振动故障诊断原理及发展
振动分析原理
振动分析原理振动是物体在受到外力作用或者自身受到激励时产生的周期性变化。
振动分析原理是研究物体振动特性的一种方法，通过对振动信号的采集、分析和处理，可以获取物体的振动特征参数，进而对物体的结构和性能进行评估和分析。
振动分析原理在工程领域有着广泛的应用，可以用于机械设备的故障诊断、结构的健康监测、产品的设计优化等方面。
本文将介绍振动分析的基本原理及其在工程实践中的应用。
振动分析的基本原理包括振动信号采集、信号分析和信号处理三个方面。
首先，振动信号的采集是通过传感器将物体振动产生的信号转换成电信号，并进行采样和量化。
常用的传感器包括加速度传感器、速度传感器和位移传感器，它们可以分别测量物体在加速度、速度和位移方面的振动信号。
其次，采集到的振动信号需要进行分析，通过对信号的频域分析、时域分析和轨迹分析，可以获取物体的振动频率、幅值和相位等特征参数。
最后，对振动信号进行处理，可以采用滤波、降噪、特征提取等方法，提高信号的质量和可靠性。
振动分析在工程实践中有着广泛的应用。
首先，它可以用于机械设备的故障诊断。
通过对机械设备振动信号的监测和分析，可以及时发现设备的故障和异常振动，为设备的维护和修理提供依据。
其次，振动分析可以用于结构的健康监测。
对建筑结构、桥梁、飞机等物体进行振动监测，可以了解结构的动态响应和疲劳破坏情况，为结构的安全评估和维护提供支持。
此外，振动分析还可以用于产品的设计优化。
通过对产品振动特性的分析，可以优化产品的结构设计，提高产品的性能和可靠性。
总之，振动分析原理是研究物体振动特性的一种重要方法，它在工程领域有着广泛的应用。
通过对振动信号的采集、分析和处理，可以获取物体的振动特征参数，为设备的故障诊断、结构的健康监测和产品的设计优化提供支持。
振动分析的发展将进一步推动工程技术的进步，为工程实践提供更多的可能性和机遇。
振动信号的频谱分析与故障诊断
振动信号的频谱分析与故障诊断频谱分析是一种常用的信号处理技术，可以对振动信号进行分析和故障诊断。
本文将介绍频谱分析的原理和应用，并探讨其在故障诊断中的作用。
一、频谱分析的原理频谱分析是将一个信号分解成一系列频率成分的过程。
它基于傅里叶变换原理，将时域上的信号转换为频域上的频谱。
通过频谱分析，可以更直观地了解信号的频率特性和频率成分。
在振动信号处理中，频谱分析可以帮助我们获取振动信号的频率谱。
频率谱可以用图形表示，横轴表示频率，纵轴表示振幅。
通过分析频率谱，可以发现信号中的主要频率成分，从而进行故障诊断和分析。
二、频谱分析的方法1. 傅里叶变换（Fourier Transform）傅里叶变换是将信号从时域转换到频域的重要方法。
它将一个连续时域的信号转换为一个连续频域的频谱。
傅里叶变换可以精确地表示信号的频谱信息，但对计算机实现来说，计算量较大。
2. 快速傅里叶变换（Fast Fourier Transform，FFT）为了克服傅里叶变换的计算复杂度，人们提出了快速傅里叶变换算法。
FFT是一种高效的离散傅里叶变换方法，可以在计算机上快速计算信号的频谱。
FFT广泛应用于振动信号处理中，可以实时获得信号的频谱特征。
三、频谱分析在故障诊断中的应用1. 故障特征提取频谱分析可以帮助我们提取振动信号中的故障特征。
不同的故障在频谱上表现出不同的频率成分和振幅分布。
通过比较正常信号和故障信号的频谱特征，可以判断故障类型和程度。
2. 故障诊断频谱分析可以根据特定故障的频率特征，对故障进行诊断。
例如，对于轴承故障，通常会在频谱上出现与旋转频率相关的峰值，通过检测这些峰值可以判断轴承是否发生故障。
3. 故障监测与预警通过对振动信号进行实时频谱分析，可以实现故障的监测与预警。
当频谱中出现异常的频率成分时，说明设备可能存在故障隐患，及早发现并采取措施进行维修，可以避免设备故障进一步恶化。
四、频谱分析的局限性频谱分析虽然是一种有效的振动信号处理方法，但也存在一定的局限性。
振动分析总结报告
振动分析总结报告1. 引言振动分析是一种通过观察和分析振动现象来了解物体结构及其运动状态的技术。
在工程领域中，振动分析被广泛应用于机械、汽车、航空航天等行业。
本报告旨在总结振动分析的基本原理、方法和应用，并提供一些实际案例进行说明。
2. 振动分析的基本原理振动分析的基本原理是基于振动信号的频率、幅值和相位等参数来分析物体的运动情况。
振动信号可以通过加速度传感器、振动传感器等仪器进行检测和采集。
常见的振动信号有时间域信号和频域信号。
•时间域信号：通过观察信号的时间波形来分析振动信号的特征。
常见的时间域分析方法有峰值检测、有效值计算、波形分析等。
•频域信号：通过将信号转换为频域表示来分析振动信号的频率成分。
常见的频域分析方法有傅立叶分析、功率谱分析、频谱分析等。
3. 振动分析的方法振动分析的方法根据分析的目的和振动信号的特点进行选择。
以下是常见的振动分析方法：3.1 时间域分析时间域分析是基于振动信号的时间波形进行分析的方法。
常见的时间域分析方法有：•峰值检测：通过检测信号的最大峰值来获取振动信号的幅值信息。
•有效值计算：通过计算信号的均方根值来获取振动信号的有效值信息。
•波形分析：通过观察信号的波形特征来分析振动信号的频率和幅值信息。
3.2 频域分析频域分析是将振动信号转换为频域表示进行分析的方法。
常见的频域分析方法有：•傅立叶分析：将信号分解为一系列正弦函数的和，获取振动信号的频率成分。
•功率谱分析：通过计算信号的功率谱来研究信号的频率分布情况，进一步了解振动信号的频率成分。
•频谱分析：将信号从时域表示转换为频域表示，获取振动信号的频率和幅值信息。
4. 振动分析的应用振动分析在工程领域中有广泛的应用。
以下是一些常见的应用案例：4.1 故障诊断与预测振动分析可以用于机械设备的故障诊断和预测。
通过对设备振动信号的监测和分析，可以及时发现设备故障并预测故障发展趋势，从而采取相应的维修和保养措施，避免设备故障造成的生产事故和经济损失。
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。
利用振动信号分析故障诊断方法研究
利用振动信号分析故障诊断方法研究引言：振动信号是一种常见的故障诊断手段，通过对机械或电气设备产生的振动信号进行分析，可以有效地判断设备的工作状态和潜在故障。
近年来，随着科学技术的发展，振动信号分析在工业领域得到了广泛的应用。
本文旨在探讨利用振动信号分析进行故障诊断的方法及其研究意义。
一、振动信号分析的原理振动信号是机械设备在运行过程中由于内部结构、运动部件等原因所产生的振动，其特征包括振动频率、振幅、相位等。
振动信号分析的核心原理是通过对振动信号的频谱分析，确定故障特征频率，从而判断设备是否存在故障。
二、常见的振动信号分析技术1. FFT频谱分析快速傅里叶变换(FFT)是一种基于傅里叶变换的频谱分析方法，通过FFT分析振动信号的功率谱密度，可以得到频率信息。
利用频谱分析技术，可以检测设备内部的故障频率，如轴承的谐波频率、齿轮的啮合频率等。
2. 小波分析小波分析是一种时频分析方法，通过对振动信号进行小波变换，可以同时获得时域和频域的信息。
小波分析相对于FFT分析更具优势，可以有效地提取出瞬时频率、瞬时幅值等特征，对非平稳信号的分析具有较好的效果。
3. 非线性分析振动信号中包含了丰富的非线性特征，如共振、周期倍频、离散谱等，通过对振动信号进行相空间重构、Lyapunov指数计算等非线性分析方法，可以有效地判断设备是否存在故障。
三、利用振动信号分析故障诊断的应用振动信号分析在工业领域具有广泛的应用，可以用于早期故障预测、设备状态监测、故障诊断等方面。
1. 早期故障预测通过对设备产生的振动信号进行分析，可以提前检测到设备存在的潜在故障，并采取相应的维护措施。
例如，在风力发电机组中，通过监测主轴箱的振动信号可以判断主轴箱内轴承是否存在异常磨损，从而预测轴承故障的发生时间。
2. 设备状态监测振动信号可以反映设备的实时工作状态，通过对振动信号的监测与分析，可以及时了解设备的运行情况。
例如，在石油钻机上安装振动传感器，可以实时监测钻杆的振动情况，通过对振动信号的分析，可以判断钻具是否受损，避免钻具折断等事故的发生。
振动分析和故障诊断分析解析
数
100密 尔
幅
振 动 速 度 (英 寸 /秒 )
值
振 动 加 速 度 (g)
高频区域
高 频 段 力 指 示 器
疲劳指示器
当量烈度轮廓
应力指示器
对数频率
2020/3/16
其中：
振 动 加 速 度 (g) 峰 值 振 动 速 度 (英 寸 /秒 ) 峰 值 振 动 位 移 (密 尔 ) 峰 峰 值 频 率 (转 /分 )
机器振动测量和评价的有关标准
ISO10816-2：50MW以上大型汽轮发电机组振动速度 评定区域边界
2020/3/16
机器振动测量和评价的有关标准
ISO10816-3：300KW以上50MW以下大型机组振动烈度区域分类
2020/3/16
机器振动测量和评价的有关标准
ISO10816-3：15KW-300KW中型机器振动烈度区域分类
• 振动加速度传感器固定对频响的影响
2020/3/16
振动监测中的一些技术细节要点
• 仪器频率响应特性
2020/3/16
0. 5赫兹
4赫兹
绝对振动(瓦振) 相对振动(轴振)
电涡流式传感器 在 滑动轴承内对准轴
绝对振动
轴
轴承
非接触式传 感器
相对振动
2020/3/16
双芯或四芯电缆提供(24伏)直流电源操作信
制频率等间隔的分布的
2020/3/16
滤波问题
高通滤波 低通滤波 带通滤波
未滤波的原始信号
滤波器
滤波器
滤波器
滤波后的信号
带阻滤波
滤波器
滤波器
2020/3/16
振动参数
1.振动位移 2.振动速度 (国际标准和国家标
航空发动机振动故障诊断技术及发展趋势
航空发动机是结构紧凑的高速旋转机械，在运行过程中经常会出现振动方面的故障。
发展综合振动故障诊断技术，开展振动故障机理研究，是解决航空发动机振动故障的有效途径。
振动是航空发动机的一个重要监控参数，发动机在进行试验时，需要解决各种振动问题。
发动机振动之所以特别重要，是因为振动直接影响发动机的正常工作和寿命，如果发动机出现振动异常而不及时加以检查排除，就有可能造成严重的后果。
因此，航空发动机振动故障诊断一直都是航空发动机试验测试中的一个重要研究课题。
典型的发动机振动故障航空发动机的振动故障具有复杂性和随机性，引起发动机振动故障的原因多种多样，其振动故障现象各不相同，典型的航空发动机振动故障及其特征简要归纳见表1。
表1 典型航空发动机振动故障原因及振动特征发动机振动测量建立满足测试目的和要求的振动测量系统、选择相应的振动测量方法是开展振动故障诊断的重要基础。
振动测量系统振动测量系统包含测振托架、振动传感器、传输电缆、信号适调器、数据记录（存储）、分析仪和以计算机为中心的数据处理系统等部分。
测量时应合理布置振动监测点，选取并正确安装满足要求的振动传感器，选用符合要求的电缆并合理固定，确保绝缘性和屏蔽性，保证信号有效传输，避免干扰和失真。
目前，在航空发动机振动测量中，广泛采用的振动传感器是压电式加速度计，该类传感器具有频响范围较宽、体积较小、使用寿命较长等优点。
振动测量方法航空发动机振动测量分为静态和动态两种。
静态测量是在研制过程中为了获取发动机的静态振动特性和结构模型参数，采用加激励的方法进行测量。
动态测量是在发动机运转情况下进行的，用于实时监测发动机工作状态、诊断振动故障。
目前，航空发动机整机振动测量时，均采用振动位移、振动速度或振动加速度作为显示参数和限制参数。
一般说来，对于较低频率振动用振动位移进行显示和限制；对于中等频率振动用振动速度进行显示和限制；而较高频率振动则用振动加速度进行显示和限制。
从对发动机整机振动限制的基本要求和发展趋势看，选择用振动速度进行显示和限制相对较多。
振动故障诊断要点
振动故障诊断要点振动故障是机械设备常见的故障类型之一，通过振动故障诊断可以帮助工程师找出故障的原因并采取相应的维修措施。
下面是振动故障诊断的要点：1.基本振动概念：了解振动的基本概念和参数，如振动的幅值、频率、相位和加速度等。
这些参数可以帮助工程师判断振动的严重程度和类型。
2.振动特征分析：振动特征分析包括频谱分析、时域分析和轨迹分析等。
频谱分析可以将振动信号转化为频谱图，从而找出频率和幅值异常的情况。
时域分析可以观察振动信号的波形，判断是否存在常见的故障类型。
轨迹分析可以观察旋转机械中旋转部件的运动轨迹，如转子不平衡和轴承故障。
3.振动测量与工具：了解振动测量的原理和方法，掌握常见的振动测量仪器，如加速度计、速度计和位移计等。
这些测量工具可以帮助工程师获取准确的振动数据，并用于故障诊断。
4.振动故障类型：了解振动故障的常见类型，如轴承故障、齿轮故障、不平衡和磨损等。
每种故障类型都有其特定的振动特征，通过分析这些特征可以判断故障的类型和位置。
5.振动诊断方法：根据振动特征和振动测量数据，结合机械设备的工作原理和结构特点，采用不同的振动诊断方法。
常见的方法包括单点测量、多点测量、滤波和波形诊断等。
通过综合应用这些方法，可以准确判断振动故障的原因。
6.振动故障分析：进行振动故障诊断后，需要对振动数据进行进一步的分析。
这包括对振动频谱进行解释和比较，对不同的振动特征进行关联分析，以及对振动故障的可能原因进行推断和验证。
7.故障预防和维护：通过振动故障诊断可以及时找出故障的原因，从而采取相应的维修措施。
然而，更好的方法是在设备正常运行期间进行故障预防和维护工作，包括定期检查和维护设备、定期校准和保养振动测量仪器等。
8.振动故障诊断的案例分析：通过分析实际案例，学习振动故障诊断的方法和技巧。
实际案例可以帮助工程师理解振动故障的原因和机理，并提高振动故障诊断的能力。
振动故障诊断是机械设备维修中重要的一环，能够帮助工程师快速准确地找出故障的原因，避免设备损坏和停机时间的增加。
机械设备故障诊断与监测的常用方法及其发展趋势
机械设备故障诊断与监测的常用方法及其发展趋势机械设备在工业生产中起着至关重要的作用，然而随着设备的使用时间延长，故障问题也逐渐凸显出来。
对机械设备的故障诊断与监测显得尤为重要。
本文将对机械设备故障诊断与监测的常用方法及其发展趋势进行探讨，旨在为相关行业人士提供参考和借鉴。
一、常用方法1. 振动分析法振动分析是一种通过监测和分析机械设备振动信号来判断设备工作状态的方法。
通过检测设备的振动频率、振幅和相位等参数，可以判断设备是否存在故障，并且可以提前预警可能的故障问题。
振动分析法在机械设备故障诊断中具有较为广泛的应用，尤其适用于轴承、齿轮和传动系统等部件的故障诊断。
5. 数据监测法数据监测法是一种通过监测设备运行时产生的数据信号来判断设备工作状态的方法。
通过分析设备的电流、电压、温度和压力等数据，可以实时监测设备的工作状态，从而及时发现并诊断设备存在的故障问题。
数据监测法在机械设备故障诊断中同样具有重要的应用价值，尤其适用于数控设备、电气设备和自动化设备等设备的故障诊断。
二、发展趋势1. 智能化技术的应用随着人工智能、大数据和物联网技术的不断发展，智能化技术在机械设备故障诊断与监测领域的应用越来越广泛。
智能化技术可以实现设备的自动监测和诊断，大大降低人工干预的成本，提高故障诊断的准确性和效率。
未来，智能化技术将成为机械设备故障诊断与监测的发展趋势之一。
2. 多模态信号融合分析多模态信号融合分析是指将振动信号、声音信号、热像信号、油液信号和数据信号等多种信号进行融合分析，从而实现对设备工作状态的全方位监测和诊断。
多模态信号融合分析可以综合各种信号的优势，提高故障诊断的准确性和可靠性，对于复杂设备的故障诊断具有重要的意义。
3. 在线监测技术的发展随着传感器技术、无线通信技术和云计算技术的不断成熟，使得在线监测技术在机械设备故障诊断与监测领域得到广泛应用。
在线监测技术可以实时监测设备的工作状态，及时发现故障问题，减少停机维修时间，提高设备的可靠性和可用性，对于提升设备运行效率具有重要的意义。
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。
设备故障的振动诊断技术介绍及其应用
设备故障的振动诊断技术介绍及其应用设备故障的振动诊断技术是一种通过分析设备振动特征来判断设备工作状态和健康状况的技术。
它基于振动信号的特性和规律，结合数据采集、信号处理和分析技术，可以及时准确地诊断设备故障，预测设备寿命，指导设备维护和保养工作。
该技术的主要应用包括但不限于以下几个方面：1. 故障诊断：通过监测和分析设备振动信号，可以准确地诊断各种设备故障，如轴承失效、不平衡、松动等，为设备维修提供准确的依据。
2. 故障预测：振动诊断技术不仅可以发现设备已经存在的故障，还可以通过对振动信号的趋势分析和预测，提前预知设备可能出现的故障和故障发展的趋势，从而及时采取措施，避免事故发生。
3. 设备健康监测：通过对设备振动信号进行连续监测和分析，可以实时监测设备的运行状态和健康状况，及时发现和解决设备运行中的问题，保障设备的正常运行。
4. 设备维护管理：振动诊断技术可以为设备的定期维护和保养提供科学的依据和管理手段，有助于合理安排设备维修计划，降低维修成本，延长设备使用寿命。
总之，设备故障的振动诊断技术是一种非常有效的设备健康管理技术，可以帮助企业实现设备的智能化监控和管理，提高设备的可靠性和使用寿命，为企业的生产运营提供有力的支持。
设备振动诊断技术是一门对设备振动进行监测、分析和诊断的技术。
它基于振动信号的特性和规律，通过采集设备振动信号，利用信号处理和分析技术，可以判断设备的运行状态，预测设备健康状况，诊断设备故障，并为设备维护提供科学的依据。
这一技术的广泛应用，可以有效地提高设备的可靠性和使用寿命，减少由于设备故障而导致的生产事故或停工，以及维护管理成本。
下面将详细介绍设备振动诊断技术的原理、方法和应用。
一、原理设备的振动信号是由于设备在运行过程中产生的，其中蕴含了丰富的信息。
通过分析设备振动信号的频率、振幅、相位等特性，可以获得关于设备工作状态、结构状况和健康状况的信息。
设备振动信号包含了来自设备各个部件的振动信号，例如轴承、齿轮、驱动系统等。
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。
发电机组的振动监测与故障诊断
发电机组的振动监测与故障诊断振动监测是发电机组运行过程中非常重要的一项工作，它可以有效地帮助我们了解发电机组的运行状态，及时发现和解决潜在的故障问题。
本文将介绍振动监测的基本原理和方法，并探讨如何通过振动信号来进行故障诊断。
一、振动监测的基本原理发电机组在运行过程中会产生各种振动信号，这些信号可以反映出发电机组的运行状态和各部件的工作情况。
振动监测的基本原理是通过安装振动传感器来采集振动信号，并将信号转化为电信号进行处理和分析。
振动信号可以分为两类：机械振动信号和电子振动信号。
机械振动信号是由发电机组内部运行过程中产生的机械振动引起的，比如转子不平衡、轴承故障等。
电子振动信号是由电器故障或电磁干扰引起的，比如绝缘损坏、接触不良等。
二、振动监测的方法1. 实时监测：通过振动传感器将振动信号实时采集并传输到监测系统，对振动信号进行分析，及时发现异常情况，并及时采取措施进行维修和保养。
2. 定期检测：定期使用振动仪器检测发电机组的振动情况，比如每月进行一次振动检测，可以有效地了解发电机组的运行状态，并及时发现潜在的故障问题。
3. 长期驻点监测：将振动传感器长期安装在发电机组上，通过采集连续不断的振动信号，了解发电机组的长期运行情况，为后续的故障诊断提供重要数据支持。
三、振动信号的故障诊断振动信号的故障诊断是通过对振动信号的分析和处理，来判断发电机组是否存在故障，并确定具体的故障类型和程度。
常用的故障诊断方法包括：1. 时域分析：通过对振动信号在时域上的波形进行分析，判断是否存在周期性故障，比如转子不平衡、轴承故障等。
2. 频域分析：通过对振动信号在频域上的频谱进行分析，得到频域特征参数，来识别故障类型，比如齿轮间隙、电机磁场不均匀等。
3. 振动信号模式识别：通过建立故障模式库，将不同故障类型的振动信号进行分类和归档，根据振动信号的特征进行匹配，从而确定故障类型。
四、振动监测与故障诊断的意义振动监测与故障诊断可以帮助我们及时发现和解决发电机组存在的潜在故障问题，避免故障发生对发电机组造成严重损害。
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。
振动分析与故障诊断技术的发展趋势
到故障诊 断的准确性 和故 障早期预报 的可靠性 。由于大型旋转机 械 的故障信息常在振动状况 方面体现 出来 ， 根据振动信 号进行监 测 与诊 断 ， 目前仍 是设 备维护管理的主要 手段 。因此 ， 振动信号的 处理方法及相应诊断技术一直是近十几年的主要研究 热点之一 。 １ 机 械 振 动 分 析 与 故 障 诊 断 技 术 的 研 究 现 状 故 障诊 断 ，就是通过设备运行或 检修时表现 出的异常现象 ， 对 设 备 异 常 的程 度 、 因做 出判 断 。机 器 在 运转 的 时候 ， 时有 可 原 随 能发生 各种各 样的故 障 ， 这不仅会 造成不必 要的经 济损失 ， 至 甚 可能带来很大的灾难 。因此 ， 故障诊断技术 的发展是势在必行 的。 故障诊断技术是在 ２ 世纪 ７ ０ Ｏ年代提出的， 它在工程领域中表现 出 进行处理 ， 提取 回转部件运 行状态变 化和故 障信 息 ， 实现 大型旋 很强 的实用价值 。 基于振动分析的诊断是旋转机械故障诊断中最常 转机械的故障诊断 和运行状态监测的最常用技术。 Ｆ ｕｉｒ 但 ｏｒ 变换 ｅ 用 的一 种 诊 断 方 法 ， 也是 应 用 最 广 泛 、 最行 之有 效 的方 法 。采 用 反映 的是样 本信号 的整体统计 特性 ，对 于非平稳程 度较强 的信 也 振动分析法 ， 以对机械大部分 的故障类型进行准确的判断［ 可 ４ １ 。 号， 时频细节在频谱 中得不 到反映 ， 并且频谱分 辨率也受到限制 ， １１ 旋 转 机械 振 动 故 障机 理 的研 究 ． 需寻找更 为有效 的信号特征提取方法 。 故障机理研究是设备故障诊断 的基础。该研究 的 目的是为 了 Ａ Ｍ 时 序模 型 是 应用 较 广 的 一 种 现 代 谱 分 析方 法［ １ 它 Ｒ Ａ １８ ６】 －。 掌握机 械故 障形成 和发展过 程 ，了解设 备故 障内在 本质及 其特 采用时间序列线性 预测建模 的方法来描述 信号 ， Ａ ＭＡ得到 的 由 Ｒ 征， 掌握相应 的故 障模式种类 。 国内外许 多专 家学者对机械 设备 频谱较 Ｆ ｒ更为平 滑 、 Ｆ 频谱 分辨率更 高 、 信号处理 点数要求也 对 的典型故 障机理 进行 了大量 的理论 和实验研究 ， 出了许 多重要 不高 ， 得 其中 由一阶 白噪声驱动的 Ａ ＭＡ模型 即 Ａ Ｒ Ｒ模型在实践 中 的 结 论 ， 效 地 指 导 了设 备 的状 态 监 测 与故 障 诊 断 。 有 得到更为广泛的应用 。 由于在 Ａ Ｒ模型中 ， 信号可视为白噪声通过 美 国的 Ｊｈ ｏ ｒ 是研究透平机械故障及其原 因的权威 。他 滤波环节产生的输 出，因此信号 Ａ ｏ ｎ Ｓｈｅ Ｒ模型 的线性预测系数也可作 在 美 国机械工程 学会 石油机械１ 程年会 上发表 了题为《 二 高速 涡轮 为信 号的特征之一 。Ａ ＭＡ时序模 型虽 然可 以应用 于某些 非线 Ｒ
振动诊断的原理特点应用
振动诊断的原理特点应用1. 原理振动诊断是一种通过分析和监测机械设备振动信号，来判断设备的运行状态和故障原因的技术。
其原理基于以下几个方面：•机械振动特征：不同的设备在运行时会产生不同的振动特征，这些特征反映了设备的结构、运动状态以及故障情况。
•信号采集与处理：通过加速度传感器等设备采集设备振动信号，并对信号进行滤波、采样和数字化处理。
•频谱分析：将振动信号转换为频谱图，通过分析频谱图可以了解设备振动的频率成分和振幅分布。
•模式识别：将设备振动信号与标准模式进行比较，通过模式识别算法来判断设备的运行状态和是否存在故障。
2. 特点振动诊断具有以下特点：•非侵入性：振动诊断不需要对设备进行拆卸或修改，只需安装振动传感器等设备进行监测。
•实时性：振动信号的采集和处理可以实时进行，可以及时监测设备的运行状态。
•全面性：通过对设备振动信号的分析，可以了解设备运行状况、结构特征以及可能存在的故障情况。
•高效性：振动诊断可以快速、准确地判断设备故障，有利于及时采取维修措施，避免设备停机造成的损失。
3. 应用振动诊断广泛应用于各个领域的设备监测和维护中，具有以下应用场景：•机械设备故障诊断：通过对机械设备振动信号的分析，可以判断设备是否存在故障，如轴承损坏、不平衡等。
•机械设备状态监测：通过不断监测设备振动信号，可以实时了解设备的运行状态，以便进行及时维护和保养。
•预防性维护：通过振动诊断技术，可以提前判断设备可能出现的故障，采取相应的预防性维护措施，避免故障的发生。
•故障排除：当设备出现问题时，可以通过振动诊断技术来确定故障的具体原因，以便采取正确的维修措施。
4. 振动诊断的发展趋势随着科技的不断进步，振动诊断技术也在不断发展，主要表现在以下几个方面：•智能化：振动诊断技术将结合人工智能、大数据等技术，实现设备故障的自动诊断和预测，提高诊断的准确性和效率。
•无线化：传统的振动诊断需要布设大量的有线传感器，而无线传感器的发展将使得振动诊断更加灵活和便捷。
振动故障诊断
第二章振动故障诊断振动故障诊断这一名称国外早在40多年前就已提出，但由于当时测试技术和振动故障特征知识的不足，所以这项技术在70年代前未有明显发展。
我国提出振动故障诊断也有20多年的历史，由于国内机组振动的特殊性，因而在振动故障诊断方法，故障机理研究方面，具有独特的见解，经过40多年现场故障诊断的实践，在机组振动故障特征方面我们积累了丰富的知识，已扭转了振动故障原因难于查明的局面。
故障诊断从目的来分，可分为在线诊断和离线诊断，前者是对运行状态下的机组振动故障原因作出粗线条的诊断，以便运行人员作出纠正性操作，防止事故扩大，因此诊断时间上要求很紧迫，目前采用计算机实现，故又称自动诊断系统。
系统的核心是专家经验，但是如何将分散的专家经验系统化和条理化，变成计堵头脱落掉在波形节联轴器内。
2.1.1.3设备结构和故障机理的复杂性显然对于结构和故障机理简单的回转机械，例如风机、水泵、一般电动机等，采用解体直观寻找振动故障成功率较高，但是对于结构复杂，特别是大型汽轮发电机组，不仅零部件大而多、结构复杂，而且引起振动的机理也很复杂，一次解体寻找振动故障不可能对机组每一个部件都做仔细检查，即使是直观可见的振动故障，在一次解体寻找中也未必能发现，因此直观寻找在大机组上成功率往往是很低的。
2.1.2振动原因分析寻找2.1.3振动故障诊断故障诊断与上述查明故障的方法最大区别是摆脱了振动故障以眼见为实的局限性，它是采用演绎推理的方法，以故障特征为基础，与振动特征进行比较、分析，或采用逐个排除的方法，对振动性质、故障原因和具体部件作出判断。
2.1.3.1反向推理反向推理也称目标直接推理，它是依据振动特征反推出振动故障原因，因此称它反向推理。
在推理过程中只与单一的目标有关，当振动特征与故障特征符合时，即可做出诊断。
因，在诊断的反向推理过程中，不仅可能会得出错误的诊断，而且还会漏掉真正引起振动的故障。
出现漏诊断和误诊断几率虽然与本人对故障特征和振动特征认识广度和深度直接有关，但从诊断方法来说这种现象是难于避免的。
- 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)。
第４１卷中国电力发电技术振动故障诊断原理及发展施维新（西安热工研究院有限公司，陕西西安７１００３２）摘要：针对目前国内振动故障诊断结果可靠性不高和准确率低的问题，提出应对故障诊断原理进行研究，才能从根本上提高诊断的可靠性和故障诊断的准确率。
将演绎推理的２种思维模式诊断故障原理和方法作了详细介绍，并具体分析了各自的利弊。
经３０余年研究、改进和近２０余年实践证明，采用演绎推理较高形式正向推理，可以将目前振动故障诊断准确率提高８０％以上。
关键词：振动故障诊断；原理；演绎推理；故障范围中图分类号：ＴＫ２６８．＋１文献标识码：Ａ文章编号：１００４－９６４９（２００８）０３－００４８－０５收稿日期：２００７－１１－１６作者简介：施维新（１９３７－），男，江苏南通人，高级工程师，从事汽轮发电机组振动研究。
Ｅ－ｍａｉｌ：ｓｅｒｅｎｅ＠ｐｕｂ．ｘａｏｎｌｉｎｅ．ｃｏｍ０引言传统的故障诊断技术研究，主要是从故障现象、特征、机理进行研究，对于故障诊断原理，其中包括诊断思维模式、故障范围、各自分支目录相应特征、机理及分类方法的研究，在目前还没有引起关注。
我国振动故障诊断最早是从２０世纪８０年代初提出，所谓故障诊断是采用抽象的演绎推理手段查明故障，与传统的眼见为实寻找故障思维方式完全不同，所以当时对绝大多数人来说难于接受，为此也受到了一些专家的质疑。
国内振动故障诊断经２０多年的研究、发展和普及，全国各地程度不同的得到了广泛的应用，但就诊断思维模式来说，还是停留在简单的反向推理思维模式上，因此诊断结果的可靠性差，故障诊断准确率普遍不高。
如果说早期的眼见为实直观寻找故障，带有较大的盲目性和偶然性；那么今天普遍采用的反向推理诊断故障，虽然避免了一定的盲目性，但仍未能避免诊断结果的偶然性。
为了提高诊断结果的可靠性和故障诊断的准确率，当前最有效的手段是改变传统诊断故障的反向推理思维模式，采用正向推理思维模式。
采用正向思维推理诊断振动故障较反向推理难度要大，它不是首先简单的采用振动特征与故障特征作比对，而是首先了解故障范围及分类，然后再进一步了解分支目录及对应特征、机理，在限定的范围内，逐个排除。
从诊断思维严密性并经实践证明，采用正向推理，振动故障诊断准确率可达８０％以上。
１振动故障诊断由来及发展认识振动故障经历了下列３个阶段。
１．１直观寻找故障国内外在２０世纪５０年代以前，查明振动故障原因基本都是采用直观寻找的方法。
这种直观寻找对于结构、振动原理简单、一些直观可见的故障，例如：台板、轴承座连接松动、转子上（内）自由活动部件等，寻找故障成功率大一些，但对于结构、振动原理复杂，即使直观可见的故障，寻找成功率非常低，显然对于直观不能发现的故障，例如：转子不平衡、共振、转子各种故障引起的热弯曲，采用直观寻找是无法找到的，所以国内在２０世纪６０年代以前，有许多振动过大的机组，经多次消振处理，始终找不到振动故障原因。
１．２分析寻找故障由于直观寻找的盲目性太大，不仅费时、费工，而且成功率低。
在２０世纪６０年代初，国内外开始采用首先对振动进行测试，观察振动与哪些因素有关，然后对其故障进行初步分析，排除一些无关的因素，大致确定可疑的故障范围，再去寻找，这样不仅显著减小故障怀疑面，突出了寻找重点，而且减少了寻找故障时间和工作量，显著提高了寻找故障成功率。
这种分析寻找故障实质是振动故障诊断的萌芽，在一定程度上虽然避免了寻找故障的盲目性，但没有摆脱振动故障仍以眼见为实的思维模式，而且受到了当时故障特征、机理认识的限制，所以国内仍有不少机组振动过大，虽经多次分析寻找，但始终未有结果。
中国电力ＥＬＥＣＴＲＩＣＰＯＷＥＲ第４１卷第３期２００８年３月Ｖｏｌ．４１，Ｎｏ．３Ｍａｒ．２００８４８施维新：振动故障诊断原理及发展第３期发电技术１．３故障诊断自２０世纪６０年代中期以后，由于振动测试技术发展和对振动现象、特征、机理研究、认识的深入，积累了一定的消振经验，前苏联、日本、西欧和美国等一些发达国家，首先发表了较多的振动文章，开始以振动故障源对振动现象、特征进行描述，国内外由此开始对实际机组振动故障原因寻找、分析，依据这些振动文献列出的故障源为样本，进行比对，对机组振动故障原因做出分析、判断。
将实际机组振动现象、特征与样本故障现象、特征进行比对过程中，采用了演绎推理中的反向推理思维模式，这种以故障源为样本的比对思维方法，即为故障诊断，这种诊断故障思维模式，一直延续使用至今。
２反向推理诊断故障反向推理诊断故障的原理，是将已知的故障现象、特征为样本，反推出故障原因。
２．１诊断原理反向推理诊断故障，在推理过程中，只与单一目标有关，具体诊断是将已获得的机组振动现象、特征，与已知（自己积累、书本上）故障特征进行比对，当两者符合时，即可作出诊断。
（１）故障特征：是指前人或本人，在以前工作中经归纳、总结得到具体、明确的故障所呈现的振动现象和特征。
（２）振动特征：是指要诊断的机组经调查了解、测试分析，总结得到的振动现象和特征。
例如：柔性转子存在明显的一阶不平衡，在转子一阶临界转速下必然会产生显著的振动峰值，这是故障特征。
如果经测试或了解到某台机组在起停过程中，转子在临界转速下轴振或瓦振过大，这是振动特征。
如果使用反向推理，由于振动特征与故障特征符合，故当即可以作出诊断，该机起停过程中临界转速下振动过大的故障原因是，该转子存在显著的一阶不平衡。
２．２反向推理诊断故障的缺点采用反向推理诊断故障，不需要了解故障总范围及分支范围、故障分类等问题，只要认识或查阅到有关故障现象、特征，即可将要诊断的机组振动进行诊断，诊断方法简单、便捷，这种诊断思维方法得到了普遍采用，而且国内外目前的在线诊断，也是采用这种思维模式设计诊断软件，但是在实际机组诊断中，由于故障和特征之间的严重相互交叉，它们之间不是一一对应关系，采用反向推理思维模式诊断故障，会出现下列问题。
２．２．１漏诊断和误诊断由于故障和特征之间不是一一对应的简单关系，而不同的故障其特征存在相互交叉等原因，在反向推理诊断过程中，不仅可能得出错误的诊断，而且还会漏掉真正的故障原因。
出现误诊断和漏诊断几率，虽然与本人对故障特征和机组振动特征、机理认识深度和广度直接有关，但从诊断方法、思维严密性来说，产生这种误诊断和漏诊断是在所难免，这种现象在国内目前普遍存在，这是由于振动故障原因复杂、隐蔽、多变、涉及面广，个人阅历有限，因而即使从事现场振动工作３０～４０ａ或更长时间的振动专家，到头来在消振中还时有出现误诊断和漏诊断，使消振工作陷入困境。
例如：军粮城８号机组（国产２００ＭＷ），１９９７年初大修后发生的振动，参与这次振动故障诊断和处理，是当地和网局的振动专家及经验丰富的汽轮机老专家。
大修后启动在３０００ｒ／ｍｉｎ下，６、７号瓦振已达４０～５０μｍ，轴振１５０μｍ，带负荷后，瓦振达７９～８０μｍ，轴振达２００～２６０μｍ，主要是１Ｘ、２Ｘ为３～５μｍ，以目前普遍认同和绝大多数振动文献论述故障特征样本比对，所有参与者都明确做出了肯定诊断，是低压／发电机转子不对中。
停机后复查转子中心，果然发现发电机转子中心左偏０．６０ｍｍ，由此坚信了这一诊断正确，但实际是一个误诊断。
实践证明，所谓转子不对中消除后，振动现象和特征没有改变，但参与者还是认为对中不好，理由有２点：一是轴振、瓦振１Ｘ大，２Ｘ分量明显；二是大修前振动是好的，现在振动大，是大修质量问题，为此使该机大修延期３个月之久。
该机振动故障真正原因是发电机转子残余不平衡较大和转子存在热弯曲的两者叠加。
产生这次误诊断和漏诊断主要原因是：（１）转子不对中物理概念的误解。
转子不对中由英文ｍｉｓａｌｉｇｎｍｅｎｔ直译而来，原来国内普遍称转子中心不正，２０世纪８０年代中期以后，逐渐被不对中替代，目前国内普遍将大修中转子一般找正，联轴器呈现的端面开口、圆周偏差，称作转子不对中，实际是误解，例如军粮城电厂８号机。
不对中正确含义是指轴系连接同心度和平直度偏差，它们才是引起普通强迫振动３种激振力之一，但在实际机组上却很少发生。
（２）采用了反向推理。
即使不考虑转子不对中概念的误解，如果转子存在真实的不对中，其主要振动特征是１Ｘ大，并含有明显２Ｘ振动分量。
但实际机组产生这种振动特征故障原因较多，当轴系存在不平衡时，伴随电磁激振、转子刚性不对称引起的参数振动、高次谐波共振、撞击振动、振动系统２Ｘ共振等，转子存在弯曲（永久、热弯曲）也能产生这种振动特征。
在没有排除这些故障之前，从检测到１Ｘ和２Ｘ分量，即诊断为转子不对中，却漏了上述诸多故４９第４１卷中国电力发电技术障，该机振动真正的故障原因是发电机转子热弯曲，这是诊断思维模式上出现漏洞所致。
２．２．２避免漏诊断，不惜误诊断当消振积累一定经验之后，在实际机组振动故障诊断中，为了避免漏诊断，往往采取不惜误诊断的方针，将一台机组说成是多种故障原因的综合反映，为此对一台机组振动提出４、５个可能原因，而且各个原因之间互不相干，实际机组振动故障原因绝大部分只有一二个，而且这些故障之间是相互关联的，例如：激振力大和支撑（油膜）刚度低、残余不平衡和热弯曲、转子热弯曲和轴瓦稳定性低等。
振动故障诊断的本意是指导消振工作，因此故障诊断应在消振之前作出，但在文献中看到的故障诊断，绝大部分是在消振之后，经修正所作的总结分析。
从这些总结资料的统计来看，诊断准确率低于３０％，如果就消振之前诊断来说，其准确率估计不足２０％。
现场消振实践证明，当诊断准确率为２０％～３０％时，虽然诊断结果有一定的参考价值，但误导作用不小，对消振带来很大的不利影响。
２．２．３易受主观影响反向推理诊断故障是简单地将振动特征与故障特征比对，实际诊断中在作出诊断结果之前，主观上往往对某种故障已有倾向，因此诊断过程是在了解、搜集振动现象和特征，来印证某种故障的存在，这与刑事审判中的有罪推定十分相似。
显然这种思维模式难于做到，客观地对待机组各种振动现象和特征，诊断结果往往带有较大的片面性和倾向性。
例如目前大机组１、２号瓦上发生的低频振动，几乎都将它诊断为汽流激振。
首先这里不能排除，因采用反向推理而出现的上述指出的漏诊断和误诊断，但在主观上也存在较大的倾向性，这主要是由于国内目前这一种振动，算是一个新课题，因而各相关人员都希望能有所新的发现，因此在对这种低频振动故障做出诊断之前，在主观上希望是汽流激振，因而在振动测试、对振动现象、特征描述，有意和无意向汽流激振故障现象、特征靠近，却忽略或回避了其他特征相似，而性质完全不同的振动，例如：随机振动、轴瓦半速涡动。
２．２．４诊断结果不肯定由于故障特征有多重反映，而且不同的故障其特征相互严重的交叉，例如：简单的转子不平衡，故障特征是１Ｘ振动大，支撑刚度不足、轴系连接同心度和平直度偏差引起的振动也是１Ｘ大，如果以１Ｘ振动，采用反向推理诊断，对其中一个或几个故障都可以作出诊断，但诊断结果不能肯定，这是造成诊断结果不肯定的客观原因；在主观上往往为自己留好退路，所以在诊断故障名称之前，传统习惯要加不定词，可能、或许、大概等等，如果经消振证明，诊断的故障确实存在，则证明自己诊断准确；如果诊断错误，则会说仅仅是可能，没有肯定。