声发射检测技术用于滚动轴承故障诊断的研究综述_郝如江

声发射检测技术用于滚动轴承故障诊断的研究综述_郝如江
声发射检测技术用于滚动轴承故障诊断的研究综述_郝如江

振 动 与 冲 击

第27卷第3期

J OURNAL OF V IBRAT I ON AND SHOCK

Vo.l 27No .32008

声发射检测技术用于滚动轴承故障诊断的研究综述

基金项目:863计划(2006AA04Z438)资助;河北省自然科学基金(E2007000649)资助

收稿日期:

2007-06-25 修改稿收到日期:2007-07-12

第一作者郝如江男,博士生,副教授,1971年生

郝如江1,2

, 卢文秀1

, 褚福磊

1

(1.清华大学精密仪器与机械学系,北京 100084;2.石家庄铁道学院计算机与信息工程分院,石家庄 050043)

摘 要:声发射是材料受力变形产生弹性波的现象,故障滚动轴承在运转过程中会产生声发射。从几个方面综合

阐述了国内外轴承故障声发射检测技术的研究和发展现状,即轴承故障声发射信号的产生机理,故障声发射信号的传播衰减特性,声发射信号的参数分析法和波形分析法对故障特征的描述,轴承故障声发射源的定位问题,根据信号特征进行

故障模式识别以及声发射检测和振动检测的比较问题。通过分析总结出滚动轴承声发射检测技术下一步的研究方向,并指出滚动轴承故障的声发射检测是振动检测的有力补充工具,特别是在轴承低转速和故障早期的检测中更能发挥作用。

关键词:声发射;滚动轴承;故障诊断

中图分类号:TH 113,TG 115 文献标识码:A

滚动轴承是各种旋转机械中最常用的通用零部件之一,也是旋转机械易损件之一。据统计,旋转机械的故障有30%是轴承故障引起的,它的好坏对机器的工

作状况影响极大[1]

。滚动轴承主要损伤形式有:疲劳、

胶合、磨损、烧伤、腐蚀、破损、压痕等[2]

。轴承的缺陷会导致机器剧烈振动和产生噪声,甚至会引起设备的损坏。因此,对重要用途的轴承进行工况检测与故障诊断是非常必要的。

滚动轴承故障的检测诊断技术有很多种,如振动信号检测、润滑油液分析检测、温度检测、声发射检测等。在各种诊断方法中,基于振动信号的诊断技术应用最为广泛,该技术分为简易诊断法和精密诊断法两种。简易诊断利用振动信号波形的各种参数,如幅值、波形因数、波峰因数、概率密度、峭度系数等,以及各种解调技术对轴承进行初步判断以确认是否出现故障;精密诊断则利用各种现代信号处理方法判断在简易诊断中被认为是出现了故障的轴承的故障类别及原因。振动信号检测并非在任何场合都很适用,例如在汽轮机、航空器变速箱及液体火箭发动机等鲁棒性较低的系统中,轴承的早期微弱故障就会导致灾难性的后果,但是早期故障的振动信号很微弱,又容易被周围相对幅度较大的低频环境噪声所淹没,从而无法有效检测出故障的存在[3]

。由于声发射是故障结构本身发出的高频应力波

信号,不易受周围环境噪声的干扰[4]

,因此声发射检测方法在滚动轴承的故障诊断中得到了应用。

1 滚动轴承故障声发射检测机理

111 声发射检测技术原理

材料受到外力或内力作用产生变形或者裂纹扩展

时,以弹性波的形式释放出应变能的现象称为声发射[5]

。用仪器检测、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,它是20世纪60年代发展起来的一种动态无损检测新技术,其利用物质内部微粒(包括原子、分子及粒子群)由于相对运动而以弹性波的形式释放应变能的现象来识别和了解物质或结构内部状态。

声发射信号包括突发型和连续型两种。突发型声发射信号由区别于背景噪声的脉冲组成,且在时间上可以分开;连续型声发射信号的单个脉冲不可分辨。实际上,连续型声发射信号也是由大量小的突发型信号组成的,只不过太密集而不能分辨而已。目前对于声发射信号的分析方法主要包括参数分析法和波形分析法。112 滚动轴承故障声发射源问题

滚动轴承在运行不良的情况下,突发型和连续型的声发射信号都有可能产生。轴承各组成部分(内圈、外圈、滚动体以及保持架)接触面间的相对运动、碰摩所产生的赫兹接触应力,以及由于失效、过载等产生的诸如表面裂纹、磨损、压痕、切槽、咬合、润滑不良造成的的表面粗糙、润滑污染颗粒造成的表面硬边以及通过轴承的电流造成的点蚀等故障,都会产生突发型的声发射信号。

连续型声发射信号主要来源于润滑不良(如润滑油膜的失效、润滑脂中污染物的浸入)导致轴承表面产生氧化磨损而产生的全局性故障、过高的温度以及轴承局部故障的多发等,这些因素造成短时间内的大量突发声发射事件,从而产生了连续型声发射信号。

滚动轴承在运行过程中,其故障(不管是表面损伤、裂纹还是磨损故障)会引起接触面的弹性冲击而产生声发射信号,该信号蕴涵了丰富的碰摩信息,因此可利用声发射来监测和诊断滚动轴承故障。与振动方法不同的是,声发射信号的频率范围一般在20kH z 以上,而振动信号频率比较低,因此它不受机械振动和噪声

的干扰,基于声发射监测和诊断滚动轴承故障有其独特的优越性。

1.3滚动轴承故障声发射信号传播衰减及测量问题

滚动轴承声发射信号主要是以瑞利波形式传播[5]。声发射源发出的信号经过轴承各组成部分的共振放大和滤波、接触面的作用(折射、反射、散射)后由传感器测得,并根据传感器测量方向(径向、轴向)的不同而不同。轴承结构对声发射信号传播影响的机械因子Q具有强烈的不确定性,受轴承座、轴承类型等诸多因素的影响[6,7]。

关于滚动轴承声发射信号的衰减,不同的研究人员得出了并不尽相同的结论,C atli n[6]认为,超声频的声发射信号衰减很快,可以用来区别轴承故障与其他干扰源(如不对中、不平衡、轴弯曲等),要求测量的传感器尽量接近轴承。Li[8]对比了滚动轴承故障声发射和振动信号的衰减,在远离轴承30c m的情况下,声发射信号可以拾取到故障特征,而振动信号则不能。M or ha i n[9]的研究表明声发射信号在同一介质传播中衰减小,而越过介面传播的衰减较大。另外,M ba[5]指出,表面故障如裂纹、擦伤等,以及表面磨光会导致瑞利波的衰减。

金属材料的声发射信号频率分布范围很宽,从数十千赫兹到数百千赫兹。对于大多数材料研究和构件的非破坏性检测,一般采用单端谐振式声发射传感器,其谐振频率多位于50k H z~300kH z内,典型应用为150k H z,响应频带窄,波形畸变大,但灵敏度高,操作简便,价格便宜,适于大量常规检测。声发射传感器的固定方法一般有磁座式和磁环式两种,要求传感器的固定面光滑平整,涂抹适量的耦合剂以降低信号的衰减。

2声发射信号参数分析方法用于滚动轴承故障诊断分析

简化波形特征参数分析方法是广泛使用的经典声发射信号分析方法。与全波形信号分析方法相比,参数分析法虽然损失了大量的信息,但是由于它记录速度快,检测分析的实时性强,目前在声发射工程检测中得到广泛应用。参数分析的常用经典方法包括参数随时间的变化分析、参数的分布分析和参数的关联分析。常用的分析参数有振铃计数、事件计数、持续时间、门槛值、RM S值、峰值、峭度等。具有代表性的研究结果有:Tan[10]分析了滚动体滚过故障点时的声发射脉冲信号,通过计算信号幅值曲线下的积分面积(信号能量),认为随着故障尺寸和转速的增加,声发射事件呈指数增长,事件的持续时间和上升时间也随着故障尺寸的增大而增加。Tandon[11]利用振铃计数和峰值两个参数,在变载荷、变转速、变故障尺寸的工况下对承受径向载荷的故障轴承进行诊断分析,认为峰值更有利于故障诊断,能够区别较小的故障,并且发现声发射技术在轴承低速运转时能和正常运转时具有同样的检测效果,这是振动检测无法做到的。Choudhury[12]利用振铃计数-事件数、峰值-事件数统计分布图两种参数分析方法,分析了变载荷、变故障尺寸、变转速情况下的承受径向载荷的脂润滑圆柱滚子轴承的内圈和滚子故障,得出的结论是:振铃计数是检测轴承早期故障的有效参数,通过事件数分布随着振铃计数和峰值变化的规律可以诊断和预测轴承故障的发展趋势。A bdu-l lah[13]研究了径向载荷作用下深沟球轴承外圈故障的声发射信号的R M S值和幅值与故障大小的关系,对比了相同工况下同时测量的振动信号的RM S值和幅值,得出声发射检测不仅能够诊断和识别早期故障,而且能够提供故障不同破坏程度的信息,适用于轴承的状态监测。A l-Gha m d i[14]进一步研究了滚球轴承外圈故障声发射信号和振动信号的峭度值,认为声发射信号峭度值的变化可以用来作为故障有无和大小的指标,而振动信号峭度值则无明显变化。作者更进一步得出声发射的持续时间与故障的长度(沿滚圈方向)正相关,而声发射事件幅度与背景噪声的比率与故障的宽度(垂直于滚圈方向)正相关的结论。

在低速滚动轴承故障诊断中,由于故障信号的幅值比较小,特别是在轴承的早期故障阶段,振动方法不能取得理想的结果,而声发射方法检测效果明显。Rogers[15]在低速转动轴承的裂纹定位分析中,比较了振动方法和声发射方法的优劣。在转速大于5r/m i n 时采用振动信号峭度分析,可以得到很好的效果,然而当转速继续降低时,加速度传感器没有拾取到低频的振动信号,证明该方法已不适用。在相同条件利用声发射方法进行诊断时,采用幅度-计数分布图分析法诊断出轴承故障,取得了理想的效果。Ja m a l u d i n[16]研究了声发射在1.12r/m in低速滚动轴承早期故障诊断中的应用,故障类型为早期表面损伤和润滑脂污染,利用峰值和能量分布图的曲线拟合,可以区分不同大小的故障和润滑污染情况。相比采用振动检测方法不能得到故障特征。作者认为,声发射检测用于低速运转的滚动轴承状态监测和故障诊断将是今后研究的热点,具有重要的工程意义。

3声发射信号波形分析方法用于滚动轴承故障诊断分析

随着计算机技术的发展,基于波形的各种现代信号处理方法已得到了广泛应用。如信号时频分析、高阶统计分析、现代谱分析等方法在滚动轴承振动信号处理中都有相关的文献报导。现代信号处理方法应用于滚动轴承声发射信号分析的文献国内外相关的文献还很少,这可以部分归因于声发射信号是宽频分布的

76振动与冲击2008年第27卷

信号,频率范围从数十千赫兹到数兆赫兹,其次是由于采样频率很高,信号数据量很大,复杂的信号处理算法要用很长时间才能得到计算结果。有研究人员对滚动轴承声发射信号包络后进行频谱分析,取得了一定的结果。H a wm an[3]对声发射信号进行包络解调,然后对包络信号进行谱分析,在外圈故障频率附近看到了明显的突出成分。TAVAKOLI[17]对声发射信号各单元段的R M S值进行包络和FFT分析,成功提取了外圈和内圈故障特征频率。Pineyro[18]利用二阶能量谱密度、倒谱、H aar小波变换三种方法对滚动轴承外圈故障进行早期诊断,在对滚动轴承声发射信号进行H aar小波变换分析时,故障特征不明显,作者认为H aar小波用于轴承声发射信号处理具有一定的局限性。

4声发射方法在滚动轴承故障定位中的应用

滚动轴承的故障定位可以分为两种:一是故障在滚动轴承各组成部件中的定位,如故障产生于外圈、内圈、滚动体、保持架等,这种定位主要通过故障特征频率来解决;二是已知故障的发生部件,通过研究确定故障的具体位置,如确定磨损故障在外圈滚道上的具体位置。由于滚动轴承内、外圈,滚动体,保持架发生故障时其故障特征频率不同,将故障声发射波形信号通过包络分析容易得到故障特征频率,因此第一种定位方法实现比较简单。故障点的精确定位主要是根据声发射波在轴承各部件中传播到达传感器的时间差,根据波速反推出故障点距离传感器的位置。根据波动理论,纵波和横波在同种介质中的传播速度不同,轴承各部件的几何结构复杂,考虑到不同界面波的反射、散射以及不同波的耦合,因此传感器所接收到的信号包含非常复杂的成分,这对于故障定位的精度带来很大的影响。Korenaga[19]通过对声发射信号进行包络,对两次超过阈值的脉冲数进行数值积分,获得声发射事件的间隔时间,然后与轴承各部分的特征频率进行对比,用于确定故障源(内圈和滚珠)。Yosh i o ka[20,21]设计了由单通道传感器接受声发射信号的故障定位系统,用一个磁检测仪确定滚珠滚过外圈的时间及其位置,用定位仪来确定外圈故障的位置。定位结果与故障实际位置取得了良好的一致。Yosh ioka[22]又在上述研究的基础上,设计了一种通过测量两个传感器接收到故障信号的时间差,利用双曲线与轴承圈的交点来定位故障的方法,通过与前文的方法结合使用,可以达到更为准确的定位,作者将该方法用于检测轴承外圈滚道上的裂纹,取得了满意的效果。

5基于滚动轴承故障声发射信号特征的模式识别方法

故障诊断最终要实现故障模式的分类和识别,在声发射技术应用于滚动轴承故障诊断的过程中,一些分类识别的方法得到了应用。L i[8]提出了一种基于自相关系数的线性判别方法。在对声发射信号进行高通滤波和中值平滑后,计算其短时能量函数和短时平均过零率,然后分别计算两者的自相关函数,据此可以获得声发射信号脉冲出现的频率和两个自相关函数曲线的峰峰值。前者用于定位故障产生的部位,后者用于确定故障是否产生。以正常轴承和故障轴承的两个峰峰值训练并确定线性判别函数,完成模式分类器的设计。文中给出了该故障诊断系统的在线实现,并利用该系统提出了三个线性判别函数,可以鉴别出正常轴承与滚珠故障轴承、正常轴承与外圈故障轴承、单外圈故障轴承与多外圈故障轴承。K ae w kongka[23]提出一种三维空间的模糊c均值聚类分析方法,对测得的声发射信号计算事件持续时间、峰值、能量,然后利用这三个参数在三维空间内进行模糊c均值聚类分析,经训练后,其判断准确率为97%,误判率低,适用于轴承的故障模式识别。Salvan[24]介绍了三角定位技术、用于模式识别和分类的神经网络技术、结合小波的时频多分辨率的模糊分析方法,最后将这些方法综合应用于试验中,在众多待测轴承中定位故障轴承,但是由于声发射信号传播速度难以精确确定以及测量技术的局限性,得到的结果并不十分理想。M ba[16]指出具有不同传播途径的声发射信号在波形上是不同的,它们具有各自不同的自回归系数,通过自回归系数分类对声发射信号的传播途径进行分析,用于区分不同源声发射信号,因此可以实现不同故障源的分类。

6滚动轴承故障声发射检测与其他检测方法的比较研究

滚动轴承的各种诊断方法都有其优缺点,对于声发射与其他诊断方法的比较分析,研究人员也进行了大量的比较研究工作。Yosh i o ka[20,21]针对承受轴向载荷滚动轴承的早期疲劳故障及其发展过程,进行了声发射及振动诊断的比较分析,认为声发射比振动方法能更早的检测到疲劳故障。M iettinen[25]分析比较了振动信号和声发射信号分别用包络谱、峰值方法、冲击脉冲、谱放射能量方法在滚动轴承润滑状态监测中的不同效果,得出声发射方法在监测润滑脂清洁程度及其污染颗粒时更有效的结论。Schoess[26]比较了火车车厢轴承故障诊断中常用的六种方法:温度、加速度、霍尔效应轮速、声发射、红外测温、应力监测。通过比较认为声发射检测效果较好,同时指出了声发射测试的设备费用贵、误报警率高等缺点。N.Tandon[27]针对振动、声发射、冲击脉冲与定子电流谐波四种方法在感应电机轴承外圈故障、润滑脂污染监测中的应用进行了分析比较,认为声发射方法最为有效。Sh iro ish i[28]对圆

77

第3期郝如江等:声发射检测技术用于滚动轴承故障诊断的研究综述

锥滚子轴承故障诊断时,利用相同的技术处理后,认为声发射信号与加速度信号相比无优势可言,甚至效果不如后者;在对内圈故障进行诊断时,声发射信号是无效的。作者给出了可能的原因:传播路径的复杂造成信号的衰减过大,信号的传播方向与声发射传感器的位置可能不匹配。W illia m s[29]对运行过程中的滚动轴承故障(非人为加工故障)利用振动和声发射信号分别选取RM S值、峰值、峭度值、峰值因子四个参数进行分析,作者同样认为声发射检测并无优势可言。通过以上的比较发现,由于高频声发射信号传播过程的快速衰减特性,加上滚动轴承结构的复杂性,往往使声发射传感器不能拾取到有用的故障信号,导致测试结果不理想。因此,声发射检测要求对测试条件、测试环境、测试参数的选择以及测试信号的消噪预处理等环节都有明确的要求。

7国内在声发射轴承故障诊断方面的研究我国声发射技术最早开始在锅炉、管道等压力容器方面的检测应用,北京声华科技公司开发了声发射检测的软硬件设备并已经在石油、化工、钢铁、运输等行业采用。声发射用于滚动轴承的故障诊断在20世纪90年代才开始,在工程应用方面取得了一定的成果。北京理工大学理华[30]等人利用声发射信号的参数分析方法,设计了一种针对低速轻载的铁路货车轴承的声发射检测仪器。该仪器对铁路货车轴承故障声发射进行高通滤波、包络解调、低通滤波后,采取双阈值(幅度、宽度)处理,如果信号超过阈值的次数达到一定指标,则故障报警。该仪器为单通道信号采集处理,测试方法简单,测试硬件容易实现,非常适用于实时监测,该仪器已经在北京铁路局所属各车辆段投入使用,检测效果明显,大大提高了检测效率。理华等人还通过基于特征频率的小波包分解消噪方法,提取特征频带的声发射信号,通过波形分析能够区分缺油轴承和内圈严重锈蚀以及滚子锈蚀的故障轴承。杨黎明[31]提出将声发射的方法用于轴承的在线故障诊断,从理论上分析了声发射现象,从应用的角度分析故障轴承的声发射信号特征以及声发射信号特征的表示方法,对实验台上振动法和声发射法采集的实验数据进行了对比分析,证明了使用声发射法对轴承故障检测的可行性和有效性。李凤英[32]用声发射方法检测滚动轴承故障,把声发射信号与振动信号作对比。通过高通滤波后利用希尔伯特变换实现包络解调,然后对包络信号进行了频谱分析,结果表明声发射信号可以较早地诊断出故障,抗干扰性好,而且经过信号处理之后,声发射信号分析的频率比较单纯,能够很简单地判断出故障部位。

与滚动轴承故障振动信号的低频分布相比,声发射信号为数十到数百千赫兹分布的宽带高频信号,因此声发射传感器必须采用宽频带高灵敏度传感器。由于高频信号的快速衰减特性,滚动轴承结构的复杂性,因此要求传感器测试位置尽量接近故障声发射源。由于轴承在运转过程中滚动体与内外圈的滚动接触以及其他旋转部件的相互作用,也会产生声发射信号,相对故障信号,这些作为背景噪声处理,有时背景噪声很大甚至淹没了故障信号,因此声发射信号的降躁处理也是故障诊断的前提。以上问题都是声发射检测技术推广应用于工程实际检测的困难所在。考虑到旋转机械轴承的实际工况,以及轴承座等的安装要求,振动检测仍然是轴承故障检测的主要手段,声发射方法是振动检测的很好的补充工具。

8滚动轴承故障声发射检测技术的研究展望

滚动轴承声发射检测技术作为振动检测方法的有力补充工具,特别是对于超低转速和早期微弱故障的监测和诊断效果明显。滚动轴承声发射检测技术在以下几个方面有待进一步研究。

声发射参数分析法用于轴承故障的预测研究。研究和完善各种参数条件的确定准则,针对轴承故障在不同工况下信号参数的变化规律来预测故障的发展趋势,为设备状态监测和维修提供可靠的参考依据。

现代信号处理方法用于声发射信号的特征提取。选择合适的信号处理方法对故障信号进行准确的特征提取,了解不同故障机理,为故障模式识别提供准确的特征信息。

模态声发射理论的研究和应用。针对声发射信号在滚动轴承不同部件、不同耦合界面间传播速度的不同、考虑信号传播反射、折射、散射的影响,对于指导测试过程中传感器的合理布置以及轴承故障的精确定位具有重要意义。

参考文献

[1]钟秉林,黄仁.机械故障诊断学[M].北京:机械工业出

版社,2007.

[2]韩捷,张瑞林.旋转机械故障机理及诊断技术[M].北

京:机械工业出版社,1997.

[3]H awm anM W,G a lina itisW S.A coustic e m i ssi on m on itor i ng

of ro lli ng ele m ent bear i ngs[J].U ltrason i cs sy m posi u m,

1988,885)889.

[4]T andon N,Choudhury A.A rev ie w o f v i brati on and acoustic

measure m entm ethods f o r t he detec tion of defects i n rolling e-l

e m ent bea ri ngs[J].T r i bo logy Inte rnati ona,l1999,32:

469)480.

[5]M ba D,R a j B.K.N.R ao.D evelopment of acoustic em is-

sion techno l ogy f o r cond iti on m on itoring and diagnosis of rota-

ti ng m ach i nes:bearings,pu m ps,g ea rboxes,eng ines and ro-

ta ti ng structures[J].T he shock and v i brati on d i gest,2006,

38(1):3)16.

78振动与冲击2008年第27卷

[6]Catlin J B,Jr.T he use of ultrason i c d i agnostic techn i que to

detect ro lli ng ele m ent bear i ng defects.P roceed i ng s of the m a-

ch i ne ry and v i bration m on itor i ng and ana l y si s m eeti ng[J].

V i bration i nstit ute,IL.1983,4:123)130.

[7]Sundt P C.M on itoring acoustic em iss i on to detec tm echanical

defects[J].In tech,1979,12:43)44.

[8]L i C J,L i S Y.A cousti c e m ission ana lysis for bea ri ng cond-i

ti on m onitor i ng[J].W ear,1985,185:67)74.

[9]M o rhai n A,M ba D.Bear i ng defect d i agno si s and acoustic e-

m i ssi on.Proc.Instn m ech..eng rs,Pa rt J[J].Journa l o f

eng i neer i ng tri bo l ogy.2003,217:257)272.

[10]T an C C.A pplica ti on o f acousti c em i ssi on to the detec tion o f

bearing fail ures.Interna tiona l tr i bology conference,re li ability

and ma i ntai nability through l ubricati on and w ear techno l ogy

[J].A ustra lia.1990,12:110)114.

[11]T andon N,N akra B C.D efec t detec ti on o f ro lli ng ele m ent

bearings by acousti c em ission m ethod[J].Journa l o f acousti c

e m i ssi on.1990,9(1):25)28.

[12]Choudhury A,T andon N.A pplica ti on of acoustic e m ission

technique for the de tecti on of defects i n ro lli ng e l em ent bear-

i ngs[J].T ri bo l ogy i nte rna ti ona.l2000,33:39)45.

[13]A bdull ah M.A-lG ha m d,i Zhechkov D,M ba D.T he use o f a-

coustic e m ission for bear i ng defect i dentificati on and esti m a-

ti on of defect s i ze.E W GAE2004L ect u re38:397)406. [14]A-lG ha md,i A.M, D.M ba.A Co m para ti ve expe ri m en tal

study on the use of acoustic e m i ssi on and v i b ration analysis

for bear i ng defect i den tificati on and esti m ati on of de fect size

[J].M echan ical sy stem s and s i gna l process i ng.2006,20

(7):1537)1571.

[15]R ogers L M.The app licati on of v i brati on analysis and acous-

ti c em iss i on source l o ca ti on to on-li ne condition m on itoring o f

antifr i c ti on beari ngs[J].T ribo logy i nternationa,l1979,12

(2):51)59.

[16]Ja m a l ud i n N,M ba D.M onitor i ng extrem ely slow ro lli ng ele-

m ent bear i ngs Part1[J].NDT&E Interna ti ona,l2002,35:

349)358.

[17]T avako l,i M assouds.B ea ri ng fault de tecti on i n the acousti c e-

m i ssi on frequency rang e.P ro ceedings o f the11t h N ati onal

conference on no i se con tro l eng ineer i ng,T arry t own,NY,U-

n ited States.1991:79)86.

[18]P i neyro J,K l empnow A,Lescano V.E ffecti veness of ne w

spectra l too l s in t he ano m a l y detecti on o f ro lli ng ele m ent bear-

i ngs[J].Journa l of a lloys and co m pounds.2000,310:276)

279.

[19]Y osh i oka T,K o renaga A,M ano eta l T.D iagno si s o f ro lli ng

bea ri ng by m eas ur i ng ti m e i n terva l o f acoustic e m i ssi on gener-

ation[J].Journa l of tribo l ogy.T ransacti ons of AS M E.1999,

121:468)472.

[20]Y oshioka T,Fu ji w ara T.A new acoustic e m i ssi on source l o-

cati ng syste m for the study of ro lli ng contact f a ti gue[J].

W ear.1982,81(1):183)186.

[21]Y osh i oka T,F uji w a ra T.A ppli cation of acoustic em i ssi on

techn i que to de tecti on o f ro lli ng bear i ng fail ure[J].Am er ican

soc iety of m echanical eng i neers.1984,14:55)76.

[22]T akeo,Y oshioka.A detec tion of ro lling con tact s ubsurface f a-

tigue cracks us i ng acousti c e m i ssi on technique[J].Lub rica-

tion eng i neer i ng.1993,49(4):303)308.

[23]K ae w kongka T,A u Y H J.A ppli cation o f acoustic em i ssi on

to cond iti on mon it o ri ng of ro lli ng e le m en t bearings[J].M eas-

urement and contro.l2001,34:245)247.

[24]Sa lvan SM E,Pa rkin.R M,Coy J,L iW.Inte lli gen t cond-i

tion mon itoring o f bear i ng s i n ma il processi ng m ach i nes usi ng

acousti c e m i ssi on.P ro ceedings o f COM ADE M2001,2001:

67)74.

[25]M i etti nen J,A ndersson P.M e t hods to m on itor the runn i ng

situati on of g rease[J].lubr i cated ro lli ng bea ri ngs.F i n l and,

1989,92)101.

[26]Schoess J N.D evelop m ent and appli cati on of stress-w ave a-

cousti c d i agno stics for ro ller bear i ngs.P roceed i ngs o f the

SP I E.2000,3986:58)70.

[27]N.T andon G S,Y adava K M.R a m akrishna.A co m parison

of some cond iti on m on itor i ng techniques f o r the detection o f de fect i n i nducti on mo tor ball bea ri ngs[J].M echanical sys-

tem s and signa l processi ng,2007,21(1):244)256. [28]Sh iro ishi J,L iY,L iang L S,K urfess,e ta.l Bea ri ng cond iti on

v i a v i bra ti on and acoustics e m issi on m easurem ents[J].M e-

chanical syste m s and si gnal processi ng.1997,11(5):

693)705.

[29]W illia m s T,R i badeneira X,B illing ton S,K urfess T.R o lli ng

e l em ent bea ri ng d i agnos i s i n run-to-fa ilure lifeti m e testi ng

[J].M echan ica l syste m s and si gnal processi ng.2001,15

(5):979)993.

[30]理华,徐春广,肖定国,等.滚动轴承声发射检测技术

[J].轴承,2002(7):24)26.

[31]杨黎明.声发射技术用于段修货车轴承故障诊断研究

[D]:[学位论文].成都:西南交通大学车辆工程系,

2003,11.

[32]李凤英,沈玉娣,熊军.滚动轴承故障的声发射检测技术

[J].无损检测,2005,27(11):583)586.

79

第3期郝如江等:声发射检测技术用于滚动轴承故障诊断的研究综述

REVI E W OF D I AGNO SIS OF ROLLI NG ELE M ENT BEAR I NGS

DEFAULTS BY M EANS OF AC OUSTIC E M ISSI ON TECHN I QUE

HAO Ru-jiang 1,2

, LU W en -x iu 1

, CH U Fu-lei

1

(1.D epart ment o f P recisi on Instru m ents and M echano l ogy ,T si nghua U niversity ,Be ijing 100084,Ch i na ;

2.D epa rt m en t of Com puter and In f o r m ati on Eng i neer i ng,Sh iji azhuang R a il way Institute ,Shij azhuang 050043,China)

Abst ract : A rev ie w o f the acoustic e m i s sion (AE )techn i q ues applied in the diagnosis o f ro lli n g e l e m en t bear i n gs

is presented ,t h at i n cludes :the m echanis m ofAE si g na ls e m er ged fro m the defective beari n gs ,the characteristics of prop -agation and attenuati o n about t h e AE signals i n the bearings and housi n gs ,the m ethods f o r para m eters analysis and co m-plete w avefor m ana lysis used in the de fect characters extraction ,deter m i n ation of the l o cati o n o fAE sources i n the outer or i n ner races o f bearings ,the patter n recogn iti o n o f d ifferent types of defects according to t h e AE signals ,the d ifference be -t w een the AE and vibration m easure m ent in the d i a gnosis of bearings .The research that shou ld be done i n the future abou t ro lli n g bearing diagnosis usi n g the AE techn i q ues is discussed and the conclusion is that t h e AE m easure m ent technology is a good co m ple m en tal too l for t h e v i b ration diagnosis ,espec i a ll y i n m on itoring ex tre m ely l o w speed r o lli n g ele m ent bear i n gs and i n the early stage o f defects e m er gence .

K ey w ords :acoustic e m issi o n ;rolli n g e le m ent beari n g ;fau lts diagnosis (pp :75-79)

C OM PARIS ON OF GALERK I N M ETHO

D AND COM PLEX MOD

E M ETHOD I N NATURAL FREQUENCY ANALYSIS O

F TUBE CONVEYI N

G FLUI D

Y ANG X iao -dong, JI N J i -duo

(D epart m ent o f Eng i nee ri ng M echanics ,Shenyang Institute of A eronauti ca l o f Eng i nee ri ng ,Shenyang 110034,Ch i na)

Abstract : Tw o m e t h ods ,na m e l y Ga lerk i n m ethod and co m p l e x m ode m ethod are applied i n natura l frequency ana-l ysis o f t u be convey i n g fluid .The 2-ter m s and 4-ter m sG aler k i n m ethod are i m ple m ented to transfor m the partial d ifferential gover n i n g equati o n to t h e or d i n ary d ifferen tial equati o ns .The first2or the first 4natural frequenc i e s can be found num er-i ca ll y .To eva l u ate the errors caused by the trial functi o ns ,wh ich are taken fr o m stati o nary bea m eigenfuncti o ns ,the re -su lts are co m pared to those obta i n ed by co m plex m ode m ethod ,w hich y ie l d sm ore accurate nu m erical resu lts but co m pl-i ca ted m ode expressi o ns .It is concl u ded that t h e resu lts usi n g Galerkin m ethod are satisfacto r y when the order of the tr un -ca ti o n ter m is rather high i n co m parison w ith t h e order of na t u ra l frequenc ies considered .

K ey w ords :p i p e convey ing fluid ;natura l frequency ;Ga lerk i n m ethod;co m plex m ode m ethod (pp :80-81,86)

OPTI MAL SENS OR PLACE M ENT ON BRI DGE

STRUCTURE BAS ED ON GENET I C ALGORI THM H U ANG M in-shui 1,2

, ZH U H ong-p ing 1,2

, LI W ei -m ing

1,2

(1.Schoo l o f C iv il Eng i neer i ng andM echan i cs ,H uazhong U n i versity o f Sc ience &T echno logy,W uhan 430074,China ;2.Hube i K ey L aboratory of C ontro l S tructure ,H uazhong U n i versity o f Sc i ence&T echno logy ,W uhan 430074,China)

Abstract : An opti m izati o n approach based on coding genetic a l g orithm s w as developed for opti m a l sensor place m en t i n hea lth m on itoring of bridge structure .The coding m et h od w as i m pr oved ,i n w hich the i n iti a lizati o n ,cr ossover and muta -ti o n are based on dua-l struct u re codi n g ,and the elitist strategy ,adapti v e parti a ll y m atched crossover ,and adapti v e i n ver -si o n m utati o n are adopted respectively i n the proceses of se lecti o n ,cross and m utation.The m ethod overco m es the defects

of sl o w convergence rate and easily getting stuck at a l o cal opti m um w hen trad itional genetic a l g orit h m s are app lied i n healt h m on itor i n g of br i d ge structure .Thr ough a bridge exa m ple ,t h e m et h od w as proved to have better search capab ility ,

181

V o.l 27N o .32008 J OU RNAL OF V IBRAT I ON AND S HO CK

简析滚动轴承故障诊断方法及要点

简析滚动轴承故障诊断方法及要点 滚动轴承是应用最为广泛的机械零件质疑,同时,它也是机器中最容易损坏的元件之一。许多旋转机械的故障都与滚动轴承的状态有关。据统计,在使用滚动轴承的旋转机械中,大约有30%的机械故障都是由于轴承而引起的。可见,轴承的好坏对机器工作状态影响极大。 通常,由于轴承的缺陷会导致机器产生振动和噪声,甚至会引起机器的损坏。而在精密机械中(如精密机床主轴、陀螺等),对轴承的要求就更高,哪怕是在轴承上有微米级的缺陷,都会导致整个机器系统的精度遭到破坏。 最早使用的轴承诊断方法是将听音棒接触轴承部位,依靠听觉来判断轴承有无故障。这种方法至今仍在使用,不过已经逐步使用电子听诊器来替代听棒以提高灵敏度。后来逐步采用各式测振仪器、仪表并利用位移、速度或加速度的均方根值或峰峰值来判断轴承有无故障。这可以减少对设备检修人员的经验的依赖,但仍然很难发现早期故障。 滚动轴承在设备中的应用非常广泛,滚动轴承状态好坏直接关系到旋转设备的运行状态,尤其在连续性大生产企业,大量应用于大型旋转设备重要部位,因此,实际生产中作好滚动轴承状态监测与故障诊断是搞好设备维修与管理的重要环节。我们经过长期实践与摸索,积累了一些滚动轴承实际故障诊断的实用技巧。 一、滚动轴承故障诊断的方式及要点: 对滚动轴承进行状态监测和故障诊断的实用方法是振动分析。 实用中需注意选择测点的位置和采集方法。要想真实准确反映滚动轴承振动状态,必须注意采集的信号准确真实,因此要在离轴承最近的地方安排测点,在电机自由端一般有后风扇罩,其测点选择在风扇罩固定螺丝有较好监测效果。另外必须注意对振动信号进行多次采集和分析,综合进行比较。才能得到准确结论。 二、滚动轴承正常运行的特点与实用诊断技巧: 我们在长期生产状态监测中发现,滚动轴承在其使用过程中表现出很强的规律性,并且重复性非常好。正常优质轴承在开始使用时,振动和噪声均比较小,但频谱有些散乱,幅值都较小,可能是由于制造过程中的一些缺陷,如表面毛刺等所致。 运动一段时间后,振动和噪声维持一定水平,频谱非常单一,仅出现一、二倍频。极少出现三倍工频以上频谱,轴承状态非常稳定,进入稳定工作期。 继续运行后进入使用后期,轴承振动和噪声开始增大,有时出现异音,但振动增大的变化较缓慢,此时,轴承峭度值开始突然达到一定数值。我们认为,此时轴承即表现为初期故障。

滚动轴承故障诊断分析

滚动轴承故障诊断分析 学院名称:机械与汽车工程学院专业班级: 学生姓名: 学生学号: 指导教师姓名:

摘要 滚动轴承故障诊断 本文对滚动轴承的故障形式、故障原因、常用诊断方法等诊断基础和滚动轴承故障的振动机理作了研究,并建立了相应的滚动轴承典型故障(外圈损伤、内圈损伤、滚动体损伤)的理论模型,给出了一些滚动轴承故障诊断常见实例。通过对滚动轴承故障振动机理的研究可以帮助我们了解滚动轴承故障的本质和特征。本文对特征参数的提取,理论推导,和过程都进行了详细的阐述, 关键词:滚动轴承;故障诊断;特征参数;特征; ABSTRACT : The Rolling fault diagnosis In the thesis ,the fault types,diagnostic methods an d vibration principle of rolling bearing are discussed.the thesis sets up a series of academic m odels of faulty rolling bearings and lists some sym ptom parameters which often used in fault diagnosis of rolling bearings . the study of vibration prin ciple of rolling bearings can help us to know the essence and feature of rolling bearings.In this pa

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

机械故障诊断技术课后复习资料

机械故障诊断技术 (第二版张建)课后答案 第一章 1、故障诊断的基础是建立在能量耗散的原理上的。 2、机械故障诊断的基本方法课按不同观点来分类,目前流行的分类方法有两种:一是按机械故障诊断方法的难易程度分类,可分为简易诊断法和精密诊断法;二是按机械故障诊断的测试手段来分类,主要分为直接观察法、振动噪声测定法、无损检测法、磨损残余物测定法、机器性能参数测定法。 3、设备运行过程中的盆浴曲线是指什么? 答:指设备维修工程中根据统计得出一般机械设备劣化进程的规律曲线(曲线的形状类似浴盆的剖面线) 4、机械故障诊断包括哪几个方面内容? 答:(1)运行状态的检测根据机械设备在运行时产生的信息判断设备是否运行正常,其目的是为了早期发现设备故障的苗头。 (2)设备运行状态的趋势预报在状态检测的基础上进一步对设备 运行状态的发展趋势进行预测,其目的是为了预知设备劣化的速度,以便生 产安排和维修计划提前做好准备。 (3)故障类型、程度、部位、原因的确定最重要的是设备类型的确定,它是在状态检测的基础上,确定当机器已经处于异常状态时所需进一步解决的问题,其目的是为了最后诊断决策提供依据。 5、请叙述机械设备的故障诊断技术的意义? 答:设备诊断技术是一种了解和掌握设备在使用过程中的状态,确定其整体或局部是正常或异常,早期发现故障及其原因,并能预报故障发展趋势的技术。机械设备的故障诊断可以保证整个企业的生产系统设备的运行,减少经济损失,还可以减少某些关键机床设备因故障存在而导致加工质量降低,保证整个机器产品质量。 6、劣化曲线沿横、纵轴分别分成的三个区间分别是什么,代表什么意义? 答:横轴包括1、磨合期 2、正常使用期 3、耗损期纵轴包括1、绿区(故障率最低,表示机器处于良好状态)2、黄区(故障率有抬高的趋势,表示机器

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

机械故障诊断考试题目

机械故障诊断考试--题库 (部分内容可变为填空题) 第一章: 1、试分析一般机械设备的劣化进程。 答:1)早期故障期 阶段特点:开始故障率高,随着运转时间的增加,故障率很快减小,且恒定。 早期故障率高的原因在于:设计疏忽,制造、安装的缺陷,操作使用差错。 2)偶发故障期 阶段特点:故障率恒定且最低,为产品的最佳工作期。 故障原因:主要是使用不当、操作失误或其它意外原因。 3)耗损故障期 阶段特点:故障率再度快速上升。 故障原因:零件的正常磨损、化学腐蚀、物理性质变化以及材料的疲劳等老化过程。 2、根据机械故障诊断测试手段的不同,机械故障诊断的方法有哪些? 答:1′直接观察法-传统的直接观察法如“听、摸、看、闻”是最早的诊断方法,并一直沿用到现在,在一些情况下仍然十分有效。 2′振动噪声测定法-机械设备在动态下(包括正常和异常状态)都会产生振动和噪声。进一步的研究还表明,振动和噪声的强弱及其包含的主要频率成分和故障的类型、程度、部位和原因等有着密切的联系。 3′无损检验-无损检验是一种从材料和产品的无损检验技术中发展起来的方法 4′磨损残余物测定法(污染诊断法 5′机器性能参数测定法-机器的性能参数主要包括显示机器主要功能的一些数据 3、设备维修制度有哪几种?试对各种制度进行简要说明。 答:1o事后维修 特点是“不坏不修,坏了才修”,现仍用于大批量的非重要设备。 2o预防维修(定期维修) 在规定时间基础上执行的周期性维修 3o预知维修 在状态监测的基础上,根据设备运行实际劣化的程度决定维修时间和规 模。预知维修既避免了“过剩维修”,又防止了“维修不足”;既减少了 材料消耗和维修工作量,又避免了因修理不当而引起的人为故障,从而 保证了设备的可靠性和使用有效性。 第二章: 1、什么是故障机理? 答:机械故障的内因,即导致故障的物理、化学或机械过程,称为故障机理。 2、什么是机械的可靠性?机械可靠性的数量指标有哪两个?他们之间互为什么关系?

滚动轴承故障诊断与分析..

滚动轴承故障诊断与分析Examination and analysis of serious break fault down in rolling bearing 学院:机械与汽车工程学院 专业:机械设计制造及其自动化 班级:2010020101 姓名: 学号: 指导老师:王林鸿

摘要:滚动轴承是旋转机械中应用最广的机器零件,也是最易损坏的元件之一, 旋转机械的许多故障都与滚动轴承有关,轴承的工作好坏对机器的工作状态有很大的影响,其缺陷会产生设备的振动或噪声,甚至造成设备损坏。因此, 对滚动轴承故障的诊断分析, 在生产实际中尤为重要。 关键词:滚动轴承故障诊断振动 Abstract: Rolling bearing is the most widely used in rotating machinery of the machine parts, is also one of the most easily damaged components. Many of the rotating machinery fault associated with rolling bearings, bearing the work of good or bad has great influence to the working state of the machine, its defect can produce equipment of vibration or noise, and even cause equipment damage. Therefore, the diagnosis of rolling bearing fault analysis, is especially important in the practical production. Key words: rolling bearing fault diagnosis vibration 引言:滚动轴承是机器的易损件之一,据不完全统计,旋转机械的故障约有30% 是因滚动轴承引起的,由此可见滚动轴承故障诊断工作的重要性。如何准确判断出它的末期故障是非常重要的,可减少不必要的停机修理,延长设备的使用寿命,避免事故停机。滚动轴承在运转过程中可能会由于各种原因引起损坏,如装配不当、润滑不良、水分和异物侵入、腐蚀和过载等。即使在安装、润滑和使用维护都正常的情况下,经过一段时间运转,轴承也会出现疲劳剥落和磨损。总之,滚动轴承的故障原因是十分复杂的,因而对作为运转机械最重要件之一的轴承,进行状态检测和故障诊断具有重要的实际意义,这也是机械故障诊断领域的重点。 一滚动轴承故障诊断分析方法 1滚动轴承故障诊断传统的分析方法 1.1振动信号分析诊断 振动信号分析方法包括简易诊断法、冲击脉冲法(SPM法)、共振解调法(IFD 法)。振动诊断是检测诊断的重要工具之一。 (1)常用的简易诊断法有:振幅值诊断法,反应的是某时刻振幅的最大值,适用于表面点蚀损伤之类的具有瞬时冲击的故障诊断;波峰因素诊断法,表示的

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

机械故障诊断技术的现状及发展趋势

机械故障诊断技术的现状及发展趋势 摘要:随着机械行业的不断发展,机械故障诊断的研究也不断提出新的要求,进20年来,国内外的故障诊断技术得到了突飞猛进的发展,对机械故障诊断的发展现状进行了详细的论述,并对其发展趋势进行了展望。 关键词:故障诊断;现状;发展趋势 引言 机械故障诊断技术作为一门新兴的科学,自二十世纪六七十年代以来已经取得了突飞猛进的发展,尤其是计算机技术的应用,使其达到了智能化阶段,现在,机械故障诊断技术在工业生产中起着越来越重要的作用,生产实践已经证明开展故障诊断与状态预测技术研究其重要的现实意义。 我国的故障诊断技术在理论研究方面,紧跟国外发展的脚步,在实践应用上还是基本锣鼓后语国外的发展。在我国,故障诊断的研究与生产实际联系不是很紧密,研究人员往往缺乏现场故障诊断的经验,研究的系统与实际情况相差甚远,往往是从高等院校或者科研部门开始,在进行到个别企业,而国外的发展则是从现场发现问题进而反应到高等院校或者科研单位,是的研究有的放矢。 记过近二十年的努力,我国自己开发的故障诊断系统已趋于成熟,在工业生产中得到了广泛应用。但一些新的方法和原理的出现,使得故障诊断技术的研究不断向前发展,正逐步走向准确、方便、及时的轨道上来。 1.故障诊断的含义及其现状 故障诊断技术是一门了解和掌握设备运行过程中的状态,进而确定其整体或者局部是否正常,以便早期发现故障、查明原因,并掌握故障发展趋势的技术。其目的是避免故障的发生,最大限度的提高机械地使用效率。 1.1设备诊断技术的研究内容主要包括以下三个环节: (1)特征信号的采集:这一过程属于准备阶段,主要用一些仪器测取被测仪器的有关特征值,如速度、湿度、噪音、压力、流量等。 现在信号的采集主要用传感器,在这一阶段的主要研究基于各种原理的传感技术,目标是能在各种环境中得到高可靠、高稳定的传感测试信号。国内传感器类型:电涡流传感器、速度传感器、加速度传感器和湿度传感器等;最近开发的传感技术有光导纤维、激光、声发射等。(2)信号的提取与处理:从采集到的信号中提取与设备故障有关的特征信息,与正常信息只进行对比,这一步就可以称之为状态检测。目前,小波分析在这方面得到广泛应用,尤其是在旋转机械的轴承故障诊断中。基于相空间重构的GMD数据处理方法也刚刚开始研究,此方法对处理一些复杂机械的非线性振动,从而进一步预测故障的发展趋势非常有效。(3)判断故障种类:从上一步的结果中运用各种经验和知识,对设备的状态进行识别,进而做出维修决策。这一步关键是研究系统参数识别和诊断中相关的实用技术,探讨多传感器优化配置问题,发展信息融合技术、模糊诊断、神经网络、小波变换、专家系统等在设备故障诊断中的应用。 1.2故障诊断及时的发展历程· 故障诊断技术的大致三个阶段: (1)事后维修阶段;(2)预防维修阶段;(3)预知维修阶段。现在基本处于预知维修阶段,预知维修的关键在于对设备运行状态进行连续监测或周期检测,提取特征信号,通过对历史数据的分析来预测设备的发展趋势。 1.3故障诊断的发展现状 目前,国内检测技术的研究主要集中在以下几个方面:

滚动轴承故障诊断(附MATLAB程序)

第二组实验 轴承故障数据: Test2.mat 数据打开后应采用 X105_DE_time 作为分析数据,其他可作为参考,转速 1797rpm 轴承型号: 6205-2RS JEM SKF, 深沟球轴承 采样频率: 12k Hz 1、确定轴承各项参数并计算各部件的故障特征频率通过以上原始数据可知次轴承的参数为: 轴承转速 r=1797r/min;滚珠个数 n=9;滚动体直径 d=7.938mm;轴承节径 D=39mm;:滚动体接触角α=0 由以上数据计算滚动轴承不同部件故障的特征频率为:外圈故障频率 f1=r/60 * 1/2 * n(1-d/D *cos α )=107.34Hz 内圈故障频率 f2=r/60 * 1/2 * n(1+d/D *cos α)=162.21Hz 滚动体故障频率 f3=r/60*1/2*D/d*[1-(d/D)^2* cos^2( α)]=70.53Hz 保持架外圈故障频率 f4=r/60 * 1/2 * (1-d/D *cos α )=11.92Hz 2.对轴承故障数据进行时域波形分析 将轴承数据Test2.mat导入 MATLAB 中直接做 FFT 分析得到时域图如下:

并求得时域信号的各项特征: 1)有效值:0.2909; 3)峰值因子:5.2441;2)峰值: 1.5256;4)峭度: 5.2793;6)裕度因子:

3.包络谱分析 对信号做 EMD 模态分解,分解得到的每一个 IMF 信号分别和原信号做相关分析,找出相关系数较大的 IMF 分量并对此 IMF 分量进行 Hilbert 变换。 Empirical Mode Decomposition im 由图中可以看出经过 EMD 分解后得到的9个 IMF 分量和一个残余量。 IMF 分量分别和原信号做相关分析后得出相关系数如下: 由上表得:IMF1 的相关系数明显最大,所以选用 IMF1 做 Hilbert 包络谱分析。所得 Hilbert 包络谱图如下:

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

滚动轴承故障诊断频谱分析

滚动轴承故障诊断1(之国外专家版) 滚动轴承故障 现代工业通用机械都配备了相当数量的滚动轴承。一般说来,滚动轴承都是机器中最精密的部件。通常情况下,它们的公差都保持在机器的其余部件的公差的十分之一。但是,多年的实践经验表明,只有10%以下的轴承能够运行到设计寿命年限。而大约40%的轴承失效是由于润滑引起的故障,30%失效是由于不对中或“卡住”等装配失误,还有20%的失效是由过载使用或制造上缺陷 等其它原因所致。 如果机器都进行了精确对中和精确平衡,不在共振频率附近运转,并且轴承润滑良好,那么机器运行就会非常可*。机器的实际寿命也会接近其设计寿命。然而遗憾的是,大多数工业现场都没有做到这些。因此有很多轴承都因为磨损而永久失效。你的工作是要检测出早期症状并估计故障的严重程度。振动分析和磨损颗粒分析都是很好的诊断方法。 1、频谱特征 故障轴承会产生与1X基频倍数不完全相同的振动分量——换言之,它们不是同步的分量。对振动分析人员而言,如果在振动频谱中发现不同步分量那么极有可能是轴承出现故障的警告信号。 振动分析人员应该马上诊断并排除是否是其它故障引起的这些不同步分量。 如果看到不同步的波峰,那极有可能与轴承磨损相关。如果同时还有谐波和边频带出现,那么轴承磨损的可能性就非常大——这时候你甚至不需要再去了解轴承准确的扰动频率。 2、扰动频率计算 有四个与轴承相关的扰动频率:球过内圈频率(BPI)、球过外圈频率(BPO)、保持架频率(FT)和球的自旋频率(BS)。轴承的四个物理参数:球的数量、球的直径、节径和接触角。其中,BPI 和BPO的和等于滚珠/滚柱的数量。例如,如果BPO等于3.2 X,BPI等于4.8 X,那么滚珠/滚柱 的数量必定是8。

滚动轴承故障诊断与分析

滚动轴承故障诊断与分析 Examination and analysis of serious break fault down in rolling bearing

学院:机械与汽车工程学院 专业:机械设计制造及其自动化 班级:2010020101 姓名: 学号: 指导老师:王林鸿 :摘要,滚动轴承是旋转机械中应用最广的机器零件,也是最易损坏的元件之一 轴承的工作好坏对机器的工作状态有很旋转机械的许多故障都与滚动轴承有关,对滚动甚至造成设备损坏。因此, 大的影响,其缺陷会产生设备的振动或噪声, 轴承故障的诊断分析, 在生产实际中尤为重要。关键词:振动滚动轴承故 障诊断 Rolling bearing is the most widely used in rotating Abstract:easily machinery of the machine parts, is also one of the most damaged components. Many of the rotating machinery fault associated with rolling bearings, bearing the work of good or bad has great influence to the working state of the machine, even and of vibration or noise, produce its defect can equipment cause equipment damage. Therefore, the diagnosis of rolling bearing fault analysis, is especially important in the practical production. Key words: rolling bearing fault diagnosis vibration 引言:%30滚动轴承是机器的易损件之一,据不完全统计,旋转机械的故障约

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

滚动轴承故障诊断的频谱分析

滚动轴承故障诊断的频谱分析 滚动轴承在机电设备中的应用非常广泛,滚动轴承状态的好坏直接关系到旋转设备的运行状态,因此在实际生产过程中作好滚动轴承的状态监测与故障诊断是搞好设备维修与管理的重要环节。 滚动轴承在其使用过程中表现出很强的规律性,并且重复性强。正常优质轴承在开始使用时振动和噪声均比较小,但频谱有些散乱,幅值比较小。运动一段时间后,振动和噪声保持在一定水平,频谱比较单一,仅出现一,二倍频,极少出现三倍工频以上频谱,轴承状态非常平稳,进入稳定工作期。持续运行后进入使用后期,轴承振动和噪声开始增大,有时出现异音,但振动增大的变化比较缓慢,此时,轴承峭度值开始突然到达一定值。可以认为此时轴承出现了初期故障。这时就要对轴承进行严密监测,密切注意其变化。此后轴承峭度值又开始快速下降,并接近正常值,而振动和噪声开始显著增大,其增大幅度开始加快,其振动超过标准时(ISO2372),其轴承峭度值也开始快速增大,当轴承超过振动标准,峭度值也超过正常值时,可认为轴承已进入晚期故障,需要及时检修设备,更换滚动轴承。 1、滚动轴承故障诊断方式 振动分析是对滚动轴承进行状态监测和故障诊断的常用方法。一般方式为:利用数据采集器在设备现场采集滚动轴承振动信号并储存,传送到计算机,利用振动分析软件进行深入分析,从而得到滚动轴承各种振动参数的准确数值,进而判断这些滚动轴承是否存在故障。采用恩递替公司的Indus3振动测量分析系统进行大中型电机滚动轴承的状态监测和故障诊断,经过近几年实际使用,其效果令人非常满意。要想真实准确反映滚动轴承振动状态,必须注意采集信号的准确真实,因此要在离轴承最近的地方安排测点。 2、滚动轴承正常运行特点与诊断技巧 滚动轴承的运转状态在其使用过程中有一定的规律性,并且重复性非常好。例如,正常优质轴承在开始使用时,振动幅值和噪声均比较小,但频谱有些散乱(图1)这可能是由于制造过程中的一些缺陷,如表面毛刺等所致。运行一段时间后,振动幅值和噪声维持一定水平,频谱非常单一,仅出现一、二倍频。极少出现三倍工频以上频谱(图2),轴承状态非常稳定,进入稳定工作期。继续运行一段时

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。

相关文档
最新文档