kV 输电线路故障诊断方法综述魏智娟1 李春明2 付学文1 （1.内蒙古工业大学电力学院，呼和浩特 010080；2.内蒙古工业大学信息学院，呼和浩特 010080）摘要对近几年国内外具有代表的中外文献进行了学习研究，重点论述了输电线路故障诊断的四种方法：阻抗法，神经网络和模糊理论等智能算法，小波理论，行波法。综合输电线路的四种故障诊断方法，建议采用小波熵原理对输电线路故障模型进行故障类型识别，运用基于小波熵的单端行波测距方法实现故障定位。关键词：故障诊断；阻抗法；智能算法；小波理论；行波法 The Survey on Fault Diagnosis in the 500kV Power Transmission Lines Wei Zhijuan 1 Li Chunming 2 Fu Xuewen 1 （1.The Power College of Inner Mongolia University of Technological, Inner Mongolia, Hohhot 010080; 2.The Information College of Inner Mongolia University of Technological, Inner Mongolia, Hohhot 010080） Abstract Based on the overview of typical literatures at home and abroad, this research focused on the four methods of failure diagnosis of transmission lines, namely, Impedance method, Intelligent method such as Neural Network Theory and Fuzzy Theory, Wavelet Theory and Traveling Wave method. And based on the synthesis of the four methods, this research suggested that simulation should be conducted to the failure models of transmission line by applying Wavelet Entropy Principle and the results of the simulation should be analyzed in order to identify the failure types; and the failure simulation should be conducted by the single traveling wave distance-testing method of wavelet entropy, and the results of the simulation should be analyzed in order to realize failure location. Key words ：failure diagnosis ；impedance method ；intelligent algorithm ；the Wavelet Theory ；the traveling wave method 超高压输电线路是电力系统的命脉，它担负着传送电能的重任，其安全可靠运行是电网安全的根本保证。输电线路在实际运行中经常发生各种故障，如输电线路的鸟害故障[1]、输电线路的风偏故障等[2]，及时准确地对输电线路进行故障诊断就显得非常重要。国家电网公司架空送电线路运行规程明确规定 “220kV 及以上架空送电线路必须装设线路故障测距装置”[3-4]。由于我国幅员辽阔，地形地貌的多样性致使输电线路工作环境极为恶劣，输电线路发生故障导致线路跳闸、电网停电，对电力系统安全运行造成了很大威胁，所以，在线路发生故障后迅速准确地进行故障诊断，减少因故障引起的停电损失，降低寻找故障点的劳动强度，尽最大可能降低对整个电力系统的扰动程度，确保电力系统的安全可靠稳定运行具有十分重要的意义。本文在总结前人的基础上，重点论述了超高压输电线路的4种故障诊断方法，建议采用小波熵原理对输电线路故障类型进行故障识别，利用基于小波熵的单端行波测距方法实现故障定位。 1 输电线路故障诊断当输电线路发生故障时，早先的故障定位通常是由经验丰富的运行人员在阅读故障录波图的基础上，综合电力用户提供的信息，进行预测、判断可能出现的故障位置，然后派巡线人员通过查线确认故障位置并及时排除故障。在电力市场竞争日渐激

电力系统故障的智能诊断综述

智能电网技术及装备专刊·2010年第8期 21 电力系统故障的智能诊断综述李再华1 刘明昆2 （1.中国电力科学研究院，北京 100192；2.北京供电公司海淀供电分公司，北京 100086）摘要电力系统是人类制造的最复杂的系统，故障诊断是现代复杂工程技术系统中保障其可靠运行的非常重要的手段，故障的智能诊断是该领域的热点和难点。本文综述了电力系统故障的智能诊断技术的发展现状，总结了几种常用的智能技术在故障诊断应用中存在的若干问题以及解决这些问题的相关新技术。最后，展望了智能诊断技术的发展趋势：以专家系统为基础，融合其他先进的智能技术，以提高诊断的速度和准确度，及其对电力系统发展的适应性，逐步实现在线诊断。关键词：电力系统；智能故障诊断；专家系统；发展趋势 Review of Intelligence Fault Diagnosis in Power System Li Zaihua 1 Liu Mingkun 2 （1.China Electric Power Research Institute ，Beijing 100192； 2. Haidian branch Company, Beijing Power Supply Company, Beijing 100086） Abstract Power system is the most complex system by man-made in the world, fault diagnosis is a kind of very important methods to ensure the reliable operation of modern complex engineering system. Intelligence fault diagnosis (IFD) is the hot and difficult subject in this field. The paper reviews the actual state of development of IFD in power system, and then summarizes some existing problems in application and new relation technology to resolve these problems. IFD technologies include expert system (ES), artificial neural network (ANN), decision-making tree (DT), data mining (DM), fuzzy theory (FT), Petri network (PN), support vector machine(SVM), bionic theory (BT), etc. To adopt these kinds of methods synthetically is very helpful to improve the intelligence of ES. At last, development trends of IFD are expected: based on ES, integrates with other advanced intelligence technologies, to heighten the speed and accuracy of fault diagnosis, and the adaptability to the development of power system, so as to realize online IFD gradually. Key words ：power system ；intelligence fault diagnosis ；expert system ；development trend 1 引言电网的发展和社会的进步都对电网的运行提出了更高的要求，加强对电网故障的诊断处理显得尤为重要。随着计算机技术、通信技术、网络技术等的发展，采用更为先进的智能技术来改善故障诊断系统的性能，具有重要的研究价值和实际意义。故障的智能诊断技术也被称为智能故障诊断技术，包括专家系统（Expert System ，ES ）、人工神经网络（Artificial Neural Network ，ANN ）、决策树（Decision Tree ，DT ）、数据挖掘（Data Mining ， DM ）、模糊论（Fuzzy Theory ，FT ）、Petri 网理论（Petri Network Theory ，PNT ）、支持向量机（Support Vector Machine ，SVM ）、仿生学理论（Bionics Theory ，BT ）的应用等，其中前四种技术得到了较多的研究，相对比较成熟和常用。本文对电力系统故障诊断领域的智能诊断技术的发展现状以及存在的问题进行综述，并对解决相关问题的方法进行了总结。 2 智能故障诊断技术发展现状美国是对故障诊断技术进行系统研究最早的国家之一，1961年美国开始执行阿波罗计划后，出现了一系列设备故障，促使美国航天局和美国海军积

电力系统故障诊断算法概述

电力系统故障诊断算法概述摘要：本文概述了目前电力系统故障诊断的算法研究现状，总结了当前的主流研究算法——专家系统法、模糊理论法、人工神经网络法、遗传算法、petri 网的方法、粗糙集理论、多代理系统、贝叶斯网络法以及近似熵算法，并对他们在电力系统故障诊断应用中存在的一些缺点做出了概括。关键词：申力系统；故障诊断；专家系统；人工神经网络；溃传算法； 0引言当前，电力系统在国民经济中的地位越来越突出，因而对电力系统的安全性、可靠性提出了更高的要求。现在电网的规模庞大，结构趋于复杂，区域之间的联系密切，对电力系统故障诊断的研究意义重大。电力系统故障诊断是通过各类保护装置产生的信息，基于一定的理论和经验来对故障发生的区段、故障元器件、故障性质作出快速、准确的处理。虽然国家电网的SCAD/EMS系统在电力系统故障的获取方面起到了一定的作用，但是电网故障时大量的信息远远超出了运行人员的能力，所以迫切的需要一套更加完整的智能电力系统故障诊断系统，实现对电网故障的自动快速诊断。但是，电力系统中电力设备的种类繁多品种不一，保护装置配合的复杂性、电网结构的变化不确定性，导致了电网故障诊断是一个复杂的综合问题。近年来国内外许多学者提出了多种故障诊断的技术和方法，主要包括：专家系统法ES （Expert System）、模糊理论法ET（Fuzzy Theory）、人工神经网络法ANN （Artificial Neural Network）、遗传算法GA（Genetic Algorithms）、petri网法、粗糙集理论RST（Rough Set Theory）、多代理系统MAS（Multi-agentSystem）、贝叶斯法BN（belief network）以及近似熵算法。本文对上述方法归纳总结，阐述了各自在电力网中的故障诊断的应用，分析各种方法的特点，并对一些相关技术和方法的发展进行简要的介绍。 1电力系统故障诊断国内外研究发展现状 1.1基于专家系统的方法ES 专家系统ES(Expert System)是目前发展最早相对比较成熟的一种智能技术。它是一个智能计算机程序系统，内部含有大量的某个领域专家水平的知识与经验，具有大量的专业知识与经验的程序系统，利用人类专家的知识和解决问题的方法

故障诊断理论方法综述

故障诊断理论方法综述故障诊断的主要任务有：故障检测、故障类型判断、故障定位及故障恢复等。其中：故障检测是指与系统建立连接后，周期性地向下位机发送检测信号，通过接收的响应数据帧，判断系统是否产生故障；故障类型判断就是系统在检测出故障之后，通过分析原因，判断出系统故障的类型；故障定位是在前两部的基础之上，细化故障种类，诊断出系统具体故障部位和故障原因，为故障恢复做准备；故障恢复是整个故障诊断过程中最后也是最重要的一个环节，需要根据故障原因，采取不同的措施，对系统故障进行恢复一、基于解析模型的方法基于解析模型的故障诊断方法主要是通过构造观测器估计系统输出，然后将它与输出的测量值作比较从中取得故障信息。它还可进一步分为基于状态估计的方法和基于参数估计的方法，前者从真实系统的输出与状态观测器或者卡尔曼滤波器的输出比较形成残差，然后从残差中提取故障特征进而实行故障诊断；后者由机理分析确定系统的模型参数和物理元器件之间的关系方程，由实时辨识求得系统的实际模型参数，然后求解实际的物理元器件参数，与标称值比较而确定系统是否发生故障及故障的程度。基于解析模型的故障诊断方法都要求建立系统精确的数学模型，但随着现代设备的不断大型化、复杂化和非线性化，往往很难或者无法建立系统精确的数学模型，从而大大限制了基于解析模型的故障诊断方法的推广和应用。二、基于信号处理的方法当可以得到被控测对象的输入输出信号，但很难建立被控对象的解析数学模型时，可采用基于信号处理的方法。基于信号处理的方法是一种传统的故障诊断技术，通常利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，识别和评价机械设备所处的状态。基于信号处理的方法又分为基于可测值或其变化趋势值检查的方法和基于可测信号处理的故障诊断方法等。基于可测值或其变化趋势值检查的方法根据系统的直接可测的输入输出信号及其变化趋势来进行故障诊断，当系统的输入输出信号或者变化超出允许的范围时，即认为系统发生了故障，根据异常的信号来判定故障的性质和发生的部位。基于可测信号处理的故障诊断方法利用系统的输出信号状态与一定故障源之间的相关性来判定和定位故障，具体有频谱分析方法等。三、基于知识的方法在解决实际的故障诊断问题时，经验丰富的专家进行故障诊断并不都是采用严格的数学算法从一串串计算结果中来查找问题。对于一个结构复杂的系统，当其运行过程发生故障时，人们容易获得的往往是一些涉及故障征兆的描述性知识以及各故障源与故障征兆之间关联性的知识。尽管这些知识大多是定性的而非定量的，但对准确分析故障能起到重要的作用。经验丰富的专家就是使用长期积累起来的这类经验知识，快速直接实现对系统故障的诊断。利用知识，通过符号推理的方法进行故障诊断，这是故障诊断技术的又一个分支——基于知识的故障诊断。基于知识的故障诊断是目前研究和应用的热点，国内外学者提出了很多方法。由于领域专家在基于知识的故障诊断中扮演重要角色，因此基于知识的故障诊断系统又称为故障诊断专家系统。如图1.1

工程机械故障诊断方法综述

工程机械故障诊断方法综述谢祺机0801-1 20080534 【摘要】：机械设备的检测诊断技术在现代工业生产中的作用不可忽视,从设备诊断的基本方法、内容和技术手段等多方面对我国机械设备诊断技术的现状进行了综述,并在此基础上分析并提出了该技术在今后的发展趋势。【关键字】：机械设备诊断技术发展趋势引言随着科学技术的发展,机械设备越来越复杂,自动化水平越来越高,机械设备在现代工业生产中的作用和影响越来越大,与其有关的费用越来越高,机器运行中发生的任何故障或失效不仅会造成重大的经济损失,甚至还可能导致人员伤亡。通过对设备工况进行检测,对故障发展趋势进行早期诊断,找出故障原因,采取措施避免设备的突然损坏,使之安全经济地运转,在现代工业生产中起着重要的作用。开展机械设备故障检测与诊断技术的研究具有重要的现实意义。本文试图对机械设备故障监测诊断的内容、方法的现状及发展趋势进行探讨。 1机械故障诊断技术的历史早在60年代末，美国国家宇航局(NASA)就创立美国机械故障预防MFPG(Machinery Fault Prevention Group)，英国成立了机械保健中心(UK，Machineral Health Monitoring Center)。由于诊断技术所产生的巨大的经济效益，从而得到迅速发展。但各个工程领域对故障诊断的敏感程度和需求迫切性并不相同。例如一台机械设备因故障停机检修并不导致全厂生产过程停顿，或对产品质量产生严重的影响，它对故障诊断的需求性就不那么迫切。反之，就非要有故障诊断技术不可。目前监视诊断技术主要用于连续生产系统或与产品质量有直接关系的关键设备。机械故障诊断技术发展几十年来，产生了巨大的经济效益，成为各国研究的热点。从诊断技术的各分支技术来看，美国占有领先地位。美国的一些公司，如 Bently，HP等，他们的监测产品基本上代表了当今诊断技术的最高水平，不仅具有完善的监测功能，而且具有较强的诊断功能，在宇宙、军事、化工等方面具有广泛的应用。美国西屋公司的三套人工智能诊断软件（汽轮机TurbinAID，发电机GenAID，水化学ChemAID）对其所产机组的安全运行发挥了巨大的作用。还有美国通用电器公司研究的用于内燃电力机车故障排除的专家系统DELTA；美国NASA研制的用于动力系统诊断的专家系统；Delio Products公司研制的用于汽车发动机冷却系统噪声原因诊断的专家系统ENGING COOLING ADCISOR等。近年来，由于微机特别是便携机的迅速发展，基于便携机的在线、离线监测与诊断系统日益普及，如美国生产的M6000系列产品，得到了广泛的应用[2]。英国于70年代初成立了机器保健与状态监测协会，到了80年代初在发展和推广设备诊断技术方面作了大量的工作，起到了积极的促进作用。英国曼彻斯特大学创立的沃森工业维修公司和斯旺西大学的摩擦磨损研究中心在诊断技术研究方面都有很高的声誉。英国原子能研究机构在核发电方面，利用噪声分析对炉体进行监测，以及对锅炉、压力容器、管道得无损检测等，起到了英国故障

电网故障诊断

电力变压器过热故障综合诊断摘要：对电力变压器故障的常用诊断方法, 如油中溶解气体分析、绝缘试验、油务试验及其它预防性试验等, 进行了全面论述, 重点分析和评价了这些故障诊断方法的有效性, 并对其未来发展方向, 提出了建议。关键词：电力变压器故障诊断方法分析引言电力变压器是工矿企业中配电系统的枢纽设备,其运行可靠性直接关系到企业生产的安全与稳定。但由于电力变压器故障的原因复杂、多样且不明显,使得要准确地判断电力变压器故障类型相当困难。若能在电力变压器运行过程中通过某些检测和试验,及时有效的判断其状态,预先发现早期潜伏性故障,并避免某些重复、无必要的检修, 将对企业配电系统的安全经济运行产生重要的意义。ＤＧＡ(油中溶解气体分析)方法作为一种有效的油浸式电力变压器异常监测手段得到广泛的应用。在1997年颁布执行的《电力设备预防性试验规程》把油中溶解气体色谱分析放到了首位。变压器易发生的故障基本可分两大类:①电性故障;②热性故障。电力变压器故障，从发展过程上可分两大类，即突发性故障和潜伏性故障，突发性故障发展过程很快，瞬间就会造成严重后果，如雷击、误操作、负荷突变等，突发性故障具有偶然性，只能通过避雷器、继电保护等手段，使突发性故障被限制在最小的范围内。潜伏性故障一般有三种，即变压器内部局部放电，局部过热和变压器绝缘的老化。故障诊断主要是针对这些潜伏性故障的诊断预测。 1 变压器运行状态的主要测试与监测手段当前我国变压器运行状态监测在相当程度上主要依据传统的预防性试验来实现，包括:电气试验和油务试验 1.1电气试验 (1)直流电阻的测t:直流电阻虽然是一个测试方法比较简单的实验，但它比较直观地确认绕组、引线、调压开关等导电回路是否正常，能发现绕组导线的焊接质t，引线接头是否拧紧接触是否良好，调压开关触头接触是否良好等等。 (2)绝缘性能测试:通过绝缘电阻、吸收比、极化指数、介损、电容t(包括电容套管)、泄诵测试等实验可掌握变压器的绕组绝缘水平和铁心对地绝缘。 (3)有载调压开关特性测试:通过有载调压开关切换时间、周期、切换的波形测f可以掌握变压器的有载调压开关的性能是否良好。 (4)绕组变形测试和低电压短路阻抗的测试。可以掌握变压器出口短路后变压器绕组有否变形和移位。 (5)铁心接地电流测试。可判断变压器是否多点接地。 (6)远红外测沮:通过红外线测温可以随时掌握各出线引线接触是否良好。 1.2油务试验定期对变压器充油设备的油采样进行油色谱分析，通过油色谱分析判断变压

齿轮箱故障诊断

风力发电机组齿轮箱故障诊断摘要: 通过对不同齿轮箱振动频谱的检测结果的分析，论述了判断齿轮箱由于长期处于某些恶劣条件下，如交变载荷或润滑油失效，引起的齿轮和轴承损坏的检测方法。分析了齿轮箱出现故障的原因以及应采取的措施。关键词：风电机齿轮箱轴承状态检测一、风电机组齿轮箱的结构及运行特征我国风电场中安装的风电机组多数为进口机组。近几年来，一批齿轮箱发生故障，有些由厂家更换，也有的由国内齿轮箱专业厂进行了修理。有的风场齿轮箱损坏率高达40~50%，极个别品牌机组齿轮箱更换率几乎接近100%。虽然齿轮箱发生损坏不仅仅在我国出现，全世界很多地方同样出现过问题，但在我国目前风电机组运行出现的故障中已占了很大比重，应认真分析研究。 1) 过去小容量风电机组齿轮箱多采用平行轴斜齿轮增速结构，后来为避免齿轮箱造价过高、重量体积过大，500kW以上的风电机组齿轮箱多为平行轴与行星轮的混合结构。由于风电机组容量不断增大，轮毂高度增加，齿轮箱受力变得复杂化，这样就造成有些齿轮箱可能在设计上就存在缺陷。 2) 由于我国有些地区地形地貌、气候特征与欧洲相比有特殊性，可能对标准设计的齿轮箱正常运行有一定影响。我国风电场多数处于山区或丘陵地带，尤其是东南沿海及岛屿，地形复杂造成气流受地形影响发生崎变，由此产生在风轮上除水平来流外还有径向气流分量。我国相当一部分地区气流的阵风因子影响较大，对于风电机组机械传动力系来说，经常出现超过其设计极限条件的情况。作为传递动力的装置-齿轮箱，由于气流的不稳定性，导致齿轮箱长期处于复杂的交变载荷下工作。由于设备安装在几十米高空，不可能容易地送到工厂检修，因此经常进行状态监视可以及时发现问题，及时处理，还可以分析从出现故障征兆到彻底失效的时间，以便及时安排检修。

机械故障诊断综述

中国自动化学会中南六省（区）２０１０年第２８届年会?论文集机械故障诊断综述 Survey on Faults Diagnosis of Machine 赵宏伟１，２，张清华１，夏路易２，邵龙秋１（１广东石油化工学院　计算机与电子信息学院，广东　茂名５２５０００；２太原理工大学　信息工程学院，山西　太原０３００２４）摘要：本文较系统的介绍了故障诊断的基本过程、原理，在此基础上对故障诊断方法做了详细、系统的论述，并进一步对故障诊断技术的发展做了展望。关键词：故障诊断；诊断原理；维修制度Ａｂｓｔｒａｃｔ：　Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，　ｔｈｅ　ｂａｓｉｃ　ｐｒｏｃｅｓｓ　ａｎｄ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ａｒｅ　ｉｎｔｒｏｄｕｃｅｄ．　Ｏｎ　ｔｈａｔ　ｂａｓｉｓ，　ｔｈｅ　ｍａｉｎ　ｍｅｔｈｏｄ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｉｓｉｎｔｒｏｄｕｃｅｄ　ｉｎ　ｄｅｔａｉｌ．　Ｆｉｎａｌｌｙ，　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｎ　ｔｅｃｈｎｉｑｕｅ　ｏｆ　ｆａｕｌｔｓ　ｄｉａｇｎｏｓｉｓ　ｉｓ　ｌｏｏｋｅｄ　ｆｏｒｗａｒｄ．Ｋｅｙ　Ｗｏｒｄｓ：　Ｆａｕｌｔｓ　Ｄｉａｇｎｏｓｉｓ；　Ｄｉａｇｎｏｓｉｓ　Ｐｒｉｎｃｉｐｌｅ；　ｍａｉｎｔｅｎａｎｃｅ１引言七十年代以来，计算机和电子技术飞跃发展，促使工业生产向现代化、机器设备向大型化、连续化、高速化、自动化发展。与此同时，现代化机械设备的应用一方面大大促进了生产的发展；另一方面也潜伏着一个很大的危机，即一旦发生故障所造成的直接和间接的损失将是十分严重。为解决这一问题，机械故障诊断技术孕育而出。这门新技术也是一门以高等数学、物理、化学、电子技术、机电设备失效学为基础的新兴学科。它的宗旨就是运用当代一切科技的新成就发现设备的隐患，以期对设备事故防患于未然。如今它已是现代化设备维修技术的重要组成部分，并且成了设备维修管理工作现代化的一个重要标志。２设备维修制度目前，与故障诊断技术紧密相关的设备维修制度共有三种：（１）事后维修制度（ＰＯＭ）：这是一种早期的维修制度。主要特点是“不坏不修，坏了再修。”这种维修制度对发生事故难以预料，并往往会造成设备的严重损坏，既不安全且又延长了检修时间。（２）预防维修制度（ＰＭ）：又称以时间为基础的设备维修制度（ＴＢＭ）或计划维修制度。这是一种静态维修制度，主要特点是当设备运行达到计划规定的时间或吨公里时便进行强制维修。它比前一种维修制度大大前进了一步，对于保障设备和人身安全，起到了积极作用。同时，这种维修制度也存在明显的缺陷，即过剩维修和失修的问题。以滚动轴承为例，同一型号的滚动轴承，其实际的使用寿命有时相差达数十倍。在预防维修制度行监测与诊断故障的方法，具体包括声音监听法、频谱分析法和声强法。温度信号监测诊断技术包括物体温度的直接测量和热红外分析技术。实际工业中不恰当的温度变化往往意味着热故障的发生。从被测设备的某一部分的温１３０

电力系统故障的智能诊断综述

电力系统故障的智能诊断综述发表时间：2016-06-30T14:34:41.580Z 来源：《电力设备》2016年第9期作者：李艳君蒋杰李玉玲李飞翔 [导读] 在电力系统中，设备故障诊断和厂站级的故障诊断经过了几十年的发展和改革，现今已经较为成熟，而电力系统层面的故障才刚刚开始。李艳君蒋杰李玉玲李飞翔（国网新疆检修公司新疆乌鲁木齐 830000）摘要：常用的智能故障诊断技术有专家系统、人工神经网络、决策树、数据挖掘等，专家系统技术应用最广，最为成熟，但是也需要结合使用其他智能技术来克服专家系统技术自身的缺点。智能故障诊断技术的发展趋势主要有多信息融合、多智能体协同、多种算法结合等，并向提高智能性、快速性、全局性、协同性的方向发展。基于此，本文就针对电力系统故障的智能诊断进行分析。关键词：电力系统；故障；智能诊断引言文章对电力系统故障的智能诊断进行了详细的阐述，通过对电力系统的简介，和对故障诊断的发展阶段进行了简要的分析，并阐述了电力系统故障的智能诊断实际应用存在的问题及对策，文章最后指出了电力系统故障的智能诊断的发展趋势。望文章的阐述推动电力系统故障的智能诊断的发展。 1电力系统概述电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。电力系统的主要功能是将自然界中的能源，通过先进的发电动力装置，将能源转换为电能。在通过输电线路和变压系统，将电能传送到各个用户。为了实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能。 2电力系统故障智能诊断技术及发展现状 2.1智能故障诊断技术传统的故障诊断方法分为基于信号处理和基于数据模型，均需要人工进行信息的处理和分析，缺乏自主学习能力。随着人工智能技术这一新方法的产生及发展，为故障诊断提供了初步的自动分析和学习的途径。人工智能技术能够存储和利用故障诊断长期积累的专家经验，通过模拟人大脑的逻辑思维进行推理，从而解决复杂的诊断问题。目前在电网故障诊断领域出现了包括专家系统、人工神经网络、决策树理论、数据挖掘、模糊理论、粗糙集理论、贝叶斯网络、支持向量机及多智能体系统等技术以及上述方法的综合应用。目前，在对电网故障智能诊断领域的研究中，依靠单一智能技术的系统多，信息的综合利用研究较少，协同技术的研究应用更少；投入运行的诊断系统多为专家系统，但是离线运行的多，在线运行的很少。即使广泛投入使用的专家系统也同样存在着：（1）知识的获取和管理问题，难以获取较高适应度和准确度的知识。（2）推理的效率问题。（3）故障诊断的在线应用问题，目前仅限于离线故障诊断，该结论不能指导对电网的实际控制。（4）故障诊断的动态分析问题，缺乏故障的动态分析，从而屏蔽了很多有用的细节，尤其是各元件之间的相互关联关系等。基于以上问题，采用决策树方法可以对系统信息进行归类梳理，可以提高专家系统的速度；通过粗糙集方法建立清晰的数学模型；采用数据挖掘和关联性规则可以提高故障诊断分析的准确度。这几种方法的结合应用有助于提高故障诊断的智能水平、效率和准确度。 2.2电力系统故障智能诊断发展现状电力系统连锁故障分析理论与应用中提到，电力系统故障智能诊断是相对传统的故障诊断而言的。在传统的故障诊断方法可划分为两类。其一是关于信号出路的方法。其二是数学模型的方法。这些都需要人为地区判断和分析，这些方法应用是没有自动化的处理能力。故障的智能诊断是将传统的方法，与当下先进的计算机技术有效的结合，形成的人工智能技术的新方法，对电力系统的故障进行智能的诊断，这是故障诊断技术发展的新时期。 3智能故障诊断面临的问题和对策 3.1智能故障诊断面临的问题知识的获取和管理问题，也可以说是规则的表达和维护问题。知识是专家系统行为的核心，如何根据系统的变化，获取具有较高适应度和准确度的知识（规则）。对知识的一致性、冗余性、矛盾性和完备性进行检验、维护和管理，是专家系统亟需解决的首要问题。推理的效率问题，也可以说是如何解决规则组合爆炸的问题。规则库的规模增大以后，搜索的运算量迅速增长，尽管人们提出了许多算法，规则组合爆炸的问题还是没有得到满意的解决。故障诊断的在线应用问题。以往的故障诊断离线运行，只能告诉调度员已有故障是如何发展的，因为运行方式的多变性，离线故障诊断结论不一定能够指导调度员对电网的实际控制；只有做到在线运行，才能及时帮助调度员进行控制决策。故障诊断的动态分析问题。以往的故障诊断只能进行静态分析，忽略了故障动态过程的大量有用的细节，尤其是采用了高速保护的大型电网，更加需要分析动态过程，例如快速相继开断过程中的顺序和相互关系、复杂故障中各元件之间的相互影响、电压崩溃的动态过程、运行方式切换或调度控制过程对电网的影响等。 3.2智能故障诊断面临问题的解决对策对于知识的获取和管理问题，可以采用提高故障诊断系统的学习能力的方法，如 ANN、数据挖掘、仿生学方法等。这些智能方法都有其优点和局限性，需要有针对性地应用。对于推理的效率问题，可以采用计算速度更快的计算机硬件和软件算法，通信速度更快的数据采集和传输手段；数据挖掘是从各种复杂故障中发现最常见的故障或分解出简单故障的有力手段；建立系统的故障案例库，可以降低决策分析的计算量，提高诊断推理的效率。对于故障诊断的在线应用和动态分析问题，可以采用更能够反映电网实时运行状态的信息，如广域量测系统、高速保护信息系统和故障录波信息系统、稳定控制系统等提供的动态数据；实时进行电网的灵敏度分析，动态分析电网的健康状况；增量挖掘技术只处理实时的

机械故障诊断的发展现状与前景

《机械故障诊断技术》读书报告 MAO pei-gang 南阳理工机械与汽车工程学院 473004 动平衡诊断案例分析综述 Diagnosis of dynamic balance Case Analysis were Review 摘要简要阐述组动平衡故障诊断中所使用的现代测试与分析技术。通过五个动不平衡故障的诊断与处理实例，指出了波德图、频谱图等现代分析技术对于组动平衡故障诊断的价值和意义；总结了基于现代测试与分析技术的动平衡故障的主要特征。；验证了影响系数法对于动平衡故障处理的准确性及实用性。对于提高动平衡故障诊断的准确性及其精度具有推广和借鉴意义。关键词：动平衡故障诊断振动分析 Abstract The modern measuring and analyzing technologies applied in the dynamic balance fault diagnoses are described briefly。In view of five dynamic unbalance fault diagnoses and treatments。the significance and purpose of the modern analyzing technologies such as Bode Plot，Spectrum Plot for the dynamic balance fault diagnoses are put forward，and its characteristics based on testing and analyzing technologies are summarized．The accuracy and practicability of the influence coefficient method for its treatment are proved．The instructions and experiences of improving the

齿轮故障诊断方法综述

齿轮故障诊断方法综述摘要齿轮就是机械设备中常用得部件,而齿轮传动也就是机械传动中最常见得方式之一。在许多情况下,齿轮故障又就是导致设备失效得主要原因。因此对齿轮进行故障诊断具有非常重要得意义。介绍了故障得特点与几种诊断方法,并比较了基于粒子群优化得小波神经网络,基于相关分析与小波变换,基于小波包与BP神经网络与基于小波分析等故障诊断方法得优缺点,并提出了齿轮故障诊断得难点与发展方向。关键字齿轮故障诊断诊断方法分析比较发展

目录第一章齿轮故障诊断发展及故障特点 (1) 1、1 齿轮故障诊断得发展 (1) 1、 2齿轮故障形式与震动特征 (1) 第二章齿轮传动故障诊断得方法 (2) 2、 1高阶谱分析 (2) 2、1、1参数化双谱估计得原理 (3) 2、1、2试验装置与信号获取 (3) 2、1、3 故障诊断 (4) 2、1、4 应用双谱分析识别齿轮故障 (4) 2、2基于边频分析得齿轮故障诊断 (6) 2、2、1分析原理 (6) 2、2、2铣床振动测试 (6) 2、2、3 边频带分析 (7) 2、2、4 故障诊断 (8) 2、 3时域分析 (10) 2、3、1 时域指标 (10) 2、3、2非线性时间分析 (10)

第一章齿轮故障诊断发展及故障特点 1、1 齿轮故障诊断得发展齿轮故障诊断始于七十年代初,早期得齿轮故障诊断仅限于在旋转式机械上测量一些简单得振动参数,用一些简单得方法进行诊断。这些简单得参数与诊断方法对齿轮故障诊断反应灵敏度较低,根本无法准确判断发生故障得部位。七十年代末到八十年代中期,旋转式机械中齿轮故障诊断得频域法发展很快,其中R、B、Randall与James1、Taylor等人做好了许多有益得工作,积累了不少故障诊断得成功实例,出现了一些较好得频域分析方法,对齿轮磨损与齿根断裂等故障诊断较为成功。进入九十年代以后,神经网络、模糊推理与网络技术得发展与融合使得齿轮系统故障诊断进入了蓬勃发展得时期。我国学者在齿轮故障诊断研究方面也做了大量工作。1986年,屈梁生、何正嘉在《机械故障诊断学》中分析了齿轮故障得时频域特点。1988年,颜玉玲、赵淳生对滚动轴承得振动监测及故障诊断进行了分析。1997年,郑州工业大学韩捷等在“齿轮故障得振动频谱机理研究”中对齿轮得故障机理做了探讨。西安交通大学张西宁等在“齿轮状态监测与识别方法得研究”中提出了一种新方法即基于一致度分析。 1、 2齿轮故障形式与震动特征通常齿轮在运转时,由于制造不良或操作维护不善会产生各种形式得故障。故障形式又随齿轮材料、热处理、运转状态等因素得不同而不同,常见得齿轮故障形式有齿面磨损、齿面胶合与擦伤、齿面接触疲劳与弯曲疲劳与断齿。在齿轮运转状态下,伴随着内部故障得发生与发展,必然会产生振动上得异常。实践证明,振动分析就是齿轮故障检测中最有效得方法。若齿轮副主轮转速为n1,齿数为z1,频率为f1;从轮转速为n2,齿数为z2,频率为f2,则齿轮啮合频率fC 为:fC=Nf1z1=Nf2z2=Nn160z1=Nn260z2(1) 式中:N=1, 2, 3,…。齿轮处于正常或异常状态下,啮合频率振动成分及其倍频总就是存在得,但两种状态下得振动水平有差异。如果仅仅依靠对齿轮振动信号得啮合频率及其倍频成分得差异来识别齿轮得故障就是不够得,因故障对振动

齿轮故障诊断方法综述

齿轮故障诊断方法综述摘要齿轮是机械设备中常用的部件,而齿轮传动也是机械传动中最常见的方式之一。在许多情况下,齿轮故障又是导致设备失效的主要原因。因此对齿轮进行故障诊断具有非常重要的意义。介绍了故障的特点和几种诊断方法，并比较了基于粒子群优化的小波神经网络,基于相关分析与小波变换,基于小波包和BP神经网络和基于小波分析等故障诊断方法的优缺点，并提出了齿轮故障诊断的难点和发展方向。关键字齿轮故障诊断诊断方法分析比较发展

目录第一章齿轮故障诊断发展及故障特点..................... 错误!未定义书签。齿轮故障诊断的发展................................... 错误!未定义书签。 1. 2齿轮故障形式与震动特征 ........................... 错误!未定义书签。第二章齿轮传动故障诊断的方法......................... 错误!未定义书签。 2. 1高阶谱分析........................................ 错误!未定义书签。参数化双谱估计的原理 .............................. 错误!未定义书签。试验装置与信号获取 ................................ 错误!未定义书签。故障诊断 ......................................... 错误!未定义书签。应用双谱分析识别齿轮故障 ........................ 错误!未定义书签。基于边频分析的齿轮故障诊断............................ 错误!未定义书签。分析原理 .......................................... 错误!未定义书签。铣床振动测试 ...................................... 错误!未定义书签。边频带分析 ...................................... 错误!未定义书签。故障诊断 ........................................ 错误!未定义书签。 2. 3时域分析.......................................... 错误!未定义书签。

故障诊断技术发展历史(最新版)

故障诊断技术发展历史故障诊断(FD)始于(机械)设备故障诊断，其全名是状态监测与故障诊断(CMFD)。它包含两方面内容：一是对设备的运行状态进行监测；二是在发现异常情况后对设备的故障进行分析、诊断。设备故障诊断是随设备管理和设备维修发展起来的。欧洲各国在欧洲维修团体联盟(FENMS)推动下，主要以英国倡导的设备综合工程学为指导；美国以后勤学(Logistics)为指导；日本吸收二者特点，提出了全员生产维修(TPM)的观点。美国自1961年开始执行阿波罗计划后，出现一系列因设备故障造成的事故，导致1967年在美国宇航局(NASA)倡导下，由美国海军研究室(ONR)主持成立了美国机械故障预防小组(MFPG)，并积极从事技术诊断的开发。美国诊断技术在航空、航天、军事、核能等尖端部门仍处于世界领先地位。英国在60～70年代，以Collacott为首的英国机器保健和状态监测协会(MHMG & CMA)最先开始研究故障诊断技术。英国在摩擦磨损、汽车和飞机发电机监测和诊断方面具领先地位。日本的新日铁自1971年开发诊断技术，1976年达到实用化。日本诊断技术在钢铁、化工和铁路等部门处领先地位。我国在故障诊断技术方面起步较晚，1979年才初步接触设备诊断技术。目前我国诊断技术在化工、冶金、电力等行业应用较好。故障诊断技术经过30多年的研究与发展，已应用于飞机自动驾驶、人造卫星、航天飞机、核反应堆、汽轮发电机组、大型电网系统、石油化工过程和设备、飞机和船舶发动机、汽车、冶金设备、矿山设备和机床等领域。故障诊断的主要理论和方法故障诊断技术已有30多年的发展历史，但作为一门综合性新学科——故障诊断学——还是近些年发展起来的。从不同的角度出发有多种故障诊断分类方法，这些方法各有特点。从学科整体可归纳以下理论和方法。 (1)基于机理研究的诊断理论和方法从动力学角度出发研究故障原因及其状态效应。针对不同机械设备进行的故障敏感参数及特征提取是重点。 (2)基于信号处理及特征提取的故障诊断方法主要有时域特征参数及波形特征诊断法、时差域特征法、幅值域特征法、信息特征法、频谱分析及频谱特征再分析法、时间序列特征提取法、滤波及自适应除噪法等。今后应注重实时性、自动化性、故障凝聚性、相位信息和引入人工智能方法，并相互结合。 (3)模糊诊断理论和方法模糊诊断是根据模糊集合论征兆空间与故障状态空间的某种映射关系，由征兆来诊断故障。由于模糊集合论尚未成熟，诸如模糊集合论中元素隶属度的确定和两模糊集合之间的映射关系规律的确定都还没有统一的方法可循，通常只能凭经验和大量试验来确定。另外因系统本身不确定的和模糊的信息(如相关性大且复杂)，以及要对每一个征兆和特征参数确定其上下限和合适的隶属度函数，而使其应用有局限性。但随着模糊集合论的完善，相信该方法有较光明的前景。 (4)振动信号诊断方法该方法研究较早，理论和方法较多且比较完善。它是依据设备运行或激振时的振动信息，通过某种信息处理和特征提取方法来进行故障诊断。在这方面应注重引入非线性理论、新的信息处理理论和方法。

故障诊断技术综述

故障诊断技术综述一引言故障诊断技术是一门紧密结合生产实际的工程科学，是现代化生产发展的产物。随着现代科学技术在设备上的应用，设备的结构越来越复杂，功能也越来越完善，自动化程度越来越高，由于许多无法避免的因素影响，会导致设备出现各种故障，从而降低或失去预定的功能，甚至会造成严重的乃至灾难性的事故。不言而喻，机械故障诊断技术在工业生产中起着越来越重要的作用，生产实践证明，研究故障诊断技术具有重要的现实意义。二故障诊断技术的定义故障诊断技术就是在设备运行中或基本不拆卸设备的情况下，掌握设备的运行状况，根据对被诊断对象测试所取得的有用信息进行分析处理，判断被诊断对象的状态是否处于异常状态或故障状态，判断劣化状态发生的部位或零部件，并判定产生故障的原因，以及预测状态劣化的发展趋势等。其目的是提高设备效率和运行可靠性，防患于未然，避免故障的发生。三故障诊断技术的构成环节从故障诊断的流程看，通常诊断系统由信号采集、信号处理、状态识别和诊断决策四大部分构成。其中，信号采集是基础，信号分析和处理是关键，状态识别(包括判断和预报)是核心，决策与管理是最终目标。前3个环节是基本环节。 1.信号采集信息采集的基本任务是获取有用的信息。这是故障诊断的基础和前提，监测获取到的有用信息越多，监测数据越真实，越容易判断出故障原因。在运行过程中，必然会有力、热、振动及能量等各种量的变化，由此会产生各种不同的信息，根据不同的诊断需要，选择能表征设备工作状态的不同信息，如振动、压力及温度等，是十分必要的。这些信号一般是用不同的传感器来拾取的。只有采集到反映设备实际状态的信号，诊断的后续工作才有意义，因而信号采集是故障诊断技术中不可缺少的重要环节。 (1) 常用的设备状态监测技术分类 1) 振动信号监测技术对设备的振动信号测试和分析，能获得机体、转子或其他零部件的振动幅值、频率和相位3个基本要素，经过对信号的分析、处理与识别，可了解到设备的振动特点、结构强弱、振动来源、故障部位和故障原因，为诊断决策提供依据。故利用振动信号诊断故障的技术较为普遍。 2) 声信号监测诊断技术声信号监测诊断技术包括：噪声诊断、超声波诊断和声发射诊断技术。其中噪声的分析与诊断通常有两个目的：一是寻找机器发出噪声的主要声源，以便采取相应措施降低噪声；二是利用噪声信号判别故障。从噪声信号中提取特征信号，可以检测出故障的原因和发生故