旋转机械故障诊断与预测方法及其应用研究

吴帅举

摘 要：旋转机械在高噪音的工作环境中出现故障很难被察觉，一旦旋转机械某些部位出现故障，就会使整个机械系统产生连锁反应式的复合故障，故障之间互相帮合，就会影响到故障诊断的精确性。因此这种在强噪音下、复合故障诊断是机械故障诊断中的难点。本文对旋转机械进行诊断与预测方法及其应用进行研究具有重要的意义，以期为同行业工作人员提供一定的借鉴。

关键词：旋转机械；故障诊断；预测方法；应用

一、旋转机械运行状态监测的目的

在旋转机械运行过程中会产生一些常态信号，对机械运行的状态进行监测，能够及时的诊断预测出机械运行将会产生的故障。旋转机械运行过程会产生热、噪音以及振动，这些因素参数的改变就预示着机械的故障情况、通过对这些信号的掌握就能够顺藤摸瓜地找出故障产生的原因，并对故障进行预测。除此之外，旋转机械的部件磨损以及生产状况等因素都能够为机械故障诊断提供参数。通过连续性、周期性地跟踪记录旋转机械运行状态参数，能够实现旋转机械作业中故障发生全过程的参数记录，可以有充足时间进行故障问题的处理，通过周期性监测测量所得参数对比正常运行下的测量数据，从而得出旋转机械故障所在，节省了维修时间的同时，使旋转机械得到了更好的维护。

二、旋转机械振动监测

旋转机械在运行中都会存在一定的振动，其振动大小是有合理范围约束的，如果机械运行振动过大，就会造成旋转机械作业精度降低，增加机械部件磨损，从而降低机械的使用寿命。本文通过分析旋转机械在运行过程中产生的振动信号，来进行旋转机械的故障诊断以及预测方法的具体应用。

（一）振动测量

以前对旋转机械在运行过程中进行检测需要通过机械运转振动产生的声音信号来进行判断机械是否存在故障，工作人员通过对比所听到的振动声音是否有异于正常状态下的振动声音来判断是否需要停止旋转机械的运行。随着科学技术的日益提高，人们已经探索出了更为准确的诊断方法，那就是使用专门的测量仪器来代替人工经验更加精准的进行判断。测量仪器会将收集的振动信号通过频谱分析仪作快速傅里叶变换，经过一系列的图表化参数呈现将问题进行数据化，从而使变化结果一目了然，使工作人员对旋转机械中存在的故障能够更为有效地把握。

（二）振动传感器的选择应用

对旋转机械进行故障诊断与预测需要借助于测量振动的传感器，它包括加速度、速度和位移传感器三种。三种传感器通过不同的工作原理来进行具体振动分析，在测试过程中，面对不同的振动条件，所采用的传感器也不同。当被测的机械振动频率比较低的时候，振动位移量较大时就比较容易触发位移传感器。当被测机械振动频率较高，所造成的冲击量比较大时就比较容易触发加速度传感器，所以在进行振动测量的时候要选择对应的振动传感器，这样才会取得更为准确的测量结果。

三、旋轉机械故障的预测方法及其应用

在对旋转机械故障振动频率的检测过程中可以发现，不同的故障会产生不同的振动频率，不同的振动频率又指向不同的故障源，所以，在对旋转机械进行振动状态分析以及故障诊断的时候要多多的进行参数收集与整理，进行有效统计，以便于针对多种故障进行有效故障参数分析与诊断。旋转机械运行中产生故障问题大多数是由转子不平衡所导致的，所以在日常监测工作中，要多针对机械不平衡进行检测

和分析，从而保障旋转机械的正常运行。当然随着科学技术的飞速发展，对旋转机械的运行状况可以进行在线的监测与诊断，做到提前预防，这样就会大大提升对旋转机械设备的诊断效率，从而节省了企业成本，提高了作业效率。人工智能技术在旋转机械故障诊断与预测中的应用具有重要的作用，尤其像专家诊断系统、模糊控制、人工神经网络以及知识工程等方面，都极大地发挥了其功能，提高了诊断的准确性，并提升了维护效率。人工智能技术实现了旋转机械故障诊断与预测方法应用的智能化和自动化。故障诊断专家系统是由多种先进技术共同组成的，它包括数据库，人机交互界面，推理机等等组成，通过调用故障诊断的专家知识和推理进行故障种类判断，然后进行数据采集，实现故障问题的解决，这是一个智能且复杂的过程。

四、结语：

综上所述，旋转机械在运行过程中发生故障往往会引发更多部件的损坏，导致后期修复困难，同时，在强噪音环境中检测出旋转机械故障相对具有困难性，因此，本文对旋转机械故障诊断与预测方法及其应用进行了探究具有重要的意义。在对旋转机械进行故障诊断以及预测时可以通过监测设备振动信号达到检测目的，通过人工智能技术的应用能够实现诊断与预测的自动化、智能化，使旋转机械故障能够在萌芽阶段得以发现，有效提升了旋转机械维护效率，延长了旋转机械的使用寿命，节省了企业投入成本，从而使生产厂家的效益得到了更大的提升。

参考文献：

[1]陈雪峰，李继猛等.风力发电机状态监测和故障诊断技术的研究与进展[J].机械工程学报，2011.

[2]简小刚，张艳伟等.工程机械故障诊断技术的研究现状与发展趋势[J].机械工程学报，2005.

[3]张涵浮，何正嘉.模糊诊断原理及应用[J].西安交通大学出版社，1992.

[4]史习智.人工神经网络与故障诊断[J].第三届全国机械设备故障诊断学术会议论文集，1991，5：45-50.