机械故障诊断技术4信号特征提取技术
机械故障诊断技术4_讲义信号特征提取技术
峰值指标Ip
Ip
Xp X rms
峰值指标Ip和脉冲指标Cf都是用来检测信号中是否存 在冲击的统计指标。
• 4．1．4 脉冲指标
脉冲指标Cf
Cf
Xp X
脉冲指标Cf和峰值指标Ip都是用来检测信号中是否存 在冲击的统计指标。由于峰值Xp的稳定性不好，对冲击的 敏感度也较差，因此在故障诊断系统中逐步应用减少，被
峭度指标所取代。
• 4．1．5 裕度指标
裕度指标Ce用于检测机械设备的磨损情况。
裕度指标Ce
Ce
X rms X
在不存在摩擦碰撞的情况下，即歪度指标变化不大的 条件下。以加速度、速度为测量传感器的系统，其平均值 反映了测量系统的温飘、时飘等参数变化。使用涡流传感 器的故障诊断系统的平均值则与磨损量有关。
• 4．1．7 峭度指标
峭度指标Cq反映振动信号中的冲击特征。
峭度指标Cq
Cq
1 N
N
( xi x)4
i1
X
4 rms
峭度指标Cq对信号中的冲击特征很敏感，正常情况下 应该其值在3左右，如果这个值接近4或超过4，则说明机
械的运动状况中存在冲击性振动。一般情况下是间隙过大
、滑动副表面存在破碎等原因。
当采样间隔合适(如b图)，其频谱图中原 信号的谱图与左右镜像不产生交错，因 此在频谱图显示时，很容易将镜像谱线 排除。
而采样间隔过大（采样频率过低）的c图 ，其频谱图中原信号的谱图与左右镜像 发生交错，在频谱图中无法将折叠过来 的镜像谱线排除。镜像谱线的高频部分 混淆到主频谱图的低频区间。
图4—11 采样信号的频混现象
（b）图是采样函数δ0（t）， 左边为时域图像，右边是δ0 （t）的频谱。
机械的特性
机械的特性
1. 机械安全的定义和特征使用和误用时，特征：系统性、防护性、友善性、整体性。
2. 机械故障诊断技术设备的状态向量(转速、温度等)是设备异常或故障信息的载体，是设备故障诊断的依据，通过传感器或其他检测手段进行状态信号监测。
分为四个步骤：信号检测、特征提取、状态识别、诊断对策。
故障诊断技术：振动信号的检测和分析;油液分析技术;温度检测及红外线检测技术;超声探伤技术;表面缺陷探伤技术。
3. 机械的可靠性设计及维修性设计
可靠性，度量指标：可靠度(概率)、故障率、平均寿命、维修度(能修复的概率)、有效度(可靠度与维修度的综合)。
维修性，考虑的问题大致包括：可达性、零组部件的标准化与互换性、维修人员的安全。
可靠性设计和维修性设计是从不同角度来保证产品的
可靠性。
机械设备故障诊断经典问题及答案详解
机械设备故障诊断包括哪几个方面的内容？答：机械设备故障诊断所包含的内容可分为三部分。
第一部分是利用各种传感器和监测仪表获取设备运行状态的信息，即信号采集。
采集到的信号还需要用信号分析系统加以处理，去除无用信息，提取能反映设备状态的有用信息（称为特征信息），从这些信息中发现设备各主要部位和零部件的性能是处于良好状态还是故障状态，这部分内容称为状态监测，它包含了信号采集和信号处理。
第二部分是如果发现设备工作状态不正常或存在故障，则需要对能够反映故障状态的特征参数和信息进行识别，利用专家的知识和经验，像医生诊断疾病那样，诊断出设备存在的故障类型、故障部分、故障程度和产生故障的原因，这部分内容称为故障诊断。
第三部分称为诊断决策，根据诊断结论，采取控制、治理和预防措施。
在故障的预防措施中还包括对设备或关键零部件的可靠性分析和剩余寿命估计。
有些机械设备由于结构复杂，影响因素众多，或者对故障形成的机理了解不够，也有从治理措施的有效性来证明诊断结论是否正确。
由此可见，设备诊断技术所包含的内容比较广泛，诸如设备状态参数（力、位移、振动、噪声、裂纹、磨损、腐蚀、温度、压力和流量等）的监测，状态特征参数变化的辨识，机器发生振动和机械损伤时的原因分析，故障的控制与防治，机械零部件的可靠性分析和剩余寿命估计等，都属于设备故障诊断的范畴。
监测与诊断系统应具备有哪些工作目标？监测与诊断系统的一般工作过程与步骤是怎样的？1) 能了解被监测系统的运行状态，保证其运行状态在设计约束之内；2) 能提供机器状态的准确描述；3) 能预报机器故障，防止大型事故产生，保证人民生命的安全。
故障诊断技术的实施过程主要包括：诊断文档建立和故障诊断实施其中故障诊断技术在实施过程中包括以下几个关键的内容： 1状态信号采集 2故障特征提取 3技术状态识别 4o 维修决策形成。
什么是转子的临界转速？挠性转子是如何定义的？答：1）当转子的转速达到横向振动的一阶自振频率时，将发生一阶共振，此时的转速即为临界转速。
机械设备故障诊断考试
1、常用的信号转换主要有：电压转换为电流、电流转换为电压、电压与频率互换2传感器的安装部位往往选择轴承座部位，并按信号传动的方向选择垂直、水平、轴向布置。
3、机械振动按振动频率分类（1）低频振动：f<10 Hz，主要测量的振幅是位移量（2）中频振动：f=10～1000Hz，主要测量的振幅是速度量（3）高频振动：f>1000Hz，主要测量的振幅是加速度4、构成一个确定振幅有三个基本要素，即振幅S，频率f（或ω）和相位φ。
5、抑制噪声干扰的方法也相应有三个：降低噪声源的强度、使接收电路对噪声不敏感、抑制或切断噪声源与接收电路间的耦合通道。
6、噪声耦合方式（1）静电耦合(电容性耦合)（2）电磁耦合(电感性耦合)（3）共阻抗耦合（4）漏电流耦合7、模／数转换器的性能指标：转换时间、转换位数和分辨率、通道数、同步采样和伪同步采样8、放大器电路的作用：测量放大器除了对低电平信号进行线性放大外，还担负着阻抗匹配和抗共模干扰的任务，模拟信号的隔离广泛采用隔离放大器9、振动诊断标准的判定参数：最佳参数是速度，也有用振幅（位移）和加速度为判定参数10、振动状态标准非为三类：（1）绝对判定标准（2）相对判定标准（3）类比判定标准11、采样定律：采样频率高于系统固有频率中最高频率的2倍对信号x(t)采样时，一定要有合适的采样频率。
设x(t)所包含的各成份中最高频率为fx，这要靠抗混低通滤波器来实现（截止频率稍高于fx）。
快速傅里叶变换（FFT）的最高分析频率fc=(1.5～2) fx，采样频率fs=2fc=(3～4)fx。
12、从动力学角度分析转子系统：分为刚性转子和柔性转子。
刚性转子：转动频率低于转子一阶横向固有频率的转子为刚性转子，柔性转子：转动频率高于转子一阶横向固有频率的转子为柔性转子。
转子的临界转速往往不止一个，它与系统的自由度数目有关问答1、故障诊断的基本方法按机械故障诊断方法的难易程度分类：可分为1)简易诊断法和2)精密诊断法。
机械设备故障诊断的前沿技术是什么
机械设备故障诊断的前沿技术是什么在现代工业生产中，机械设备的稳定运行是保障生产效率和产品质量的关键。
然而，由于长时间的运行、复杂的工作环境以及各种不可预见的因素，机械设备难免会出现故障。
及时准确地诊断出故障，并采取有效的维修措施，对于减少生产损失、提高设备利用率具有重要意义。
随着科技的不断进步，机械设备故障诊断领域涌现出了一系列前沿技术，为设备的可靠运行提供了更强大的支持。
一、基于深度学习的故障诊断技术深度学习作为人工智能领域的重要分支，在机械设备故障诊断中展现出了巨大的潜力。
传统的故障诊断方法往往依赖于人工提取特征，这不仅需要丰富的专业知识和经验，而且容易受到主观因素的影响。
深度学习模型，如卷积神经网络（CNN）和循环神经网络（RNN），能够自动从大量的监测数据中学习到有效的特征表示，从而实现更准确的故障诊断。
例如，通过将振动信号、温度数据等输入到深度学习模型中，模型可以自动识别出正常运行状态和故障状态之间的差异，并对故障类型进行分类。
此外，深度学习还可以用于预测设备的剩余使用寿命，为设备的维护计划提供科学依据。
二、无线传感器网络与故障诊断的融合无线传感器网络（WSN）的发展为机械设备故障诊断带来了新的机遇。
通过在设备上布置多个无线传感器，可以实时采集设备的运行参数，如振动、声音、压力等。
这些传感器节点之间可以相互通信，将采集到的数据传输到中央处理单元进行分析。
与传统的有线监测系统相比，无线传感器网络具有安装方便、成本低、可扩展性强等优点。
同时，结合先进的信号处理和数据分析算法，可以从海量的监测数据中提取出有价值的信息，实现对设备故障的早期预警和诊断。
三、基于模型的故障诊断方法基于模型的故障诊断方法是通过建立机械设备的数学模型，来预测设备在正常运行条件下的输出，并将实际监测到的输出与模型预测值进行比较。
如果两者之间存在较大偏差，则表明设备可能出现了故障。
这种方法需要对设备的工作原理和结构有深入的了解，建立精确的数学模型。
《2024年旋转机械故障诊断与预测方法及其应用研究》范文
《旋转机械故障诊断与预测方法及其应用研究》篇一一、引言旋转机械作为工业生产中不可或缺的重要设备，其稳定运行对生产效率和产品质量具有重大影响。
然而，由于操作环境复杂、维护不当或设备老化等因素，旋转机械常会出现各种故障。
这些故障如不及时发现和处理，可能会对生产造成巨大损失。
因此，对旋转机械的故障诊断与预测显得尤为重要。
本文将重点研究旋转机械的故障诊断与预测方法，以及其在工程实践中的应用。
二、旋转机械故障诊断与预测方法（一）基于信号处理的诊断与预测方法1. 信号采集：通过传感器技术，实时采集旋转机械的振动、声音、温度等信号。
2. 信号处理：利用信号处理技术，如频谱分析、小波变换等，对采集的信号进行预处理和特征提取。
3. 故障诊断与预测：根据处理后的信号特征，结合专家系统或模式识别技术，实现故障的诊断与预测。
（二）基于机器学习的诊断与预测方法1. 数据预处理：对历史故障数据进行清洗、标注和整理，构建故障数据集。
2. 模型训练：采用机器学习算法，如支持向量机、神经网络等，对故障数据集进行训练，建立故障诊断与预测模型。
3. 模型应用：将训练好的模型应用于实际场景中，实现旋转机械的故障诊断与预测。
（三）基于深度学习的诊断与预测方法深度学习通过模拟人脑神经网络的工作方式，可以自动提取数据的深层特征。
在旋转机械的故障诊断与预测中，深度学习模型可以更好地处理复杂、非线性的故障数据。
常见的深度学习模型包括卷积神经网络、循环神经网络等。
三、旋转机械故障诊断与预测方法的应用研究（一）在设备维护中的应用通过实时监测和诊断旋转机械的故障，可以及时发现潜在的问题并采取相应的维护措施，从而避免设备停机或损坏。
这不仅可以提高设备的运行效率，还可以延长设备的使用寿命。
（二）在生产管理中的应用通过对旋转机械的故障进行预测和预警，可以提前制定生产计划和调整生产安排，避免因设备故障而导致的生产延误和资源浪费。
这有助于提高生产效率和产品质量。
机械设备状态监测与故障诊断技术
（大、中、小修 ） 不足维修——新故障和潜在的故障因素
路漫漫其悠远
机械设备状态监测与故障诊断技术
第一章 概 述
2.2重要缺陷—传统的检修方式对于故障的寻找往往需要
对设备的大拆大卸才能实现，检修周期长，且检修后，设备
机械设备状态监测与故 障诊断技术
路漫漫其悠远
2020/11/18
机械设备状态监测与故障诊断技术
第一章 概述
近些年来，设备状态监测与故障诊断逐渐进入工程应用 阶段，技术日趋成熟，应用范围日趋广泛，成为现代设备维 护技术的一个重要组成部分。
一、实施设备状态监测与故障诊断的意义
1.机械设备维护的基本任务：对设备进行合理的技术维护、 及时发现异常和故障、适时采取检修措施以最大限度保证其 正常运行。 2.传统的机械设备维护方法——一定意义上的经验维护法 特点：具有相当的局限性，往往依靠人的眼看、耳听、手摸 等感观手段获取某种信息继而凭借过去的经验来加以判断。
路漫漫其悠远
齿轮座受倾翻力矩作用
机械设备状态监测与故障诊断技术
机械振动及设备故障诊断方向
轧机主传动系统故障诊断
a. 咬入
路漫漫其悠远
c.抛出
齿轮座振动纪录曲线机械设备状态监测与故障诊断技术
机械振动及设备故障诊断方向
小波分析在故障诊断中的应用
小波具有时频“聚焦”特性 高斯小波—最大熵谱分析 小波分析—AR谱 实现微弱故障诊断信号分离和提取，发现早期故障 R1减速机高速轴工作侧轴承保持架不平衡产生的故障频率 计算值3.19HZ 故障：该轴承保持架不平衡
§ 有限元计算：两向受力，一向受压，等效应力最大
机械故障诊断技术_其他故障诊断技术
如何从复杂的机械设备运行数据中提取出有用的故障特征，是故障诊断技术的关键。目前，一些先进的信号处理和特 征提取方法已经在故障诊断中得到了应用，但仍需要进一步完善和优化。
故障诊断准确性
提高故障诊断的准确性是故障诊断技术一直追求的目标。然而，由于机械设备种类繁多、故障模式复杂 多变等因素，实现高准确性的故障诊断仍然具有很大的挑战性。
光学与声学故障诊断技术
红外热像检测
利用红外热像仪检测设备 表面的温度分布，诊断设 备的过热、接触不良等故 障。
激光干涉测量
利用激光干涉仪测量设备 的微小位移和形变，诊断 设备的机械故障。
声发射检测
通过声发射传感器检测设 备内部裂纹扩展、应力波 等声发射信号，诊断设备 的疲劳、裂纹等故障。
04
机械故障诊断案例分析
故障预测与健康管理技术研究
故障预测与健康管理（PHM）技术是一种新兴的故障诊断 技术，它通过对机械设备的实时监测和数据分析，实现对 设备故障的早期预警和健康管理。未来，PHM技术将成为 故障诊断领域的重要研究方向之一。
THANKS
感谢观看
多技术融合
将多种故障诊断技术融合起来，形成优势互补，提高故障诊断的全面性和准确性。例如， 将振动分析、油液分析、红外测温等技术相结合，可以对机械设备进行更全面的状态监测 和故障诊断。
故障诊断技术面临的挑战与问题
数据获取与处理
在进行故障诊断时，需要获取大量的机械设备运行数据。然而，由于数据来源多样、数据质量参差不齐等问题，给数 据获取和处理带来了很大的挑战。
压路机振动轮、行走机构和转向系统等部件的故障。
05
其他故障诊断技术应用实例
电气设备故障诊断实例
电机故障诊断
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
9
整理ppt
统计指标的运用注意
以上的各种统计指标，在故障诊断中不能孤立的看， 需要相互映证。同时还要注意和历史数据进行比较，根据 趋势曲线作出判别。
在流程生产工业中，往往有这样的情况，当发现设备 的情况不好，某项或多项特征指标上升，但设备不能停产 检修，只能让设备带病运行。当这些指标从峰值跌落时， 往往预示某个零件已经损坏，若这些指标（含其它指标） 再次上升，则预示大的设备故障将要发生。
信号分析技术包含了许多种信号分析方法，各种分析方法 都有其适应的范围。评定某个分析方法是否适用于机械故障诊 断，只有一个标准——简洁实用。简洁指该分析方法所依据的 数学基础清晰易懂，实用指用该分析方法所获取的信号特征能 作出明确、合理、有效的解释。
2
整理ppt
4．1 信号特征的时域提取方法
• 4．1．1 平均值
满足以上条件，其叠加的波形便不
是方波。即使所有信号都是周期信
号，只有当各信号的频率比是整数，
其叠加合成信号才表现出周期性特
图4—1 信号的时频关系
征。否则看不到周期性特征。这就是我们明知设备的状态信号都是强
迫周期信号，却很少在波形上看到周期性特征的原因。
12
整理ppt
关于频谱图的说明
富里叶变换提供了从另一个角度观察信号的数学工 具——把信号投影到横坐标轴是频率f的频域。在这个观 察面上，我们可以看到信号由哪些正余弦波组成：图像以 两部分组成：幅—频图；相—频图。幅—频图中，棒线在 频率轴上的位置表示该信号分量的频率，棒线的长度表示 该信号分量的振幅。在相—频图中，棒线的长度表示该信 号分量的初相位。这两个频域的图像在专业的领域称为— —频谱图。
3
整理ppt
• 4．1．2 均方值、有效值
均方值与有效值用于描述振动信号的能量。
均方X值r2ms
1 N
N i1
xi2(t)
有效值Xrms又称均方根值，是机械故障诊断系统中用 于判别运转状态是否正常的重要指标。因为有效值Xrms描 述振动信号的能量，稳定性、重复性好，因而当这项指标
超出正常值（故障判定限）较多时，可以肯定机械存在故
8
整理ppt
• 4．1．7 峭度指标
峭度指标Cq反映振动信号中的冲击特征。
峭度指标CCqq
1 N
N
( xi x)4
i1
X4 rms
峭度指标Cq对信号中的冲击特征很敏感，正常情况下 应该其值在3左右，如果这个值接近4或超过4，则说明机
械的运动状况中存在冲击性振动。一般情况下是间隙过大、
滑动副表面存在破碎等原因。
峰值指标IpI p
Xp X rms
峰值指标Ip和脉冲指标Cf都是用来检测信号中是否存 在冲击的统计指标。
5
整理ppt
• 4．1．4 脉冲指标
脉冲指标Cf
Cf
Xp X
脉冲指标Cf和峰值指标Ip都是用来检测信号中是否存 在冲击的统计指标。由于峰值Xp的稳定性不好，对冲击的
敏感度也较差，因此在故障诊断系统中逐步应用减少，被
若歪度指标变化不大，有效值Xrms与平均值的比值增 大，说明由于磨损导致间隙增大，因而振动的能量指标— —有效值Xrm比平均值增加快，其裕度指标Ce也增大了。
7
整理ppt
• 4．1．6 歪度指标
歪度指标Cw反映振动信号的非对称性。
歪度指标Cw
Cw
1 N
N
( xi x)3
i1
X3 rms
除有急回特性的机械设备外，由于存在着某一方向的 摩擦或碰撞，造成振动波性的不对称，使歪度指标Cw增大。
平均值描述信号的稳定分量，又称直流分量。
X
1 N
N i1
xi (t)
在平均值用于使用涡流传感器的故障诊断系统中。当 把一个涡流传感器安装于轴瓦的底部（或顶部），其初始 安装间隙构成了初始信号平均值——初始直流电压分量， 在机械运转过程中，由于轴心位置的变动，产生轴心位置 的振动信号。这个振动信号的平均值即轴心位置的平均值。 经过一段时间后，轴心位置平均值与初始信号平均值的差 值，说明了轴瓦的磨损量。
10
整理ppt
4．2 信号特征的频域提取方法
上一节的时域统计特征指标只能反映机械设 备的总体运转状态是否正常，因而在设备故障诊 断系统中用于故障监测，趋势预报。要知道故障 的部位、故障的类型就需要进一步的做精密分析。 在这方面频谱分析是一个重要的、最常用的分析 方法。
11
整理ppt
• 4．2．1 频域分析与时域信号的关系
1
第四章 信号特征提取——信整理ppt 号分析技 术
通过信号测取技术将机械设备的运行状态转变为一系列的 波形曲线——A（t）、B（t）等，通过A/D 变换转化成离散的 数字曲线序列——A（i）、B（i）等。由于运转的机械设备中 存在多个振动源，这些振动信号在传输路上又受到传输通道特 性的影响，当它们混杂在一起被传感器转换成波形曲线时，呈 显出混乱无规律的形态。因此需要从中进行识别——信号特征 的提取。
障隐患或故障。
若有效值Xrms的物理参数是速度（mm/s），就成为用
于判定机械状态等级的振动烈度指标。
4
整理ppt
• 4．1．3 峰值、峰值指标
通常峰值Xp是指振动波形的单峰最大值。由于它是一 个时不稳参数，不同的时刻变动很大。因此，在机械故障 诊断系统中采取如下方式以提高峰值指标的稳定性：在一 个信号样本的总长中，找出绝对值最大的10个数，用这10 个数的算术平均值作为峰值Xp。
峭度指标所取代。
6
整理ppt
• 4．1．5 裕度指标
裕度指标Ce用于检测机械设备的磨损情况。
裕度指标Ce
Ce
X rms X
在不存在摩擦碰撞的情况下，即歪度指标变化不大的 条件下。以加速度、速度为测量传感器的系统，其平均值 反映了测量系统的温飘、时飘等参数变化。使用涡流传感 器的故障诊断系统的平均值则与磨损量有关。
平稳定转速运转的机械设备，无论有多少个振动源，其产 生的振动信号都是与转速相关的强迫振动信号，也是周期性信 号。站在这个基础上，可以认定：凡是与转速相关的信号属于 设备运转状态信号，与转速无关的信号属于工艺参数信号、结 构参数信号、电气参数信号。结构参数信号、电气参数信号仍 属于故障诊断范围，但不在机械故障诊断范围内。
图4—1描述了信号的时域与频
域关系。信号是由多个正弦波组成，
频率比为：1∶3∶5∶7…，幅值比
为：1∶ ∶ ∶ …，信号之间无相位
差。我们在时间域观察这些信号——
横坐标轴是时间t，就如这些信号叠
加起来，其合成结果投影到时域平
面上，于是我们看到了方波信号。
需要注意的是பைடு நூலகம்果在频率比、幅值
比、相位差这三个方面有任一个不