设备状态监测与故障诊断作业

煤气鼓风机是对初冷后的焦炉煤气进行增压， 经净化系统净化后输送到煤气 储存罐， 供用户使用。 机组的故障种类多， 且许多故障非常隐蔽， 如转子不平衡、 不对中、 推力轴承损坏、 油膜涡动、 动静件摩擦、 联接松动等。 当有故障报警后， 不及时诊断故障种类、原因、部位和严重程度，将严重影响煤气鼓风机组运行的 经济性和安全性， 严重影响正常生产。因此要为这套机组安装状态监测与故障诊 断系统，并要求其具有如下的功能： 1）实时监测机组振动大小，与标准对比，判别机组状态，进行声光报警。 实时监测机组的转速。实时对振动信号进行简要分析及显示。 2） 具有实时智能诊断功能， 可进行多种信号算法分析， 自动提取信号征兆， 并根据故障的条件推理出供参考的故障结论。对故障类型及严重程度进行判别。 同时故障诊断专家系统具有学习功能。 3）采集的数据由计算机进行存储，建立数据库，系统的数据库信息主要是 供人工状态分析，事故原因分析等。 4）对历史数据进行离线精密分析。 1、煤气鼓风机系统的测点布置 煤气鼓风机系统的测点布置如图 4 所示。 图 4 中 RPM 为转速传感器，检测煤气鼓风机实际转速，便于控制煤气鼓风 9 机转速。 S15 为推力轴承轴向位移传感器， 检测煤气鼓风机转子轴向窜动信号。 S16 为推力轴承轴向位移传感器，检测电机轴向窜动信号。S11～S14 为安装在 煤气鼓风机轴承座上直接测量煤气鼓风机转轴的振动信号， S1～S10 为安装在轴 承座上的速度传感器， 对检测的速度信号进行积分变换， 可转换为振动位移信号。
滚动体在内圈上的通过频率 Zfic 为： Z × fic = 1 d × Z × (1 + cos α) × fr 2 D
滚动体在保持架上的通过频率fbc 为： fbc = 1 D d × × fr [ 1 − ( cos α)2 ] 2 d D
三： 针对某个机组对象建立其状态监测与故障诊断系统， 描述测点分 布、硬件结构组成及各部分功能。 煤气鼓风机组在线监测与故障诊断系统：
f fc / n f s / N
式中， f ——频率间隔，即频率分辨率； fc ——分析频率范围，即最高分析频率；
f s ——采样频率，一般取 f s =2.56 fc ；
n——谱线条数； N——采样点数。 （2）倒频谱分析法： 频谱图的幅值有两种表示方法:一种是以振幅形式表示， 称为幅值谱；另一种以能量形式表示，称为功率谱。功率 谱是用来研究各频率成分的能量在频域上的分布。频谱图 纵坐标的刻度也有两种表示方法 :一种是线性坐标，另一 种是对数坐标。线性坐标的优点是直观，缺点是不能同时 显示数值相差很大的成分；而对数坐标恰恰相反，可以同 时显示出数值相差很大的频率成分，但这些成分之间是不 成线性比例关系的。 幅值谱的纵坐标为线性坐标，功率谱的纵坐标一般为对数 坐标。对数坐标以分贝[dB]表示，其定义为
研究生课程考核试卷
（适用于课程论文、提交报告）
科 姓 专
目：设备状态监测与故障诊断 名： 业： 黄启然 车辆工程
教 学 类
师： 谢志江 号： 20110702211 别： （ 学术）
上课时间： 考 生 成 绩：
2012 年 4 月至 20
阅卷评语：
阅卷教师 (签名)
其中：S1～S10 —振动速度传感器；S11～S14—位移传感器；S15～S16—位移传感器； RPM—转速传感器. 图 4 测点布置简图
2、系统硬件选型 整个系统的运行建立在系统硬件的正确连接和正常工作的基础上。 本系统的 硬件包括信号采集子系统、 计算机子系统及辅助部件等部分。信号采集子系统的 硬件主要包括电涡流振动位移传感器及前置器、速度传感器、转速传感器、网络 数据采集卡、交换机、各类型电缆等。 1）传感器 传感器是将测试中的振动、温度、压力、噪声等具有不同物理特性的信号转 换为电信号的仪器。其输出的电信号分为两类：一类是电压、电荷及电流；另一 类是电阻、电容和电感等电参数。 2） 网络数据采集卡 本系统采用网络数据采集卡，它集信号调理仪和 A/D 的功能于一体，是新 型外置式 A/D 产品。它使用国际标准网络接口规范 TCP/IP 协议，采集卡还使 用了自动通道扫描技术和 FIFO 缓冲存储器， 因而具有自动数据块采集能力和极 高的数据传输效率， 可圆满地实现实时数据处理、连续快速采集存盘等高级数采 功能。由于采用的以太网络技术，使远距离数据采集成为可能，通过网线可实现 100 米以外的数据采集。 3）其它硬件组成的选择 其它重要的硬件包括服务器和交换机等。 3、系统的功能模块组成 煤气鼓风机状态监测与智能诊断系统可以实现数据采集、 风机状态实时监测、 信号精密分析、故障诊断、系统管理等功能。系统各部分的功能模块图如图 2.3 所示:
多尺度时频分析手段和良好的逼近特性。
二：叙述滚动轴承的特征频率推导计算过程。
为分析滚动轴承各部运动参数，需要先做如下假设： (1) 滚道与滚动体之间无相对运动。 (2) 承受径向、轴向载荷时各部分无变形。 (3) 内圈滚道旋转频率为������������ 。 (4) 内圈滚道旋转频率为������ ������ 。 (5) 保持架旋转频率为������ ������ 。 则滚动轴承工作时各点的转动速度如下： 内滚道：Vi = 2 × π × r1 × fi = π × fi × (D − d cos α)。 外滚道：Vo = 2 × π × r1 × fo = π × fo × (D + d cos α)。 保持架：Vc = 2 × Vi + Vo = π × fc × D。 所以可以计算出保持架的旋转频率fc = 2π D × Vi + Vo 1 d d = [ 1 − cos α fi + 1 + cos α fo ] 2 D D 单个滚动体在外轨道上的通过频率即保持架相对外圈的旋转频率为： 1 d foc = fo − fc = fo − fi (1 − cos α) 2 D 单个滚动体在内轨道上的通过频率即保持架相对内圈的旋转频率为： 1 d fic = fi − fc = fo − fi (1 + cos α) 2 D 从固定在保持架上的坐标系来看，滚动体与内圈作无滑动滚动，它的旋转频 率之比与2r 成反比。由此可得滚动体相对于保持架的旋转频率（滚动体的自
Ad 20lg( A / Ar )
式中， Ad ——基准幅值，常取 Ad =1V。 (3) 齿轮传动故障的诊断方法： （1） 基于小波分析的齿轮传动故障诊断方法。齿轮箱故障诊断 的四个步骤依次为信号检测、特征提取(信号处理)、状态 识别和诊断决策。目前最常用的齿轮故障诊断方法有时域 分析和频域分析两种,而这些方法在诊断齿轮的局部缺陷 时往往都存在着一些不足。而小波分析是一种全新概念的、 变分辨率的时域 -频域局部分析方法 , 它在一定程度上弥 补了傅立叶变换和 STFT 变换的不足,可对指定的频带和时 段内的信号进行准确的分析。这样我们就可以实时采集示
功图并对它进行分析 , 这就是小波分析具有的特殊优点 , 这对诊断齿轮箱的故障提供了便利。 （2） 基于相关分析与小波变换齿轮传动故障诊断的方法。相关 函数具有降噪特性,同时它还不改变信号的调制特性。信
T x(t)x(t+ )dt ， 号 x(t ) 的自相关函数可表示为 R x ( )T lim 0 t
f1 ; 从轮转速为 n2 , 齿数为 z2 , 频率为 f 2 , 则齿轮啮合频率 fc 为 :
n1 n z1 N 2 z2 。当齿轮处于正常或异常状 60 60 态时 , 啮合频率的振动部分及其倍频总是存在的 ,但这两种状态 下的振动水平是有差异的。如果仅仅依靠对齿轮振动信号的啮合 频率和它的倍频成分的差异来判别齿轮的故障是远远不够的 ,因 为故障对振动信号的影响往往是多方面的 ,这其中就包括幅值调 制、频率调制和其他的频率成分。 f c Nf1 z1 Nf 2 z2 N
重庆大学研究生院制
一：试叙述齿轮啮合频率产生的机理及齿轮故障诊断的方法。
答：假设齿轮转动副主动轮转速为n1 ，齿数为z1 ，从动轮相应为n2 ，z2 。 产生机理： (1) 载荷交变： 齿轮在传动过程中， 每个齿轮周期的进入和退出啮合， 对直齿圆柱齿轮来说，其啮合区分为单齿啮合区和双齿啮合区， 在单齿啮合区。全部载荷由一对齿副承担，而在双齿啮合区，载 荷由两对齿副承担。很显然，在单双齿啮合区的交变位置，每对 齿轮副所承担的载荷将发生突变，从而激发齿轮振动。 (2) 轮齿的刚度变化：传动过程中，每个轮齿的啮合点均从齿根向齿 顶或从齿顶向齿根逐渐移动，由于啮合点沿齿高方向不段变化， 各啮合点处齿轮副的啮合刚度也随之变化，从而使齿轮产生振动。 (3) 由于齿轮的受载变形，其基节变化，在齿轮进入啮合合退出啮合 时，将产生啮入冲击和啮出冲击。 (4) 在齿轮副啮合时，当啮合点与节点重合时，齿轮间是纯滚动，而 在两边是滑动，且摩擦力的方向相反，每啮合一次力的方向变化 一个周期，产生振动。 这种振动是以每齿啮合为基本频率进行的，该频率为啮合频率
fm =
z 1 ∗n 1 60
=
z 2 ∗n 2 60
。
齿轮故障诊断方法： 由于齿轮发生故障的时候都会产生一些振动，因此对齿轮故障的诊 断方法主要是基于对齿轮的振动情况进行分析，得出齿轮是否存在 故障的结论。 (1) 齿轮的振动特征： 在齿轮运转的状态下 , 随着内部故障的发生和发展 , 必然会产生 振动上的异常。经实践证明,振动分析在齿轮故障检测的方法中 是一种最有效的方法。若齿轮副主轮转速为 n1 ,齿数为 z1 ,频率为
_
T _
式中： x(t ) 是 x(t ) 的共轭函数。随机噪声信号的自相关函
Rx( )=Kb 数 Rx( ) 可表示为： sin(2 B ) 。 式中:K 为系数;B 2 B
为信号频带宽度。当滞后量τ 增大到一定程度时, Rx( ) →0,即表示当时间滞后很大时,随机噪声的自相关函数将 衰减掉。 设调幅信号为： X （t） =Aejxtejwt， 从而 Rx(t)=A2ejxtejwt。 可见 , 调幅信号的自相关函数仍为调幅信号 , 调制频率和 载波频率则均不改变。齿轮故障的特征信息与调制频率的 成分密切相关,自相关函数保留了有关齿轮故障的特征信 息,因而在齿轮故障的诊断中得到了应用。 （3） 基于小波包和 BP 神经网络的齿轮传动故障诊断方法。小 波包分解是一种有效的对齿轮箱振动信号特征进行提取 的方法,它能很好地提取振动信号在各个频带上的特征信 息,而信号在各频带上的特征向量也能很好地表征齿轮的 运行状态。 在故障识别中应用 BP 神经网络,通过学习网络， 准确地建立状态分类器 ,能较好地解决故障诊断中状态的 模式识别问题。所以可以说小波包分解与神经网络相结合 的齿轮箱齿轮故障识别方法是可靠的 ,可以准确识别齿轮 箱齿轮的故障。最后一种就是基于粒子群优化的小波神经 网络齿轮传动故障诊断方法。小波神经网络是小波理论与 神经网络理论相结合的产物。该网络既具有非线性映射能 力、神经网络的泛化能力和学习能力 ,又具有小波变换的