官方公众号:52phm,与工业互联网人一起成长

2021-12-13 14:30:26    互联网    1602    当前专栏:故障诊断    分类:算法开发    本站官网:www.52phm.cn   

公众号 ...

故障诊断学基础知识

1. 机械故障诊断涉及哪些学科?做哪方面的科学研究?包含了哪些技术?形成了哪些方法?解决什么工程问题?

(1) 涉及的学科有:机械、力学、电子、计算机、信号处理、人工智能等。

(2) 机械故障诊断是研究机器或机组运行状态的变化在诊断信息中的反映,因此包括信号获取与传感技术、故障机理与征兆联系、信号处理与特征提取、识别分类与智能决策等方面的研究,根据基础和关键科学问题又可细分为机械系统运行状态下故障动态演化机理、机械系统动态信号处理的内积匹配原理与微弱信号特征增强机制、故障定量识别和剩余寿命预测原理、人工智能诊断与机械故障预示方法等方面。

(3) 在故障机理方面,一般分析流程是根据研究对象的物理特点,建立相应的数学力学模型(正问题-有限元建模与动力学分析),通过仿真研究获得其响应特征,再结合实验修正模型(反问题-动态信号特征准确提取),因此包含的技术主要集中在有限元和动力学原理方面,对于常见的机械基础零部件转子、齿轮、轴承等形成了较为完善的基于动力学机理的故障诊断方法;

在信号处理方面,包含时频域分析、小波分析、循环平稳信号分析、经验模式分解、时间序列、随机共振、盲源分离、卡尔曼滤波、混沌分叉等技术,形成了基于全息谱、多种小波函数、时间序列模型、隐式马可夫模型、自适应随机共振、总体经验模式分解的故障诊断方法;

在智能诊断方面,一方面传统的机器学习理论为故障诊断带来了专家系统、遗传算法、神经网络、模糊理论、故障树、决策树、粗糙集理论、支持向量机、PCA、ICA、ANN、KNN、PGM等技术,另一方面随着现代深度学习理论的逐步完善,形成了例如基于CNN、DBN、RestNet等一批目前较为流行的故障诊断方法,并且为了对接工程实际的运用,未来智能诊断会向着转移学习理论方面深入。

其它,除上述方法外,还有油液分析、红外热成像、无损检测、热工参量、电工参量等诊断方法。

(4) 随着科学技术和现代化工业的飞速发展,关键机械设备一旦出现事故,将会带来巨大的经济损失和人员伤亡,因此故障诊断被广泛的应用于解决多种多样的工程问题,其中机械系统早期故障、微弱故障和复合故障的定量诊断与预示、剩余寿命预测更具有工程意义。目前各种诊断方法的常见研究对象为机械系统中三大基础零部件轴承、齿轮、转子,主要是由于这些零部件往往是旋转机械系统发生故障的主要原因。

2. 诊断对象有哪些(轴承、齿轮、转子、以及往复机械)?每种对象的故障特征是?针对不同诊断对象,有哪些适用方法?

(1) 转子:

不平衡–振动频谱能量集中于基频,轴心轨迹为椭圆,转子相位稳定,为同步正进动

在这里插入图片描述
碰磨–转子失稳后波形严重畸变或削波,轴心轨迹发散,反进动;轻微碰摩时同频幅值波动,轴心轨迹带有小圆环内圈;随着碰摩严重程度的增加,内圈小圆环增多,且形状变化不定;轨迹图上键相位置不稳定,出现快速跳动现象;碰摩严重时,出现(1/2)X频率成分,其轴心轨迹形状为“8”字形;
在这里插入图片描述

裂纹–各阶临界转速较正常时要小,尤其在裂纹严重时;由于裂纹造成刚度变化且不对称,转子的共振转速扩展为一个区,振动带有非线性,特征,出现旋转频率的2X、3X…等高倍频分量。裂纹扩展时,刚度进一步降低,1X.2X…等频率的幅值也随之增大;裂纹转子轴系在强迫响应时,一-次分量的分散度比无裂纹时大;转速超过临界转速后,一般各高阶谐波振幅较未超过时小;裂纹引起刚度不对称,使转子动平衡发生困难,往往多次试验也达不到所要求的平衡精度;机器开机或停机,工作转速通过1/2临界转速或1/3临界转速时,振幅响应有共振峰值;轴上出现裂纹时,初期扩展速度很慢,径向振幅的增长也很慢,但裂纹的扩展会随着裂纹深度的增大而加速,相应地也会出现1X和2X的振幅迅速增大,相位角也出现异常的波动。
在这里插入图片描述

松动–松动故障会引起转子的(1/2)X、(1/3)X等分数次谐波频率;松动的另一特征是振动的方向性,特别是松动方向上的振动。由于约束力的下降,将引起振动的加大。松动使转子系统在水平方向和垂直方向具有不同的临界转速,因此分数次谐波共振现象有可能发生在水平方向,也有可能发生在垂直方向;在松动情况下,振动形态会发生“跳跃"现象。当转速增加或减小时,振动会突然增大或减小;松动部件的振动具有不连续性,有时用手触摸也能感觉到;松动除产生上述低频振动外,还存在同频或倍频振动。
在这里插入图片描述

(2) 轴承:

在这里插入图片描述
滚动轴承信号的特性是它们不是周期性的而是随机的,轴承故障通常从小凹坑或剥落开始,并在覆盖非常宽的频率范围的早期给出尖锐的脉冲,这一事实使它们可以与确定性信号(例如齿轮)分开。出于某些目的,可以将它们建模为循环平稳的,但实际上并不是严格循环平稳的(至少对于局部缺陷而言),因此已创造了术语“伪循环平稳”,此外原始信号的频谱通常很少包含有关轴承故障的诊断信息。

当滚动轴承的某一元件表面存在局部故障时,在轴承的旋转过程中,故障表面会周期性地撞击滚动轴承其他元件表面,从而会产生周期性的脉冲力。由这种脉冲力引起的高频冲击振动,不但会激起轴承系统中各个元件的固有频率振动,而且各个固有频率振动的幅值和频率,还会受到脉冲力的调制,且在轴承系统中,各个元件又有各自的固有频率。因此.滚动轴承故障振动信号具有多载波.多调制的特性

当滚动轴承发生点蚀.磨损、裂纹等局部损伤类故障时,通常会激起轴承系统的高频固有振动,其振动信号表现为以系统固有频率为载波,故障特征频率为调制波的调制特征。要从此类信号中提取故障特征信息,包络分析法是目前公认的最有效的方法。其基本原理是.先通过以载波频率为中心频率的带通滤波器,将振动信号中的高频固有振动成分分离出来,然后通过包络检波器检波.得到只包含故障特征信息的低频包络信号,再对包络信号进行频谱分析,便可诊断出故障来。然而,传统的包络分析法在实际应用中,由于轴承故障振动信号的载波频率成分的多少和载波频率的大小很难确定,故在进行带通滤波时滤波器的中心频率和带宽的选择会具有很大的主观性。这样便会带来解调误差,不能有效地提取滚动轴承故障振动信号的特征,针对以上情况,本章提出了基于LMD和谱峭度的包络分析方法,应用于滚动轴承的故障诊断。先采用LMD方法对轴承振动信号进行分解.以起到自适应分离固有振动成分和初步降噪的作用;然后对含有高频固有振动成分的PF分量进行谱峭度分析,便能确定带通滤波器的中心频率和带宽;最后对滤波后的信号进行包络谱分析,即可实现滚动轴承的故障诊断。
在这里插入图片描述
在这里插入图片描述

结合轴承振动信号特点,最强大的轴承诊断技术取决于检测和增强信号的脉冲性,下图针对工程信号给出了一个半自动轴承诊断程序:

在这里插入图片描述

DRS–discrete/random separation 离散随机分离

SANC-- self-adaptive noise cancellation 自适应降噪

MED–minimum entropy deconvolution最小熵反卷积

SK-- spectral kurtosis谱峰度

Envelope—包络谱

其它常用基于振动信号诊断方法:
在这里插入图片描述

(3) 齿轮:

齿轮齿上存在的缺陷会导致振幅和频率调制,并且与齿轮的旋转频率成周期性,其中载波频率是啮合频率,该啮合频率由故障齿轮的旋转频率调制,作为调制的结果,诸如齿轮旋转频率,小齿轮旋转频率,齿轮啮合频率,齿轮旋转频率围绕啮合频率形成的边带都可能会出现频谱中。

齿轮在运行时,由于齿与齿的相互啮合会激起以啮合频率及其倍频为特征频率的啮合振动,故齿轮无论处于什么状态,其振动信号通常都具有多分量的特点。当齿轮存在裂纹、断齿等故障时,由于故障齿在啮合时,不但会引起振动信号的幅值和相位发生变化,而且振动信号的能量也会发生改变,从而相比于正常状态,齿轮的故障振动信号会出现幅值和相位调制现象,且能量也会呈现出周期性变化的特征。于是,可以通过提取齿轮故障振动信号的幅值和相位调制信息.或者是能量的周期性变化信息来对齿轮进行故障诊断。包络分析方法,可以提取幅值调制信息。因此,被广泛应用于齿轮的故障诊断,但通过提取相位调制信息来进行齿轮故障诊断的研究还较少。LMD方法,不但能将具有多分量调幅一调频特点的齿轮故障振动信号,分解为–系列的单分量调幅一调频信号,且能够同时得到各单分量信号的幅值调制信息(瞬时幅值)和相位调制信息(瞬时频率)。因此,LMD方法是适合于处理齿轮故障振动信号的。本章先从齿轮故障振动信号的相位调制信息人手,并根据齿轮振动信号具有多分量的特点,提出了基于LMD的瞬时频率谱方法,来提取齿轮的故障特征信息;然后,根据齿轮故障时振动信号的能量会发生变化的特点,提出了基于LMD的局部能量谱方法,来描述齿轮振动信号能量的周期性变化特征,以此对齿轮进行故障诊断。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

版权声明:遵循 CC 4.0 BY-SA 版权协议
原文链接:https://blog.csdn.net/ffdsho/article/details/114379073

免责声明:信息来源于互联网聚合整理或者作者原创,非原创文章标示"互联网",原创文章标示"作者昵称",本文仅代表文章作者的个人观点,且文中陈述文字和内容的时效性、真实性与本站无关,请读者仅作参考,如发现有害或侵权内容,请联系我们将在第一时间进行核实处理。


[推荐] 机械故障诊断方法论

2021-12-13 14:48:01    互联网    1734    分类:算法开发    专栏:故障诊断   


[推荐] 大型旋转机械状态监测与故障诊断

2021-12-13 17:29:41    互联网    6175    分类:算法开发    专栏:故障诊断   


[推荐] 旋转设备故障诊断轴心轨迹分析

2021-12-13 17:31:46    互联网    1782    分类:算法开发    专栏:故障诊断   



转发此文章到社区


进群

让志同道合读者学习交流



机电设备故障诊断数据集

机电设备故障诊断

2021-12-09 11:27:13    博客笔记    3875    分类:边缘感知    专栏:故障诊断   


故障诊断技术体系阐述

1.引言 智能故障诊断(IFD)是指将机器学习理论,如人工神经网络(ANN)、支持向量机(SVM)和深度神经网络(DNN)应用于机器故障诊断。这种方法利用机器学习理论,从采集的数据中自适应地学习机器的诊断知识,而不是利用工程师的经验和知识。具体而言,IFD需要构建一个诊断模型,该模型能够自动将收集的数据与机器的健康状态之间的关系连接起来。 机器学习的早期研究可追溯到1950年,1980年左右成为了人工智能的一个重要方向,并于2010年开始得到了广泛的应用。在此期间发明了许多传统理论,如AN...

2021-12-09 11:31:41    互联网    977    分类:算法开发    专栏:故障诊断   


智能故障诊断方法总结

1.故障诊断方法可分为三个步骤:信号处理、特征提取、模式分类。2.信号处理方法通常包括:时域处理(提取振动信号的相关指标);频域处理(包络谱分析,频谱分析);时频域分析(小波分析,傅里叶变换)3.故障诊断方法:专家系统故障诊断法,模糊故障诊断、灰色关联度故障诊断、神经网络故障诊断、数据融合故障诊断。...

2021-12-09 11:32:32    互联网    1467    分类:算法开发    专栏:故障诊断   


一种基于CNN的数据驱动故障诊断方法

本文主要分为四个部分:目录本文主要分为四个部分:1.数据预处理2.使用的CNN框架3.性能评估4.总结

2021-12-09 14:46:03    互联网    1564    分类:算法开发    专栏:故障诊断   


旋转机械振动物理力学特性

机械振动4.1 简谐振动4.1.1 简谐振动的动力学特性4.1.2 单摆4.2 简谐振动的运动学4.2.1 简谐运动的运动学方程4.2.2描述简谐振动的三个重要的特征向量1 振幅2 周期3 相位和初相位4.2.3 简谐振动的矢量表示法4.3 简谐振动的能量4.4 简谐振动的合成4.4.1 同方向、同频率简谐振动的合成4.4.2 两个同方向、不同频率简谐振动的合成4.4.3 两个相互垂直、相同频率的简谐振动的合成(没整理)4.4.4 两个相互垂直、不同频率的简谐振动的合成(没整理)4.4.5 振动的频谱分析4

2021-12-10 17:18:58    互联网    705    分类:算法开发    专栏:故障诊断   


基于深度学习的滚动轴承故障诊断

本文主要介绍如何使用python搭建:一个基于深度学习的滚动轴承故障诊断系统项目中涉及使用了多种方法对比检测结果,包括:传统机器学习方法:随机森林深度学习方法:CNN增加残差模块后的深度学习方法:ResNet如各位童鞋需要更换训练数据,完全可以根据源码将图像和标注文件更换即可直接运行。

2021-12-10 18:15:00    互联网    883    分类:算法开发    专栏:故障诊断   


故障诊断的性能评估指标

评价一个故障诊断系统的性能指标有:   1)故障检测的及时性:是指系统在发生故障后,故障诊断系统在最短时间内检测到故障的能力。故障发生到被检测出的时间越短说明故障检测的及时性越好。   2)早期检测的灵敏度:是指故障诊断系统对微小故障信号的检测能力。故障诊断系统能检测到的故障信号越小说明其早期检测的灵敏度越高。   3)故障的误报率和漏报率:误报指系统没有出去故障却被错误检测出发生故障

2021-12-13 13:51:37    互联网    1669    分类:算法开发    专栏:故障诊断   


故障诊断期刊文献分析

看看故障诊断研究重点方向在哪?故障诊断总发文量统计如下:前20个主要主题词分布情况:前20个次要主题词分布情况:录用期刊分布:期刊类型:学科分布情况:发文机构分布:基金分布情况:...

2021-12-13 17:11:53    互联网    2717    分类:算法开发    专栏:故障诊断   


信号调制基础理论知识

学习——信号调制识别 (一)  看了《通信信号调制识别技术及其发展》这一论文后,将学习到的知识记录在这篇博客里。1、通信信号调制识别技术  调制识别问题从本质上来说是一种典型的模式识别问题。其基本框架如图所示:    调制识别由三部分组成:信号预处理、提取特征参数和分类识别。信号预处理部分包括载波同步、频率下变频、噪声抑制以及对信噪比、符号周期、载波频率等参数的估计。特征提取部分...

2021-12-14 22:00:52    互联网    665    分类:算法开发    专栏:数字信号处理   


故障诊断之基于振动信号的阶比谱分析

故障诊断之基于振动信号的阶比谱分析

2022-05-31 11:08:40    互联网    1284    分类:算法开发    专栏:振动信号预处理