故障诊断发展.docx
《故障诊断发展.docx》由会员分享，可在线阅读，更多相关《故障诊断发展.docx（11页珍藏版）》请在冰豆网上搜索。
故障诊断发展
随着现代工业和科学技术的飞速发展，现代机械设备的功能越来越多，性能指标越来越高，组成和结构越来越复杂，自动化程度也越来越高，在现代工业化生产中的作用和影响显得越来越大。
这些发展降低了生产成本，提高了劳动生产率，改善了产品质量，节约了能源，满足了工业生产的客观要求；但是，从机械系统设计的观点来看，其设计、制造、安装、运行、维护等都相应地提出了更高的要求，这些设备一般都是机械、能源、石化、冶金、运输、航空航天等其他国民经济支柱产业中的关键重要设备，在运行过程中内部的受力、热应变、摩擦、磨损、安装不良、维护不当等主客观因素作用，一旦发生故障，轻则造成停机、停产，影响正常生产和产品质量，造成巨大的经济损失，重则造成机毁人亡的重大灾难性事故，带来不良的社会影响[1,2]。
近年来，国内外由于机械设备故障引起的灾难性事故很多，2000年9月，三峡大坝工地发生了一起由于吊耳根部裂缝引起的截带机断裂严重事故，造成3人死亡，30多人受伤，产生了极坏的社会影响[3]；2003年2月1日，美国“哥伦比亚”号航天飞机由于泡沫隔绝工艺上存在缺陷，致使泡沫从航天飞机的外部油箱上脱落下来，造成返航着陆前爆炸解体，7名宇航员身亡的人类航天史上的重大灾难[4]。
2003年4月我海军一艘361号常规动力潜艇在内长山以东我领海进行训练时，因机械故障失事，艇上70名官兵不幸全部遇难[5]。
2003年9月至2004年2月，在浙赣线、古太线、京沪线等处，发生4次因机车车轴疲劳断裂和1次因车轮疲劳断裂造成的货物列车脱轨重大事故，直接与间接经济损失达20亿元人民币[6]。
2004年2月18日上午，伊朗东北部呼罗珊省一列装有燃料和化学物品的列车发生强烈爆炸，造成近320多人死亡，450多人受伤，5个村庄遭到严重损毁，造成至少2750万美元的经济损失[7]。
2005年2月14日15时，辽宁省阜新矿业（集团）有限责任公司孙家湾煤矿海州立井发生一起特别重大瓦斯爆炸事故，共造成214人死亡，30人受伤，直接经济损失4968.9万元[8]。
2005年8月6日，哥伦比亚西加勒比航空公司的一架麦道－82客机16日从巴拿马飞往法属马提尼克岛的途中，在委内瑞拉西部山区由于发动机故障而坠毁，机上152名法国乘客和8名机组人员全部遇难[9]。
2006年1月20日19时许，青藏铁路两列工程车由于机械故障造成火车追尾，致使1死8伤的严重事故[10]。
北京时间2006年7月9日6时50分，俄罗斯一架从莫斯科出发飞往伊尔库茨克的客机A－310在降落时由于制动系统液压刹车装置失灵而冲出跑道，造成火灾，致约150人死亡，多人受伤。
且继9日发生重大空难后，10日又有3架飞机因引擎故障紧急着陆[11]。
2007年4月18日7时45分左右，辽宁省铁岭市清河特殊钢有限公司发生钢水包滑落事故，装有30吨钢水的钢包在吊运下落至就位处2-3米时，由于单位管理不善、起重设备动力系统故障而突然滑落，钢水撒出，冲进车间内5米远的一间房屋，造成在屋内正在交接班的32人全部死亡，2名操作工轻伤，直接经济损失达866.2万元的严重事故，这是多年来冶金行业最惨痛的事故[12]。
2008年3月2日4时左右，山西省朔州市平鲁区冯家岭煤矿由主斜井提升机皮带起火发生火灾事故，造成9人死亡、6人受伤[13]。
2008年6月20日，宁夏吉元冶金有限公司2号炉，熔融的硅铁出炉时，钢包脱落，铁水遇水引发爆炸，共造成2人死亡、3人重伤、11人轻伤[14]。
2008年8月20日14时45分西班牙航空公司EC-HFP号麦道82型客机在西班牙马德里巴拉哈斯国际机场起飞时冲出跑道，机身断裂成两半并燃起大火，造成153人死亡，19人受伤的重大空难[15]。
因此，对设备进行状态监测与故障诊断，消除故障隐患，防止重大事故发生，已成为当前工业领域的重要研究课题之一。
从20世纪60年代末期开始，国内外许多学者和工程技术人员对设备状态监测与故障诊断技术的理论、技术、方法及其工程应用等方面进行了大量深入的研究。
特别是近20年来，随着科学技术的不断进步，计算机技术的迅速发展和普及，已成为一门以设备运行状态为依据，以预报和诊断设备故障为目的较为完整的新兴边缘综合性工程学科。
应用先进的故障诊断技术，不仅可以发现早期故障，避免恶性事故的发生，还可以从根本上解决设备定期维修中的维修不足和过剩维修的问题。
譬如，日本采用故障诊断技术后，事故发生率减少了75%，维修费降低了25~50%；美国Pekrul发电厂实施故障诊断技术的生产与投入比高达36：
1；我国冶金行业每年用于设备维修的费用高达250亿元，若推广故障诊断技术，则每年可以减少事故50~70%，节约维修费用10~30%[16]。
由此可见，设备的状态监测与故障诊断不仅可以保证设备的安全可靠运行，实现设备维修制度由“事后维修”到“预知维修”的科学转变，提高企业和设备的管理水平，而且还可以避免重大事故的发生，降低事故的危害性，具有重大的经济效益和积极的社会效应。
齿轮传动由于其承载能力大、传动比固定、精度高、结构紧凑等优点，是改变转速和传递动力最常用的传动部件，因此齿轮箱成为机械设备一个重要的子系统。
近年来，随着机械设备特别矿山冶金机械向重载、高效方面的发展，对齿轮传动的承载能力、传动精度、无故障工作时间、振动和噪声等方面的要求越来越高。
由于齿轮箱结构复杂，在运行过程中会受到力、热及摩擦、磨损等作用，其运行状态不断发生变化，由此而引发的齿轮故障时有发生，导致机械设备的整体性能下降，乃至造成严重设备事故和重大经济损失。
譬如，行驶中机车的齿轮箱故障将直接造成严重事故；矿山机械的提升机齿轮箱故障造成的停机损失难以估计；水泥行业，水泥磨齿轮箱故障使水泥产量每年减少200万吨以上；1992年太原钢铁公司制氧车间内制氧设备上的一对高速齿轮突然发生故障，造成该公司的所有炼钢、轧钢分厂运行瘫痪，导致整个公司停产检修三天，同时紧急从德国空运设备所需的高速齿轮对，使公司蒙受了巨大的经济损失。
由此可见，齿轮箱一旦发生故障，往往会导致严重的后果。
因此，必须在事故发生前诊断出故障并加以消除，亦即在齿轮运行过程中对其运行状况及时作出准确判断，采取相应的对策消除事故隐患，杜绝事故的发生。
这样就可以大大提高机器运行的可靠性和有效工作时间，为机器设备的正常维护和检修合理地安排时间、进一步提高机器的使用率，从而为企业节省大量的资金。
因此，对齿轮箱运行状态进行监测和故障诊断具有重大的现实意义，齿轮箱故障诊断技术的研究和应用也是非常重要的课题。
1.2故障诊断技术的研究现状与发展
设备状态监测与故障诊断技术是一个多学科交叉的综合性技术，涉及振动理论、信号处理、计算机、电子、声学、光学、人工智能、模糊数学等众多知识领域，最早起源于美国，1967年在美国国家宇航局（NASA）的创导下，由美国海军研究室（ONR）主持成立了美国“机械故障预防小组（MFPG）”；在英国，60年代末70年代初期，以科拉科特为首的“英国机器保健中心（U.K.MechanicalHealthMonitorinCenter）”率先开展研究工作，并取得了很好效果；欧洲其他国家在某些方面的故障诊断技术研究占据领先地位，如瑞典的SPM轴承监测技术，挪威的船舶诊断技术，丹麦的振动、噪声分析仪器及声发射技术等；在日本，设备诊断技术在民用工业（如钢铁、化工、铁路等）部门发展迅速，其诊断仪器如小野VM系列振动简易测试仪器，也占有一定优势。
我国故障诊断技术起步较晚，1983年南京首届设备诊断技术专题座谈会开始，随着信息技术、计算机、人工智能、微电子技术等的发展，各高校，如清华大学、东南大学、西安交通大学、上海交通大学、郑州大学；各研究单位，如北京东方振动与研究所，在设备故障诊断的理论、技术方法、诊断仪器等方面都进行了深入的研究和工程应用，取得了可喜的经济效益和社会效益。
目前，国内外故障诊断技术的研究主要集中在以下几个方面：
（1）故障信息的获取
设备状态监测与故障诊断首先要获取可靠的能准确反映设备运行状态的相关信息，如振动和噪声、温度等，这些信息的可靠性和完备性是故障诊断结果正确与否的前提和关键。
根据获取方式和手段的不同，故障诊断技术可分为：
振动故障诊断技术、油液分析法、超声和声发射技术和红外监测诊断技术等。
对设备实施准确故障诊断传感器最为关键，一般将传感器布置在设备诊断核心部件的关键点和容易发生劣化的易损点，以保证振动信号测量的有效性，而且监测系统采用多传感器组合方式来拾取设备的运行状态信息，多种传感器的合理选择和优化配置是获取所需信息完备性和正确性的基本条件。
优化配置准则有识别误差最小准则、插值拟合准则等，优化方法有神经网络算法、遗传算法等，为了从多测点、多传感器采集的信号样本中提取有用信息，数据融合技术、数据挖掘技术被广泛应用。
（2）故障机理的研究
故障机理研究是故障诊断的理论基础，是获得准确可靠诊断结论的重要保证。
它以高等代数、线性和非线性动力学理论、高等动力学、材料力学、摩擦学、振动与噪声、计算机、电子学等为基础，根据所研究对象的特点和规律，结合计算仿真和实验研究，建立故障对应的数学力学模型，明确故障的动力学特性，了解故障的形成与发展过程，从而掌握故障的产生原因过程及故障与特征之间的复杂关系。
国内外许多专家和学者，如美国学者Sohve、Bently、Muszynska、日本安田千秋，国内的高金吉院士、徐敏教授、陈雪峰博士、韩捷教授、闻邦椿院士、钟掘院士、褚福磊教授、孟光教授、陈予恕院士等对机械设备的典型故障机理进行了大量的理论分析和实验研究工作，取得许多重要的结论[17~27]。
当前，非线性机械系统的故障机理及其诊断技术的理论、实验研究、工程化应用研究仍然是当前具有挑战性的热门研究内容。
（3）信号处理及故障特征提取技术
信号处理与故障特征提取技术通过对传感器采集的信息进行有效的分析与处理，提取出能敏感反映设备运行状态的故障特征信息，是设备运行状态准确判断和故障诊断的前提和重要环节，已成为设备故障诊断领域中一个重要的研究方向。
近几十年来，信号处理和特征提取技术经历了由时域－频域－时频域的复杂发展过程。
传统的基于傅里叶变换的经典信号分析方法，如频谱分析、倒频谱分析、细化分析、时间序列分析、全息谱分析[28]、Hilbert包络解调分析[29]、同态滤波解调技术[30]等在故障诊断工程应用中取得了巨大的成果。
但是傅里叶变换是建立在信号平稳性假设条件下的一种时域和频域的全局性变换，对分析平稳（或准平稳）过程的振动信号是十分有效，但对非平稳性信号则能力有限，不能很好地提取非平稳性信号的特征。
由于机械设备在运行过程中由于阻尼、刚度、弹性力等非线性及动态响应的非线性，反映在其振动信号上也具有非平稳性。
当设备发生冲击、碰摩、裂纹点故障时，其振动信号往往表现非平稳性，因此非平稳性是设备存在故障的表征。
对于这些非平稳性振动信号必须用非平稳信号处理方法，如短时傅里叶变换（ShortTimeFourierTransform，STFT）、Wigner-Ville分布、小波变换[31~33]（WaveletTransform，WT）、Hilbert-Huang变换[34,35]、高阶统计量分析（HOS）[36]等时频分析方法。
国内外许多高校、研究单位的专家学者对这些非平稳信号处理方法作了深入广泛的研究，并取得了很多成果。
对于小波分析的研究现状这里不再介绍，下面1.3节中还会着重介绍一下高阶统计量分析（HOS）的研究现状。
（4）监测与故障诊断系统的研究
监测与诊断系统包括软件的研究，是利用现有的状态监测与故障诊断系统技术开发和研制而成的，是故障诊断的各种理论和方法的集中体现，只有监测与诊断系统的成功研究才能带来好的经济效益。
国内外已经开发了许多监测与诊断系统[16]，典型的产品有：
美国Bently公司的3300、3350和EA3.0故障诊断系统，ScientificAtlanta公司的M600系统，丹麦B＆K公司的B＆K3450型系统，荷兰ABB公司的MMC系统和VIBRO－METER公司的MMS系统，法国的PSAD系统以及德国SCHENCK公司的VIBROCONTROL2000和VIBROCAM5000系统，日本三菱重工研制的MHMS系统。
这些系统都企业带来了良好的经济效益。
国内具有代表性的产品有北京东方振动与噪声研究所的INV303/306系统，中国运载火箭技术研究所的HG－6802电机故障诊断系统，南京汽轮机研究所的电站汽轮发电机组振动在线监测系统（QLFDMS系统）和风机及压缩机组在线监测系统（FJYJMS系统），浙江大学、清华大学联和哈尔滨联合研制的ZHX－10型200MW汽轮发电机组监测与故障诊断系统，清华大学与北京自动化研究所研制BB－1旋转机械状态监测与故障诊断安全保护系统，华中科技大学的HZ－1型汽轮发电机组监测与故障诊断系统。
举例仿真：
假设一级传动齿轮箱的输入轴转频fr1＝12.4Hz，主动齿轮齿数Z1＝23；从动齿轮（设为故障齿轮）齿数Z2＝57，计算得从动齿轮轴转频fr2＝5.0Hz，啮合振动频率为fm＝285.2Hz，采样频率为4000Hz。
考虑啮合频率的前3阶次时，当振动信号具有调幅和调相时，即假设为：
（4-15）
其中：
；
；
；
；
；
。
图4-2为仿真信号x（t）的时域波形及其幅值谱，由时域信号可知，具有明显的调制现象，且呈周期变化，周期为Ts=0.2s，即故障调制频率为fs=5Hz；幅值谱中主要有啮合频率fm=285.2Hz及其谐波（以2次谐波2fm为主），同时在他们周围存在大量的不对称的调制边带成分，由于频率分辨率太低，很难准确确定其调制频率。
为此用Hilbert包络解调进行分析，结果如图4-3所示。
图4-3仿真信号的包络波形及其解调谱
Fig.4-3Envelopecurveanditsspectrumofemulationalsignal
由图4-3可知，包络解调谱中主要为fr2=5Hz及其谐波分量，即调制频率。
这与时域调制波形是相符的，同时也验证了题目齿轮Z2=57为故障齿轮的假设。
另外，从图4-2也可看出，当齿轮箱振动信号同时具有调幅和调相时，在啮合频率fz及其谐波周围的边带不对称，这与理论也相吻合。
当齿轮箱振动信号中只存在调幅现象而没有调相时，式（4-15）中的b1（t）＝b2（t）＝b3（t）＝0；则其时域信号和幅值谱如图4-4所示。
由图4-4可知，齿轮箱振动信号中仅有调幅现象时，其时域波没明显差别，而其幅值谱中以啮合频率及谐波为中心的边带是对称的。
另外，其包络波形及其解调谱完全相同。
2008年4月份对该齿轮箱为全载时进行了简易诊断和振动加速度信号拾取，采样频率为fs＝8KHz，仪器主要有BZ-8701A、YD36-14100加速度传感器、INV306智能采集仪、DLF-8放大器和DSP2000专业版信号分析系统。
简易测试时发现3号齿轮箱的测点4振动烈度达20.8mm/s，属严重超标，必须停车来进一步精密诊断分析以确定故障原因及其部位。
图6-2为YD36型传感器采集的齿轮箱轴承座上的振动加速度信号及其幅值谱，由图可知，时域信号具有明显的调幅现象，幅值谱中的频率成分主要是二级啮合频率fg2（133.6Hz）及其2倍频2fg2（267.2Hz），一级啮合频率fg1（372.6Hz）及能量最为突出的2倍频2fg1（745.2Hz）、3fg1（1117.8Hz），根据齿轮传动的故障特征频率可知，该齿轮箱一级啮合和二级啮合上齿轮可能存在故障，但由于频率分辨率低，对其边频无法识别，因此不能判断到底是哪个齿轮有故障。
为此以下采用小波分析、Hilbert包络解调分析等进行故障特征提取分析。
图6-2振动信号及其幅值谱、功率谱
轴承诊断举例：
Fault
pattern
Outerringfault
fo
Innerringfault
fi
Cagefault
fc
Rollerfault
fb
CharacteristicFrequencies
57
85
3.7
28
（a）c1（t）powerspectrum（b）c2（t）powerspectrum
（c）c3（t）powerspectrum（d）c4（t）powerspectrum
（a）（b）
fc
（c）（d）
升级会员 