1風(fēng)機(jī)故障機(jī)理研宄風(fēng)機(jī)的故障常從振動(dòng)狀況方面體現(xiàn)出來(lái),根據(jù)振動(dòng)信號(hào)進(jìn)行監(jiān)測(cè)與診斷是目前風(fēng)機(jī)設(shè)備維護(hù)管理的主要手段,經(jīng)過(guò)多年的發(fā)展與完善,風(fēng)機(jī)振動(dòng)故障診斷已經(jīng)形成了比較完備的理論與技術(shù)體系。近年來(lái),隨著非線(xiàn)性理論的發(fā)展,尤其是信號(hào)處理、知識(shí)工程和計(jì)算智能等理論技術(shù)與故障診斷的融合滲透,使風(fēng)機(jī)故障診斷的內(nèi)容得到了進(jìn)一步的豐富與充實(shí)。
總體來(lái)說(shuō),風(fēng)機(jī)振動(dòng)故障產(chǎn)生于4個(gè)方面:電機(jī)、風(fēng)機(jī)本身、基礎(chǔ)和風(fēng)管。其因果分析如所示,其中由風(fēng)機(jī)本身原因引起的故障占主導(dǎo)地位。
由于風(fēng)機(jī)振動(dòng)信號(hào)在頻域內(nèi)具有明顯的分布特征,因此,各種功率譜估計(jì)技術(shù)在故障征兆提取中得到了廣泛應(yīng)用。其中,經(jīng)典功率譜估計(jì)方法(如周期圖法、自相關(guān)法)在工程實(shí)踐中應(yīng)用最為廣泛,但是,該方法存在著方差性能差,分辨率低等局限。現(xiàn)代功率譜估計(jì)中的最大熵譜估計(jì)和參數(shù)模型功率估計(jì)(如AR,MA,ARMA和Prony模型)提高了頻率分辨率,在振動(dòng)信號(hào)的分析中也得到了應(yīng)用。對(duì)于平穩(wěn)信號(hào)而言,其頻域的能量分布不隨時(shí)間變化,上述功率譜估計(jì)方法可以滿(mǎn)足精度要求。
為了盡可能全面地獲得風(fēng)機(jī)設(shè)備的運(yùn)行狀態(tài)信息,提取故障征兆,針對(duì)類(lèi)似風(fēng)機(jī)等旋轉(zhuǎn)機(jī)械還有一些其它的分析技術(shù)。
能夠反映轉(zhuǎn)子彎曲和扭轉(zhuǎn)振動(dòng)的形式,是針對(duì)類(lèi)似風(fēng)機(jī)的旋轉(zhuǎn)機(jī)械故障征兆提取而提出的一種方法。
該方法適用于類(lèi)似風(fēng)機(jī)的旋轉(zhuǎn)機(jī)械的非平穩(wěn)狀態(tài)分析,實(shí)現(xiàn)的必要技術(shù)是對(duì)數(shù)據(jù)采集進(jìn)行反饋控制,使采樣頻率跟蹤轉(zhuǎn)速變化,將相對(duì)頻率非平穩(wěn)的信號(hào)轉(zhuǎn)變成相對(duì)轉(zhuǎn)子轉(zhuǎn)角為平穩(wěn)的信號(hào),在信號(hào)幅值相對(duì)時(shí)間變化平穩(wěn)的假設(shè)前提下,對(duì)數(shù)據(jù)進(jìn)行譜分析,階次跟蹤分析的依據(jù)就是這種原理。
對(duì)于旋轉(zhuǎn)機(jī)械中常見(jiàn)零部件(如滾動(dòng)軸承、齒輪)的故障,還有專(zhuān)門(mén)的振動(dòng)信號(hào)處理技術(shù),如包絡(luò)解調(diào)和倒譜分析等方法。為了從被噪聲嚴(yán)重污染的信號(hào)中提取有用信息,時(shí)域?yàn)V波技術(shù)(如Kalman濾波和自適應(yīng)濾波等)也在旋轉(zhuǎn)機(jī)械的故障征兆提取中得到了應(yīng)用。
基于控制模型的故障診斷對(duì)于動(dòng)態(tài)系統(tǒng),若通過(guò)理論或?qū)嶒?yàn)方法能夠建立模型,則系統(tǒng)參數(shù)或狀態(tài)的變化可以直接反映設(shè)備物理系統(tǒng)或物理過(guò)程變化,為故障診斷提供依據(jù)。此方法涉及模型建立、參數(shù)估計(jì)、狀態(tài)估計(jì)和觀測(cè)器應(yīng)用等技術(shù),其中,參數(shù)與狀態(tài)估計(jì)技術(shù)是關(guān)鍵,需要系統(tǒng)的精確模型,在實(shí)際生產(chǎn)環(huán)境中,對(duì)于復(fù)雜的設(shè)備而言,該方法不是經(jīng)濟(jì)可行的。
基于人工智能的故障診斷基于人工智能故障診斷的研究主要分為兩類(lèi):基于知識(shí)(符號(hào)推理)的故障診斷和基于神經(jīng)網(wǎng)絡(luò)(數(shù)值計(jì)算)的故障診斷。
基于神經(jīng)網(wǎng)絡(luò)的故障診斷神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)系統(tǒng)而建立起來(lái)的自適應(yīng)非線(xiàn)性動(dòng)力學(xué)系統(tǒng),具有可學(xué)習(xí)性和并行計(jì)算能力,可以實(shí)現(xiàn)分類(lèi)、自組織、聯(lián)想記憶和非線(xiàn)性?xún)?yōu)化等功能。神經(jīng)網(wǎng)絡(luò)用于故障診斷領(lǐng)域,可以解決趨勢(shì)預(yù)測(cè)和診斷推理問(wèn)題。目前,在故障診斷中應(yīng)用較多的有多層感知器(MLP)網(wǎng)絡(luò)、自適應(yīng)共振理論(ART)、自組織特征映射(FM)和雙向聯(lián)想記憶(BAM)等;應(yīng)用剪枝法優(yōu)化網(wǎng)絡(luò)連接方式;將遺傳算法和混沌理論p1應(yīng)用于網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練中,解決局部極小問(wèn)題;為提高網(wǎng)絡(luò)的泛化能力、加快網(wǎng)絡(luò)學(xué)習(xí)速度,在訓(xùn)練樣本中加入噪聲,或者對(duì)樣本數(shù)據(jù)進(jìn)行優(yōu)化處理?;谏窠?jīng)網(wǎng)絡(luò)的智能故障診斷具有1994-2011ChinaAcademicJournal很多優(yōu)點(diǎn):知識(shí)表達(dá)形式統(tǒng)一,知識(shí)庫(kù)組織管理容易,通用性強(qiáng),便于移植與擴(kuò)展;知識(shí)獲取容易實(shí)現(xiàn)自動(dòng)化(如自組織自學(xué)習(xí)可以實(shí)現(xiàn)并行聯(lián)想和自適應(yīng)推理,容錯(cuò)性強(qiáng);能夠表示事物之間的復(fù)雜關(guān)系(如模糊關(guān)系可以避免傳統(tǒng)專(zhuān)家系統(tǒng)的“組合爆炸”和“無(wú)窮遞歸”問(wèn)題;推理過(guò)程簡(jiǎn)單,可以實(shí)現(xiàn)實(shí)時(shí)在線(xiàn)診斷。但是也存在著一些問(wèn)題:訓(xùn)練樣本獲取困難;忽視了領(lǐng)域?qū)<业慕?jīng)驗(yàn)知識(shí);連接權(quán)重形式的知識(shí)表達(dá)方式難于理解等。
4國(guó)內(nèi)外風(fēng)機(jī)狀態(tài)監(jiān)測(cè)與故障診斷的現(xiàn)狀國(guó)外很早就對(duì)風(fēng)機(jī)的振動(dòng)進(jìn)行了研究。20世紀(jì)80年代,一般的風(fēng)機(jī)均配有自動(dòng)檢測(cè)系統(tǒng),不但能判斷工況,還能進(jìn)行故障診斷,預(yù)測(cè)使用壽命,預(yù)報(bào)維修極限,成功地對(duì)風(fēng)機(jī)進(jìn)行檢測(cè)。如美國(guó)BentlyNevadaCorporation(BNC)的系列產(chǎn)品、Westinghouse公司的PDS系統(tǒng)、IRD與ENTEK公司聯(lián)合開(kāi)發(fā)的5911系統(tǒng)、ScientificAtlanta公司的M6000系統(tǒng)以及日本三菱公司的MHM系統(tǒng)、法國(guó)的SMAV系統(tǒng)、瑞士的MACC系統(tǒng)、丹麥的Compass系統(tǒng)等。其中美國(guó)開(kāi)發(fā)最早,技術(shù)也最先進(jìn)。在這方面我國(guó)起步較晚,使用的檢測(cè)儀器設(shè)備也比較落后。目前大部分廠家使用的是簡(jiǎn)易的測(cè)振儀(如揚(yáng)州無(wú)線(xiàn)電二廠生產(chǎn)的8900/50轉(zhuǎn)速檢測(cè)儀,8900/25機(jī)殼振動(dòng)檢測(cè)器)。雖然有些廠礦購(gòu)買(mǎi)了一些振動(dòng)分析儀,數(shù)據(jù)采集器等較為先進(jìn)的儀器設(shè)備,但在大多數(shù)情況下,只對(duì)設(shè)備進(jìn)行簡(jiǎn)單的點(diǎn)測(cè)。如重慶大學(xué)用CDMS系統(tǒng)對(duì)云南錫業(yè)公司芋山選礦廠風(fēng)機(jī)進(jìn)行測(cè)試與故障診斷,成功地診斷出了8起軸承故障。還有西安交通大學(xué)的采用光纖維局部網(wǎng)的高速旋轉(zhuǎn)RB20狀態(tài)檢測(cè)與故障診斷系統(tǒng)RB20,西北工業(yè)大學(xué)的機(jī)器設(shè)備狀態(tài)檢測(cè)和故障診斷系統(tǒng)MD3905.近10年來(lái),少數(shù)大中型企業(yè)安裝了專(zhuān)用檢測(cè)診斷設(shè)備對(duì)風(fēng)機(jī)進(jìn)行長(zhǎng)期檢測(cè),1994年?yáng)|北大學(xué)與黑龍江西林鋼鐵公司燒結(jié)廠設(shè)計(jì)的以APPLE-11微機(jī)采樣系統(tǒng)為基礎(chǔ)的風(fēng)機(jī)在線(xiàn)檢測(cè)與動(dòng)平衡系統(tǒng),具有顯示、打印、報(bào)瞥、狀態(tài)識(shí)別、趨勢(shì)分析、現(xiàn)場(chǎng)動(dòng)平衡等功能,在實(shí)際應(yīng)用中取得了很好的效果。武鋼公司的故障診斷室也于1996年為武鋼一廠的風(fēng)機(jī)安裝了以微機(jī)為主體的檢測(cè)和故障診斷系統(tǒng),不但檢測(cè)現(xiàn)場(chǎng)狀態(tài)與識(shí)別工況,還能預(yù)測(cè)壽命。2000年?yáng)|南大學(xué)和上海交通大學(xué)分別開(kāi)發(fā)了旋轉(zhuǎn)機(jī)械故障診斷專(zhuān)家系統(tǒng),它們的核心部分是故障診斷專(zhuān)家系統(tǒng),采用了新一代人工智能語(yǔ)言,具有"預(yù)警''功能,能夠準(zhǔn)確記錄旋轉(zhuǎn)機(jī)械的運(yùn)行情況,根據(jù)監(jiān)測(cè)情況及時(shí)調(diào)用系統(tǒng)內(nèi)部的“知識(shí)庫(kù)”,通過(guò)數(shù)據(jù)分析與人機(jī)對(duì)話(huà),進(jìn)行分級(jí)診斷,并應(yīng)用模糊模態(tài)識(shí)別、不精確推理與分級(jí)綜合評(píng)判的診斷策略,得出診斷結(jié)論并給出故障發(fā)生的置信度與解決措施。還有鄭州工業(yè)大學(xué)的MMDS-9000系統(tǒng)、西安交通大學(xué)的RMDS系統(tǒng)和RD-20、哈爾濱工業(yè)大學(xué)及浙江大學(xué)的ZHZ- 10系統(tǒng)、華中科技大學(xué)的HZ-1系統(tǒng)。這些系統(tǒng)也能用于風(fēng)機(jī)的故障診斷。
采集器,向著高精度、高速度、高集成以及多通道方向發(fā)展,精度從8位到12位甚至16位;采集速度從幾赫發(fā)展到可達(dá)到幾萬(wàn)赫;采集方式從等時(shí)采樣到等角度同步整周期采樣方向發(fā)展,這樣可以提供包括相位在內(nèi)的多種信息:采集的數(shù)據(jù)從只有穩(wěn)態(tài)數(shù)據(jù)發(fā)展到包括瞬態(tài)數(shù)據(jù)在內(nèi)的多種數(shù)據(jù)。
監(jiān)測(cè)系統(tǒng),向?qū)τ脩?hù)更友好的方向發(fā)展,顯示直觀化,操作方便化,采用計(jì)算機(jī)技術(shù)的最新成果,使用多媒體技術(shù),大屏幕立體動(dòng)態(tài)圖像顯示。
數(shù)據(jù)存儲(chǔ),向大容量方向發(fā)展,存儲(chǔ)方式向通用大型數(shù)據(jù)庫(kù)方向發(fā)展。
總的來(lái)說(shuō),在風(fēng)機(jī)的在線(xiàn)檢測(cè)和故障診斷方面,盡管?chē)?guó)內(nèi)己經(jīng)取得了一定的進(jìn)步,但與國(guó)外先進(jìn)水平相比還有很大的差距,系統(tǒng)所具備的功能不很完善,在形成專(zhuān)用的智能軟件方面也還有一段距離。