第2章_技术基础1

6第2章技术基础任何机械设备在运行过程中都有各种各样的表现（振动、噪声、温度……），这些表现都可由传感器转换为信号，根据这些信号特征参数的变化，我们就可诊断出设备的运行状态。为了使诊断的结论正确、可靠、实时，应认真研究以下几个技术问题。（1）选择作为诊断依据的特征参数机械设备的状态特征参数是诊断设备状态的出发点，没有监测信号的特征参数诊断就是一句空话。但设备的特征参数很多，选用哪个或哪些参数作为诊断的依据，才能取得最好的诊断效果？这是需要认真研究的首要问题。（2）从监测信号中提取所要特征参数的方法监测信号一般不能直接用于诊断，因为监测信号中除有需要的信息外还有许多干扰信息，所以必须对信号进行各种处理和转换，才能取得所需的特征参数，这个过程称为信号处理与分析。信号处理与分析的方法很多，随着科学技术的发展，新的处理与分析方法还不断出现，所以正确选用这些方法提取所需的特征参数，是故障诊断应认真研究的重要问题（3）根据提取的特征参数识别设备状态的方法识别设备状态是故障诊断的根本任务，前面的一切工作都是为它创造条件。设备的故障状态既复杂又模糊，状态与特征参数之间通常没有一一对应的关系；适合各种情况的诊断方法也发展了很多，所以正确选用这些方法取得最好的诊断效果是故障诊断领域应认真研究的核心问题。这些问题都是故障诊断应解决的基本问题，也是在这里要阐述的基本内容：特征参数的选择，信号处理与分析和状态识别。2.1状态信号与特征参数机械设备运行状态的各种表现，我们不可能、也不必要都用传感器收集起来作为诊断设备用的状态特征信号；更不可能、也不必要把状态特征信号的所有特征参数都作为诊断设备状态的依据（诊断参数），必须进行选择。为了选好合适的诊断参数，应该掌握各种特征参数的特性；选择特征参数的原则，以及综合、压缩特征参数的方法。2.1.1选择特征参数的原则选择特征参数的原则除考虑监测目的，使用方便和经济效益外，还应考虑以下几方面。1)灵敏度特征参数的敏感度用下式表示yyxxLnyLnxyx//)()()/(式中：y——设备状态参数；x——特征参数。当然，应该尽量选择灵敏度高的特征参数作为诊断参数。建立了设备状态的数学模7型时，根据数学模型容易找出对设备状态反映最灵敏的特征参数；没有建立数学模型时，可以用实验方法通过分析比较找出最灵敏的特征参数。图2-1是止推轴承的载荷状态与止推轴承的温度、轴承的轴向位置和排油温度间的关系图形，从无载荷到满载荷，止推轴承的温度增加了55℃，而轴向位置和排油温度只分别变化了50～70m和3℃，所以如果监测目的仅是防止过载，止推轴承的温度应是灵敏度最高的诊断参数。2)稳定性诊断参数受设备的工作条件（载荷，转速等）和测试条件（放大倍数、采样频率、采样长度和起始点位置等）的影响越小越好，即应选择对工作条件和测试条件变化不敏感的特征参数作诊断参数。在时域中无量纲特征参数的稳定性比有量纲的好，例如诊断参数若选用振动信号的位移峰值maxx，则因载荷或转速的变动都要使maxx发生变化，所以稳定性差。若选用无量纲参数峰值系数rmsxx/max作诊断参数，就可避免这些变动带来的影响，提高了稳定性。图2-1止推轴承特征参数与载荷的关系3)对应性特征参数应能充分反映设备的状态，一一对应的单值函数关系对应性最好。但在很多情况下这是不可能的，同一特征参数可对应设备多种状态是常见的情况。在医学领域咳嗽这种特征（症状）对应的状态（病症）就有感冒，肺炎，肺结核等多种疾病，在这种情况下为了得出确切的诊断结论，就需要采用多个特征参数组成诊断向量进行综合评定。在故障诊断领域使用诊断向量判别设备状态的情况是很多的，例如要区分不对中和不平衡两种不同的故障状态时，就必须采用两个特征参数（信号频率结构的基频成分和二倍频成分）组成的诊断向量进行综合判断。实际上，以上几方面要求很难同时满足，例如对滚动轴承的早期疲劳剥落故障，振动信号的峰值maxx比均方根值rmsx的灵敏度高，但稳定性则相反。因此，在选择诊断参数时，要根据具体情况权衡利弊妥善处理。2.1.2常用的状态特征信号目前广泛采用的状态特征信号有以下几种。1）机械设备的输出变化机械设备的输出用功能参数描述，在使用过程中它的大小是变化的，可直接用来识别设备的运行状态。例如监测粉碎机的产品粒度和产量，机床的加工精度，泵的流量和压力，柴油机的耗油量和功率就可判断它们的运行状态是否正常。一般说这种参数比较容易检测，使用人员容易接受。但是它们的灵敏度往往不高，一些主要零部件即使已有缺陷，机械设备的功能参数可能仍没有可察觉的变化。并且根据这类参数的变化也很难诊断故障的部位和原因。2）振动选择振动信号诊断设备状态有以下优点：（1）应用面广，任何机械设备运行时都有振动，劣化程度增加振动强度也增大，据统计机械设备70％以上的故障都是以振动形式表现出来的。（2）振动量是多维的（幅值、频率和相位），而且变化范围很宽，便于区分温度、轴向位置轴瓦温度轴向位置排油温度载荷8不同种类，不同程度的故障状态。（3）测量方便，技术成熟，可以在线监测，国内外已有许多专门的振动测量仪器系列。(4)振动传递性强，传感器可以感受到较大范围内存在的故障振动。所以机械设备内部的齿轮、轴等的振动信息可以用安装在机壳上的传感器拾取。因此，振动信号应用很广泛，所有的机械设备，特别是旋转机械都常用振动信息诊断它们的运行状态。3)噪声选择噪声诊断设备的状态有以下优点：(1)噪声是振动在弹性介质中的传播，包含的信息量大。(2)测量时和设备不接触，不受地方限制，比较方便。但是易受环境噪声影响，对噪声的分析、处理也是一件很复杂的工作，所以应用较少。4)温度设备在运行过程中发热是一种普通现象，摩擦面损伤、超载、运动件有碰撞等原因都要使温度升高，而且温度测量也容易。所以温度是识别设备状态常用的重要信息，在设备运行过程中经常检测温度，已成为使用者必须进行的工作。但温度对故障的响应慢，灵敏度也低，一般只用作简易诊断。5)磨损微粒机械零件在运行过程中的磨损产物都在润滑油中，所以通过油中磨损产物的收集、分析可以确定零件的磨损状况。磨损是使零件损伤，导致设备故障的主要原因，因此，监测磨损微粒的状况是诊断设备故障的一种重要手段。2.1.3常用的特征参数（特性指标）广泛用作故障诊断的特征参数（诊断参数）有两类：状态特征信号的特征参数和状态特征信号的数学模型参数。通常认为机械设备的正常运行过程是随机过程，一般都具有平稳、正态、各态历经性质。所谓平稳是指随机过程的集合统计特征参数不随时间而改变；所谓正态是指随机过程中每一随机变量都按正态分布；所谓各态历经是指随机过程的集合统计特征参数与任一样本函数（一次长时间的监测记录）的时间统计特征参数相同。因此，设备运行过程的集合统计特征参数（设备状态特征参数）可以根据通过监测手段得到的一个样本函数（设备的一个状态信号）计算出来。这样不仅节省了大量计算时间，而且也极大地减少了监测工作量。当然，在实际应用中样本的长度总是有限的（称样本记录），所以根据有限长的状态信号计算出来的统计特征参数值都是估计值，不是真值，有一定误差。特征参数很多（时域特征参数、频域特征参数、时频域特征参数、倒频域特征参数和小波特征参数等），在这里我们只介绍一些时域和频域的常用简单参数。一、设备状态信号常用的特征参数根据监测的有限长状态信号计算诊断参数，一般都以计算机为工具。因此，下面介绍的计算式都是以一个（或几个）有限长状态信号的离散数据（时间序列）为依据。若状态特征信号的一个时间序列为Nxxx,...,,21，则在时域和频域中常用的特征参数及其估计值的计算式如下：1.时域特征参数91)均值：NiixxN112)方差：NixixxN122)(1标准差：x方差的正平方根值叫标准差或均方根差。3)均方值（平均功率）：NiixxN1221均方根值：rmsx均方值的正平方根叫均方根值。4)峰值：ixExmaxmax式中：ixmax——时间序列各等分段中绝对值最大的数据。5)偏度：NixixxN13)(16)峭度：NixixxN14)(1均值是信号的静态（稳定）分量，是信号取值的分布中心；方差、标准差反映信号取值对分布中心的分散程度，标准差是信号动态分量的度量；均方值反映信号的能量。设备运行正常时，状态稳定，信号的动态分量小，方差小，均方值也小，设备发生故障时这些值都增大。峰值反映瞬时冲击的幅值，常用作速度，加速度度量，位移的度量常不用峰值，而用峰-峰值（波动信号的波峰到波谷间距离的平均值）。图2-2偏度的意义a）标准状态；b）正偏度；c）负偏度偏度反映数据Nxxx,...,,21的分布对理想中心的偏离程度。设备正常运行时监测数据应是正态分布，分布中心为理想值0如图2-2a）所示。若监测数据的均值为，且有NiixN130)(1即数据ix对均值的偏差值三次方的平均值等于0，则0，数据的分布是正常10的，没有偏度；若有NiixN130)(1则0数据的分布不正常，偏向右侧，如图2-2b）所示；若有NiixN130)(1则0，数据的分布也不正常，偏向左侧，如图2-2c）所示。不论偏向哪侧都是设备异常的征兆，绝对值越大，异常的程度越严重。图2-3峭度的意义峭度反映数据分布曲线的凸峰状况。如图2-3所示，峭度值大意味着数据的分布对均值的分散大，远离均值的数据概率大，凸峰低平，称负峭度；反之，则分散小，接近均值的数据概率大，凸峰陡峭，称正峭度。随着故障的发生与发展，峭度取值会逐渐增大。这个参数对大幅值特别敏感，这对探测信号中是否含有脉冲成分特别有效。因为信号的均值是信号的稳定部分，一般对诊断不起作用，所以在计算诊断参数时常从原始数据中扣除均值，只用信号的动态部分参与运算。上述特征参数虽随设备状态的变化而变化。但也随工作条件，测量条件的改变而改变（如载荷、转速、仪器灵敏度等），所以稳定性差。为此，引入了无量纲特征参数，常用的有：7)波形系数xxkrms8)峰值系数：rmsxxCmax9)脉冲系数：xxImax式中：x——绝对平均幅值，NiixNx1110)裕度系数：rxxLmax11式中：rx——方根幅值，21)1(NiirxNx11)偏度系数：3xxvS12)峭度系数：4xxvk时域中除常用的上述特征参数外，还有：13)自相关函数自相关函数用来描述信号相隔一定时间间隔两取值之间的线性依赖关系。函数值（相关值）越大，信号的关联程度越强，反之则弱。自相关函数定义为nttxxxEnR)(它的估计值计算公式为11()NnxiiniRnxxNn式中：n称为延时数，它的值为m,...,2,1,0且Nm。随机信号的自相关函数当0n时，函数值（相关值）最大，相关性最好，完全线性相关；当n增大时，函数值迅速减小，相关性迅速减弱；周期信号的自相关函数是同频率的周期函数。图2-4是某轴承振动信号的自相关函数曲线。图2-4c）是轴承正常状态的自相关函数图，曲线衰减很快，没有明显的周期性，说明轴承的振动是随机振动。图2-4a）和图2-6b）是轴承异常状态的自相关函数曲线，具有明显的周期性，说明轴承的振动除随机振动成分外，还有周期振动成分，图2-4a）的振动周期为14ms，可推算出振动的原因是外圈滚道上有损伤斑点；图2-4b）的振动周期为11ms，可推算出振动的原因是内圈滚道上有损伤斑点。三种状态的自相关函数差别明显，这对判别故障是十分有利的。图2-4轴承振动信号自相关函数图a）外圈滚道上有斑点；b）内圈滚道上有斑点；c）正常轴承14)互相关函数互相关函数用来描述两个信号之间的依赖关系，它的计算公式为12nNiniixyyxnNnR11)(图2-5是利用互相关函数诊断驾驶员座椅振动源的例子，从互相关函数图上可以看出座椅的振动主要是前轮轴梁振动引起的，因为座椅振动信号与前轮轴梁振动信号的互相关曲线有最大值。图2-5驾驶员座椅振动源互