风电故障诊断技术
风电机组故障诊断综述
风电机组故障诊断综述风力发电是一种清洁、可再生的能源，受到了全球范围内的广泛关注和应用。
风力发电系统在长期运行中难免会出现各种故障，这些故障会影响发电效率，甚至导致系统的损坏。
对风电机组故障的及时诊断和维修显得尤为重要。
风电机组的故障诊断是一个复杂的过程，需要充分考虑风力机组的结构特点、工作原理、运行条件等因素。
本文将从风电机组故障诊断的现状和发展趋势、故障诊断方法、故障诊断技术等方面进行综述，旨在为相关领域的研究和实践提供参考。
一、风电机组故障诊断的现状与发展趋势随着风力发电技术的不断发展和成熟，风电机组故障诊断技术也得到了长足的进步。
目前，风电机组故障诊断已经成为风力发电领域的一个热门研究课题，相关研究在国内外得到了广泛开展。
在风电机组故障诊断的研究中，越来越多的学者和工程师开始关注风力机组系统的健康管理(HM)技术。
HM技术是通过监测、诊断和维护来保证风力机组的安全、可靠和高效运行。
HM技术在风电机组故障诊断中的应用，能够及时发现和预测故障的发生，并采取相应的维修措施，从而提高风电机组的可靠性和利用率。
随着人工智能、大数据等技术的不断进步和应用，风电机组故障诊断技术也得到了很大程度的提升。
人工智能技术能够通过对大量监测数据的分析和处理，实现对风电机组运行状态的实时监测和故障诊断，为风力发电系统的运维管理提供了新的思路和方法。
未来，风电机组故障诊断技术将继续朝着智能化、自动化、网络化的方向发展，利用先进的传感器技术、大数据分析技术等手段，提高对风电机组运行状态的监测和分析能力，实现对风电机组系统的全面管理和控制。
风电机组故障诊断的方法主要包括基于数据驱动的方法和基于物理模型的方法两种。
1. 基于数据驱动的方法基于数据驱动的方法是通过对风电机组系统的监测数据进行分析和处理，从而实现对故障的诊断和预测。
这种方法的核心是利用数据挖掘、统计分析等手段，挖掘出与故障相关的特征信息，从而识别和分析故障的原因和性质。
风电机组故障诊断综述
风电机组故障诊断综述风电机组作为清洁能源领域的重要组成部分，已广泛应用于世界各地。
风电机组的运行稳定性和可靠性对于提高风能利用效率和降低运维成本具有重要意义。
受环境因素和机械设备自身原因影响，风电机组在运行过程中难免会出现各种故障，导致降低发电效率或者甚至停机。
风电机组的故障诊断和维护成为了一项重要的工作。
风电机组的故障诊断是指通过对机组各部件运行状态的监测和分析，及时发现和定位故障原因，以便及时采取措施进行修复。
故障诊断的目的是提高风电机组的可靠性和利用率，降低运维成本，延长设备寿命。
目前，风电机组故障诊断主要分为两大类，一类是基于传统的机械设备运行维护经验的故障诊断方法，另一类是基于先进的监测技术和数据分析的智能故障诊断方法。
下面将对这两类故障诊断方法进行综述，并分析其优缺点和发展趋势。
1. 传统的故障诊断方法传统的风电机组故障诊断方法主要依靠运维人员的经验和技术水平。
运维人员通过观察和分析机组的振动、声音、温度等运行参数，结合设备的使用历史和维护记录，判断机组是否存在故障，并对故障原因进行初步推测。
这种方法具有操作简便、成本低廉等优点，适用于一些简单的故障诊断场合。
传统的故障诊断方法也存在着以下几个方面的不足：依靠人工经验进行故障诊断容易出现主观性和片面性，导致故障判断不准确；传统的故障诊断方法对运维人员的技术水平要求较高，且受个人能力和经验限制，难以满足风电机组大规模化和智能化的维护需求；传统的故障诊断方法无法对机组运行参数进行实时监测和分析，难以发现潜在的故障隐患。
随着信息技术和智能监测技术的发展，智能故障诊断方法逐渐成为风电机组故障诊断的主流方向。
智能故障诊断方法主要包括振动监测、声音监测、温度监测、油液分析、数据挖掘等技术手段，通过对风电机组运行参数的实时监测和数据分析，识别和定位故障原因，实现对机组运行状态的智能化管理和维护。
在智能故障诊断方法中，振动监测是应用最为广泛的一种技术。
风电机组故障诊断综述
风电机组故障诊断综述随着风电技术的快速发展，风电机组的故障诊断成为了风电运维中的重要环节。
本文将对风电机组故障诊断的研究和应用进行综述，包括故障诊断方法、诊断技术和应用案例等方面的内容。
一、故障诊断方法风电机组故障诊断方法主要包括基于物理模型的方法、基于数据驱动的方法和基于统计学方法。
基于物理模型的方法包括使用电气模型、机械模型和流体模型等来建立风电机组的数学模型，通过对模型进行分析和仿真来诊断故障。
基于数据驱动的方法通过采集风电机组的实时数据，使用数据挖掘和机器学习的方法来建立故障模型，从而进行故障诊断。
基于统计学方法则是通过对大量风电机组数据进行统计分析，找出故障的概率分布特征，从而进行故障诊断。
风电机组故障诊断技术主要包括信号处理技术、特征提取技术和故障诊断算法。
信号处理技术主要包括滤波、降噪和特征提取等方法，用于对采集的传感器信号进行预处理。
特征提取技术主要包括时域分析、频域分析和小波分析等方法，用于从采集的数据中提取故障特征信息。
故障诊断算法主要包括贝叶斯网络、支持向量机和神经网络等方法，用于建立故障模型并进行故障诊断。
三、应用案例风电机组故障诊断在实际应用中已取得了一系列的成果。
利用门架振动传感器数据对风电机组变频器输出电流故障进行诊断，通过特征提取和支持向量机算法进行故障诊断，取得了良好的诊断效果。
利用风电机组振动加速度传感器数据对齿轮箱故障进行诊断，通过小波分析和神经网络算法进行故障诊断，也取得了较好的诊断效果。
总结：风电机组故障诊断是风电领域的重要研究方向，不仅对提高风电机组的可靠性和可用性具有重要意义，也对风电运维的效率和经济性有着重要影响。
当前，基于物理模型、数据驱动和统计学的故障诊断方法仍在不断发展，并且越来越多的应用案例也表明了故障诊断技术的可行性和有效性。
相信随着技术的不断进步，风电机组故障诊断将取得更大的发展。
风电机组故障诊断综述
风电机组故障诊断综述风电机组是利用风能来产生电力的设备，它在发电过程中具有高效、无污染的优点。
但是在长期运行过程中，风电机组也难免会出现各种故障，这些故障可能会影响发电效率，甚至导致设备的损坏。
因此对于风电机组的故障诊断至关重要。
本文将对风电机组故障诊断进行综述，介绍风电机组故障的常见类型、诊断方法以及发展趋势。
一、风电机组故障的常见类型1. 叶片故障风电机组的叶片是捕捉风能的关键部件，叶片的损坏会严重影响风力发电系统的性能。
常见的叶片故障包括裂纹、腐蚀、磨损等，这些故障会导致叶片形状变化、结构松动等问题。
2. 主轴故障主轴是风电机组的核心部件之一，主要承担叶片和风机的扭转力。
主轴故障包括轴承故障、主轴弯曲、主轴松动等，这些故障会导致风机转子的不稳定运行，进而影响整个发电系统的性能。
3. 发电机故障发电机是风电机组的电力转换部件，常见的故障包括绕组短路、轴承故障、发电机定子和转子绝缘损坏等，这些故障会导致发电机输出功率下降，甚至完全失效。
4. 控制系统故障风电机组的控制系统是保障风机安全运行和稳定发电的关键部件，常见的故障包括传感器故障、控制器故障、通信故障等，这些故障会引起风机异常运行、停机或者损坏。
二、风电机组故障诊断方法1. 振动分析振动信号是风电机组故障的重要特征之一，通过对风电机组在运行过程中的振动信号进行分析，可以判断风电机组各部件的运行状态。
振动分析方法包括频谱分析、波形分析、共振频率分析等。
3. 热像诊断风电机组各部件在运行过程中会产生不同的热量，通过红外热像技术可以对风电机组各部件的温度分布进行检测和诊断，判断是否存在异常热点，从而判断各部件的运行状况。
4. 数据分析风电机组在运行过程中会产生大量的数据，通过对这些数据进行采集和分析，可以了解风电机组各部件的运行状况，及时发现并诊断故障。
5. 综合诊断综合利用以上各种诊断方法，对风电机组进行综合诊断，从静态和动态两个方面全面了解风电机组的运行状态，及时判断和排除故障。
风力发电机故障诊断技术分析
风力发电机故障诊断技术分析摘要：随着风电的发展，风机分布及风力机选型问题是风电场经营者必须考虑因素，尽可能地保证机组的发电能力，该试验不仅证实机组可以按照设计要求安全运行，同时也对其发电能力进行了验证，基于此，本文对风力发电机组常见运行故障以及风力发电机故障诊断技术的措施进行了分析。
关键词：风力发电；机组；故障诊断；故障预测1 风力发电机组常见运行故障1.1 叶片故障风力发电机组中叶片是其主要构件之一。
机组在工作过程中叶片将承受十分巨大的压力，由于机组全天候运作，因此叶片承受的压力会伴随在机组运行全程，是最容易出现故障的构件之一。
比如，叶片运行时会和蒸汽和空气接触，在压力的影响下会加快叶片腐蚀，从而出现陀螺的问题。
当叶片运作时间过长时，内部配件容易出现松动的问题，从而导致叶片连接不稳定，引发故障。
如果叶片受外力影响产生裂纹及形变，将释放出高频瞬态的声发射信号，此信号是叶片损伤评估的主要途径之一。
当叶片出现故障后，将导致叶片的转子受力失衡，此种受力会通过主轴传送到机组内部，从而导致机舱出现震动，轻者导致局部故障，重者导致机组基础失衡。
1.2 齿轮箱故障风力发电机组中齿轮箱的作用是连接机组主轴和发电机，可让主轴转速更快，一方面满足机组运行需求，另一方面提升经济效益。
齿轮箱中包含行星齿轮和两级平行齿轮两部分，由于齿轮箱工况恶劣，且运行中受力情况复杂，当机组处于运行状态时很容易对齿轮箱施加冲击力与交变应力，促使齿轮箱出现磨损、滑动等问题。
齿轮箱作为内部构件，大多数情况不暴露在空气中，因此发生故障的几率很小。
即便如此，齿轮箱仍然是故障诊断与异常排查的重要环节，这是因为齿轮箱故障后机组将无法运行，并且齿轮箱维修周期较长，且维修费用高昂，所以齿轮箱故障诊断是近年风电机组故障诊断的核心方向，是确保风电机组稳定运行的基础。
2 风力发电机故障诊断技术的措施2.1 实施高电压状态、低电压状态短时运行策略使双馈风力发电机组具备高电压穿越的能力；在以上措施的基础上，再增加如下技术措施：（1）当电网电压出现过低时，动态调节风力发电机的定子和网侧变频器GSC的无功功率，结合高阻抗电压的变压器，能将风机出口电压最大上调20%Un，让双馈风力发电机组在较低电压状态下短时运行；（2）当电网电压出现异常增高时，动态调节风力发电机的定子和网侧变频器GSC的无功功率，结合高阻抗电压的变压器，能将风机出口电压最大下调20%Un，让双馈风力发电机组在较高电压状态下短时运行；所述Un为风力发电机组额定电压。
风电机组的故障诊断与检测
风电机组的故障诊断与检测随着环保意识的不断增强以及对化石能源的依赖度不断降低，可再生能源逐渐成为各国政府重点支持的发展领域之一。
而其中又以风能发电技术的运用最为广泛，风电机组的各种类型已经遍布全球。
然而，与此同时，风电机组的故障率也逐渐高涨，影响了其正常工作与发电能力。
因此，相关部门和企业需要对风电机组进行故障诊断与检测，以保证设备的稳定运行，以及提高其发电效率。
一、风电机组的工作原理在了解风电机组的故障诊断与检测之前，我们需要先了解其运转原理。
风电机组是利用风能产生机械能，在经过多级传动后驱动发电机发出电能。
在风轮所在的翼片上，风力经过捕捉后带动整个转子开始旋转，形成机械能；转子旋转的同时，增速器将转子旋转速度提高并带动发电机发出电流；另一部分电流则直接流回电网中成为电能。
整个过程不涉及化石能源，不会产生大气污染和温室气体释放，具有重要的环保意义。
二、风电机组的故障类型尽管风电机组由众多的零部件组成，但与其他重要的工业设备一样，它们也遭遇许许多多的故障。
从风电机组的运作原理来看，风能资源本身就有一定的不稳定性，包括风速，角度和方向等因素。
而这些因素都可能会引起以下几种故障：1. 绝缘失效由于长期作用于风电机组的高电压和各种环境因素的影响，绝缘材料会逐渐老化。
当材料老化到极限时，就有可能导致绝缘分解和毁坏。
2. 风轮叶片断裂风能作为风电机组的主要动力，而风轮叶片是风能转化为机械能的关键部件。
由于长期的风蚀和物理损坏，叶片可能会出现失衡、裂缝甚至断裂的情况。
3. 控制系统故障风电机组的控制系统是整个设备运作的核心。
其中，传感器的隐蔽性和不易发现性，容易引起故障，如方位、转速、温度传感器等。
4. 发电机故障发电机直接影响着风电机组的电产出能力和效率，因此若发电机出现损坏，则会影响到风电机组的正常工作。
三、风电机组的故障诊断与检测方法为了避免风电机组在工作中发生故障，需要对其进行诊断与检测。
基于故障的类型和风电机组的构造，我们可以采取以下通用方法：1. 检查风能风场风能的稳定和充分是保证风电机组正常工作和性能待遇的基础，因此对风能风场的位置、高度、大小、方向等各种信息进行综合分析，可以有效地预防或解决一些故障问题。
风电机组的故障诊断与维护技术
风电机组的故障诊断与维护技术在当今能源转型的大背景下，风能作为一种清洁、可再生的能源，其开发和利用日益受到重视。
风电机组作为将风能转化为电能的关键设备，其稳定运行对于保障风能的高效利用至关重要。
然而，由于风电机组通常安装在偏远、恶劣的环境中，长期受到复杂多变的气候条件和机械应力的影响，容易出现各种故障。
因此，掌握有效的故障诊断与维护技术，对于提高风电机组的可靠性和运行效率，降低运维成本，具有重要的意义。
风电机组的故障类型多种多样，常见的包括机械故障、电气故障和控制系统故障等。
机械故障主要包括叶片损伤、齿轮箱故障、轴承磨损等。
叶片作为风电机组捕捉风能的关键部件，容易受到风沙、雷击等因素的影响，出现裂纹、腐蚀等问题。
齿轮箱作为增速装置，承担着将低速的风轮转速提高到发电机所需转速的重要任务，由于其工作时承受着巨大的载荷和复杂的应力，容易出现齿轮磨损、断齿、润滑不良等故障。
轴承作为支撑旋转部件的关键元件，长期在高速、重载的条件下工作，容易出现磨损、疲劳、过热等问题。
电气故障主要包括发电机故障、变频器故障、电缆故障等。
发电机作为将机械能转化为电能的核心部件，容易出现定子绕组短路、转子励磁故障等问题。
变频器作为控制电机转速和功率的关键设备，容易出现功率模块损坏、控制电路故障等问题。
电缆作为传输电能的通道，容易出现绝缘老化、短路等故障。
控制系统故障主要包括传感器故障、控制器故障、通信故障等。
传感器作为采集风电机组运行状态信息的重要元件，容易出现测量误差、失效等问题。
控制器作为控制风电机组运行的核心部件，容易出现程序错误、逻辑混乱等问题。
通信故障则会导致风电机组各部件之间的信息传输中断，影响系统的正常运行。
针对风电机组的故障，需要采用有效的诊断方法进行及时准确的检测和定位。
目前，常用的故障诊断方法主要包括基于振动监测的方法、基于温度监测的方法、基于油液分析的方法、基于电气参数监测的方法和基于人工智能的方法等。
基于振动监测的方法是通过安装在风电机组关键部件上的振动传感器，采集振动信号，然后对振动信号进行分析处理，提取故障特征，从而诊断故障。
风力发电机状态监测和故障诊断技术的研究与进展
风力发电机状态监测和故障诊断技术的研究与进展一、本文概述随着全球能源结构的转型和可再生能源的大力发展，风力发电作为一种清洁、可再生的能源形式，其地位日益凸显。
风力发电机（Wind Turbine，WT）作为风力发电系统的核心设备，其运行状态和性能直接影响到整个风电场的发电效率和经济效益。
因此，对风力发电机进行状态监测和故障诊断技术的研究，对于保障风电系统的安全稳定运行、提高发电效率、延长设备寿命具有重要的理论和实践价值。
本文旨在全面综述风力发电机状态监测和故障诊断技术的研究现状与发展趋势。
文章首先介绍了风力发电机的基本结构和工作原理，分析了风力发电机运行过程中可能出现的故障类型及其成因。
然后，重点阐述了当前风力发电机状态监测和故障诊断的主要技术方法，包括基于振动分析的故障诊断、基于声学信号的故障诊断、基于电气参数的故障诊断等。
对近年来新兴的和大数据技术在风力发电机故障诊断中的应用进行了详细介绍。
本文还总结了风力发电机状态监测和故障诊断技术的发展趋势和挑战，包括技术方法的创新、多源信息融合技术的应用、智能化和自动化水平的提升等。
文章展望了未来风力发电机状态监测和故障诊断技术的发展方向，以期为我国风电行业的健康发展提供理论支持和技术指导。
二、风力发电机的基本原理与结构风力发电机是一种将风能转化为机械能，再进一步转化为电能的装置。
其基本原理基于贝茨定律，即风能转换效率的理论最大值约为16/27，约为3%。
风力发电机主要由风轮、发电机（包括装置）、调向器（尾翼）、塔架、限速安全机构和储能装置等构件组成。
风轮是风力发电机的主要部件，一般由2-3个叶片组成。
风轮受风力作用而旋转，将风能转化为机械能。
风轮的转速随风速的变化而变化，为了保证发电机能够在风速变化的情况下稳定工作，需要通过增速机构提高风轮的转速。
发电机则将风轮旋转的机械能转化为电能。
发电机的类型有很多，如永磁发电机、电励磁发电机等，其选择取决于风力发电机的具体设计需求和运行环境。
- 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)。
-- 名词术语
➢ 周期：物体完成一个完整的振动所需要的时间，以T0表 示。单位一般是用“秒”来表示。例如一个单摆，它的周期 就是重锤从左运动到右，再从右运动回左边起点所需要的时 间。 ➢ 频率：是指振动物体在单位时间（1秒）内所产生振动的 次数，即Hz，以f0表示。很显然，f0＝1／T0。对于旋转机 械的振动来说，存在下述令人感兴趣的频率：a）转动轴的 旋转频率；b）各种振动分量的频率；c）机器自身和基础或 其它附着物的固有频率。
15
-- 常用图谱--频谱瀑布图
用某一测点在启停机（或正常运行中）时连续测得的一组 频谱图按时间顺序组成的三维谱图就是频谱瀑布图。Z轴是 时间轴相同阶次频率的谱线集和Z轴是平行的。从图中可以 清楚地看出各种频率的振幅随时间是如何变化的。
16
-- 常用图谱--轴心轨迹图
轴心轨迹一般是指转子上的轴心一点相对于轴承座在其与 轴线垂直的平面内的运动轨迹。
据国外企业统计，采用诊断技术后事故率可减少75%，维 修费用可降低25%～50%。
4
-- 以可靠性为中心的维修
由于旋转设备70%以上的故障都可以由振动数值的变化表 现出来，因此在进行预防性维修的基础上，运转中设备有 50% 以上问题可以由振动信号的变化分析出来，在设备故障 停机之前及时解决。
据国外企业统计，采用诊断技术后事故率可减少75%，维 修费用可降低25%～50%。
17
-- 常用图谱-谱--振动趋势图
在机组运行时，可利用趋势图来显示、记录机器的通频 振动、各频率分量的振动、相位或其它过程参数是如何随时 间变化的。
19
-- 常用图谱--波形频谱图
20
-- 故障诊断
带传动系统： 带驱动相关振动.
故障诊断技术 ---振动测试
石磊 2007年05月
1
-- 以可靠性为中心的维修
第一阶段： • 损坏后修换
1940 1950
第二阶段：
• 定期大修
• 工作的计划性
• 控制系统出现
• 出现体积大、 速度慢的计算 机
第三阶段：
• 状态监测
• 可靠性和维修性设 计
• 危害分析
• 故障模式和影响分 析
• 专家系统
• 体积小、速度快的 计算机
1960 1970 1980 1990 2000 2010
2
-- 以可靠性为中心的维修
3
-- 以可靠性为中心的维修
由于旋转设备70%以上的故障都可以由振动数值的变化表 现出来，因此在进行预防性维修的基础上，运转中设备有 50% 以上问题可以由振动信号的变化分析出来，在设备故障 停机之前及时解决。
12
-- 常用图谱--波德图
波德图是反映机器振动幅值和相位随转速变化的关系曲线。 横坐标是转速，纵坐标有两个，一个是振幅峰－峰值，另一个 是相位。
13
-- 常用图谱--波德图
波德图上我们可以得到以下信息： ➢ 转子系统在各种转速下的振幅和相位； ➢ 转子系统的临界转速； ➢ 转子系统的共振放大系数(Q=Amax／ε)；一般小型机组Q
在3～5甚至更小，而大型机组在5～7；超过上述数值，很可 能是不安全的； ➢ 转子的振型； ➢ 系统的阻尼大小； ➢ 转子上机械偏差和电气偏差的大小； ➢ 转子是否发生了热弯曲。 ➢ 由这些数据可以获得有关转子的动平衡状况和振动体的刚 度、阻尼特性等动态数据。
14
-- 常用图谱--极坐标图
极坐标图是波德图的极坐标表现形式，比波德图更为直观。 图中用一旋转矢量的点代表转子的轴心，该点在各个转速下 所处位置的极半径就代表了轴的径向振幅，该点在极坐标上 的角度就是此时振动的相位角。
7
-- 名词术语
➢ 相位：是指旋转机械测量中某一瞬间机器的选频振动信 号（如基频）与轴上某一固定标志（如键相器）之间的相位 差。
振动速度相位超前振动位移90°； 振动加速度相位超前 振动速度90°； 振动加速度相位超前振动位移180°。
8
-- 名词术语
xq
1 N
N1 i0
xi4
/
xa2
3
Kxrms x'
-- 振动传感器
速度传 感器
加速度 传感器
复合传 感器
10～ 500Hz 或 10～ 1000HZ
0.2～ 10000HZ 或更高
0～ 2000HZ
轴承座的绝对 振动
轴承座的绝对 振动
转轴绝对振动 转轴相对振动 轴承座的绝对 振动 转轴在轴承间 隙内的径向位 移
不需电源，简单方便 灵敏度高 输出信号大、输出阻抗 低，电气性能稳定性 好，不受外部噪声干扰 频响范围宽 体积小、重量轻 灵敏度高
均 平方 均幅 幅值 值
C xp xrms
均峰 方值 幅值
I
xP x'
平峰 均值 幅值
峭度 波形指标 峰值指标 脉冲指标
L xP xr
方峰 根值 幅值裕度指标
9
-- 振动传感器
现场振动测试采用的传感器一般有非接触式电涡流传感器、 速度传感器、加速度传感器和复合传感器（它是由一个非接 触传感器和一个惯性传感器组成）四种。每一种传感器都有 它们固有的频响特性，其决定了各自的工作范围。
非接触测量 无磨损 牢固可靠
动态范围有限 尺寸和重量大 弹簧件易失效 受高温影响较大
不易在高温环境 下使用 装配困难、成品 率低 对被测材料敏感 安装较复杂
11
-- 常用图谱—时域波形
总体上掌握所测信号随时间的变化规律,基本应用如下： 1)根据纵坐标刻度可了解到信号大小； 2)根据横坐标刻度可大致了解某些主要频率成分， 3)某些周期性或脉冲冲击信号在时域波形上更容易发现。
5
-- 名词术语
机械振动是指物体围绕其平衡位置附近来回摆动并随时间 变化的一种运动。机械振动通常以其幅值、周期（频率）和 相位来描述，它们是描述振动的三个基本参量。 ➢ 幅值：表示物体动态运动或振动的幅度，它是机械振动 强度的标志，也是机器振动严重程度的一个重要指标。振幅 的大小可以表示为峰－峰值（P－P）、单峰值（0－P）、有 效值（RMS）或平均值（Average）。
传感器 种类 电涡流 传感器
频响特性
0～ 5000HZ 或 0～ 10000Hz
测量适用范围
转轴相对振动 轴心轨迹 轴承油膜厚度 轴位移和胀差 转速和相位
优点
非接触测量 测量范围宽 灵敏度高 抗干扰能力强 不受介质影响 结构简单
缺点
对被测材料敏感 存在机械偏差和 电气偏差的可能 及影响 安装较复杂
10