路彤
包钢股份工程服务公司 内蒙古包头市 014010
摘要：通过对大量旋转机械设备故障进行诊断技术的分析研究，对现今国内设备进行分析研究的基本诊断方法，掌握常用的故障诊断技术，对设备的振动故障进行诊断，分析故障的成因，从根本上减少设备故障的发生，降低故障发生的频次，提高整体生产效率，降低设备维护成本，提高整体利润。
关键词：设备;故障诊断;旋转机械
1、旋转机械设备故障诊断概述
旋转机械在工业生产中占有举足轻重的地位，是生产过程当中很重要的设备之一。由于在日常生产生活当中，有很多因素不受人为因素控制，会产生不好的后果，带来巨大的损失，产生较为严重的后果。
1.1什么是故障诊断技术
故障诊断也称诊断，是用来检查寻找故障的程序称为诊断程序，对其它设备或系统执行诊断的系统称为诊断系统。要对系统进行故障诊断，首先必须通过对设备诊断所需信息进行筛选、分析处理后，根据设备状态运行参数等等，最终给出解决方案，做出正确的诊断，实现故障恢复。就本系统而言，为保证旋转机械系统稳定性，专门设计了设备运行状态监测，运行状态趋势预报，以及故障类型、原因诊断等在内的故障诊断方案。
1.2设备故障诊断的基本分类及步骤
故障诊断方法可以分成两大类：基于数学模型的故障诊断方法、基于人工智能的故障诊断方法。设备故障诊断的实施过程基本如下：通过信号采集系统将诊断系统的数字信号进行采集，经过分析记录仪以及信号采集系统将结果传递给计算机系统进行分析诊断。本文主要是通过对旋转机械振动基于数学模型的诊断，基于模糊数学的诊断方法，不需要建立精确的数学模型，适当的运用局部函数和模糊规则，进行模糊推理就可以实现模糊诊断的智能化。本文系统的论述实施设备故障诊断的意义与应用前景。
2、旋转机械设备故障诊断技术
2.1旋转机械故障的灰色诊断技术
灰色诊断技术就是在故障诊断中应用灰色系统理论，利用信息间存在的关系，充分发挥采集到的振动信息的作用，充分挖掘振动信息的内涵，通过灰色方法加工、分析、处理，使少量的振动信息得到充分的增值和利用，使潜伏的故障原因显化。
2.2旋转机械故障的模糊诊断技术
模糊诊断技术就是在故障诊断中引进模糊数学方法，将各类故障和征兆视为两类不同的模糊集合，同时用一个模糊关系矩阵来描述二者之间的关系，进而在模糊的环境中对设备故障的原因、部位和程度进行正确、有效地推理、判定。
2.3旋转机械故障的神经网络诊断技术
所谓的神经网络就是模仿人类大脑中的神经元与连结方式，以构成能进行算术和逻辑运算的信息处理系统。神经网络模型由很多类似于神经元的非线性计算单元所组成，这些单元以一种类似于生物神经网络的连结方式彼此相连，以完成所要求的算法。在旋转机械故障的诊断中，引进神经网络技术，以类似于人脑加工信息的方法对收集到的故障信息进行处理，从而对故障的原因、部位和程度进行正确的判定。
3、旋转机械设备振动故障及诊断方法
（1）信号特征的手机提取。可以通过常见的时域、频域、时频域信号域处理方法来提取能描述关键设备部件状态的统计特征和相关信息，时域处理方法主要是利用对其特征频率成分、波形变化来分析其中常见统计特征，如峰值、均方根、绝对平均值、方差、无量纲参数等等，这些特征参数与设备状态密切相关，能够反映设备运行状态。其他频域、时频域等处理方法也是如此，能够根据其信号和频谱变化来提取相关信息。
（2）特征信号向量的科学选取。一般信号域处理过程中会提取到包含多个统计量的特征向量，这些特征向量维数都较大，不是多有特征信息都能敏感反映设备故障状态，对设备故障不敏感的特征不仅会影响故障识别功能的精确性，还会给其识别运算带去额外的负担，因此就要科学合理的筛选合适的特征。目前常用主成分分析、独立成分分析、距离评估技术等等来进行特征选取，合理利用改方法能够有效减少特征数目，从而实现机械故障的高精度识别功能。
（3）设备故障的诊断和预测。在基于人工智能算法的基础上，可以利用特征向量、故障模式和预测剩余使用寿命之间的关系构建非线性模型，从而来准确判断设备故障状况，并预估去剩余使用年限。目前主要有人工神经网络预测预测方法、基于统计学理论的支持向量机方法等等。人工神经网络是一种借助类似于大脑神经突触连接机构进行信息处理的数学模型，能够同时实现多输入和多输出，常见有误差反向传播神经网络数学模型，利用该方法进行旋转机械设备关键部件故障诊断，能够借助自适应神经模糊推理系统来诊断判定旋转机械故障。此外，借助提出的频域特征，通过人工神经网络也能够进行寿命预测。这种方法收敛速度比较慢，训练过程中还有一定的拟合不足或过度的问题。因此为妥善解决这个问题，基于统计学理论的支持向量机方法就被开发研究出来，这种诊断预测方法理论完善，泛化强，训练过程中不必获得大量样本，其中形态多次度分析方法用于轴承故障识别分类和寿命预测中效果颇为显著，因此目前已经被广泛运用到机械故障诊断和预测中。
窗体底端
4、故障形成机理及对应诊断方法
4.1不平衡和不对中故障类型
1）旋转机械的转子不平衡振动由于发生的过程不同，可以分为初始不平衡、渐发不平衡以及突发不平衡。由于转子的质量中心不再轴线上，或是相对轴线分布不均匀，存在偏心距，在机械转动时产生离心力，因此产生了不平衡振动。离心力的周期与转子的转动周期相同，振动幅值大小与转速有关。而不对中主要是轴承不对中及轴系不对中，其中以轴系不对中最多。其中角度、平行容易发生不对中情况。
2）故障诊断。当通频时域的波形图为近似等幅的正弦波时，轴心轨迹图与椭圆近似且比较稳定，径向上个点的振动存在一定幅度的相位差。由于不平衡振动是转子本身的离心力引起的横向振动，因此转速对不平衡振动的幅值影响较大，当产生共振时振动幅值达到最大的点。旋转机械存在不平衡振动时，工频相位随之改变。
当通频时域波形为周期性畸变正弦波时，频谱图为工频，对中偏差较大，轴心轨迹为长椭圆以及8字型，转子涡动为正进动基本上可以判断为不对中。轴系不对中的转子振动，会同时在轴向和径向上产生振动，振动幅值伴随负荷的增大而增大。
4.2转子弯曲故障类型
1）转子弯曲振动机理。转子在极小概率下会出现弯曲振动。转子弯曲后不能动平衡校正。转子弯曲后的振动频率与工频相同，其轴线会出现偏离支撑点的径向变形。
2）转子弯曲诊断。转子弯曲后的振动时通频时域的波形为接近等幅的正弦波，轴心轨迹为椭圆形。因为转轴弯曲会出现摩擦，因此在频谱图、轨迹图等图形中还会存在摩擦特征。转子弯曲的振动会存在较大的径向振动，轴向方面也有一定的工频振动，振幅的大小对转速相当敏感，振幅与转速成正比。
结束语
旋转机械是各行业机械设备中的关键部位，其运行状态直接影响着整个设备的性能，因此对其状态检测和故障诊断具有重要意义。旋转机械主要因不平衡、不对中和动静碰擦等几种原因发生故障，不同类型的故障伴随有不同特征的振动信号；振动诊断是通过采集旋转机械的振动信号，再用时域分析法、频域分析法、时频域分析法等方法对振动信号进行对比、分析，从而判断出其运行状态和对故障进行诊断。
参考文献：
[1]张建.振动测试技术在旋转设备故障诊断中的应用[J].机械故障诊断技术，2017，2.
[2]韩清凯，等.旋转机械设备故障诊断方法的研究[J].故障转子系统的非线性分析与诊断方法，2016.