首页 > 机械论文 > 石化行业旋转机械故障机理及诊断方法研究机械论文

石化行业旋转机械故障机理及诊断方法研究

发布时间:2016-12-21      文章来源:未知

摘   要

        随着现代社会的发展与进步,人们越来越多地认识到机械的安全运行对于工业生产的重要性,正因如此,故障诊断方面的技术应用得到了大力推广,而传统的诊断技术则越来越难满足人们对于机械不断发展的安全标准。
        在过去的诊断方法中,人们最常使用快速傅里叶变换技术来对故障信号进行提取。这种方法为诊断行为提供了极大的便利,如果信号的特性是平稳的,则用该技术进行诊断时并不会发生异常。一旦当信号具有时变特性,或是原信号夹杂着瞬时变化,那么这一类基于FFT技术的方法就会显现出弊端。在多分辨分析领域,小波变换可谓是一种新兴技术,它的核心是振荡的、衰减的基函数,其可以分析任意小的频率特征,因而被人们比作“数学显微镜”。
        本文首先从课题的背景出发,论述了故障诊断技术在国内外发展的现状。在对比经典的故障诊断方法和小波变化方法优劣之前,本文先对旋转机械常见的故障及其机理做了比较全面的总结,从而建立了机械故障与信号特征提取之间的联系。最后探讨了在诊断旋转机械的过程中利用小波分解技术的Mallat算法,并在此基础上进行FFT变换,从而提高频谱特征的提取能力。仿真实验的结果说明,这种方法确实改善了故障诊断的精确性,得到了我们所期待的效果。
 
关键词:小波分析;Mallat算法;故障诊断;快速傅里叶变换
 

Abstract

With the rapid development and progress of modern society, an increasing number of people recognize the importance of safe operation for the industrial mechanized production. For this reason, the fault diagnosis technology application got promoted, and it is more and more difficult for the traditional diagnosis technology to meet the safety standards for mechanical development.
During the past, people always extracted the fault signals of the machines based on the fast Fourier transform technique which had been providing great convenience for diagnosis of machines. When the characteristic of the signal is steady, the use will not be fine and the method of this technology will word well. However, once the signal has a time-varying characteristics, or is mixed with the instantaneous changes, then this kind of method based on FFT technology will not work. In the field of multi-resolution analysis, wavelet transform is a new kind of technology whose nature is volatile and degenerative primary function that can analyze any small frequency characteristic. And that’s why it is called mathematical microscope.
This paper discusses the present situation of the development of fault diagnosis technology in the domestic and abroad based on background of subject. Before the paper contrasts the classic method of fault diagnosis with wavelet transform, it make a more comprehensive summary of the common fault mechanism of rotating machinery , then  established the link of the mechanical fault and signal feature extraction . Finally, the Mallat algorithm is discussed in the process of diagnosis of rotating machinery using wavelet decomposition technique, based which FFT can be conducted. As a result, the ability to extract spectral feature can be improved. The simulation results show that this method can improve the accuracy of fault diagnosis, which is what we expect.
 
Key Words: Wavelet Analysis; Mallat Algorithm; Fault Diagnosis;FFT
 
 
 
目   录
    I
Abstract II
第一章 绪论 1
1.1故障诊断技术介绍 1
1.2针对石化行业旋转机械故障诊断分析方法研究的重要性 1
1.3诊断分析方法研究与发展趋势 2
1.4论文主要研究内容 3
第二章 旋转机械传统诊断方法与几种常见故障机理介绍 5
2.1旋转机械传统诊断方法 5
2.1.1无损检测法 5
2.1.2振动检测法 7
2.2几种常见故障及机理 8
2.2.1转子不平衡故障 8
2.2.2转子不对中故障 10
2.2.3滑动轴承故障 11
2.2.4转子碰摩故障 13
第三章 数字信号相关理论与传统处理方法 15
3.1数字信号相关理论 15
3.1.1频率混叠和采样定理 15
3.1.2相关分析 16
3.2传统信号处理方法 18
3.2.1功率谱分析 18
3.2.2倒频谱分析 20
第四章 基于傅里叶变换与小波变换故障分析 25
4.1傅里叶变换 25
4.1.1傅里叶变换引入 25
4.1.2傅里叶变换固有缺陷 25
4.1.3傅里叶变换改良 26
4.2小波变换 27
4.2.1小波变换引入 27
4.2.2小波函数 27
4.3连续小波变换 28
4.3.1连续小波变换的时频窗分析及特点 29
4.3.2尺度与频率之间的关系 32
4.4离散小波变换 32
4.4.2 离散小波变换表达式 32
4.4.2 Mallat算法 33
4.5小波包 36
4.6 几种常用小波 36
4.7关于FFT方法与小波变换相结合的探讨 39
第五章 故障机理分析与仿真 43
    55
    57
附录A 59
    67
 

第一章 绪论

        早在上世纪六十年代,美国人就率先提出机械的预知维修的构想,并着手于该技术领域研究与实验。随着传感器技术,计算机技术等高新技术的持续发展发展,机械结构也变得越来越发杂,传统的诊断技术正在经受挑战。机械可靠性如果得不到保障,就更无法谈及安全生产,企业的年创造价值也会大打折扣。尤其是石化一类的行业,由于其特殊的生产环境,几乎每年都会有事故发生。由此对于新兴技术的引入与改良已经迫在眉睫。

1.1故障诊断技术介绍

        所谓设备故障诊断技术,根本上来讲就是对机器在运行过程中所处的何种状态进行监控与判断,并预测设备的可靠性,确定其整体或局部是不是处于安全运行范围。如果发现问题,则需要对所发生问题的位置、机理和时间给予合理解释,从而提出有关机器维护的改善措施。
        设备故障诊断技术不仅仅包含机械的相关知识,它更是与信息技术相交叉的学科。与被诊断对象有关的任何有价值的信息,均可作为其诊断依据,比如振动、转速、噪声、温度的变化、压力,甚至是流量等。也就是说,想要进行故障诊断,就要首先获取有关机器运转的信息。对于旋转机械来说,早先的方法是听、看、摸,如同医生为病人看病一样,而在现代诊断技术中,则主要是通过传感器(如速度传感器、温度传感器和压力传感器等)来搜集信息,因此传感器的类型,质量的好坏,性能的高低,安装方法是否正确,位置是否得当等,均会左右着关于机器是否正常运行的诊断信息的正确性。
       依据设备的结构原理、运动学和动力学,乃至机器的设计、制造、安装、运转和维修等方面的知识,故障诊断要对设备运行的状态进行判断、诊断和预报。要尽可能地分析处理所其获取的所有特征信息,即运用各种知识和经验,尤其是对设备及其零部件故障失效机理方面的知识和现场经验,只有这样,方能对机器的状态进行识别、诊断,并最终预测其发展趋势,为设备的维修方式提供理论依据。

1.2针对石化行业旋转机械故障诊断分析方法研究的重要性

         到现在为止,仍然有众多企业对大型旋转机械进行定期维修,所谓的定期维修方式往往会导致两个严重的后果:
(1) 过剩维修:即在设备并未出现任何问题,甚至是工作状态完好的情况下维修,不仅造成了过多的浪费,甚至还因为反复拆装机械而增加了故障的几率;
(2) 失修:也就是虽然尚且未到维修时间,而设备却已经发生故障甚至是失效轻者影响了正常的生产过程,重者造成重大的人员伤亡事故。
为了避免以上两种不良后果,必须对原有的设备维护维修体制进行新的改革。预知维修方式应运而生,也就是我们所说的状态监测与故障诊断,它是指对设备运转过程和状态进行准确监测和评估,进而对未来可能发生的故障进行预判。在过去 30的年中,现代机械监测技术与诊断方法在被人们不断地探索,并且已经获得惊人的发展与突破。在现代企业生产中,对很多重要机组都必须进行全面监控与工况的分析、记录,这些工作对于维护机器设备的安全生产,防止事故的发生,以及实现设备维修制度从过去的定期维修转向,基于设备状态的预知维修等诸多方面起到了推动性作用,由此所获得的经济社会效应将会非常可观。

1.3诊断分析方法研究与发展趋势

        上世纪六十年代,快速傅里叶变换(FFT)的发明对后来故障诊断技术的出现起到了关键性的作用。而后,随着电子测量技术和频谱分析技术的发展,机械预知维修技术获得了新的突破,发达国家的有关旋转机械的状态监测与故障诊断技术开始由理论研究迈向了大规模的生产实践当中。上世纪八十年代中期,微型计算机的出现大大促进了现代机械故障诊断技术的迅猛发展,同时也激励了着众多商业化的故障诊断与监测系统的研发。
        目前,美国的西屋公司、BK公司、本特利公司等都是这一领域非常著名的公司。其中本特利公司在有关转子动力学,旋转机械的故障机理尤其是振动监测等方面做了大量的实验,积累了可观的实验数据。RID公司一直在该方面有着技术领先的优势,成功研发了Mpules联网机械状态监测系统和PmPower旋转机械振动诊断系统。欧洲也有许多公司和科研单位在做相关方面的研究,如英国的机器保健中心、曼彻斯特大学的沃福森工业维修公司,瑞士的ABB公司等。
        相比之下,我国则在稍晚的时期才开始机械故障诊断技术方面的研究。上世纪七十年代末,我国最开始是引进国外先进技术,并消化、吸收、创新发展这些外来知识。直到产生自主创新以前则经历了三个发展阶段:第一阶段是在七十年代到八十年代,我国虽然已经开始研究各种机械设备的故障机理、诊断方法以及简便的监测与诊断技术,并开始投入应用,但这还是建立在逆向模仿他国技术的基础上的,能做到知其然,尚且不知其所以然;第二阶段是在八十年代的初期至末期,通过不断地探索新的诊断理论和方法,总结经验,最终使得在线监测与故障诊断装置的研发上有了自己的突破;第三阶段是在八十年代后期至现在,无论是从理论上和还是生产应用上,我国都已经获得了大量的突破,形成了独特的故障诊断理论。

1.4论文主要研究内容

        传统的旋转机械故障诊断方法中,首先发展起来的是时域分析方法,随后频域分析方法的引入则为机械的故障诊断提供了新的便利。然而对于机器的某些缺陷,这些方法式中无法将之进行有效解决,特别是在故障产生的初期,此时的相关特征信号不但很微弱,甚至被淹没在高频振动和噪声中,使得时域波形与频谱图变得较难分辨。传统的功率谱运算只能在信噪比较高情况下提取故障特征信号,并且它对微弱的故障特征信号并不敏感,这严重削弱了故障种类识别的可信性和精准性。而应用其它统计方面的谱分析方法或轴心轨迹识别方法等手段,也几乎无法解决微弱特征信号提取的难题。
        后期发展起来的时频分析方法则不同。它可以较好地解决对时变信号分析难的问题,而小波分析技术又是该方法最为典型的代表。它的多尺度性和无限聚焦微小频率的特性,使得分析微弱信号和对特征信号的提取问题变得迎刃而解。
本论文主要进行以下几个方面的工作:
(1) 介绍了机械的预知维修技术的发展,分析了目前的国内外相关技术现状以及发展态势;
(2) 归纳了若干种常见的旋转机械故障及故障机理,研究了经典诊断方法和小波分析的原理,特别是二进小波和Mallat算法的相关理论;
(3) 研究了传统振动方法与小波分析方法的应用,总结了两者的利弊;
(4) 提出了利用多分辨分析在故障诊断中与基于傅里叶变换的功率谱方法相结合的想法,从而更好的提高振动信号的信噪比,并改善单纯使用小波分析无法准确定位频率的缺点。
 

第二章 旋转机械传统诊断方法与几种常见故障机理介绍

2.1旋转机械传统诊断方法

2.1.1无损检测法

        所谓的无损检测法指的是对机械的零部件进行非破坏性检测,从而发现其表面、内部缺陷的一种诊断分析技术。它是对故障机理进行研究并预测隐患的一种重要方法,并且常常与其他诊断技术联合使用,从而以达到对机械进行故障诊断的目的。目前主要的无损检测方法有光学法、渗透法、磁粉法、涡流法、射线法、超声波法和声发射法、油样分析法。
(1) 光学检测法
        该方法的原理是借助于简单放大镜和内窥镜进行观察。探头只要接近到被测物体表面的610毫米,且所成角大于等于30°,这种方法就可以有效进行。其中的内窥镜具有多种不同的形式,从而可以适应多种多样的工作需求。它可以检测出0.1毫米宽,2毫米长的裂纹[11]
(2) 渗透检测法
        这种方法的原理是:先把被检测物体的表面清洗干净并干燥处理,然后涂上专用的渗透液,这种渗透液可以渗进表面的裂纹,再把表面的渗透液清除干净,表面就可以显示出缺陷的图像。该方法原理简单明了,且历史悠久,它可以检测出深0.02毫米,宽0.001毫米的缺陷。但从原理中可以明显看出,它只能检测出表面缺陷。对于常常将缺陷藏于内壁的多孔性材料,渗透检测法就无能为力了。不仅如此,它受表面粗糙度的影响也比较大,一般是表面越光滑,检测效果越好。
(3) 磁粉检测法
        这也是一种应用时期早且使用广泛的检测方法,它一般使用在检测铁磁性材料表面或贴近表面的缺陷,例如未焊头和裂纹。它的基本原理为:当铁磁材料被磁化之后,其表面的缺陷就会发生相应的漏磁现象。这种漏磁现象可以由磁粉(一般为三氧化二铁,四氧化三铁等)检测出来。这种方法检测结果显示更加直观形象,灵敏度高,不受检测物体尺寸大小、外形的限制。
该方法也同样受表面粗糙度的影响,表面越光滑,清洁度越高,检测效果越令人满意。
(4) 涡流检测法
        它的基础是电磁感应原理,基本原理是:用通以交流电的检测线圈去靠近被测物体(该物体必须导电),被测物体就会产生感应涡流,这种感应涡流又会产生可以影响线圈阻抗的反作用磁场,由于表面(或近表面)缺陷的存在,这种感应涡流是变化的,从而使反作用磁场的强弱也发生改变。正是利用这种效应才检测出物体缺陷。
这种方法具有使用范围广、检测效率高等优势,但却同样无法检测出距离表面较远的深层缺陷,而且它容易受到电磁干扰。
(5) 射线检测法
       这是一种应用最为广泛的整体检测技术,所谓的射线一般指的是具有很强穿透能力的X射线和伽马射线,检测的灵敏度可以达到0.5%~1%[11]。其主要用于检测铸件、锻件、管道质量等,对于机械的维护中,它是安装、维修和寿命预测的重要依据。
       此外还有油样分析法、超声波检测法和声发射法,这里不详细介绍。以下为几种检测方法的优劣对比表:
 
表2.1检测方法的优劣对比
Tab2.1 Comparison of the detection methods
检测方法 优势 缺点
光学法 ①方法简单 ②原理成熟 ①灵敏度差 ②仅能检测表面缺陷
渗透法 ①简单有效 ②灵敏度较高 ①局限于表面检测,无法检测深层缺陷 ②表面残留液会影响精度
磁粉法 ①方法简单有效 ②灵敏度高 ③不受工件尺寸、形状限制 ①只能检查磁性材料 ②无法检测深层缺陷,使用范围1~2mm
涡流法 ①使用范围广 ②检测效率高 ③不受材料温度变化影响 ④检测结果可以保存备查 ①无法检测深层缺陷 ②受材料材质变化和振动影响大 ③对检测人员专业水平要求高 ④复杂零件会产生边界效应
射线法 ①可以检测深层缺陷 ②不少几何条件影响 ③灵敏度高 ①放射源较大 ②能引起生物效应,杀伤生物细胞,若遗失则会对周围环境产生极大危害
 

2.1.2振动检测法

         所谓振动检测法指的就是通过机械的振动信号进行测试分析,从而获取与机械状态相关的信息的方法。而机械的振动信息又可以分为幅值信息、频率信息和相位信息,其中振动和频率方面的分析又称为时域分析和频域分析。
        关于振动的时域统计有均值、均方差、方差;时域方面的分析有相关分析。
        振动频域分析即是基于傅里叶变换,将时域信息变为频谱信息,这种方法也叫频谱分析。频谱分析有幅值谱分析、相位谱分析和功率谱分析。
我们知道,要对于机械设备进行诊断,首先最重要的一步是获取设备的状态信息,而可作为检测和诊断的信息参数却又种类繁多,包括:形变、声音、应力、裂纹、腐蚀、磨损、温度、转速和振动等。之前所说的无损诊断技术常常是对设备本体的表面、材料内部的缺陷或缺陷(如裂纹、腐蚀等)变化趋势进行探测。对于设备的其他种类故障,诸如:机械位置不良、刚性不足、摩擦、流体振动和非线性谐波共振等故障,无损检测诊断方法则是无能为力,只能通过振动分析来解决。据统计,各种故障引起机械振动的概率高达60%以上[13]。由于振动信号中含有大量丰富的设备状态信息,通过对机械的时域波形和频谱图进行分析,即可获知设备当前处于何种状态。早期的振动信息获取是通过机械设备完成的[24],随着电子信息技术的发展,出现了位移传感器、速度传感器和加速度传感器等来捕获振动信息,振动信号变为电信号之后,使得信息处理与分析变得更加容易。鉴于以上优势,振动信号监测诊断技术已经成为故障诊断领域最为普遍采用的方法,可以完成70%以上的故障诊断[25]
        相比于频率,振幅仅仅是反映了设备当前的振动烈度,并不能表征其缺陷类型[26]。一般在工厂中会常常设定一个阀值,当振动烈度超过该阀值时即报警停机。这种方法有两大弊端,一是无法发现早期故障;其次是有时旋转机械会因为偶然原因导致被测点的振幅瞬时超过阀值,但并非故障,这就造成了故障错报,会严重降低生产效率。
       对于旋转机械,不同故障所表现出的振动频率是不一样的,正因如此,频率监测具有定性故障的功能。
       鉴于以上原因本论文将侧重于利用振动法,来进行关于监测诊断技术对于旋转机械故障诊断方面应用的探讨与研究。

全文word版本 2.9万字数,稿件终稿时经Ucheck查重合格


结   论

        旋转机械在当今生活生产中已经是被大量使用的关键性设备,这就决定了对于旋转机械的故障诊断具有极其深远的重大意义。本文在总结旋转机械的故障机理与传统诊断方法的基础上,侧重于故障振动信号的降噪、特征频率的提取和故障类型的判别。利用小波分解在多分辨分析上的优势,提出了小波变换与傅里叶变换相结合并降噪的诊断方法,针对某石化企业的压缩机,在MATLAB环境下编程仿真实验。实验证明,sym8小波比db10小波具有更加明显的降噪优势,而且这种方法可有效甚至精确地定位振动有效区所在的频谱区域,判断出每层小波确切的频率组成成分,具有重大的现实意义。
 

参 考 文 献
[1] 黄华国.倒频谱分析研究[J].倒频谱分析研究,1982,1:21-31.
[2] 李忠贞.精密齿轮箱的倒频谱故障诊断[J].西安矿业学院学报,1987,1:79-84.
[3] 王金福,李富才.机械故障诊断的信号处理方法:频域分析[J].上海交通大学,2013,2(1):173-180.
[4] 樊长博.应用倒频谱分析法对风力发电机组齿轮箱故障诊断[J].科学技术与工程,2006,2:187-189.
[5]王萍辉,方应民.倒频谱分析在旋转机械故障诊断中的应用[J].长沙电力学院学报,1999,14(3):249-256.
[6] 张希军,吴志真.航空发动机试车中转子故障诊断[J].计算机测量与控制,2005,13(11):1182-1185.
[7]汤武初,杨彦利,伉大丽,赵亮.倒频谱在压缩机故障诊断中的应用[J].噪声与振动控制,2006,1:71-73.
[8]何正嘉,雷俊江,屈梁生.时序倒频谱原理在机床低频杂音分析中的应用[J].信号处理,1987,3(4):233-239.
[9] 杨长江,宋世远,李建伟,廖梓裙.机械振动图谱分析诊断[J].后勤工程学院学报,2006,2:56.
[10] 舒服华.基于倒频谱分析的球磨机减速机故障诊断[J].机械装备,2007,3:37.
[11] 王丽萍.机械设备故障诊断技术及应用[M].西安:西北工业大学出版社,2001,8.
[12] 杨建国.小波分析及其工程应用[M].北京:机械工业出版社,2005,6.
[13] 沈庆根,郑水英.设备故障诊断[M].北京:化学工业出版社,2005,11.
[14] 成礼智,郭汉伟.小波与离散变换理论及工程实践[M].北京:清华大学出版社,2005,1.
[15] 褚福磊,冯志鹏.机械故障诊断中的现代信号处理方法[M].北京:科学出版社,2009.
[16] Daubechies .I. Where do wavelet come from?-- A personal point of view[J].Proceedings of the IEEE,1996,84(4):510~513.
[17] Polikar R.The story of wavelets[J].IMACS/IEEE CSCC.1999,5481~5486.
[18] Barbara B H. The Word According to Wavelet: The Story of a Mathematical Technique in the Making. Wellesley[M],Massachusetts: A.K Peters Ltd,1998.

注:稿件初稿时经Ucheck查重合格
收缩