时间：2022-03-10 04:40:46
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇旋转机械故障诊断，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
[关键词]故障诊断；电动机；频谱
中图分类号：TF341 文献标识码：A 文章编号：1009-914X（2017）02-0003-01
引言：在目前，我国大部分企业对于大型仪器进行维修与养护都在运用较为传统的方式与规划，更有甚者将设备一直处于事故维修过程中，应用此种方式是无法追上生产需求的以及对于现代社会节能环保的需求。比较大型的设备仪器有泵、发电机等一些含有成本大、运转速度快的特点，它的运行情况是决定企业生产效率与质量的直接因素。为了适应时代进步的脚步，出现了新兴的故障诊断技术，利用旋转机械来对其进行诊断，具体如下。
一、旋转机械故障诊断的特点以及理论概述
（一）旋转机械故障诊断的理论
旋转设备的核心功能就是依据各个旋转部件来实施的，最P键的部件是转子。一些旋转设备发生故障时会伴有异常声响，它的振动信号在频域和时域上都能体现出机械发生的故障。可以通过振动检测器来其实际运行进行检测，通过对信息的分析、收集等趋势来看，发生故障的具置与原因，可以对故障进行有效避免，进而将其故障扼杀在摇篮里。依据发生故障的原因以及导致故障发生的因素，可以对其进行分析，其主要原因有安装发生不到位、设计欠缺、机械外框发生形变等。
（二）旋转机械故障诊断的特点
因为旋转机械的中心是转子，它是由各个零件拼凑而成的。因其转子高速运转，对于零件在制造、调试、维修等方面都有着极高的要求。无论在运转中任何零件发生问题，都会造成机器异动，就会使机组产生较大的振动。基于转子为中心的四周发生振动，大部分故障都是因为振动而引发的，是重点研究对象。
二、结合振动分析诊断旋转机械设备的故障
（一）仪器松动
仪器发生松动是旋转机械发生最普遍的故障，松动分为两种，一是螺栓松动，它会引发整个仪器都松动；二是构件配合之间发生松动，比如内圈与转轴、滚动与轴承等，因此造成配合精度减小。因为松动而引发的振动是非线性的，它的信号频率非常复杂，刨除基频，还会产生分频波动，进而造成旋转机器故障。
（二）转子不平衡
转子不平衡带来的而影响是巨大的，因其是核心组成部分，引发的故障也是十分常见的。对于转子发生不平衡原因有材料的不合格、长时间损耗以及配件偏离中心，或是固件松动引发附着物堆积等因素，都是致使转子发生不平衡的原因以及质心出现偏移。不平衡分为两种模式，一是动不平衡，二是静不平衡。在发生不平衡时它的振率相较于平时会有极大的不同，主要对转子旋转的频率进行观察即可。另外，发生不平衡振动以后会连带着其他构件的频率。产生不平衡振动的原因有三种，其中包含了转子的速度、转子的质量以及偏心距。转子在旋转过程中会产生一个力即为离心力，离心力的功能就是支撑轴承，其方向是与轴承垂直的。在进行故障诊断时，一定要将其以上因素进行深入分析。
（三）摩擦
摩擦带来的故障模式也是五花八门的。比如转子与密封件之间、定子之间、隔板之间的摩擦，在旋转机器任何两个部件之间发生摩擦都会造成零件松动，进而引发故障。一般情况法伤摩擦之后就会发生非线性振动，它连带的范围比较广，不仅仅有一倍基频，还有二倍、三倍等。在特定的状态下还会出现系统的固有频率。
（四）转子不对中
转子不对中对于产生故障的几率非常大，其中包含转子同转子，主要在联轴器的对中性上表现出来。对于滑动的轮轴来讲，产生这种状况的原因是在轴承之间缺乏一个油膜。对于滚动的轮轴来说主要原因在于轴承的构建发生损坏，支座变形等原因，都会造成转子不对中的情况发生，如果转子不对中的话，就会使旋转机械发生玩弯矩，对于轴承增加一分附件力导致负荷要重组，而产生强烈振动，基于此来造成机械发生故障。
三、旋转机械故障诊断的实际应用
例如，某一炼钢厂的电动机，具有很强的驱动器，利用驱动器运作来带动轴承运作，以便维持电动机正常工作，它的整合机组是作用于一个基座上的，其电动机的型号是JK850-2，它的功率、转速、频率分别为850kW、2970r/min、50Hz，儿它的频率合成器的型号是GST50，煤气风机的型号为D1000-11，它最低的速度与高速分别为750r/min、2970r/min，对于炼钢过程中对其工艺进行吹氧时，它才会处于高速状态，要不然一直是保持低速。
（一）测量振动值分析
某炼钢厂通过对于振动值的测量，进而测量出电动机的振动数据，基于标准体系下，测点的大小是由测出的点值决定的，如果它的点数大就说明它的振动有异常，这个钢厂的数据显示它的振动幅值在29768μm，通过分析得知他的能量主要集中在低频阶段，当能量最大时也不过是约为0.1倍频，其余的频率分布的能量比较低。通过钢厂的振动幅采样值为31.6μm，对其分析能量主要集中在一倍基频、二倍基频，但是对其进行采频的时间间隔比较小，所以会发现有很大的跳动值，主要原因是因为转子的不对中与不平衡所引发的，并且振动的幅值在变化上不是特别大。
基于振幅数据来进行初步判定，此电动机是存在问题的，但在实际进行测量时，会发现振动力度并不大，是处于正常状态的，为了加大检查力度，参考电动机的转速非常快，就依据正常速度幅值与加速度幅值来体现振动值的多少。
（二）分析诊断
基于频谱分析，我们便会得知，主要能量在低频阶段，通过总结会发现问题出现在电动机的后端轴承部分。结合多种类型的故障对其特性进行分析、归纳，对其作业现场的仪器、工作环境等因素，对引发振动的因素进行一个预估，可能使因为转子或是摩擦的问题导致的异常振动，具体的原因可能是出现在了轴承部分发生松动致使的振动异常。待机器停止运作之后，对其进行开盖检查，经过核实发现确实是因为轴承内圈发生损坏而导致的振动异常。
结束语
对于旋转机械的故障判断工作是十分麻烦的，因为仪器的种类是多样的，出现故障时不可避免的。在实际应用中，机械常识振动的原因有很多，在对数据进行一一收集，之后对其进行深入分析，才会找出问题所在，为维修提供依据，进而增加机械的应用效率，降低发生故障的几率，延长设备的额运用时间，最终实现安全、节能的目的。
参考文献
[1]苏曦.数据挖掘技术在机械设备故障诊断中的应用[J].自动化与仪器仪表，2015，（01）：127-128+130.
[2]温勇.煤矿机电设备管理中机械故障检测诊断技术的应用分析[J].机电信息，2013，（06）：107+109.
关键词：LabVIEW；旋转机械；EMD；故障诊断
中图分类号：TH164 文献标志码：A 文章编号：2095-2945（2017）19-0052-02
引言
近年来，虚拟仪器软件开发平台在机械设备领域的成功应用，对机械关键部件的人工智能化故障诊断起到推动作用。本文结合虚拟仪器设备和AIC9000转子试验仪器搭建平台，研究一套应用LabVIEW软件、MATLAB软件和EMD方法的旋转机械设备状态监测、分析系统。从实际工况出发，对设备监测故障预判有一定的指导作用。
1 LabVIEW数据采集系统
试验台搭建：有AIC9000多功能转子试验台、布点8组传感器、调理信号组件和LabVIEW虚拟仪器设备。
系统的程序设计基于NI-LabVIEW，实现对AIC9000转子设备及相关诊断仪器的改进设计，易于设备的升级和维护。AIC多功能转子系统和LabVIEW主机：Model：PXle-1078，PRODUCT OF MALAYSIA。
1.1 搭建LabVIEW平台
将8通道传输接口与调理信号模块连接，数字采集卡、信号处理卡等模块化的PXI板卡插入虚拟仪器主机箱中，机箱连接显示器。
1.2 LabVIEW软件程序设计
在程序框图窗口编程，程序汇编数据流设计包括通道设置定时设置触发设置信息采集分析设置记录设置等。数据流向即为LabVIEW软件程序执行的顺序，按箭头方向依次连接各程序框图节点，其中信号采集部分和分析部分是信号调理、振动诊断并分析等最为重要。
1.3 DAQ数据采集
程序设计采用NI-DAQmx编程，常用数据采集VI有DAQmx创建虚拟通道VI、DAQmx读取VI、DAQmx写入VI、DAQmx定时VI、DAQmx触发VI、DAQmx开始任务VI、DAQmx清除任务VI等。
2 经验模态分解法（EMD）
旋转机械相关的传统故障诊断方法准确度较低，结合经验猜测估计得出大概故障类型及部位。EMD方法是一种自适应较好的时频分析法，其基本思想是将原始振动信号分解成一系列IMF的组合，再根据实际需要，对各个IMF进行希尔伯特变换组成时频谱图进行分析。
在虚拟程序系统的设计中，为提高故障信号的特征提取以及包络分析的准确性，应用HHT变换的EMD分解，将EMD程序以m.文件保存，并通过LabVIEW程序调用MATLAB软件的m.文件进行信号分析。
3 LabVIEW系统信号分析编程
在设计系统时，结合了MATLAB软件强大的数学分析计算和图形绘制功能的优势， 在LabVIEW编程时调用MATLAB命令。两种软件的嵌套使用强强联合，既进化了LabVIEW的复杂编程又发挥出了MATLAB在机械信号诊断分析方面的优势，提升计算速度。
3.1 EMD的m.文件程序
应用MATlAB软件编写function 函数语句function plot_hht（x，imf，Ts）% Plot the HHT.，并在MATLAB软件中File>>Set Path…>>Add Folder，将其添加保存到MATLAB函数中。
设置自适应的数据长度j和循环次数i等，结合使用for循环-if语句等实现IMF的分量提取。
3.2 创建MATLAB脚本节点
程序设计使用了最为快捷的m.文件调用方法，即直接调用NI-LabVIEW2014软件中的MATLAB Script节点。调用步骤为：在程序框图右击鼠标，执行all functions> > analyze> > mathematics> > formula> > matlab script操作，在程序框图中拖拽鼠标建立一个大小合适的MATLAB脚本节点，右击鼠标，设置程序框图输入和输出变量的数量，然后调用EMD程序代码的m.文件，最后完成连线。MATLAB脚本文件的创建图如图1。
3.3 EMD在LabVIEW中的实现
使用本系统对AIC转子试验台进行智能分析，在齿轮箱中安装故障齿轮，针对齿轮故障产生的振动信号进行8分量的IMF分解结果如图2所示。
从图2中可以看出点蚀I和点蚀II两种故障的8组信号数据经过EMD分解的IMF1～IMF8结果；点蚀信号柱状图对比正常齿轮信号特征其故障直观、明显。
4 结束语
LabVIEW平台具有有良好的扩展性，性价比较高，在科研和实际工程中得到了广泛的应用。从实际出发，根据旋转机械设备故障诊断的实际要求，构建LabVIEW软件平台，合理安装多传感器进行信号采集，运用虚拟仪器设计在线采集、分析、预测诊断。EMD方法、MATLAB软件与LabVIEW三者的结合，在诊断速度、分析准确性、程序设计的快捷性等方面都表现出了很强的优势，也将是未来的一个发展方向。
参考文献：
[1]胡劲松.面向旋转机械故障诊断的经验模态分解时频分析方法及实验研究[D].浙江大学，2003.
[2]程军圣，于德介，杨宇.EMD方法在转子局部碰摩故障诊断中的应用[J].振动、测试与诊断，2006，01：24-27+74.
[3]申永军，杨绍普，孔德顺.基于奇异值分解的欠定盲信号分离新方法及应用[J].机械工程W报，2009，45（8）：64-70.
关键词： 旋转机械； 故障分析； 诊断； 局限性
中图分类号： th165 文献标识码： b 文章编号： 1009-8631（2013）01-0038-01
1 引言
旋转机械如：汽轮机、发电机、离心压缩机、风机等，是工业部门中应用最为广泛的一类机械设备，在电力、能源、交通、国防及石油化工等领域发挥着无可替代的作用。随着科学技术的发展，旋转机械正在向大型化、综合化（在同一台设备中多种技术的应用）、连续化（从投料到产品整个过程的连续化）、自动化（操作、检测等的非人工化）、严格化（如技术指标严格化）的方向发展，造成设备构造复杂，零部件之间的联系更加紧密。在设备复杂化的同时，发生故障的潜在可能性和方式也在相应增加，且故障一旦发生，就可能引起连锁反应，导致设备甚至整个生产过程不能正常运行乃至破坏，轻则造成巨大的经济损失，重则导致灾难性的人员伤亡和社会影响。近年来，国内外因设备故障而引起的灾难性事故仍时有发生，如2003年，国内某钢铁企业高线初轧机因一齿轮箱主输出轴轴承破碎，造成设备紧急停机68小时，直接经济损失1500万元以上。2001年阜新电厂2号机组断轴事故的发生，给电厂带巨大的经济损失。1988年我国秦岭电厂zoomw汽轮发电机组因振动引起的断轴毁机事件。灾难性事件的不断发生，使人们认识到对大型机械装备实施在线监测与故障诊断的必要性。
2 现行故障识别与诊断分析方法简介
当前，故障识别与诊断决策过程中采用的方法较多，按照它们隶属的学科体系，大体可分为三类：基于控制模型故障诊断、基于模式识别故障诊断及基于人工智能故障诊断。它们具体的诊断方式如下：
2.1基于控制模型的故障诊断。对于一个旋转机械系统，若通过理论或实验方法能够建立其模型，则系统参数或状态的变化可以直接反映该系统及其动态过程，从而为故障诊断提供依据。基于控制模型的故障诊断方法主要涉及到模型建立、参数与状态估计和观测器应用等技术。其中，参数与状态估计技术是该方法的关键"参数估计的参数包含两类：第一，系统参数，即描述系统动态特性的参数。基于系统参数估计的故障诊断方法与状态估计方法相比较，前者更有利于故障的分离，但是它也存在不足之处：求解物理元件参数很困难；系统故障引起系统模型结构和参数变化的形式是不确定的，目前还缺少有效的方法。第二，故障参数，即用于描述系统出现的故障时信号自身特性的参数。其基本思想是：对故障系统构造适当形式的包含有可调参数的状态观测器，并使其处于零状态"当系统发生故障时，用观测器中的可调部分来补偿故障对系统状态和输出的影响，使得观测器在系统处于故障状态下仍然保持零状态观测误差，此时观测器中可调部分的输出即为故障参数的估计结果。使用该方法的优点是可对故障信号进行在线建模，但是当系统出现强非线性时，目前仍无有效算法。
2.2基于模式识别的故障诊断。故障诊断实质上是利用被诊断系统运行的状态信息和系统的先验知识进行综合处理，最终得到关于系统运行状况和故障状况的综合评价过。如果事先对系统可能发生的故障模式进行分类，那么故障诊断问题就转化为模式识别问题。当系统的模型未知或者非常复杂时，模式识别则为解决故障诊断问题提供了一种简便有效的手段。基于模式识别的故障诊断方法主要分为统计模式识别和句法模式识别两大类，它们在旋转机械故障诊断领域中得到广泛应用。基于bayes分类器的统计模式识别法是旋转机械故障诊断中一种经典方法。
2.3基于人工智能的故障诊断。基于人工智能故障诊断的研究主要分为两类：基于知识（符号推理）的故障诊断和基于神经网络（数值计算）的故障诊断。首先，基于知识的故障诊断大致包含两种情况：基于浅知识的专家系统和基于深知识的专家系统。前者是以领域专家和操作者的经验知识为核心，通过演绎推理来获取诊断结果。其特点是利用领域专家的知识和经验为故障诊断服务，但是这种方法具有较大的局限性，如知识集不完备，过于依赖领域专家等。而后者则要求诊断对象的每一个环节具有明确的输入输出表达关系，诊断时首先通过诊断对象的实际输出与期望输出之间的不一致，生成引起这种不一致的原因集，然后根据诊断对象领域中
第一定律知识（具有明确科学依据知识）及其内部特定的约束关系，采用一定的算法，找出可能的故障源。它比前者具有更大的优越性，但其搜索空间大，推理速度慢。其次，基于神经网络的故障诊断作为一种自适应的模式识别技术，人工神经网络以其全新的信息表达方式、高度并行分布处理、联想、自学习及自组织等能力和极强的非线性映射能力使它渗透到科学技术的各个领域。人工神经网络在机械故障诊断中的应用主要集中在三个方面：一是从模式识别角度应用神经网络作为分类器进行故障诊断；二是从预测角度应用神经网络作为动态预测模型进行故障诊断；三是从知识处理角度建立基于神经网络的诊断专家系统。如采用径向基函数网络、概率神经网络和自适应特征映射网络作为分类器对旋转机械故障进行研究。
3 现行故障信号诊断分析方法的局限性
大型旋转机械在运行过程中易受到噪声、速度突变、结构变形及摩擦的变化等因素影响，尤其是在发生故障的情况下，从机械设备测得的振动信号往往表现出非线性非平稳特征，深入考虑目前用于旋转机械振动信号处理的前述方法，对于全面提取旋转机械振动特征信息而言仍然存在着一定的局限性：首先fft谱分析仅反映了振动信号整体的统计特性，频谱中无法体现非平稳时频细节，且频谱分辨率受到限制；其次、arma时序模型虽然可以推广应用于某些非线性、非平稳振动信号的特征提取，但应用中建模复杂、阶数选择和计算量之间矛盾等问题，制约了该方法的实用性，不宜在大型旋转机械状态监测和故障诊断中应用；对于短时傅里叶变换通过对信号的分段截取来处理时变信号，是基于对所截取的每一段信号认为是线性、平稳的。因此，严格地说，短时傅里叶变换是一种平稳信号分析法，只适用于对缓变信号的分析；最后，小波变换虽然在机械故障诊断领域得到了成功应用，但由于存在小波基等参数的选择敏感性、非自适应性等特点，制约了小波变换的应用性能。此外，小波变换本质上是窗口可调的傅立叶变换，其小波窗内的信号则视为平稳状态，因而没有摆脱傅立叶变换的局限。
参考文献：
关键词：故障诊断 经验模态分解 裂纹 松动
中图分类号：TH133 文献标识码：A 文章编号：1672-3791（2012）10（b）-0049-03
转轴裂纹和支撑部件松动是旋转机械的常见故障，也是导致机械系统失效甚至造成严重事故的主要原因。目前国内外学者对裂纹、松动故障单独存在的系统研究较多，提出了许多诊断方法。文献[1]研究斜裂纹的动力特性，指出随着裂纹深度的增加，横向响应的组合频率增多。文献[2]结合物理模型与灰色理论，提出行星轮系齿根疲劳裂纹故障预测的新思路，对试验中的疲劳裂纹进行定量检测和故障预测。文献[3]针对工程中出现的支座松动故障，建立了多盘悬臂转子的松动有限元模型，对单支座和双支座松动故障进行动力学特性研究。
但在实际转子中，常常出现两种故障同时存在的情况。这种耦合故障转子的动力学行为较单一故障转子更加复杂，而且相互影响，不容易诊断。文献[4]利用求解非线性非自治系统周期解的延拓打靶方法，研究了松动裂纹耦合故障转子轴承系统周期运动的稳定性及其失稳规律。文献[5]建立了带有裂纹-支承松动耦合故障的双跨弹性转子系统动力学模型，利用数值仿真对故障非线性响应进行研究。
EMD[6]是近年来发展起来的处理非平稳、非线性信号的时频分析方法。该方法克服了传统时频分析方法中的不足，具有很强的自适应性，并在机械故障诊断领域得到了广泛应用[7～10]。针对耦合故障信号复杂，具有强非线性的特点，本文提出一种基于EMD的耦合故障诊断方法。该方法先利用EMD将故障信号分解，然后求得有效IMF的边界谱，通过对边界谱分析判断系统状态，达到故障诊断的目的。
1 系统力学模型和运动微分方程
如图1所示，建立含有裂纹-松动耦合故障的刚性支承转子-轴承系统模型，转子圆盘与轴承之间为无质量的弹性轴。模型左端发生松动，轴承座与基础之间的松动最大间隙为。转子圆盘左侧有一弓形横向裂纹，其深度为a。图1中O1为轴瓦几何中心；O2为转子几何中心；O3为转子质心，k为弹性轴刚度；m1为两端轴承处的转子集中质量；m2为转子圆盘的等效集中质量；m3为轴承支座的等效集中质量。模型还考虑了左端滑动轴承作用在转轴上的非线性油膜力，为别为Fx、Fy。
设转子右端的径向位移为x1，y1；转子圆盘的径向位移为x2，y2；松动端轴心位移为x3，y3；轴承支座在竖直方向位移为y4，则具有裂纹松动耦合故障的转子-轴承系统运动微分方程为：
式中u为转子的偏心量；c1为转子在轴承处的阻尼系数；c2为转子圆盘的阻尼系数；cs为支座松动阻尼系数；ks为支承刚度。为转子转速；g为重力加速的；、为仅与裂纹深度a有关的相对刚度参数。为裂纹开闭函数，本文采用余弦波模型来表示裂纹开闭过程，粗略地考虑裂纹半开半闭的过渡过程，忽略了裂纹的全闭和全开是一个持续过程。
余弦波模型的数学表达式为：
图2所示，式中为初相位；为裂纹方向与偏心之间的夹角；x，y为转子初始位置松动故障等效成刚度和阻尼的变化；支承间隙系统在位移条件下ks、cs为分段性，其表达式为：
式（1）中油膜力沿x和y两个方向的分量为：
式（4）中为油粘度；为转子转速；c为轴承径向间隙；R为轴承半径；L为轴承长度。
2 经验模式分解
经验模式分解EMD是一种自适应分解方法，可以把复杂的信号分解为有限个IMF分量。IMF信号一般满足两个条件：（1）从全局特性上看，极值点数必须和过零点数一致或者至多相差一个。（2）在某个局部点，极大值包络和极小值包络在该点的算术平均值是零，即两条包络线关于时间轴对称。
我们可以把任何信号按下面步骤分解。
（1）用三次样条线将所有的局部极大值点连接起来形成上包络线。
（2）用三次样条线将所有的局部极小值点连接起来形成下包络线。
（3）上下包络线的平均值记为，求出：
理想地，如果是一个IMF，那么就是的第一分量。
（4）如果不满足IMF的条件，把作为原始据，重复（1）、（2）、（3），得到上下包络线的平均值再判断是否满足IMF的条件，如不满足，重复循环k次，得到，使得满足IMF条件。记，则为信号的第一个满足IMF条件的分量。
（5）将从中分离出来，得到：
将作为原始数据重复以上过程，得到的第二个满足IMF条件的分量，重复循环n次，得到n个满足IMF条件的分量。这样就有：
当成为一个单调函数不能再从中提取满足IMF条件的分量时，循环结束。这样由式（6）和（7）得到：
因此，我们可以把任何一个信号分解为n个内禀模态函数和一个残量之和，其中，分量，，…，分别包含信号从高到低不同频率段成分，而则表示信号的中心趋势。
对式（8）中的每个内禀模态函数作Hilbert变换得到：
构造解析信号：
于是得到幅值函数：
和相位函数：
进一步可以求出瞬时频率：
这样，原始信号就可以表示为：
3 经数值仿真和故障诊断
由方程（1）可以看出，含有裂纹松动耦合故障的转子系统是一个有复杂外激励的非线性系统。目前分析这种系统最有效的方法就是数值仿真，本文采用变步长四阶龙格-库塔法对方程（1）进行数值求解，系统参数选取如下：m1=4 kg，m2=32.5 kg，m3=50 kg，R=0.025 m，L=0.012 m，c=0.11 mm，a=0.015 m，=0.018 Pa·s，c1=1050 N·s/m，c2=2100 N·s/m，cs1=350 N·s/m，cs2=500 N·s/m，k=7.5×107 N/m，ks1=2.5×107 N/m，ks2=2.5×109 N/m，u=0.05 mm，w=789.3 rad/s，=1 mm，=0，=0。
图3为数值解得到的转子左端径向位移y3的时域图。由图3可以看出由于裂纹、松动两种故障的影响，y3的振动有很强的非线性。EMD方法用于处理非线性、非平稳信号有良好的效果。如图4所示，把由龙格-库塔法解出的y3振动信号经过EMD方法分解，得到含有故障特征的IMF。由于EMD方法本身原因产生虚假模态，故只给出IMF1～IMF4。
由分解得到的IMF可以看出信号的频率和幅值有明显的周期变化，说明该模型含有机械故障。要对故障进一步诊断，需要对IMF进行希尔伯特变换，求出边界谱，最后通过边界谱的倍频关系以及与单一故障特征的比较来进行故障诊断。
图5是转子左端的Y方向位移y3的边界谱图。由图5可以看出振动主要是由低倍频、1倍频、1/2倍频和2倍频组成的。图6和图7分别是裂纹故障信号和碰摩故障信号的边界谱。两个单一故障都是由耦合故障模型简化而来，由于篇幅有限，不进行详述。
通过对三幅图的分析可以看出耦合故障信号的边界谱所含的低倍频成分与松动故障信号相似，1倍频则与裂纹故障信号相似，说明该耦合故障同时具有裂纹和松动的故障特征。在2倍频以及更高的频率成分上耦合故障信号与单一故障信号存在比较明显的差异，表明故障的耦合并非简单的叠加，图5所示的边界谱图可以作为裂纹松动耦合故障特征，为旋转机械耦合故障诊断提供帮助。
4 结论
建立含有裂纹-松动耦合故障的转子-轴承系统动力学模型，并用龙格-库塔法解出含有耦合故障特征的振动信号。用EMD方法处理耦合故障信号，得到有效地IMF和信号边界谱。通过与单一故障边界谱比较，诊断出该信号同时含有裂纹和松动故障特征，得到了裂纹松动耦合故障特征，证明EMD对旋转机械耦合故障诊断的有效性。
参考文献
[1] Sekhar A S，Mohanty A R，Prabhakar R.Vibrations of cracked rotor system：transverse crack versus slant crack[J].Journal of Sound and Vibration，2005，279：1203-1217.
[2] 程哲，胡茑庆，高经纬.基于物理模型和修正灰色模型的行星轮系疲劳裂纹故障预测方法[J].机械工程学报，2011，47（9）：78-84.
[3] 马辉，孙伟，任朝晖，等.多盘悬臂转子系统支座松动故障研究[J].航空动力学报，2009，24（7）：1512-1517.
[4] 刘长利，郑建荣，周炜，等.松动裂纹转子轴承系统周期运动分岔及稳定性分析[J].振动与冲击，2007，26（11）：13-15.
[5] 罗跃纲，闻邦椿.双跨转子系统裂纹-松动耦合故障的非线性响应[J].航空动力学报，2007，22（6）：996-1001.
[6] Huang N E，Shen Z，Long S R，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society London A，1998，454（1971）：903-995.
[7] Parey，A.Dynamic modelling of spur gear pair and application of empirical mode decomposition-based statistical analysis for early detection of localized tooth defect[J].Journal of Sound and Vibration，2006，294（3）：547-561.
[8] Yang Y，He Y G，Chen J S，et al.A gear fault diagnosis using Hilbert spectrum based on MODWPT and a comparison with EMD approach[J]. Measurement，2009，42：542-511.
关键词：汽轮发电机组；故障诊断；预警；分析
中图分类号：TB857+.3 文献标识码：A 文章编号：
1引言
汽轮机发电机组是高速旋转的机械设备，机械设备的故障一般都有前期症状，而故障诊断预警系统能提前预知，从而防止设备故障进一步恶化，对设备有针对性地计划检修，减少了汽轮机发电机组重大事故发生和机组跳闸对社会供电的影响。同时故障诊断预警系统对汽轮机发电机组机械故障具有诊断和分析功能，能具体分析出故障的原因所在，为专业人员分析故障提供重要的依据。某厂#3汽轮发电机组选用丹麦ROVSING Dynamics公司的OPENpredictorTM故障诊断预警系统，本文介绍该系统的应用，同时为其它汽轮发电机组故障分析提供借鉴。
2系统综述
OPENpredictorTM故障诊断预警系统通过安装在设备上的传感器，将探测到的过程信息与故障库中的故障种类和程度进行类比。一旦探测到故障，设备或部件的故障位置和诊断信息就会以清晰的文本形式呈现给相关人员。此外，故障的严重程度、何时需要维修以及何时会发展成为重大事故，都由预测系统根据故障症状进行评估。同时给故障诊断专家提供了丰富的数学模型和诊断工具。
OPENpredictorTM系统提供了广泛的故障类型库，加上独特的信号分析功能和相对完善的气动热力模型，可以完全自动地实现故障预警功能。并对设备健康状态进行评估，实现设备状态检修。
3系统组成及测点分布3．1系统组成系统主要由信号处理单元（SPU）、OPENpredictorTM系统服务器、工作站组成。SPU采集汽轮发电机组状态参数并做数据处理和分析,结果通过以太网提供给OPENpredictorTM系统服务器使用，工作人员通过工作站可视画面对机组整体监视，同时OPENpredictorTM系统服务器数据通过MIS网的内外网连接的FTP服务器每24小时（可设定）打包一次数据传输到远程服务中心，利用远程服务中心的外来力量对机组状态进行分析。系统的组成图1所示。
图1：系统组成图
3．2数据采集测点分布
下面图2所示是系统所有传感器的安装位置：
图2：测点分布图
表1：测点清单
4系统实现功能
OPENpredictorTM旋转机械预警专家系统在本工程中诊断的汽轮发电机组故障库见表2
说明：AS：自动频谱、CPB：恒定百分比带宽、DC：电流、OTA：次序跟踪分析、SCL：轴中线、SED=选择性包络检波、SMD：同步调制探测、Spp：峰-峰值信号、Temp：温度
表2：汽轮发电机组故障库
4.1设备健康评估
为了达到生产时间最大化的目的，就必须合理安排机组维护。OPENpredictor™能够监控机组全部状态，并定期总结机组的健康状况，指导技术人员合理安排机组检修。
4.2早期故障探测
采用“故障选择信号”方法在早期就能够探测出故障，通过连续监测潜在的故障症状，对机械健康状态进行评估。每一个类型的机械都有它独特的故障类型，OPENpredictor™预测维护信息系统采用覆盖最广范围的故障选择信号对故障进行检测。
为了进一步增加故障探测灵敏度，依据运行情况对信号进行分类。采用信号比照方法，减少错误报警的次数、增加故障预测的可靠性。
4.3早期故障诊断
早期故障诊断的模型采用了信号对照的结果，还采用了其它来源的信号：轴承温度、机组功率等其它相关的参数，综合计算，将清晰的结论呈现给技术人员。AutoDiagnosis™信息窗口为技术人员提供机械部件、辨别故障、预计维修时间和维护建议等清楚的信息。技术人员根据信息决定是否对机组进行维护。预测自诊断（PAD）故障项目有：轴承不稳定(油膜振荡)、轴承磨损(轴向的)、轴承磨损(径向的)、叶片现象(共振，结构改变等等)、转子不对中、转子不对中、转子磨擦、转子不平衡、转子不平衡、发电机定子线圈松动。
4.4故障发展趋势预测
“预测”运算法则通过推算故障信号的历史数据，确定故障发展至预定报警水平所需的时间。
4.5瞬时故障诊断
对机组运行突发的故障进行诊断，协助技术人员快速准确查找故障原因，并给出处理方案。瞬时自动诊断（IAD）故障项目有：转子轴向移位、轴承不稳定(油膜振荡)IAD、外部强烈振动、转子弯曲、转子裂纹IAD、转子磨损IAD低频、叶片磨损、径向轴承磨损、结构膨胀。
4.6远程故障诊断
OPENpredictorTM旋转机械设备预警系统每天打包数据传输到远程服务中心，实现专家远程诊断。
5系统应用效果（实例）
系统自2011年01月份开始发现机组轴系不对中故障，自动产生诊断报警并给出预测（如图3），说明机组轴系的不对中故障发展已比较严重。2011年3月17日系统又再次发出低压转子不对中的报警，显示低压转子未对中的症状已发展到比较严重的程度，提示应检查轴承及联轴器。
图3：转子不对中故障提示
2011年3月20日国外专家通过远程获取的数据，对低压缸转子不对中故障诊断分析，认为轴承可能出现问题。同时#1和#2轴X方向轴振动在2011年3月5日自动频谱图（图4）中显示除一倍频分量振动较大外，还存在约0.5倍频分量的振动，显示轴承有碰磨故障现象。
图4：#1和#2轴X方向轴振动自动频谱图
2011年4月4日在机组计划停机过程中发现#1轴X方向振动突然变大，惰走至转速150rpm左右时，#2轴承金属温度在短时间内由55℃突然直升到113℃左右，超出高限105℃，#2轴承可能磨损。
根据数据回顾及信号图谱分析，机组低压缸部分存在转子不对中故障，故障诊断系统也明确发出自动诊断报警。专家建议对#2、#3轴承进行检修，并对高中压转子、低压转子及发电机转子进行找中心，核查整个轴系各轴颈扬度值。
检查情况：解体#2轴承发现钨金轻度磨损；#2轴承标高偏高，汽轮机整个轴系扬度发生变化，导致转子不对中故障。同时#3轴承载荷减少，#2轴承载荷加重，低转速下,#2轴承油膜稳定性差，油膜无法正常形成，最终造成#2轴承磨损。
处理情况：对#2轴承磨损面进行修复，#2轴承标高降低0.05mm，减少#2轴承载荷，并对轴系重新对中。
经此次检修后，不再重复出现转子不对中故障，机组安全运行，成功地防止了故障进一步扩大。
摘要：由于转子部件的质量产生偏心或者转子部件出现了缺损，导致了转子不平衡，这是一种旋转机械中最为常见的故障。根据相关统计显示，有一半以上的故障与转子不平衡有关，对于旋转机械的影响非常大。文章对目前旋转机械转子不平衡的故障诊断进行了分析。
关键词：旋转机械；转子不平衡；故障诊断；弯曲故障
中图分类号：TF307文献标识码：A文章编号：1009-2374（2014）22-0051-02近年来的工业化生产中，各种设备以及机械存在着一种非常明显的趋势，功能原理越来越多样化，而且设备大型化与连续化也非常突出，因此提高了生产效率，降低了生产成本，对于设备的工艺目标可以通过较低的消耗来实现。但是机器设备一旦发生故障就会产生非常严重的后果，有时候甚至是灾难性的后果。目前选择机械转子不平衡故障非常常见，为了有效地保障设备的安全可靠运行，对于其中存在的故障进行诊断将是非常关键的，现代化生产中不能局限于事故后的维修，更要进行故障前的诊断，因此对于旋转机械的转子不平衡故障的研究与诊断是非常有现实意义的。
1不平衡的原因
1.1不平衡的原理
由于转子受到材料质量在分布、加工以及误差和装配技术等长期运行中产生的各种不均匀磨损和腐蚀，进而形成的质量中心与旋转中心之间存在一定的偏心距，在工作过程中转子会长期受到周期性的离心力的干扰，动荷载对于轴承产生干扰，引起机器振动这种不规律的现象。
1.2故障的特征
一般来说转子不平衡的故障引起的特征包括如下几个方面：首先，转子以及轴承由于不平衡故障会发生径向振动，转速频率在转子径向测点的频谱图上有着非常突出的峰值；其次，转速频率的告辞谐波具有很低的幅值，时域上的特征体现为波形接近于一种正炫波；再次，轴心轨迹由于转子与截面处相互垂直的俩个径点测振点之间，左右是相位差，因此成一个椭圆形或者圆形。最后，悬管转子除外，转子一般是两端支撑的，其轴向振动一般来说并不非常明显。
1.3故障类型
对于转子不平衡的形成原因有多个方面，一般来说根据不同的类型可以进行划分，如果是不平衡产生的过程，可以分为三类，一种是原始不平衡，这类型的不平衡一般是由于转子制造出现误差以及装配、材质等方面的问题而形成的，容易在使用一开始就出现振动的情况；一种是渐发性不平衡，在运行过程中，转子会不均匀结垢，其不均匀磨损以及工艺介质对于转子的运行都会产生作用，腐蚀容易使得振动值随着运行时间的增加而不断变得剧烈；最后一种是突发性不平衡，这一类型是由于转子上零部件的脱落或者其他原因造成振动值发生很强烈的改变。
对于设备的故障进行诊断是为了使得设备可以更加稳定安全的运行，这一目标的重要性需要各个阶段加以配合才能实现，对于故障的机理应当加以了解，对于相关故障的特征进行提取，确定故障的类型，据此有针对性的提出相关解决方案，使得设备可以更加可靠地
运行。
2故障的诊断
转子的故障在旋转机械中是非常常见的，其类型也非常多，如转子不平衡、转子弯曲等，针对故障的特征，转子不平衡与转子弯曲就是非常难以区分的一组故障，转子弯曲以及转子不平衡经常被人当做同一组对待，事实上两者之间是存在差别的，转子个横截面的质心连线与其几何中心连线不重合为转子不平衡，而转子弯曲则是由于转子个截面的几何中心连线与旋转轴线不重合，两者的共同点在于转子都会发生偏心质量，进而使得转子产生振动。
2.1转子弯曲故障的机理
化工生产机组停机一定时间后，重新开启会遇到如下情况，如果振动过大有可能出现无法启动的情况，这种情况一般来说是因为发生了转子弯曲，其具有两种类型，一种是永久弯曲，另一种是临时性弯曲。前者呈弓形而且难以恢复，而后者是可恢复的，只是转子的预负荷过大，进而使得转子热变形不均匀。
时域波形以及轴心轨迹等方面内容，转子弯曲与转子不平衡存在很大的相似性，因此需要对两者的类型特征进行确定，准确的分析故障原因，进而提出解决策略与方案，恢复设备运行。
2.2转子不平衡与弯曲故障的甄别
对于特征信号进行分析是诊断设备故障的一个非常重要的环节，对于及其敏感的测量点，检测设备对于信号进行提取，对于设备的运行情况进行了解，对于信号进行技术分析，一般来说常用两种技术，一种是频域分析，另一种是时域分析，对于设备的运行情况进行反映是后者的关键点，对于故障进行监测，对于运行趋势进行预报。如果设备发生故障，时域分析无法准确的分析出在何处以及什么类型，需要对于信号进行深入分析，也就需要进行频谱分析，对于各个零部件之间的运动关系进行分析，大多数机械设备通过传递力与运动也就是机械能的方式来预测故障。传递过程中由于各个部件之间的磨擦作用导致了能量的损耗，对于机械设备的运行状态进行判断，频谱图就是对其进行分析的主要工具，对于频谱图进行正确观测，对于特征频率进行确定，也就可以判断到底属于何种故障类型。
转子弯曲与转子不平衡是存在本质区别的，虽然有很多相似之处，对于轴两端是否会产生锥形运动进行观察，对于其工频振动进行确定。
2.3解决方案
判断设备的运行状态并且预测运行趋势是设备故障诊断技术的关键，对于故障类型的确定，对于其原因进行分析进而提出故障消除策略，这是故障诊断的最终目的。旋转机械的转子不平衡故障的原因较多，从设计、制造、安装以及操作等各个方向来考虑，对于信号进行分析与处理，首先确定故障类型，对于不同类型的故障确定不同的处理措施，如果是初始不平衡的，对于转子进行动平衡试验，对于转子松动不见进行消除与处理，如果是渐变式不平衡，应当进行除垢与恢复，使得转子保持清洁；对于突发性不平衡的，应当消除应力，防止直接破坏转子。
3结语
近年来的工业化生产中，各种设备以及机械存在着一种非常明显的趋势，功能原理越来越多样化，而且设备大型化与连续化也非常突出，因此提高了生产效率，对于生产成本也是有效的降低，对于设备的工艺目标可以通过较低的消耗来实现。设备的故障诊断技术对于生产稳定性是非常重要的，因此准确的找出设备故障，消除转子不平衡的影响因素，在实践中不断进行总结与分析，为设备的故障诊断技术发展提供更加有力的现实经验，从而使得生产效益进一步提高。
参考文献
[1] 丁克北，戴光．旋转机械转子碰摩的多尺度非线性信
号分析及应用[J]．大庆石油学院学报，2005，（4）．
[2] 陈非，黄树红，杨涛，高伟，贺国强．旋转机械振
动故障的信息诊断方法[J]．机械工程学报，2009，
（11）．
[3] 吴轲，童敏明，童紫原，邓世建．旋转机械不平衡故
关键词：转动机械；故障诊断及处理；方法；意义
科学技术水平的提高使得我国众多发电厂都应用了众多新型的自动化、智能化的设备设施。同时，发电厂需要进行全天候、不间断的工作，保障电力的供应。因此，一些外部因素和内部因素的出现会导致各种转动机械设备故障问题的发生。而应用以往的故障诊断和处理模式无法对于其中存在的问题进行解决，使得发电厂的工作质量和效率受到影响。具体来讲，我们针对转动机械故障诊断及处理的方法、应用现代化诊断及处理技术的意义进行分析和研究工作，使得发电厂在较长时间中各种转动的机械设备保障安全运行，更好地开展工作，保障电力资源的供应。
一、转动机械故障诊断及处理的方法
（一）转动机械故障类型
我国发电厂中应用的转动机械发生故障主要是以下方面的问题。具体来讲，第一，滚动的轴承存在缺陷。比如：滚动的轴承出现了滚道或者是滚子脱落、腐蚀、破裂、有凹痕、有杂物的进入等等。而造成以上问题出现的原因有：应用的滑动轴承质量不高、没有应用专业化的技术和方式进行安装导致轴承与轴之间存在性能不高、配合不准确等问题，在较长时间应用后造成其出现了一系列问题。第二，滑动轴承问题。滑动类型的轴承在应用中主要存在的故障问题是：间隙的大小存在问题，无法进行有效性的工作，应用的油膜存在震荡或者是涡动问题。而造成以上问题出现的原因，除了质量问题外、还存在滑动轴承长期的高温、振动大的环境中进行工作的因素，无法进行有效性的运转。第三，转动机械存在松动的问题。转动机械松动主要有两种类型，一种是结构性的松动，另一种为转动性的松动。结构性松动问题出现主要原因是没有进行科学化、专业化的安装，造成了转动机械长期在磨损、腐蚀的环境中工作，导致一些结构出现了基础性的松动，影响到了其应用的质量和效率。而转动机械部件松动主要的原因是有关部件在长时间工作下出现了部件应用的损坏，轴承无法进行有效性工作。第四，转子不平衡的问题。其主要的缺陷和问题有：径向振动大、而在其他方向上的振动值较小。而造成以上问题出现的原因是，其一存在安装不当的问题、其二存在有外来的附加物进入使得转动机械部件出现了严重的磨损问题。
（二）诊断和处理的方法
我们需要应用专业化的人员和技术方式来进行以上故障问题的诊断和处理，保障我国发电厂转动机械进行良好的运行，充分发挥出自身应有状态，为促进发电厂工作水平的提高，实现良好的价值和效益发挥出重要作用。具体来讲，第一，发电厂需要定期对于转动机械设备检修处理人员进行专业化技能的培训工作，提升他们工作的积极性，学习和应用好各种故障设备设施处理的技术素养，保障它们运转正常。第二，发电厂需要进行大量资金的投入购买专业化的故障检测诊断、处理设备，提高诊断和处理的水平。应用好网络信息技术、计算机技术来构建专业化的故障保修系统、有利于有关人员快速进入现场进行设备故障诊断和处理，提高有关设备设施运行的水平。如：型号为IZ300-250-765的灰渣泵其在运行中出现了轴承温度偏高、振动值偏大的问题，我们就可以应用现场图谱仪对其进行科学诊断。如：在现场图谱仪中显示其在78Hz和6.5Hz的地方存在明显波峰、在其高频的区域存在群峰，然后应用其他专业化仪器以及专业人员的经验可以判断出此种类型的灰渣泵外滚道、保持架、轴承的滚子等已经损坏。我们通过查找此类灰渣泵应用的时间明确此已经超过合理化应用的时间。因此，需要对于其进行更换，使得发电厂有关设备可以进行正常运行。对于引风机这类的设备在进行了长时间的应用后也会出现振动偏大的问题。因此，我们需要应用专业化的温度测试装置对于其运行温度进行测量。如：显示的温度为轴瓦48摄氏度，然后应用专业化的频谱图则发现其明显的波峰出现在5Hz的地方。通过有关的分析后我们发现，滑动类型的轴承存在间隙过大问题。在有关专业化人员对其进行精细化检查下发现轴承顶隙存在超标的问题，应用专业化的机械和手段对其进行调整后，使得其恢复正常。
二、应用现代化诊断及处理技术的意义
应用现代化诊断及处理技术具有重要的意义。首先，专业化人员和现代化转动机械故障诊断设备仪器的应用，可以提高对于转动机械故障诊断工作的质量和水平，并且对于存在的问题进行快速化处理，通过周期性的常规诊断、科学化处理方式的应用，对于发电厂有关设备运行中的故障问题进行及时解决，避免了安全事故问题的发生，充分保障了发电厂进行有效性的工作，使其经济效益和社会价值得以实现。其次，应用现代化诊断及处理技术的应用使得专业化故障诊断和处理体系已经形成，可以充分结合转动机械设备运行的历史、对于故障问题进行预报、分析、判断、确定好故障发生的部位、原因、今后运行的趋势，应用专业化的手法进行修复、必要时进行转动机械的更换，保障其具有良好的应用状态。
三、结论
对于转动机械故障诊断及处理问题进行研究和分析，有利于我们应用现代化的故障诊断和处理人员、高端智能化的专业故障诊断仪器对于故障进行全面性的预报、诊断、分析、处理，提高转动机械诊断处理的水平，保障其具有良好的应用状态，使得发电厂可以取得良好的效益和价值。
参考文献：
[1]赵永忠.浅谈转动机械故障诊断及处理[J].机电信息,2015,24:71+73.
[2]王金福,李富才.机械故障诊断的信号处理方法:频域分析[J].噪声与振动控制,2013,01:173-180.
[3]任玲辉,刘凯,张海燕.基于图像处理技术的机械故障诊断研究进展[J].机械设计与研究,2011,05:21-24.
[4]余建青,臧观建,谢世坤,李强征.旋转机械故障诊断中的信号处理技术综述[J].机床与液压,2011,24:107-110.
[关键词]知识 机械故障诊断 专家系统
中图分类号：TH22.5 文献标识码：A 文章编号：1009-914X（2014）10-0277-01
一、电动机故障诊断专家系统
电动机故障诊断专家系统（FaultDiagnosisEXpertSystemofMotor，简称FDEsM）是本文研究的机械设备故障智能诊断系统的一个子系统之一，主要利用基于知识的专家系统智能诊断技术进行大型电动机故障的诊断。
1.FDESM的系统结构
FDESM的总体结构如1所示，由人机接口、知识库和知识库管理系统、数据库和数据库管理系统、控制部分、推理机、解释系统等几个部分组成。为了清晰、使用方便，运行灵活、节省时间，本系统采用窗口驱动系统来实现总体控制策略和运行结构，是一个完整而封闭的系统。
2.FDESM的知识库系统
在知识获取的过程中，一方面到各个企业中进行实地考察，了解关于大型电动机使用及其故障现象和故障诊断经验，获取直接知识；另一方面从有关电动机故障诊断文献中获取间接知识。
知识库的组织对推理结果有很大的影响，特别是当知识库的规模庞大时，如果组织不好就会产生“组合爆炸”现象，使得推理效率迅速下降。其次，推理过程中如果对知识从头到尾地搜索，也缺乏针对性，因为某一故障可能仅涉及其中的一部分知识。因此知识库需要较好的组织，使其既便于维护，又不至于使推理下降。
二、FDESM的推理机制
解决了知识的获取及知识表示的有关问题，就可以把问题领域中的知识表示出来，并以一定的形式存储到计算机中，形成知识库。但是，正如一个人只有知识而没有运用知识求解问题的能力仍然算不上“聪明”一样，对一个智能系统来说，不但应使它具有问题的知识，还应该使它具有运用知识求解问题的能力。运用知识的过程是一个思维过程，即推理过程。根据推理的方向分为正向推理、反向推理及正向一反向混合推理。
反向推理又称为目标驱动控制策略或自顶向下推理、目标推理、后件推理等。它是首先提出某个假设，然后寻找支持该假设的证据，若所需的证据能找到，说明原假设是正确的；若无论如何都找不到所需要的证据，则说明原假设不成立，此时需要另作新的假设。因此，要求提出的假设要尽量符合实际，否则就要多次提出假设，影响求解的效率。
三、FDESM运行实例
通过对感应电动机故障诊断的实例运行和测试，结果表明：该系统运行正常、实用方便，达到了预想结果，从而验证了本系统的准确性和可靠性。
如某一感应电动机发生了故障，并表现出下列现象：
（l）转速达不到要求速度，加速度小；
（2）电流变动；
（3）起动时有不正常声音。
运行诊断系统，选择对应的现象集，则诊断出故障原因为：
（1）超负载、电压不够、转子或风扇同固定部分有摩擦；
（2）绕组、滑环、电刷器械与转子电路中有接触不良；
（3）断相或电压过低，过负载也有可能。
解决故障对策为：
（l）检查负载和电压，以及气隙、风扇部分；
（2）检查焊接处、绕组与滑环间、电刷器械、接线螺栓松动问题；
（3）检查电压与负载。
总之，利用基于知识的专家系统在大型电动机故障诊断技术中应用的研究，建立了故障诊断系统，本系统具有对大型电动机故障进行综合诊断的功能。该系统知识库具有高度模块化的特点，这对知识库的维护、扩充及删改带来了极大的方便，知识库的这种树状层次结构便于知识库的管理，可以减少一些不相容的规则。本系统采用可视化界面窗口来实现总体控制策略和运行结构，通过实例可以看出系统具有清晰、无二义性，运行灵活、诊断快速等特点，具有一定的可靠性。
参考文献
[1]赵冲冲.网络技术在旋转机械状态监测与故障诊断中的应用田].西北工业大学硕士学位论文，2001，3
[2]马建仓，林其敖，葛文杰.机械故障诊断学科现状及发展团.机械科学与技术，1994，50（2）：85～ 90
购物车(0)