以下为《1 机械设备故障诊断系统》的无排版文字预览,完整内容请下载
1 机械设备故障诊断系统
机械设备往往利用分布式传感器作为故障诊断系统的重要部分,实时监测机械设备在工作状态或相对静止状态下的信号,将之与监测对象的历史状态相比对,通过数字信号处理等手段进一步分析和处理所获信号,准确地确定故障的发生位置及故障类型,从而得以及时排除机械设备的故障。在早期,机械设备状态监测的方法主要包括振动监测法、采样分析法、测温法及超声波法等。对于绝大多数机械设备,以振动作为主要参考标准的诊断方法最为常见。
机械设备故障诊断系统主要分为两大部分:①借助传感器获取振动等参考信号进行分析处理。传感器技术依托电磁感应等原理来测得机械设备的工作状态参数,并将所得数据传输到微型计算机中,接着微机将其与数据库原始标准健康数据进行比对,初步诊断机械设备的状态。但仅仅依靠传感器是不行的,传感器只能监测电流、电压等有限的状态参数,诊断效果较差。②智能诊断技术,这类技术基于第一部分所获数据进一步分析处理,以计算机为载体实现一种与人类思维运算近似的智能诊断系统。它可以实现基于所测信号机理,设定诊断规则,进行特征提取、数字信号分析等功能,与传统的简单对比诊断相比,更加科学实用。这类技术目前已经相对成熟,且渐渐成为主流的应用技术。
2 机械设备的故障诊断方法
2.1 远程监测诊断技术
在工程应用中,机械设备各种参数的动态信号往往通过传感器来获得,为了使监测所得的动态信号与机械设备一一对应,工程师会对机械设备按顺序编号。接着传感器采集的信号通过无线网络技术传输给机械设备监控中心的计算机服务器,根据动态信号的时域和频域分析结果,实现机械设备运行状态的远程实时监测功能。
在对获得的数据进行时域分析时,可以通过判断时域信号中是否有周期性脉冲峰值等方法。但这类方法容易受到机械设备运行时周围噪声信号的干扰,不易判断出机械设备的健康状态。而将时域信号通过频谱分析转换成频域信号,可以有效减少噪声对诊断的不良影响,把这些振动信号的频谱图与健康状态对应的频谱图进行比对,以此判断机械设备可能发生的故障类型。中心计算机服务器把发生故障的机械设备动态参数传输到现场,操作人员以此为依据确定发生故障部位并及时进行检修。
2.2 专家诊断技术
专家系统作为一种智能化的计算机程序系统,在机械设备的故障诊断和运行状态监测中应用广泛。它充分利用专家的先验知识,通过模拟人类思维的方法,对设备的动态参数变化作出专家级水平的诊断。专家诊断技术特别强调知识库的储备,它可以同时存储不同领域专家的工作经验和相关知识,比如机械工程专业的专家知识、电气工程专业的专家知识等,然后充分发挥计算机强大的记忆存储能力和信息处理能力并建立对应的知识库,从而得到综合多领域知识的专业诊断意见。专家诊断技术作为一种自动化监测技术,可以对大型工程机械群进行统一的状态监测,从而实现集中调度现场工作的功能,大大提高了机械设备运维检修的工作效率,并提高了监测效率和准确性。
2.3 人工智能诊断技术
人工智能故障诊断技术,属于计算机前沿科学领域,在国内外已经得到了广泛的重视。人工神经网络理论是一种典型的数学模型。它通过模拟人类大脑的神经分布及感应,以实现智能化的机器决策。在利用神经网络对机械设备故障进行诊断时,首先采用原始故障数据集对人工神经网络进行训练,并利用训练好的神经网络对实际故障数据进行诊断分析,最终确定故障类型及位置。此外,人工神经网络还可以预测可能发生的故障,对每个零部件的主要参数进行分析计算,使用户更好地了解到设备的使用情况,及时排除机械设备可能存在的潜伏性故障,避免出现严重事故。但人工神经网络存在容易陷入局部最优解的问 内容过长,仅展示头部和尾部部分文字预览,全文请查看图片预览。 与真实信号特征毫不相关的虚假分量。
紧邻信号分量的分离问题。 机械振动信号异常复杂,会出现某些重要特征分量的频率间隔很近的情况,如齿轮啮合频率及其边频带分量,准确识别和分离这类紧邻分量对机械故障诊断至关重要。然而,由于算法的固有局限,现有信号分解方法很难处理频率距离很近的分量。
微弱信号分量的提取问题。 在机械设备发生故障的初期,由于故障十分轻微,振动信号中的故障特征分量相对微弱,极易被噪声和其他无关信号成分淹没。
强时变调频信号的表征问题。在大幅度变速工况下,旋转机械的振动信号通常会呈现出强时变的非线性调频特征。即使在恒转速工况下,某些机械故障(如转子碰摩)也会导致复杂的强时变调频现象。
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
以上为《1 机械设备故障诊断系统》的无排版文字预览,完整内容请下载
1 机械设备故障诊断系统由用户“yanhua0801”分享发布,转载请注明出处