机械故障诊断技术2_机械振动及信号
机械故障诊断的原理及应用
机械故障诊断的原理及应用1. 引言机械故障诊断是指通过对机械设备或系统的状态进行监测和分析,从而判断是否存在故障并确定故障原因的过程。
随着工业自动化程度的提高和大型机械设备的广泛应用,机械故障诊断在工业领域中变得越来越重要。
本文将讨论机械故障诊断的原理和应用。
2. 机械故障诊断的原理机械故障诊断的原理基于故障特征的提取和分析。
下面是常用的机械故障诊断的原理:•振动信号分析:通过对机械设备振动信号的采集和分析,可以判断设备是否存在结构松动、轴承磨损等故障。
利用频域分析、波形分析等方法可以提取故障特征。
•声音信号分析:通过对机械设备产生的声音信号进行采集和分析,可以判断设备是否存在异响、噪声等故障。
利用频谱分析、波形分析等方法可以提取故障特征。
•温度信号分析:通过对机械设备温度信号的采集和分析,可以判断设备是否存在过热、冷却不良等故障。
利用温度变化曲线、温度分布等方法可以提取故障特征。
•电流信号分析:通过对机械设备电流信号的采集和分析,可以判断设备是否存在电机故障、电路故障等。
利用电流波形、频谱等方法可以提取故障特征。
3. 机械故障诊断的应用机械故障诊断在各个领域都有广泛的应用。
下面是几个常见的应用场景:•工业制造:在工业制造领域,机械设备的故障会导致生产线停工,产生巨大的经济损失。
通过机械故障诊断技术,可以实现对设备状态的实时监测,及时采取维修措施,以减少停工时间和降低维修成本。
•能源领域:在发电厂、风电场等能源领域,机械设备的故障会影响能源的供应稳定性和效率。
通过机械故障诊断技术,可以提前发现设备故障,并进行预防性维护,以提高能源产能和可靠性。
•交通运输:在交通运输领域,机械故障可能导致车辆或船只的故障和事故。
通过机械故障诊断技术,可以对交通工具进行故障监测,提高交通运输的安全性和可靠性。
•医疗设备:在医疗设备中,机械故障可能对患者健康造成严重影响。
通过机械故障诊断技术,可以对医疗设备进行定期监测,确保其正常运行,提高医疗服务的准确性和可靠性。
机械工程中的振动信号分析与故障诊断技术研究
机械工程中的振动信号分析与故障诊断技术研究引言:振动信号分析与故障诊断技术在机械工程领域中扮演着重要的角色。
通过对机械设备振动信号的分析,可以及时发现潜在的故障问题,预测设备寿命,提高设备运行效率,降低设备维护成本。
本文将探讨振动信号分析与故障诊断技术的研究现状以及未来发展趋势。
一、振动信号分析在机械工程中的应用振动信号分析在机械工程领域中具有广泛的应用。
振动信号可以包含丰富的信息,能够反映机械设备的运行状态、结构特性和故障状况。
通过对振动信号的分析,可以实现对机械设备的运行过程进行监测、故障诊断和预测。
1.1 振动信号的特征提取振动信号的特征提取是振动信号分析的核心内容之一。
通过对振动信号进行时域分析、频域分析和时频域分析等方法,可以提取出振动信号的幅值、频率、相位等特征参数,进而分析机械设备的运行状态。
1.2 故障诊断与预测振动信号分析在机械设备故障诊断与预测中发挥着关键作用。
通过比对振动信号的特征参数与故障模式数据库中的对应关系,可以准确判断机械设备的故障类型和位置。
同时,利用振动信号的时序特性,可以对机械设备未来的寿命进行预测,从而及时安排维护计划,避免机械设备故障带来的生产损失。
二、振动信号分析与故障诊断技术的研究现状目前,国内外学者和工程师们对振动信号分析与故障诊断技术进行了广泛的研究。
研究包括但不限于信号处理方法、特征提取算法、故障模式识别等方面。
2.1 信号处理方法信号处理方法是振动信号分析的重要基础。
国内外学者提出了多种信号处理方法,如小波分析、独立分量分析(ICA)、奇异谱分析(SSA)等。
这些方法能够提取出振动信号中的隐含信息,为后续的特征提取和故障诊断提供基础。
2.2 特征提取算法在振动信号分析中,特征提取算法是关键一步。
目前广泛应用的特征提取算法包括傅里叶变换、小波变换、相关函数分析等。
这些算法可以从振动信号中提取出幅值、频率、相位等特征参数,为故障诊断提供依据。
2.3 故障模式识别故障模式识别是振动信号分析的重要部分。
机械振动信号的故障诊断方法
机械振动信号的故障诊断方法引言:在机械设备运行过程中,振动信号是一种常见的故障指示现象。
通过分析和诊断振动信号,可以及早发现机械故障,采取正确的维修和保养措施,确保设备的正常运行。
本文将探讨涉及机械振动信号的故障诊断方法,旨在提供有关该领域的深入了解。
一、频谱分析法频谱分析法是最常用的机械振动信号分析方法之一。
通过将振动信号转换为频谱图,可以清晰地观察到不同频率分量的振动强度,从而判断设备是否存在故障。
频谱分析法的基本原理是将时域信号转换为频域信号。
常见的频谱分析方法包括傅里叶变换、小波分析等。
傅里叶变换能够将振动信号转化为频谱图,显示出信号中各个频率分量的振动幅值。
小波分析则更加适用于非平稳信号的分析,能够更好地捕捉到故障信号中的瞬态、突变等特征。
二、特征提取法特征提取法是通过提取振动信号的某些指标或特征参数,来判断机械设备是否存在故障。
常用的特征参数包括峰值、裕度、脉冲指标、峭度等。
这些参数可以用来描述振动信号的振动幅值、尖锐程度、频率分布等属性。
特征提取法的优点是简单明了,能够直观地了解机械设备的振动特征。
然而,对于复杂的振动信号和多种故障模式,单一的特征参数可能并不能提供足够的信息,因此需要结合其他方法进行综合分析。
三、模式识别法模式识别法将机械故障诊断问题归纳为模式分类问题,通过建立适当的分类器,判断设备的故障类型。
常见的模式识别方法包括神经网络、支持向量机、随机森林等。
模式识别法的优点是能够针对复杂的机械故障模式进行自动化分析和诊断,发现常规方法可能无法察觉到的故障特征。
然而,模式识别法需要大量的训练数据和适当的特征提取方法,才能取得较好的诊断效果。
四、频域分析法频域分析法是对振动信号进行频域特性分析的一种方法。
通过计算信号的功谱密度谱或功率谱密度谱,可以获取信号在不同频率上的能量分布情况。
频域分析法能够清晰地展示出不同频率分量在振动信号中的贡献程度,从而判断故障模式的频率范围。
例如,对于轴承故障常见的故障频率,可以通过频域分析法准确判断设备是否存在轴承故障。
机械振动信号的特征分析与故障诊断
机械振动信号的特征分析与故障诊断引言近年来,随着科技的不断发展,机械设备的应用越来越广泛。
然而,由于长时间工作和不良工作环境等因素,机械设备的故障率也逐渐增加。
因此,进行机械设备的故障诊断和预测对于提高设备的可靠性和工作效率至关重要。
本文将探讨机械振动信号的特征分析与故障诊断。
一、机械振动信号的特征分析1. 振动信号的采集机械设备中的振动信号通常通过加速度传感器进行采集。
采集的数据可以是时域信号,也可以进行傅里叶变换得到频域信号。
2. 时域分析时域分析是对振动信号在时间上的变化规律进行分析。
通过观察振动信号的波形、幅值和频率等特征,可以初步判断出机械设备的工作状态。
例如,当振动信号呈现规律性的周期性波形时,说明机械设备正常运行;而当出现突然的幅值变化或频率变化时,可能存在故障。
3. 频域分析频域分析是将振动信号从时间域转换到频率域进行分析。
通过傅里叶变换等方法,可以得到振动信号的频谱图。
频谱图可以清晰地显示振动信号在不同频率上的分布情况。
根据不同频率上的峰值和频率分布情况,可以分析出机械设备的工况和故障情况。
例如,当频谱图中出现特定频率的峰值时,可能说明存在共振或传动系统故障。
二、机械振动信号的故障诊断1. 故障特征提取在进行机械设备的故障诊断时,首先需要从振动信号中提取故障特征。
根据机械设备的不同类型和工作方式,故障特征可能具有多种形式。
例如,对于滚动轴承故障,常用的特征包括脉冲特征、包络谱特征和细节系数特征等。
2. 故障诊断方法针对不同类型的故障,可以采用不同的诊断方法。
常见的故障诊断方法包括模式识别、神经网络和支持向量机等。
这些方法可以通过对机械振动信号进行特征提取和分析,建立故障诊断模型进行故障判断。
3. 故障诊断系统为了实现机械设备的在线故障诊断和预测,可以搭建故障诊断系统。
故障诊断系统将振动传感器、数据采集模块、信号处理模块和故障诊断模型等部件进行集成,实时监测和分析机械设备的振动信号,并输出故障诊断结果。
机械振动信号处理与故障诊断分析
机械振动信号处理与故障诊断分析振动信号是机械运行中普遍存在的一种信号,它包含了机械系统的瞬态、稳态和周期随机特征信息。
通过对机械振动信号的处理和分析,可以有效地诊断出机械系统中存在的故障,并提供正确的维修措施。
本文将探讨机械振动信号处理与故障诊断分析的方法和应用。
一、振动信号的采集与处理振动信号的采集是进行信号处理与故障诊断的基础。
常见的振动传感器有加速度传感器、速度传感器和位移传感器。
其中,加速度传感器是最常用的一种。
传感器通过与机械系统的连接,将振动信号转换为电信号,并进一步传输到振动分析仪器中进行处理。
振动信号处理的目标是从庞杂的信号中提取出有用的信息,一般包括时域分析、频域分析和时频域分析三个方面。
时域分析主要通过计算信号的幅值、均值、方差等统计量来描述信号的时域特征;频域分析则通过对信号进行傅里叶变换,将信号转换到频域进行频谱分析;时频域分析则结合了时域和频域的信息,可以更直观地观察信号的瞬态特征。
二、故障特征分析与诊断在振动信号处理的基础上,进一步分析振动信号中存在的故障特征,从而诊断出机械系统中的故障。
常见的故障特征有以下几个方面。
1. 频谱分析:通过对振动信号进行频谱分析,可以观察到频谱图中的峰值和频率分布情况。
不同类型的故障在频谱图上呈现出不同的特征频率,比如齿轮啮合频率、轴承特征频率等。
通过对频谱图的分析,可以快速确定故障类型。
2. 波形分析:振动信号的波形可以直观地反映机械系统中的运动状态。
对波形进行分析,可以观察到振动信号的峰值、波形变化规律等。
比如,当齿轮齿面出现磨损时,振动信号的波形将发生变化,出现明显的振动峰值。
3. 轨迹分析:轨迹分析是通过对振动信号进行相位图分析,展示机械系统中不同零件的运动轨迹。
通过观察轨迹图的变化,可以找到故障信号与正常信号的区别。
比如,当轴承发生故障时,轨迹图可能呈现出明显的离心现象。
4. 频率变化分析:随着故障的发展,机械系统中的故障频率也会发生变化。
振动信号分析与故障诊断
振动信号分析与故障诊断振动信号是在很多机械设备中常见的一个现象。
通过分析振动信号,可以获取各种设备的运行状态和性能指标,进而进行故障诊断和预测。
振动信号分析与故障诊断在工业生产中具有重要的应用价值。
振动信号分析是指对振动信号进行处理、提取特征,并进行分析和诊断。
振动信号携带了机械设备的运行状态信息,包含了频域、时域和幅值等多维度的数据。
通过对振动信号进行分析,可以获得设备的各种振动特征,如振动频率、振动幅值、振动模态等。
振动信号分析的方法包括频谱分析、时频分析、小波分析等。
其中,频谱分析是最为常用的方法之一。
频谱分析通过将时域的振动信号转化为频域信号,可以清晰地展示出不同频率分量所占的比例。
通过观察频谱图,可以得出关于故障频率或共振频率的信息。
振动信号的故障诊断是指通过分析振动信号的特征和变化,判断设备是否存在故障,并确定故障的类型和原因。
常见的故障类型包括轴承故障、齿轮故障、偏心故障等。
不同类型的故障在振动信号中表现出不同的特征,如频率的变化、幅值的异常等。
轴承故障是振动信号中常见的故障类型。
轴承故障通常表现为频谱中出现明显的多个高频峰。
通过分析这些高频峰的特点,可以确定轴承故障的类型,例如滚珠疲劳、滚道剥皮等。
另外,轴承故障还会引起振动信号的幅值增大和频率的变化。
齿轮故障是振动信号中另一常见的故障类型。
齿轮故障通常表现为频谱中出现特定的频率分量,称为齿轮特征频率。
通过分析这些特征频率的变化和幅值的异常,可以判断齿轮故障的类型,如齿面磨损、齿根断裂等。
振动信号分析与故障诊断的应用范围广泛。
在制造业中,振动信号分析可以用来监测和评估设备的性能和健康状况。
通过对振动信号进行实时监测和分析,可以及时发现设备的故障和异常,采取相应的维修和保养措施,避免因故障带来的生产停顿和损失。
在航空航天领域,振动信号分析与故障诊断可以应用于航空发动机、飞机结构和飞行控制系统等。
通过对振动信号进行监测和分析,可以判断航空设备的性能和可靠性,并提前做好维修和更换的准备,确保航空器的安全运行。
机械故障诊断概述
投入经费 投资:US$ 20 万元,年监测费:US$ 1.5 万元/年
诊断成本 A=(20 万/10 年折旧) + 1.5 万/年=US$ 3.5 万元/年
诊断经济效 益系数
C=B/A = 36
☆目的意义举例:空难
2009年6月1日14时,法航空客A330起飞不久后与地面失去联系。机上228 人全部遇难。
1.2设备故障的信息获取和检测方法
☆故障信息的获取方法
(四)设备性能 指标的测定
设备性能包括整机及零部件性能, 通过测量机器性能及输入、输出量的 变化信息来判断机器的工作状态也是 一种重要方法。
例如,柴油机耗油量与功率的变化, 机床加工零件精度的变化,风机效率 的变化等均包含着故障信息。
对机器零部件性能的测定,主要反 映在强度方面,这对预测机器设备的 可靠性,预报设备破坏性故障具有重 要意义。
按诊断方法的 完善程度分类
简易诊断 利用一般简易测量仪器对设备进行 监测,根据测得的数据,分析设备的工作状态。 如利用测振仪对机组轴承座进行测量,根据测得 的振动值对机组故障进行判别或者应用便携式数 据采集器将振动信号采集下来后再进行频谱分析 用以诊断故障。
精密诊断技术 利用较完善的分析仪器或诊断装 置,对设备故障进行诊断,这种装置配有较完善 的分析、诊断软件。精密诊断技术一般用于大型、 复杂的设备,如电站的大型汽轮发电机组、石油 化工系统的关键压缩机组等。
1.3机械设备故障诊断方法的分类
设备故障诊断技术的分类,有三种分类方法
(一)按照诊断的目的、要求和条件分类 分为功能诊断和运行诊断、定期诊断和连续监测、直接诊断和间接诊断、在 线诊断和离线诊断、常规诊断和特殊诊断、简易诊断和精密诊断等等。
机械振动分析方法和故障诊断技巧
机械振动分析方法和故障诊断技巧机械振动是指机械系统中发生的谐波运动,它可能是正常工作的结果,也可能是机械故障的表现。
因此,机械振动分析和故障诊断技巧是确保机械系统安全和可靠运行的重要手段。
本文将介绍一些常用的机械振动分析方法和故障诊断技巧,以帮助读者更好地理解和解决机械振动问题。
首先,机械振动的分析方法可以分为实验方法和数值方法两类。
实验方法主要包括传感器测量和信号处理两个步骤。
传感器测量是通过安装振动传感器或加速度计等传感器,采集机械系统振动信号的幅值、频率、相位等参数。
信号处理则是将传感器采集到的原始振动信号进行滤波、采样、转换等操作,得到频谱图、时域图等振动特征图,从而分析机械振动的特性和问题。
数值方法则是通过建立机械系统的数学模型,利用有限元仿真、边界元法等数值计算方法,得到机械系统的振动响应和特征频率。
这些方法能够辅助工程师更全面地了解机械系统的振动状况,并找出可能的故障原因。
其次,故障诊断技巧是通过分析机械振动信号中的特征频率、谐波共振、幅度变化等信息,判断机械故障的类型和位置。
其中,特征频率是指机械系统在运行过程中产生的振动信号中最明显的频率成分,可以通过振动分析仪器进行测量,并与机械系统的结构、转速等参数进行比对。
通过对比分析,工程师可以确定机械系统是否存在异常振动,进一步判断是否出现故障。
另外,谐波共振是指机械系统中某个部件在特定频率作用下振动幅度显著增大的现象。
通过振动分析,工程师可以判断谐波共振是否超过了设计范围,是否会引起机械系统的损坏。
此外,工程师还可以通过分析振动信号中的幅度变化,判断故障是否逐渐恶化或发展成为严重的问题。
除了上述的分析方法和技巧,机械振动分析和故障诊断还需要结合实际情况和经验。
例如,工程师需要对机械系统的结构、材料、转速等参数进行全面考虑,并根据机械振动的特点和规律,判断可能的故障原因。
此外,工程师还需要掌握振动分析仪器的使用方法和数据处理技巧,以确保结果的准确性和可靠性。
机械振动与故障诊断基本知识
旋转机械状态监测与故障诊断讲义陈国远深圳市创为实技术发展有限公司2005年8月目录第一章状态监测的基本知识 (4)一、有关的名词和术语 (4)1. 振动的基本参量:幅值、周期(频率)和相位 (4)2. 通频振动、选频振动、工频振动 (6)3. 径向振动、水平振动、垂直振动、轴向振动 (6)4. 同步振动、异步振动 (7)5. 谐波、次谐波、亚异步、超异步 (7)6. 相对轴振动、绝对轴振动、轴承座振动 (7)7. 自由振动、受迫振动、自激振动、随机振动 (7)8. 高点和重点 (8)9. 刚度、阻尼和临界阻尼 (8)10. 共振、临界转速、固有频率 (9)11. 分数谐波共振、高次谐波共振和参数激振 (9)12. 涡动、正进动和反进动 (9)13. 同相振动和反相振动 (10)14. 轴振型和节点 (10)15. 转子挠曲 (11)16. 电气偏差、机械偏差、晃度 (11)17. 偏心和轴心位置 (11)18. 间隙电压、油膜压力 (11)二、传感器的基本知识 (12)1. 振动传感器 (12)2. 电涡流振动位移传感器的工作原理 (13)3. 电动力式振动速度传感器的工作原理 (13)⒋压电式加速度传感器的工作原理 (14)第二章状态监测常用图谱 (15)1.波德图 (15)2.极坐标图 (16)3.频谱瀑布图 (16)4.极联图 (17)5.轴心位置图 (18)6.轴心轨迹图 (18)7.振动趋势图 (19)8.波形频谱图 (20)第三章旋转机械的故障诊断 (22)1. 不平衡 (22)2. 不对中 (23)3. 轴弯曲和热弯曲 (26)4. 油膜涡动和油膜振荡 (28)5. 蒸汽激振 (30)6. 机械松动 (33)7. 转子断叶片与脱落 (33)8. 摩擦 (38)9. 轴裂纹 (40)10. 旋转失速与喘振 (40)11. 机械偏差和电气偏差 (43)第一章状态监测的基本知识一、有关的名词和术语机械振动是指物体围绕其平衡位置附近来回摆动并随时间变化的一种运动。
机械振动信号的时频分析与故障诊断
机械振动信号的时频分析与故障诊断引言机械设备在运行过程中会产生各种振动信号,这些信号可以提供有关设备运行状态和故障信息的重要线索。
因此,机械振动信号的时频分析和故障诊断成为了非常重要的研究领域。
本文将介绍机械振动信号的时频分析原理及其在故障诊断中的应用。
一、机械振动信号的时频分析原理时频分析是一种将信号的时域和频域信息相结合的方法,可以提供更全面的信号特征。
机械振动信号经过传感器采集后,通常以时域形式呈现,即振动信号随时间的变化情况。
时频分析的目的是通过对振动信号进行变换,得到其在时域和频域的分布情况。
现代时频分析方法主要有短时傅里叶变换(Short-Time Fourier Transform, STFT)、小波变换(Wavelet Transform, WT)和经验模态分解(Empirical Mode Decomposition, EMD)等。
其中,STFT是最常用的时频分析方法之一。
它通过对振动信号进行窗函数处理,得到不同时间窗口下的信号频谱。
二、机械振动信号的故障特征机械故障通常会导致设备振动信号的异常变化。
通过对振动信号进行分析,可以提取出不同类型故障特征的频率成分,从而判断设备是否存在故障。
1. 圆频率分析不同故障类型和部位产生的振动信号频率成分不同。
通过分析振动信号中的圆频率分布情况,可以确定可能的故障类型。
以齿轮故障为例,如果有一个或多个齿轮损坏,会引发一定频率的振动信号。
通过时频分析,可以提取出这些圆频率,并与故障模式进行对比。
如果存在匹配的频率成分,那么可以判断设备存在齿轮损坏问题。
2. 能量分布分析振动信号的能量分布也是判断故障的重要特征之一。
故障产生的能量通常会集中在某个频率范围内。
例如,当轴承出现故障时,轴承滚珠与内外圈的接触将产生冲击和撞击,导致能量分布偏向高频区域。
通过对振动信号进行能量分布分析,我们可以发现这种异常,从而判断轴承是否故障。
三、机械振动信号的故障诊断方法机械振动信号的故障诊断方法主要包括模式识别、基于规则的故障诊断和统计分析等。
使用振动信号分析实现机械零件故障检测与诊断
使用振动信号分析实现机械零件故障检测与诊断振动信号分析在机械零件故障检测与诊断中的应用引言:现代工业中,机械零件是经常使用的一种器件,其正常运行对于整个机器的稳定性和工作效率起着重要的作用。
然而,长时间的使用会导致机械零件的损耗和磨损,进而引发故障。
为了提前发现机械零件的故障并进行及时修复,采用振动信号分析技术成为了一种常用的方法。
一、机械零件振动信号分析的原理振动信号分析是通过检测和分析机械零件运行时产生的振动信号,来判断机械零件是否存在故障的一种方法。
机械零件在正常工作时会有一定的振动频率和振动幅度,而当故障发生时,振动信号会发生变化。
通过对振动信号的分析,可以确定机械零件的故障类型和程度。
二、常见的机械零件故障类型分析1. 轴承故障轴承在机械设备中起到支撑和定位的作用,长时间的运转会导致轴承损耗和磨损。
当轴承出现故障时,会产生明显的振动信号。
根据振动信号的频率和幅度变化,可以判断轴承的故障类型,如轴承内环故障、外环故障和滚珠故障等。
2. 齿轮故障齿轮是机械设备中常见的传动部件,其正常工作需要保持一定的啮合间隙和精度。
当齿轮出现磨损、断裂或啮合不良时,会产生振动信号。
通过对振动信号的分析,可以判断齿轮的故障类型和位置。
3. 传动带故障传动带是机械设备中常用的传动元件,其工作时常受到高频振动的影响。
当传动带出现损坏或断裂时,会引起振动信号的变化。
通过对振动信号的分析,可以判断传动带的故障类型和位置。
三、振动信号分析的应用案例1. 轴承故障诊断某工厂的生产线上一台机械设备的轴承出现了异常振动信号。
经过振动信号分析,发现轴承内环故障,导致机械设备的稳定性下降。
机修工人及时更换了轴承内环,避免了机械设备因轴承故障引发的故障。
2. 齿轮故障诊断在一家工程公司的变速箱中,发现齿轮传动不稳定,产生明显的振动信号。
经过分析,发现是齿轮啮合不良导致的问题。
技术人员重新调整了齿轮的啮合间隙,解决了变速箱的故障。
机械故障诊断技术2_机械振动及信号
按振动规律分类
这种分类,主要 是根据振动在时间 按振动的动力学特征分类
(1)自由振动与固有频率
这种振动靠初始激励一次性获得振动能量,历程有限,一般不会 对设备造成破坏,不是现场设备诊断所需考虑的目标。描写单自由度 线性系统的运动方程式为: d 2 x(t ) m kx(t ) 0 dt 2 通过对自由振动方程的求解,我们导出了一个很有用的关系式: 无阻尼自由振动的振动频率为:
物体在持续的周期变化的外力作用下产生的振动叫强迫振动,如 不平衡、不对中所引起的振动。
由图2—3所见,衰减自由振动随时间 推移迅速消失,而强迫振动则不受阻 尼影响,是一种振动频率和激振力同 频的振动。从而可见,强迫振动过程 不仅与激振力的性质(激励频率和幅 值)有关,而且,与物体自身固有的 特性(质量、弹性刚度、阻尼)有关, 这就是强迫振动的特点。
m
d x dx c kx Fo sin t dt dt 2
( 惯 性 力 ) ( 阻 尼 力 ) ( 弹 性 力 ) ( 激 振 力 )
2
图2-2强迫振动力学模型
图2-3 强迫振动响应过程 a)强迫振动 b)衰减振动 c)合成振动
(3) 自激振动
自激振动是在没有外力作用下,只是由于系统自身的原因所产生的 激励而引起的振动,如油膜振荡、喘振等。自激振动是一种比较危险的 振动。设备一旦发生自激振动,常常使设备运行失去稳定性。 比较规范的定义是:在非线性机械系统内,由非振荡能量转变为振 荡激励所产生的振动称为自激振动。
第二章 机械振动及信号
在冶金、化工、机械等企业中旋转机械设备 约占80%,这些旋转设备主要包括发电机、电动 机、透平制氧机、鼓风机、大型轧钢机等,在众 多的诊断技术中,没有任何技术能比振动信号分 析对机器设备状况提供更深刻的了解。另外,由 于旋转机械设备在运行中易出现不对中或受外力 作用而产生振动的现象,其大小与安装质量和使 用中的故障有直接关系。由此可见,振动分析及 测量在诊断旋转机械中有着重要的地位。
机械故障的振动分析及诊断
机械故障的振动分析及诊断引言机械故障的振动分析及诊断是现代工程领域一个重要的研究方向。
振动分析能够预测机械故障发生的可能性,诊断能够确定故障的原因和位置,对于提高机械设备的可靠性和可用性具有重要意义。
本文将介绍机械故障振动分析的基本原理、方法和应用。
一、机械故障振动分析的基本原理机械设备在运行时会产生振动,振动是由于设备的不平衡、磨损、故障等因素导致的。
振动分析的基本原理是通过检测和分析振动信号来判断设备是否存在故障,并对故障进行诊断。
振动信号可以通过加速度、速度和位移等形式来表示,其中加速度信号对于高频故障的诊断更为敏感。
二、机械故障振动分析的方法1.振动信号采集振动信号的采集是机械故障振动分析的第一个步骤。
采集振动信号可以通过加速度传感器、速度传感器或位移传感器来实现。
根据故障的类型和位置,选择合适的传感器进行振动信号采集。
多个传感器可以同时采集不同位置的振动信号,以获得更为准确的结果。
2.信号预处理振动信号采集后往往包含大量的噪声,需要进行信号预处理。
常用的信号预处理方法包括滤波、降噪和特征提取等。
滤波方法可以去除高频和低频的噪声,使得振动信号更加清晰。
降噪方法可以通过信号平均、小波分析等技术去除噪声,提高信号的信噪比。
特征提取方法可以从振动信号中提取出故障特征,如频率、幅值、相位等,用于故障诊断。
3.故障诊断故障诊断是根据振动信号的特征来确定故障的类型和位置。
常见的故障诊断方法包括频谱分析、阶次分析和时间域分析等。
频谱分析可以将振动信号转化为频域特性,通过比较频谱图来判断故障类型。
阶次分析可以将振动信号转化为阶次域特性,通过比较阶次图来判断故障位置。
时间域分析可以观察振动信号的波形和周期性,通过波形和周期性的变化来诊断故障。
三、机械故障振动分析的应用机械故障振动分析的应用十分广泛,涵盖了各个领域的机械设备。
例如,航空领域可以通过对飞机发动机的振动信号进行分析,来预测发动机故障并进行维修。
机械振动信号分析与故障诊断算法研究
机械振动信号分析与故障诊断算法研究随着机械设备的广泛应用,机械振动信号的分析与故障诊断成为了工程领域的重要研究内容。
机械振动信号包含了丰富的信息,可以反映设备的运行状态和潜在故障情况。
本文将针对机械振动信号分析与故障诊断展开研究,并探讨其相关算法。
一、引言机械设备在运行过程中会产生振动信号,这些振动信号是通过传感器收集到的。
通过对振动信号的分析与处理,可以判断设备是否存在故障,提前预警并采取相应的维修措施。
因此,机械振动信号分析与故障诊断研究具有重要的意义。
二、机械振动信号分析机械振动信号是通过传感器获取到的,它包含了许多关键参数,比如振幅、频率和相位等。
对振动信号的分析是理解设备工作状态的关键步骤。
1. 时域分析时域分析是对振动信号进行时间轴上的分析,可以观察到振动信号的波形特征。
常见的时域分析方法包括均值、方差和自相关函数等。
2. 频域分析频域分析是将振动信号转换到频域,以观察信号在频率上的成分。
常见的频域分析方法包括傅里叶变换和小波变换等。
3. 统计学分析统计学分析可以通过对振动信号进行统计学参数的计算来了解设备的工作状态。
常见的统计学分析方法包括均值、方差和偏度等。
三、故障诊断算法研究基于机械振动信号的故障诊断算法是通过对振动信号进行进一步处理和分析,来判断设备是否存在故障。
以下是几种常见的故障诊断算法。
1. 基于模式识别的算法模式识别是一种通过对振动信号进行特征提取和分类的方法。
常见的模式识别算法包括支持向量机(SVM)和人工神经网络(ANN)等。
2. 傅里叶分析与滤波算法傅里叶分析可以将振动信号转换到频率域,通过观察频谱特征判断设备是否存在故障。
滤波算法可以去除信号中的噪声干扰,提取出故障信号。
3. 小波变换与时频分析算法小波变换可以将信号在时域和频域之间进行转换,通过观察小波系数来了解信号的特征。
时频分析算法可以观察信号在时间和频率上的变化,了解设备的工作状态。
四、研究展望机械振动信号分析与故障诊断领域依然存在许多挑战和待解决的问题。
机械振动信号的小波分析与故障诊断
机械振动信号的小波分析与故障诊断机械振动是指机械系统在运行过程中所产生的振动现象。
振动信号是机械故障的重要指标,因为它可以反映机械系统的运行状态和内部结构的变化。
因此,对机械振动信号进行分析和诊断是实现机械故障预测和维护的关键技术之一。
在振动信号的分析方法中,小波分析作为一种多尺度分析方法,因其在时频域上具有出色的分辨能力,成为了机械振动信号分析与故障诊断领域中广泛应用的技术。
一、小波分析的基本原理小波分析是一种基于时频分析原理的分析方法。
其基本思想是将信号分解成不同尺度的小波基函数,用小波基函数对信号进行变换。
小波分析的核心是小波变换,其可以将信号转换为时域和频域的双重信息,从而更好地理解信号的特性和内在结构。
二、小波分析在机械振动信号处理中的应用小波分析在机械振动信号处理中具有较高的应用价值。
首先,小波变换可以提取信号的频谱信息和时域特征,通过对频谱分布进行分析,可以识别出机械系统中存在的频率分量和谐波分布,从而判断机械系统的正常运行状态。
其次,小波包分解和重构方法可以对振动信号进行时频分析,通过对振动模态和频率变化的研究,可以了解机械系统在不同工况下的振动特性和变化规律。
此外,小波模态分解方法可以提取出机械振动信号的分量,实现故障信号的提取和识别,为故障诊断提供有力的依据。
三、小波包分析在滚动轴承故障诊断中的应用滚动轴承是机械系统中常见的易损部件之一,其故障常表现为振动信号的不稳定性和频率分量的变化。
针对滚动轴承故障诊断问题,小波包分析方法能够更好地提取滚动轴承振动信号中的故障特征。
通过对滚动轴承振动信号进行小波包分解,可以得到一系列分量信号。
其中,能量集中的低频分量对应轴承的正常工作状态,而能量集中的高频分量则对应轴承的故障状态。
通过对不同尺度的高频分量进行分析,可以判断轴承故障的类型和程度。
此外,小波包分析方法还可以通过构建滚动轴承的特征向量,实现对不同故障状态的自动分类和识别。
四、小波熵在齿轮故障诊断中的应用齿轮是机械系统传动的重要部件之一,其故障常表现为齿面接触不良和齿面断裂等现象。
机械振动信号分析与故障诊断的研究进展
机械振动信号分析与故障诊断的研究进展一、引言机械振动信号分析与故障诊断是现代工程领域中重要的研究方向之一。
随着工程技术的发展和智能化水平的提高,传感器和数据采集技术的进步为机械设备振动信号的分析和故障诊断提供了更为全面和精确的手段。
本文将针对机械振动信号分析与故障诊断的研究进展进行探讨,分析其现状和发展趋势。
二、振动信号分析技术1. 频域分析频域分析是对机械振动信号进行谱分析,通过将振动信号从时域转换到频域,可以观察到信号中不同频率成分的能量分布情况。
常见的频域分析方法包括傅里叶变换、功率谱分析和相关函数等。
这些方法可以快速、准确地提取振动信号的特征值,有助于判断机械设备的运行状态和可能的故障。
2. 时间域分析时间域分析是对机械振动信号在时域上进行分析,主要通过观察信号的波形、幅值和周期等特征来判断机械运行的稳定性和故障情况。
脉冲响应、自相关函数和互相关函数等是常用的时间域分析方法。
该方法可以反映振动信号的瞬态特征,有助于检测和分析机械设备的异常振动。
三、故障诊断方法1. 特征提取特征提取是基于振动信号的特征参数,通过提取和分析信号中的频率、振幅、相位和能量等特征,以发现和识别故障信号的出现。
常用的特征参数包括峰值、峭度、峰值因子、裕度因子等。
通过有效地提取特征参数,可以准确地识别机械设备的故障类型和程度。
2. 模式识别模式识别是将振动信号与预先建立的模式进行对比,通过对比分析,确定信号的相似性和相异性,从而判断机械设备的状态。
常用的模式识别方法包括人工神经网络、支持向量机和模糊聚类等。
这些方法可以根据已知的振动信号模式进行学习和预测,提高故障诊断的准确性和稳定性。
四、应用案例机械振动信号分析与故障诊断在工程实践中具有广泛的应用。
以机械设备故障诊断为例,通过对振动信号的采集和分析,可以实时监测设备的运行状况,并提前发现潜在的故障隐患。
例如,在风力发电机组中,通过对叶片振动信号的分析,可以判断叶片的偏差或破损情况,及时进行维修和更换,保证发电机组的正常运行。
机械振动信号的时频分析与故障诊断
机械振动信号的时频分析与故障诊断导言机械设备的振动信号是反映设备正常运行状态及潜在故障的重要指标之一。
振动信号中蕴含着丰富的信息,可以通过时频分析来提取出这些信息并实现故障的诊断与预测。
本文将介绍机械振动信号的基本概念和特征,以及时频分析的原理与方法,并探讨其在故障诊断中的应用。
一、机械振动信号的基本概念与特征机械设备的振动信号是由设备运动所引起的机械波动,通常可以通过传感器采集到。
振动信号是一个非常复杂的时间序列,其包含了多种振动模态的叠加和相互作用。
为了对振动信号进行分析和诊断,我们首先需要了解振动信号的基本概念和特征。
1. 振动信号的频率振动信号的频率是指振动信号中重复发生的周期性变化的次数。
频率可以反映出振动信号的周期性特征,对于机械设备的故障分析非常重要。
2. 振动信号的振幅振动信号的振幅是指振动信号的大小或强度。
振幅可以反映出振动信号的强弱程度,对于故障的诊断与判定非常有帮助。
3. 振动信号的相位振动信号的相位是指振动信号与某一参考位置之间的时间差或空间差。
相位可以反映出振动信号的位置和偏移程度,帮助我们了解振动信号的波动规律。
4. 振动信号的谱图振动信号的谱图是将振动信号在频率域中的幅度进行展示的图形,通过谱图我们可以清晰地观察到振动信号的频率分布情况,从而对振动信号进行进一步的分析和处理。
二、时频分析的原理与方法为了进一步分析和处理机械振动信号,时频分析成为一种常用的手段。
时频分析是将信号在时间域和频率域上进行联合分析的方法,其原理与方法如下:1. 傅里叶变换傅里叶变换是时频分析的基础。
通过傅里叶变换,我们可以将信号从时域转换到频域,获得信号的频谱信息。
2. 小波变换小波变换是一种具有时频局部性的信号分析方法。
通过小波变换,我们可以在时域和频域上同时获得信号的时频信息,进一步提取信号的特征和规律。
3. 瞬时频率分析瞬时频率分析是时频分析的一种重要方法。
通过瞬时频率分析,我们可以获得信号的瞬时频率变化情况,进一步了解信号的振动模态和变化规律。
机械振动信号降噪及故障诊断技术
机械振动信号降噪及故障诊断技术引言随着机械设备的普及和应用领域的扩大,机械振动成为了一个重要的研究领域。
机械振动信号中包含了丰富的信息,可以用于故障诊断、状态监测以及性能评估等方面。
然而,由于环境噪声和设备本身天然的振动信号噪声,机械振动信号往往受到干扰和噪声的影响,这给故障诊断和信号分析带来了挑战。
因此,机械振动信号降噪及故障诊断技术成为了研究的热点。
一、机械振动信号降噪技术1.1 振动信号的基本特性机械振动信号在时间和频域上都具有自身的特定特性,例如幅值、频率和相位等。
了解振动信号的基本特性对降噪技术的研究具有重要意义。
1.2 常见的振动信号降噪方法目前,常见的机械振动信号降噪方法主要包括滤波方法、小波变换方法和时频分析方法。
滤波方法通过选择合适的滤波器对信号进行滤波处理,以去除噪声成分;小波变换方法可以将信号在时频域上进行分解,通过选择适当的小波基对信号进行降噪;时频分析方法通过在时域和频域上对信号进行联合分析,提取有用的信号成分。
1.3 振动信号降噪技术的研究挑战在机械振动信号的降噪过程中,一些挑战需要克服。
首先,振动信号中的噪声源可能是多样的,包括环境噪声、传感器噪声和设备本身的噪声等。
其次,信号与噪声之间的特征参数往往存在重叠,使得降噪过程更加复杂。
此外,实际工况下的非线性和非平稳性也为降噪技术带来了挑战。
二、机械振动信号故障诊断技术2.1 机械振动信号中的故障信息机械振动信号中包含了丰富的故障信息,例如断裂、磨损、松动和不平衡等。
这些信息可以通过信号处理技术进行提取和识别,从而实现对设备故障的准确诊断。
2.2 常用的故障诊断方法常用的机械故障诊断方法包括时域分析、频域分析和时频分析。
时域分析通过观察振动信号的时间变化特征,感知到故障源的存在;频域分析通过分析振动信号的频率成分,识别出设备存在的异常频率成分;时频分析方法则结合了时域和频域的优势,能够得到更加准确的故障诊断结果。
2.3 故障诊断技术的研究展望对于机械振动信号的故障诊断技术来说,仍然存在一些挑战和发展方向。
机械振动信号的异常检测与诊断
机械振动信号的异常检测与诊断引言:在机械工程领域,机械振动信号的异常检测与诊断是一项重要而又具有挑战性的任务。
通过对振动信号的分析和诊断,可以及时发现机械设备的故障,并采取相应的修复措施,以防止设备损坏或事故发生。
本文将从异常检测的方法、故障诊断的技术以及信号处理的原理等方面展开探讨。
一、异常检测的方法异常检测是指通过对振动信号进行分析,识别和检测其中存在的异常或故障。
常用的异常检测方法包括统计分析、模型识别和机器学习等技术手段。
统计分析是一种基于统计学原理的异常检测方法。
通过对振动信号的统计特性进行分析,识别出与正常工作状态有明显差异的异常信号。
常用的统计分析方法包括均值、方差、自相关函数、互相关函数等。
模型识别方法基于建立模型和观察数据之间的关系,通过对振动信号的模型参数进行识别和检测异常。
常用的模型识别方法有自回归模型、自动回归移动平均模型、卡尔曼滤波器等。
机器学习方法是通过对已知正常和异常样本进行训练,建立分类或回归模型,再对新的振动信号进行判别。
常用的机器学习算法有支持向量机、神经网络、决策树等。
二、故障诊断的技术故障诊断是指通过对异常振动信号的进一步分析,确定设备的故障类型和位置。
常用的故障诊断技术包括频谱分析、时频分析和小波变换等。
频谱分析是一种将时域信号变换到频域的方法。
通过对振动信号进行傅里叶变换,可以得到信号的频谱图,进而分析故障频率和振动模式。
常用的频谱分析方法有傅里叶变换、快速傅里叶变换和小波变换等。
时频分析是一种将时域和频域信息同时考虑的方法。
通过对振动信号进行短时傅里叶变换或小波变换,得到信号在时间和频率上的分布。
时频分析能够分析非平稳信号和瞬态故障,更适用于复杂故障的诊断。
小波变换是一种将时域信号分解成不同频率成分的方法。
通过对振动信号进行小波变换,可以将信号转换到时频域,进一步提取故障特征。
小波变换适用于分析非平稳和非线性振动信号。
三、信号处理的原理信号处理是机械振动信号异常检测与诊断的核心技术。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
r 1 2 n n
此时共振振幅为:
Br
u
2 1 2
共振区角频率:一般为(0.7~1.4)ωn
3) 物体位移达到最大值的时间与激振力达到最大值 的时间是不同的,两者之间存在有一个相位差, 这个相位差同和频率比与阻尼比有关。 当ω=ωr时,即共振时,相位差ψ等于90°。 当ω>>ωr时,相位差ψ≈180°。
Ce 2 km
阻尼比ζ :实际阻尼系数C与临界阻尼Ce之比。 C Ce 当阻尼比ζ<1时,为一种振幅按指数规律衰减的振动,其 振动频率与初始振动无关,振动频率ω略小于固有频率ωn; 1 2 n , n 当ζ≥1时,物体不会振动,而是作非周期运动。
(2) 强迫振动和共振
(3) 自激振动 自激振动是在没有外力作用下,只是由于系统自身的 原因所产生的激励而引起的振动,如油膜振荡、喘振等。 自激振动是一种比较危险的振动。设备一旦发生自激振动, 常常使设备运行失去稳定性。
比较规范的定义是:在非线性机械系统内,由非振荡 能量转变为振荡激励所产生的振动称为自激振动。
自激振动的特点:
1)随机性。因为能引发自激振动的激励(大于阻尼力的失稳力)一般都 是偶然因素引起的,没有一定规律可循。 2)振动系统非线性特征较强,即系统存在非线性阻尼、元件(如油膜的 粘温特性,材料内摩擦)、非线性刚度元件(柔性转子、结构松动等) 才足以引发自激振动,使振动系统所具有的非周期能量转为系统振动能 量。 3)自激振动频率与转速不成比例,一般低于转子工作频率,与转子第一 临界转速相符合。只是需要注意,由于系统的非线性,系统固有频率会 有一些变化。 4)转轴存在异步涡动。 5)振动波形在暂态阶段有较大的随机振动成分,而稳态时,波形是规则 的周期振动,这是由于共振频率的振值远大于非线性影响因素所致;与 一般强迫振动近似的正弦波(与强迫振动激励源的频率相同)有区别。
速度有效值Vrms、速度最大值Vp(峰值)、速度平均值Vav 之间的关系如下式。速度有效值介于速度最大值和速度平 均值之间。
Vrms
2 2 Vav V p 0.707 Vp 4 2
2. 频率f
频率 f:振动物体(或质点)每秒钟振动的次数称为频率, 用f表示,单位为Hz。 振动频率在数值上等于周期T的倒 数,即:f=1/T
)
式中:V-速度最大值(mm/s), V=Aω
加速度:
式中
a K sin(t )
K-加速度最大幅值(m/s2), K=Aω2。
必须特别说明一个与振动幅值有关的物理量即速度有 效值Vrms,亦称速度均方根值。这是一个经常用到的振动 测量参数。因为它最能反映振动的烈度,所以又称振动烈 度指标。 振幅反映振动的强度,振幅的平方常与物质振动的能 量成正比。因此,振动诊断标准都是用振幅来表示的。
相位测量分析在故障诊断中亦有相当重要的地位,一般用于谐 波分析,动平衡测量,识别振动类型和共振点等许多方面。
2.3 设备状态信号的物理表现
机械故障诊断技术的应用分为 1)事故前预防。不能预防突发性故障,只能预防渐变性故障。 2)事故后分析。 渐变性故障是随着劣化的进展而逐步恶化,在此过程中 存在着某些特征信号与之相应地变化,这些特征信号,就是 设备的状态信息,其物理表现就是检测、分析的对象。 从根本上讲,所有设备的作用都是能量转换与传递,设 备状态愈好,转换与传递过程中的附加能量损耗愈小。随着 设备的劣化,附加能量损耗快速地增大。附加能量损耗中包 括的各种物理量构成设备的状态信息中的重要部分。
物体在持续的周期变化的外力作用下产生的振动叫强迫振动,如 由不平衡、不对中所引起的振动。图2为强迫振动的力学模型。
d 2x dx m 2 c kx Fo sin t dt dt
( 惯 性 力 ) ( 阻 尼 力 ) ( 弹 性 力 ) ( 激 振 力 )
由图2—3所见,衰减 自由振动随时间推移迅速 消失,而强迫振动则不受 阻尼影响,是一种振动频 率和激振力同频的振动。 从而可见,强迫振动过程 不仅与激振力的性质(激 励频率和幅值)有关,而 且,与物体自身固有的特 性(质量、弹性刚度、阻 尼)有关,这就是强迫振 动的特点。
强迫振动的特点:
1)物体在简谐力作用下产生的强迫振动也是简谐振动, 其稳态响应频率与激励频率相等。
2)振幅B的大小除与激励力大小写成正比、与刚度成反比 外,还与频率比、阻尼比有关。
(a)当激励力的频率很低时,即ω/ωn很小时:强迫振动的振幅接 近于静态位移(力的频率低,相当于静力),即振幅B与静力作用 下的位移比值β=1。 (b)当激励力的频率很高时:β≈0,即物体由于惯性原因跟不上力 的变化而几乎停止不动。 (c)当激励力的频率与固有频率相近时:若阻尼很小,则振幅很大 ,为共振现象。共振频率为
2.1 机械振动基础
各种机器设备在运行中,都不同程度地存在振 动,并且这些振动往往与机器的运行状态相关, 为了能从不同角度来研究振动问题,首先介绍机 械振动的3种分类方法:按振动规律分类,按振动 的动力学特征分类,按振动频率分类。 1.按振动规律分类
这种分类,主要是根据振动在时间历程内的变化 特征来划分的。
式中 T——周期,即质点再现相同振动的最小时间间隔(s或ms)。
频率还可以用角频率ω来表示,即:ω=2π f
频率是振动诊断中一个最重要的参数,振动频率与诊断 方案的确定、状态识外、诊断标准的选用有关。
3. 相位ψ
相位ψ由转角ωt与初相角φ两部分组成: ψ=ωt+φ 振动信号的相位,表示振动质点的相对位置。 不同振动源产生的振动信号都有各自的相位。 * 相位相同的振动会引起合拍共振,产生严重的后果。 * 相位相反的振动会产生互相抵消的作用,起到减振的效果。 * 由几个谐波分量叠加而成的复杂波形,即使各谐波分量的振幅不变, 仅改变相位角,也会使波形发生很大变化,甚至变得面目全非。
第二章 机械振动及信号
在冶金、化工、机械等企业中旋转机械设备 约占80%,这些旋转设备主要包括发电机、电动 机、透平制氧机、鼓风机、大型轧钢机等,在众 多的诊断技术中,没有任何技术能比振动信号分 析对机器设备状况提供更深刻的了解。另外,由 于旋转机械设备在运行中易出现不对中或受外力 作用而产生振动的现象,其大小与安装质量和使 用中的故障有直接关系。由此可见,振动分析及 测量在诊断旋转机械中有着重要的地位。
3. 按振动频率分类
低频振动:f<10 Hz 机械振动(按频率分类) 中频振动:f=10~1000Hz 高频振动:f>1000Hz
在低频范围,主要测量的振幅是位移量。这是因为在低频 范围造成破坏的主要因素是应力的强度。位移量是与应变、应 力直接相关的参数。 在中频范围,主要测量的振幅是速度量。这是因为振动 部件的疲劳进程与振动速度成正比,振动能量与振动速度的平 方成正比。在这个范围内,零件的疲劳破坏为主要表现,如点 蚀、剥落等。 在高频范围,主要测量的振幅是加速度。它表征振动部 件所受冲击力的强度。冲击力的大小与冲击的频率与加速度值 正相关。
(1)自由振动与固有频率
这种振动靠初始激励(通常是一个脉冲力)一次性获得振动能量, 历程有限,一般不会对设备造成破坏,不是现场设备诊断所需考虑的 目标。描写单自由度线性系统的运动方程式为: d 2 x(t ) m kx(t ) 0 2 dt 式中x-振动位移量 通过对自由振动方程的求解,我们导出了一个很有用的关系式: 无阻尼自由振动的振动频率为:
特点:速度比位移的相位超前90º ,加速度比位移的相位超前180º 。 比速度超前90º 。
式中A为最大振幅(μm或mm),指振动物体(或质点)在振动 过程中偏离平衡位置的最大距离)。 峰值(单峰值):A 峰峰值(双峰值,双幅):2A 振幅与速度以及加速度的关系(微分): 速度:
v V cos( t ) V sin(t 2
以传递力和运动的设备,如齿轮箱、轧钢机、切削、 挤压设备等,附加能量损耗的初始形式也以力和运动表现 出来,这就是振动、摩擦。附加能量损耗的二次形式是发 热,由此将损耗的能量散发出去。 设备状态信息中主要的物理量是力和运动,它也有多 种形式,包含作功的力、作功的运动(位移、速度等)、 损耗的力和运动,以振动及摩擦热的形式表现。 因此设备状态信息的获取:温度测量应尽可能靠近热 源点;测振的探头也应尽可能地靠近振动源,以期获得尽 量强的振动信号。
以能量转换为主要工作任务的设备,其设备的状态信 息包括转换前的能量、转换后的能量以及因这些能量的损耗 所衍生的物理量。分述如下: 泵、风机、压缩机等都是将机械能转换成介质能量的 设备,设备的状态信息包括机械能的参数——力、速度、振 动、温度; 也包含介质的能量——压力、流量。 电动机是将电能转换为机械能的设备,设备的状态信 息包括:电压、电流、漏电流;也包括机械能的参数——力、 速度、振动(频率、振幅)、温度。 内燃机类的设备是将燃料中的能量转换为机械能,设 备的状态信息以机械能的参数——力、速度、振动、温度等 为主。 热工设备(工业炉、窑、化工反应塔等)的状态信息 主要为设备的温度场分布。
自由振动、强迫振动、自激振动这三种振动在设备故 障诊断中有各自的主要使用领域。 对于结构件,因局部裂纹、紧固松动等原因导致结构 件的特性参数发生改变的故障,多利用脉冲力所激励的自 由振动来检测,测定构件的固有频率、阻尼系数等参数的 变化。 对于减速箱、电动机、低速旋转设备等机械故障,主 要以强迫振动为特征,通过对强迫振动的频率成分、振幅 变化等特征参数分析,来鉴别故障。 对于高速旋转设备以及能被工艺流体所激励的设备, 除了需要监测强迫振动的特征参数外,还需监测自激振动 的特征参数。
n
k m
式中:m—物体的质量、k—物体的刚度
这个振动频率与物体的初始情况无关,完全由物体的力学性质决 定是物体自身固有的称为固有频率,这个结论对复杂振动体系同样成立。 它揭示了振动体的一个非常重要的特性。许多设备强振问题,如强迫共 振、失稳自激、非线性谐波共振等均与此有关。