学年论文(模板)

滨江学院

学年论文

题目旋转设备故障诊断的关键技术研究

院系自动控制系

专业测控技术与仪器

学生姓名卞雨晴

学号20072341902

指导教师张永宏

职称教授

二Ｏ一Ｏ年十二月二十八日

旋转设备故障诊断的关键技术研究

卞雨晴

南京信息工程大学滨江学院，测控技术与仪器2007级

摘要：旋转机械包含一系列关键机械设备，在现代工业中占据着举足轻重的作用，因此保证旋转机械的安全可靠运行对企业和国民经济有着重要的意义。论文针对大型机械的复杂性以及其所处环境可能在野外恶劣的现实情况，设计了一套基于LABVIEW的的远程监测和智能故障诊断系统，对旋转机械的运行环境、电流和振动信号运行实时监测，并对采集的信号利用小波，神经网络等各种现代信号处理的技术进行分析，进而判断电机工作状态。本课题是根据石化企业旋转设备运行管理的实际需要，结合当前的Web技术、信号分析技术和设备诊断技术，进行的远程监测诊断系统的研究。

关键词：旋转设备：故障诊断：关键技术：LABVIEW：Web技术

1 故障诊断的意义及背景

随着现代科学技术在设备上的应用，旋转机械设备越来越人型化，复杂化，自动化程度也越来越高，由于机械设备安装不当，维护管理不善，检修质量不良等各种不确定因素的影响，会导致旋转机械出现各种故障。生产过程中经常发生的旋转机械故障，会导致生产过程不能正常运行或引起链式反应导致整个设备遭受损坏从而造成巨大的经济损失，因此，及时发现旋转机械的早期故障，消除事故，是一个十分迫切的现实问题。

故障诊断技术是利用采集机械设备在运行中的状态信息，通过对所测得的信号进行分析和处理，并综合诊断对象的历史状态，来定量识别机械设备及其零部件的实时状态，从而确定必要的对策的技术。其基本宗旨就是运用现代信号处理的方法及技术的新成就发现机械的隐患，以测对设备事故防范于未热然。随着计算机技术，网络技术的高速发展，使新的测试理论，新的测试方法不断涌现。网络技术与虚拟仪器的结合产生了网络化的虚拟仪器。本文中将故障诊断算法嵌入到网络化的虚拟仪器中，从而实现了对旋转机械的远程监测和故障诊断。

2 故障诊断的方法

设备故障诊断是一种探索性的过程，设备故障诊断的复杂性决定了设备故障信息（征兆）的复杂性。不同的故障在提取其相对应的故障特征时应采用不同的方法，要不断地从各种学

科中广泛的探求有利于故障诊断的原理、方法和手段，才能使故障诊断技术不断的得以完善。

2.1传统的故障诊断方法

传统的方法是利用各种物理的和化学的院落里和手段，通过伴随故障出现的各种物理和化学现象，直接检测故障，例如：可以利用振动、声、光、热、电、磁、射线、化学变化等多种手段，观测其变化规律和特征，用以直接检测和诊断故障。这种方法形象、快速，十分有效，但只能检测部分故障。

利用故障所对应的征兆来诊断故障时最常用的、最成熟的方法。例如，旋转机械，振动、频谱分析和轴心轨迹的征兆是最能反映故障特点、最有利于进行故障诊断的技术手段，为此，要准确的半段故障的类型，就要深入研究各种故障的机理和所对应的征兆，在诊断过程中，首先分析设备运转中所获取的各种信号，提取信号中的各种特征信息，从中获取与故障相关的征兆，利用征兆进行故障诊断。由于故障和各种征兆并不存在一一对应的关系，因此利用征兆进行故障诊断往往是一个反复探索和求解的过程。只有不断的研究试验，不断的总结经验，才能有效准确地进行故障诊断。

2.2 现代的故障诊断方法

在传统的诊断方法的基础上[2]，将人工智能（Artificial Intellifence）的理论和方法用于故障诊断，发展智能化的诊断方法，是故障诊断的一条全新的途径，目前已广泛的应用，成为设备故障诊断的主要方向。人工智能的目的是使计算机去做原来只有人工才能做的智能任务，包括推理、理解、规划、决策、抽象、学习等功能。专家系统是是实现人工智能的重要形式。专家系统有知识库、推理机以及工作存储空间（包括数据库）组成，核心是知识的获取和知识的表示。

设备故障诊断技术作为一门学科，尚处于形成和发展之中，必须广泛利用各种学科的最新科技成就，尤其是有效地数学工具，例如基于模式识别的诊断方法，基于概率统计的诊断方法，基于模糊数学的诊断方法，基于可靠性分析和故障性分析的诊断方法，以及神经网络、小波变换、分形几何等新发展的数学分支在故障诊断中的应用[1]。

3旋转机械故障诊断技术理论基础

旋转机械的主要功能是由旋转部件来完成的，转子式其最主要的部件[7]。旋转机械发生故障的主要特征是机器伴有异常的振动和噪声，其振动信号从幅域、频域和时域反映了机器的故障信息。因此，了解旋转机械在故障状态下的振动机理，对于监测机器的运行状态和提高诊断故障的准确率都非常重要。利用振动检测系统可及时发现和识别这些异常振动现象，

通过振动发展趋势观察分析，控制或减少振动，避免发生重大事故。

3.1 旋转机械的故障诊断系统的结构

旋转机械的故障诊断系统从结构上可分为硬件和软件两大部分。

3.1.1 硬件

1）电平转换

在机组监测中测量的信号一般为负电压（-4V—24V）,从而A/D转换器的允许电压为 V,所以传感器的信号必须经过电平转换才能符合A/D转换器的输入要求。具体实现时可5

选用运算放大器组成放大器电路，实现变换与放大功能。

2) 光电隔离

当被测量进入微机系统，对模拟量进行隔离是不可缺少的环节。有专门的光电隔离器来完成。一般情况下，监测与诊断系统强电厂、强磁场的环境中，光电隔离就是为了提高系统的抗干扰能力，保护A/D转换及计算机系统而设计的。同时还可以提高模拟信号的精度，降低噪声，增强系统的抗干扰能力。

3）电流/电压转换

有一部分传感器信号，如轴承温度、压力、胀压挤负载等，他们是一个比较微弱的电流信号，而A/D转换器需要的是电压信号，为此而需要进行电流/电压变换。

4)A/D转换

A/D转换时数据采集器的核心部件，它的任务是把连续变化的模拟信号转换成能让计算机处理的离散信号。

3.1.2 软件

为了使系统的硬件充分发挥作用，必须有良好的软件来支持，根据硬件功能的要求，软件相应的划分为：采集软件、监测分析软件和诊断软件。采集软件负责机组监测信号的采集和存储等：监测软件负责分析数据、报警和大部分的事物性功能；诊断软件负责故障的诊断、定位、计算处理意见及相应的维修咨询决策等。

数据采集的任务包括信号采集和信号预处理，信号预处理包括变换、放大、滤波、限幅以及单位转换、错点剔除、零均值化处理等：

状态监测的任务是在数据采集的基础上对机组的状态进行判别和分类，给住机组的状态报告，包括信号分析，频谱分析，轴心轨迹图，机组状态的显示，机组日常报表管理及档案管理等；故障诊断的任务主要是诊断故障发生的原因，部位并给出故障对策等。