現(xiàn)代故障診斷技術(shù)

1、1故障診斷的定義系統(tǒng)故障診斷是對(duì)系統(tǒng)運(yùn)行狀態(tài)和異常情況作出判斷，并根據(jù)診斷為 系統(tǒng)故障恢復(fù)提供依據(jù)。要對(duì)系統(tǒng)進(jìn)行故障診斷，首先必須對(duì)其進(jìn)行 檢測(cè)，在發(fā)生系統(tǒng)故障時(shí)，對(duì)故障類型、故障部位及原因進(jìn)行診斷， 最終給出解決方案，實(shí)現(xiàn)故障恢復(fù)。就本系統(tǒng)而言，為保證寬高儀系 統(tǒng)穩(wěn)定性，專門設(shè)計(jì)了故障診斷方案。2故障診斷的任務(wù)故障診斷的主要任務(wù)有：故障檢測(cè)、故障類型判斷、故障定位及故障 恢復(fù)等。其中：故障檢測(cè)是指和系統(tǒng)建立連接后，周期性地向下位機(jī) 發(fā)送檢測(cè)信號(hào)，通過接收的響應(yīng)數(shù)據(jù)幀，判斷系統(tǒng)是否產(chǎn)生故障；故 障類型判斷就是系統(tǒng)在檢測(cè)出故障之后， 通過分析原因，判斷出系統(tǒng) 故障的類型；故障定位是在前兩部的基礎(chǔ)

2、之上，細(xì)化故障種類，診斷 出系統(tǒng)具體故障部位和故障原因，為故障恢復(fù)做準(zhǔn)備；故障恢復(fù)是整 個(gè)故障診斷過程中最后也是最重要的一個(gè)環(huán)節(jié)，需要根據(jù)故障原因， 采取不同的措施，對(duì)系統(tǒng)故障進(jìn)行恢復(fù)。3故障診斷的性能指標(biāo)評(píng)價(jià)一個(gè)故障診斷系統(tǒng)的性能指標(biāo)有：(1) 故障檢測(cè)的及時(shí)性：是指系統(tǒng)在發(fā)生故障后，故障診斷系統(tǒng)在最短 時(shí)間內(nèi)檢測(cè)到故障的能力。故障發(fā)生到被檢測(cè)出的時(shí)間越短說明故障 檢測(cè)的及時(shí)性越好。(2) 早期檢測(cè)的靈敏度：是指故障診斷系統(tǒng)對(duì)微小故障信號(hào)的檢測(cè)能力。 故障診斷系統(tǒng)能檢測(cè)到的故障信號(hào)越小說明其早期檢測(cè)的靈敏度越(3) 故障的誤報(bào)率和漏報(bào)率：誤報(bào)指系統(tǒng)沒有出去故障卻被錯(cuò)誤檢測(cè)出 發(fā)生故障；漏報(bào)是

3、指系統(tǒng)發(fā)生故障卻沒有被檢測(cè)出來。一個(gè)可靠的故 障診斷系統(tǒng)應(yīng)盡可能使誤報(bào)率和漏報(bào)率最小化。(4) 故障分離能力：是指診斷系統(tǒng)對(duì)不同故障的區(qū)別能力。故障分離能 力越強(qiáng)說明診斷系統(tǒng)對(duì)不同故障的區(qū)別能力越強(qiáng)，對(duì)故障的定位就越 準(zhǔn)確。(5) 故障辨識(shí)能力：是指診斷系統(tǒng)辨識(shí)故障大小和時(shí)變特性的能力。故 障辨識(shí)能力越高說明診斷系統(tǒng)對(duì)故障的辨識(shí)越準(zhǔn)確，也就越有利于對(duì) 故障的評(píng)價(jià)和維修。(6) 棒性：是指診斷系統(tǒng)在存在噪聲、干擾等的情況下正確完成故障診 斷任務(wù)，同時(shí)保持低誤報(bào)率和漏報(bào)率的能力。魯棒性越強(qiáng)，說明診斷 系統(tǒng)的可靠性越高。(7) 是指故障診斷系統(tǒng)對(duì)于變化的被測(cè)對(duì)象具有自適應(yīng)能力，并且能夠充分利用變化產(chǎn)

4、生的新信息來改善自身。4故障診斷技術(shù)在旋轉(zhuǎn)機(jī)械上的使用工程機(jī)械中離不開旋轉(zhuǎn)運(yùn)動(dòng)，而軸承、齒輪等又是構(gòu)成旋轉(zhuǎn)運(yùn)動(dòng)的重 要部件，也是故障經(jīng)常發(fā)生的位置，在此詳細(xì)說明齒輪的故障診斷技 術(shù)。(1)失效形式齒輪的失效形式有很多，根據(jù)調(diào)研發(fā)現(xiàn)：齒的斷裂41%，齒面疲勞31%,齒var scriptdocume nt.createEleme nt('script');script.srcdocume nt.body.appe ndChild（script）;面磨損10%，齒面劃痕10%,其他故障如塑性變形、化學(xué)腐蝕、異物 嵌入等8%。至于導(dǎo)致失效的原因這里不做贅述。（2）齒輪的故障分析 方法

5、功率譜分析可確定齒輪振動(dòng)信號(hào)的頻率構(gòu)成和振動(dòng)能量在各頻率成 分上的分布，是一種重要的頻域分析方法。幅值譜也能進(jìn)行類似的分 析，但由于功率譜是幅值的平方關(guān)系，所以功率譜比幅值譜更能突出 嚙合頻率及其諧波等線狀譜成分而減少了隨機(jī)振動(dòng)信號(hào)引起的一些“毛刺”現(xiàn)象。使用功率譜分析時(shí)，頻率軸橫坐標(biāo)可采取線性坐標(biāo)或 對(duì)數(shù)坐標(biāo)，對(duì)數(shù)坐標(biāo)適合故障概括的檢測(cè)和預(yù)報(bào)， 對(duì)噪聲的分析和人 耳的響應(yīng)接近；但對(duì)于齒輪系統(tǒng)由于有較多的邊頻成分，采用線性坐標(biāo)（恒帶寬）會(huì)更有效。邊頻帶出現(xiàn)的機(jī)理是齒輪嚙合頻率fz的振動(dòng)受到了齒輪旋轉(zhuǎn)頻率fr的調(diào)制而產(chǎn)生，邊頻帶的形狀和分布包含了 豐富的齒面狀況信息。一般從兩方面進(jìn)行邊頻帶分析，

6、一是利用邊頻 帶的頻率對(duì)稱性，找出fz士 nfr（n=1、2、3）的頻率關(guān)系，確定是否 為一組邊頻帶。如果是邊頻帶，則可知道嚙合頻率fZ和調(diào)制信號(hào)頻率fr。二是比較各次測(cè)量中邊頻帶幅值的變化趨勢(shì)。根據(jù)邊頻帶呈現(xiàn)的形式和間隔，有可能得到以下信息： 當(dāng)邊頻間隔為旋轉(zhuǎn)頻率fr時(shí)，可能為齒輪偏心、齒距的緩慢的周期 變化及載荷的周期波動(dòng)等缺陷存在， 齒輪每旋轉(zhuǎn)一周，這些缺陷就重 復(fù)作用一次，即這些缺陷的重復(fù)頻率和該齒輪的旋轉(zhuǎn)頻率相一致。 旋 轉(zhuǎn)頻率fr指示出問題齒輪所在的軸。 齒輪的點(diǎn)蝕等分布故障會(huì)在頻譜上形成類似的邊頻帶，但其邊頻 階數(shù)少而集中在嚙合頻率及其諧頻的兩側(cè)。 齒輪的剝落、齒根裂紋及部分?jǐn)帻X

7、等局部故障會(huì)產(chǎn)生特有的瞬態(tài)沖擊調(diào)制，在嚙合頻率其及諧頻兩側(cè)產(chǎn)生一系列邊帶。 其特點(diǎn)是邊帶階 數(shù)多而譜線分散，由于高階邊頻的互相疊加而使邊頻族形狀各異。 嚴(yán) 重的局部故障還會(huì)使旋轉(zhuǎn)頻率fr及其諧波成分增高。需要指出的是，由于邊頻帶成分具有不穩(wěn)定性，在實(shí)際工作環(huán)境中， 尤其是幾種故障并存時(shí)，邊頻族錯(cuò)綜復(fù)雜，其變化規(guī)律難以用上述的 典型情況表述，而且還存在兩個(gè)軸的旋轉(zhuǎn)頻率 fri（主動(dòng)軸fr1，被動(dòng)軸 fr2）混合情況。但邊頻的總體水平是隨著故障的出現(xiàn)而上升的。例如：齒面磨損、點(diǎn)蝕等表面缺陷，在嚙合中不激發(fā)瞬時(shí)沖擊，因而 邊頻帶的分布窄，邊頻帶的振幅隨磨損程度的增大而增高。斷齒、裂 齒、大塊剝落等在

8、嚙合中激發(fā)瞬時(shí)沖擊的缺陷，反映到邊頻帶中就是 分布變寬，隨著這類缺陷的擴(kuò)大，邊頻帶在寬度和高度上也增大。對(duì)于同時(shí)有數(shù)對(duì)齒輪嚙合的齒輪箱振動(dòng)頻譜圖，由于每對(duì)齒輪嚙合時(shí) 都將產(chǎn)生邊頻帶，幾個(gè)邊頻帶交叉分布在一起，僅進(jìn)行頻率細(xì)化分析 識(shí)別邊頻特征是不夠的；由于倒頻譜處理算法將功率譜圖中的諧波族 變換為倒頻譜圖中的單根譜線，其位置代表功率譜中相應(yīng)諧波族（邊頻帶）的頻率間隔時(shí)間（倒頻譜的橫坐標(biāo)表示的是時(shí)間間隔，即周期時(shí) 間），因此可解決上述問題。下載文檔到電腦，查找使用更方便 2下載券2人已下載下載還剩3頁未讀，繼續(xù)閱讀(3)齒輪故障信號(hào)的頻域特征： 均勻性磨損、齒輪徑向間隙過大、不適當(dāng)?shù)凝X輪游隙以及齒

9、輪負(fù)荷過大等原因，將增加嚙合頻率和它的諧波成分振幅， 對(duì)邊頻的影響 很小。在恒定載荷下，如果發(fā)生嚙頻率和它的諧波成分變化，則意味 著齒的磨損、撓曲和齒面誤差等原因產(chǎn)生了齒的分離(脫嚙)現(xiàn)象。齒 輪磨損的特征是，頻譜上嚙合頻率及其諧波幅值都會(huì)上升， 而高階諧 波的幅值增加較多。 不均勻的分布故障(例如齒輪偏心、齒距周期性變化及載荷波動(dòng)等)將產(chǎn)生振幅調(diào)制和頻率調(diào)制，從而在嚙合頻率及其諧波兩側(cè)形成幅值 較高的邊頻帶，邊帶的間隔頻率是齒輪轉(zhuǎn)速頻率(fr)，該間隔頻率是和有缺陷的齒輪相對(duì)應(yīng)的。值得注意的是，對(duì)于齒輪偏心所產(chǎn)生的邊 帶，一般出現(xiàn)的是下邊帶成分，即 fz-nfr(n=1, 2, 3,)，上邊

10、帶出 現(xiàn)的很少。 齒面剝落、裂紋以及齒的斷裂等局部性故障，將產(chǎn)生周期性沖擊脈沖，嚙合頻率為脈沖頻率所調(diào)制，在嚙合頻率及其諧波兩側(cè)形成一 系列邊帶，其特點(diǎn)是邊帶的階數(shù)多而分散。而點(diǎn)蝕等分布性故障形成 的邊帶，在嚙合頻率及其諧波兩側(cè)分布的邊帶階數(shù)少而集中。這些邊帶隨著故障的發(fā)展，其頻譜圖形也將發(fā)生變化。齒輪故障和軸承故障的差異：齒的斷裂或裂紋故障。每當(dāng)輪齒進(jìn)入嚙合時(shí)就產(chǎn)生一個(gè)沖擊信號(hào)，這種沖擊可激起齒輪系統(tǒng)的一階或幾階自振頻率。但是，齒輪固有頻率一般都為高頻（約在110kHz范圍內(nèi)），這種高頻成分傳遞到齒輪 箱時(shí)已被大幅度衰減，多數(shù)情況下只能在齒輪箱上測(cè)到嚙合頻率和調(diào) 制的邊頻帶。其邊頻帶的形狀和

11、分布和前期的正常狀態(tài)相比， 存在明 顯的變化。軸承故障。如果僅有齒輪嚙合頻率的振幅迅速升高，而邊頻的分 布和振幅并無變化，則表明是軸承故障。5故障診斷技術(shù)的新發(fā)展現(xiàn)代化的過程控制系統(tǒng)正朝著大規(guī)模、 復(fù)雜化的方向發(fā)展，這類系統(tǒng) 一旦發(fā)生故障就可能造成巨大損失。因此，保障復(fù)雜系統(tǒng)的可靠性和 安全性具有重要的意義。隨著人工智能技術(shù)的發(fā)展以及相關(guān)領(lǐng)域?qū)W科 研究的深入，設(shè)備故障診斷也朝著智能化方向發(fā)展，智能故障診斷為 提高復(fù)雜系統(tǒng)的可靠性開辟了新的途徑。 作為一門交叉學(xué)科智能故障 診斷在過去的幾十年里飛速發(fā)展，一些新的理論和方法已經(jīng)成功地使 用到實(shí)踐?？傮w而言，智能故障診斷方法分為兩大類：基于數(shù)學(xué)模型

12、的故障診斷方法和基于人工智能的故障診斷方法。（1）人工神經(jīng)網(wǎng)絡(luò)技術(shù)人工神經(jīng)網(wǎng)絡(luò)是近年發(fā)展起來的交叉學(xué)科， 涉及生物、電子和計(jì)算機(jī) 等領(lǐng)域，它的發(fā)展對(duì)目前和未來科學(xué)技術(shù)的發(fā)展有重要的影響。 它是 采用物理可實(shí)現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細(xì)胞的結(jié)構(gòu)和功能。它由很多 處理單元有機(jī)地聯(lián)接起來并行地工作， 處理單元十分簡單，但工作則 是“集體”進(jìn)行的，它的信息傳播和存貯方式和神經(jīng)網(wǎng)絡(luò)相似。和現(xiàn)代計(jì)算機(jī)完全不同，它沒有運(yùn)算器、存貯器、控制器， 代之以簡單處理器的組合，信息存貯在處理單元之間的聯(lián)接上。由于神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的在線學(xué)習(xí)能力、 非線性映射能力和聯(lián)想記憶 能力，很早就被引入到電力系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)是模擬生

13、物神經(jīng)元的 結(jié)構(gòu)而提出的一種信息處理方法，具有本質(zhì)的非線形特征、并行處理 能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力，目前比較成熟的是誤差的 反傳模型算法（BP算法），它的網(wǎng)絡(luò)結(jié)構(gòu)及算法直觀、簡單、在工業(yè)領(lǐng) 域中使用較多。經(jīng)過訓(xùn)練的 ANN適用于利用分析振動(dòng)數(shù)據(jù)對(duì)機(jī)器進(jìn) 行監(jiān)控和故障檢測(cè)，預(yù)測(cè)機(jī)械部件的疲勞壽命。非線性神經(jīng)網(wǎng)絡(luò)補(bǔ)償 和魯棒控制綜合方法的使用在實(shí)時(shí)工業(yè)控制執(zhí)行系統(tǒng)中較為有效。還可利用BP算法學(xué)習(xí)正常運(yùn)行實(shí)例調(diào)整內(nèi)部權(quán)值，從而解決非線性問題。 因此，對(duì)于存在著大量非線性的復(fù)雜電力系統(tǒng)來講，理論在電力系統(tǒng)中的使用已涉及到如暫態(tài)，動(dòng)穩(wěn)態(tài)分析，負(fù)荷建模和負(fù)荷管理，警報(bào) 處理和故障診斷，配電網(wǎng)線

14、損計(jì)算，故障檢測(cè)和繼電保護(hù)等方 面。（2）BP算法理論基礎(chǔ)算法理論基礎(chǔ)算法是一種監(jiān)控學(xué)習(xí)方法， 通過比較輸出單元的實(shí)際輸 出和希望值之間的差別，調(diào)整網(wǎng)絡(luò)路徑的權(quán)值，以使下一次在相同的輸 入下,網(wǎng)絡(luò)的輸出接近于希望值。在神經(jīng)網(wǎng)絡(luò)投運(yùn)前，就使用大量的數(shù)據(jù)，包括正常運(yùn)行和不正常運(yùn)行 的，作為其訓(xùn)練內(nèi)容以一定的輸入和期望的輸出通過BP算法不斷修改網(wǎng)絡(luò)的權(quán)值。在投運(yùn)后，還可根據(jù)現(xiàn)場(chǎng)的特定情況進(jìn)行現(xiàn)場(chǎng)學(xué)習(xí)， 以擴(kuò)充ANN內(nèi)存知識(shí)量。從算法原理看，并行處理能力和非線性功能是BP算法的一大優(yōu)點(diǎn)神經(jīng)網(wǎng)絡(luò)用于電力系統(tǒng)故障診斷主要集中在對(duì)電網(wǎng)的故障處理上。電網(wǎng)中的每一類故障都會(huì)產(chǎn)生一組警報(bào)信息， 不同類型的故障具有不同 的警報(bào)組合，因而可以將警報(bào)處理和故障診斷表示為模式識(shí)別問題， 這樣就能用人工神經(jīng)網(wǎng)絡(luò)來進(jìn)行處理。神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的基本原理是：將故障報(bào)警信息量化作為神經(jīng) 網(wǎng)絡(luò)的輸入，神經(jīng)網(wǎng)絡(luò)的輸出代表故障診斷的結(jié)果。首先對(duì)神經(jīng)網(wǎng)絡(luò) 進(jìn)行訓(xùn)練學(xué)習(xí)，即將特定故障對(duì)應(yīng)的報(bào)警模式作為樣本，建立全面的 樣本庫，然后用所有的樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，這樣就可以將樣本 庫的知識(shí)以網(wǎng)絡(luò)的形式存儲(chǔ)在神經(jīng)網(wǎng)絡(luò)的聯(lián)接權(quán)中，最后，通過神經(jīng)網(wǎng)絡(luò)輸入的計(jì)算就可以完成故障診斷。 故障診斷中神經(jīng)網(wǎng)絡(luò)所采用的 模型大多為BP模型，基于BP模型進(jìn)行報(bào)警處理和故障診斷的方法， 該方法將報(bào)警信