3 设备状态分类与诊断
设备异常诊断与分析
设备异常诊断与分析设备在使用过程中，有时会出现各种异常情况，如故障、损坏、不良运行等。
对于这些异常情况，需要进行诊断与分析，以找出问题原因并解决。
一、诊断设备异常1.观察异常现象：首先要观察设备出现的异常现象，如噪音、振动、温度异常等。
通过观察可以初步判断异常类型和严重程度。
2.收集相关数据：在诊断设备异常时，需要收集相关的数据和信息，如设备运行参数、报警记录、设备使用历史等。
通过这些数据可以从不同角度分析异常原因。
3.使用工具进行分析：根据设备类型和异常情况，可以采用不同的工具进行分析。
例如，可以使用信号分析仪、红外热像仪等设备进行数据采集和分析，以获取更准确的异常信息。
4.查看设备手册和技术资料：设备的手册和技术资料通常包含了设备的结构、工作原理、维修方法等内容，可以通过查看这些资料来帮助判断设备异常的原因。
二、分析设备异常原因1.故障排除：通过诊断设备异常后，可以进行故障排除，即通过逐步排除可能原因来找出故障点。
可以采用故障树分析法、故障模式与影响分析法等方法，以帮助确定故障原因。
2.分析关键参数：设备异常常常与一些关键参数相关，如温度、电流、压力等。
通过分析关键参数的变化，可以找出异常原因。
3.专家经验和知识：设备异常分析也需要借鉴专家的经验和知识。
经验丰富的技术人员可以根据以往的类似案例，提供解决问题的思路和方法。
4.参考行业标准和规范：设备异常的分析也可以参考行业标准和规范。
行业标准和规范通常包含了设备运行的基本要求和技术规范，可以用作分析设备异常的参考依据。
三、解决设备异常问题1.修复设备故障：通过分析设备异常原因后，可以针对性地采取相应的修复措施。
这可能包括更换元件、调整参数、修复设备等。
2.改进设备设计：在解决设备异常问题的同时，也可以思考如何改进设备的设计，以提高设备的可靠性和性能。
通过改进设备设计，可以减少设备异常的发生频率。
3.优化设备维护计划：设备的维护对于预防设备异常问题非常重要。
设备状态监测及故障诊断综述
设备状态监测与故障诊断综述：摘要从设备管理的角度，介绍了典型的设备状态监测与故障诊断的诊断理论、技术手段和具体方法。
首先对设备状态监测与故障诊断的意义、开展，根底理论和现状进展了介绍，阐述了设备状态监测、故障诊断与设备管理的关系。
进而对振动监测、温度检测、无损检测等根本监测手段的原理及诊断方法。
关键字：状态监测；故障诊断；振动；设备1设备状态监测和故障诊断概述1.1设备状态监测和故障诊断的意义和开展历史1.1.1设备故障及故障诊断的意义随着现代化工业的开展，设备能否平安可靠地以最正确状态运行，对于确保产品质量、提高企业生产能力、保障平安生产都具有十分重要的意义。
设备的故障就是指设备在规定时间内、规定条件下丧失规定功能的状况，通常这种故障是从*一零部件的失效引起的。
设备的故障诊断则是发现并确定故障的部位和性质。
寻找故障的起因，预报故障的趋势并提出相应的对策。
1.1.2 设备故障诊断技术开展历史设备故障诊断技术的开展是与设备的维修方式严密相连的。
可以将故障诊断技术按测试手段分为六个阶段，即感官诊断、简易诊断、综合诊断、在线监测、精细诊断和远程监测。
从时间考察，故障诊断技术大致可以分为20世纪60年代以前、60年代到80年代和80年代以后几个阶段。
1.2现代设备故障诊断技术在故障诊断学建立之前，传统的故障诊断方法主要是依靠经历的积累。
将反映设备故障的特殊信号，从信息论角度出发对其进展分析，是现代设备故障诊断技术的特点。
可以分为统计诊断、逻辑诊断、模糊诊断。
其中有几种方法做简单的介绍。
贝叶斯法,此方法是基于概率统计的推理方法，以概率密度函数为根底，综合设备的故障信息来描述设备的运行状态，进展故障分析。
此外还有最大似然法、时间序列、法灰色系统法和故障树分析法。
故障树分析法模型是一个基于被诊断对象构造、功能特性的行为模型，是一种定性的因果模型。
1.3基于知识的故障诊断方法基于知识的故障诊断方法，不需要待测对象准确的数学模型，而且具有智能特性。
设备状态监测与故障诊断
1.设备监测目的意义保障设备安全，防止突发故障。
保障设备精度，提高产品质量和经济效益。
推进设计理念和维修制度的革新。
避免设备事故、人员伤亡、环境污染。
维护社会稳定。
2.故障分类按故障对机械工作能力的影响分类：完全性故障局部性故障按故障发生速度及演变过程分类：突发性故障渐进性故障按其发生的原因分类：磨损性故障错用性故障先天性故障按造成的后果分类：危害性故障安全性故障3.故障规律浴盆曲线：磨合期，正常使用期，耗损期4.故障发生的原因宏观上分析1.设计错误2 原材料缺陷3 制造过程的缺陷4 运转缺陷微观上分析：疲劳，磨损，断裂，腐蚀5.零件磨损的一般规律磨合阶段，正常磨损阶段，急剧磨损阶段6.零件变形失效塑性变形失效，弹性变形失效，蠕变变形失效，翘曲变形失效7.断裂失效塑性断裂，脆性断裂8.状态监测与故障诊断的技术方法1.振动、噪声诊断技术2. 油液分析技术3. 温度检测技术4. 无损检测技术9.振动的危害降低机器及仪表的精度,引起机械设备及土木结构的破坏10.机械振动的分类按振动系统本身的特点分类: 离散系统连续系统按振动系统所受的激励类型分类: 自由振动强迫振动自激振动参数振动按系统的响应（振动规律）分类: 确定性振动随机振动按描述系统运动的微分方程分类:线性振动非线性振动11.机械振动要研究的内容和步骤1. 建立物理力学模型2.建立数学模型3.方程的求解4.结果的阐述12. 随机振动非确定而又具有统计规律，它们的规律不能用时间的确定性函数来描述，但又具有一定的统计规律性。
平稳随机过程与各态历经过程13. 自相关函数∑=∞→+=+nk k k Tx t x t x n t t R 11111)()(1),(lim ττ同一点不同的两个时间函数乘积称为随机过程 X(t)于时刻 t 1与 t 1+ τ的自相关函数。
它是时差 的函数，在一般情况下，它也依赖于采样时刻 t 1，反映这两个时刻的随机变量的X k （t 1）与X （t1+τ）统计联系。
设备状态的判定与趋势分析
设备状态的判定与趋势分析
设备状态是指设备在特定时间点的性能和工作状态，对设备状态的判定和趋势分析可以帮助企业及时发现设备存在的问题，并采取相应的措施，以避免设备故障对生产和经营造成影响。
设备状态的判定通常包括以下几个方面：设备的工作性能是否正常，设备是否存在异常噪音或振动，设备是否有漏油、漏水等现象，设备的温度和电压是否在正常范围内，设备的运行时间是否达到预定的维护周期等。
这些方面的判定可以通过设备本身的检测仪器和传感器进行监测和记录，也可以通过人工巡检和观察的方式进行。
在设备状态的判定基础上，进行趋势分析可以帮助企业更好地了解设备的运行情况，并及时预防可能发生的问题。
趋势分析可以通过设备运行数据的收集和整理来进行，比如对设备的运行时间、温度、电压等数据进行统计和图表展示，以发现设备的运行规律和变化趋势。
通过趋势分析，企业可以及时发现设备的异常变化，及时采取相应的维护和修复措施，避免设备故障对生产和经营造成损失。
总之，设备状态的判定与趋势分析对企业保障设备的正常运行、降低设备故障的发生具有重要意义。
通过科学的方法和有效的手段对设备状态进行判定和趋势分析，可以帮助企业提高设备的利用率和生产效率，降低维护成本和生产风险，为企业的可持续发展提供有力的支持。
电力系统设备状态监测与故障诊断技术分析
一、电力系统设备状态监测的概述在实际应用中，有故障预报、故障诊断和状态监测等几个在内容上相近但存在差别的概念。
故障预报———根据故障征兆，对可能发生故障的时间、位置和程度进行预测。
故障诊断———根据故障特征，对已发生的故障进行定位和对故障发展程度进行判断。
状态监测———对设备的运行状态进行记录、分类和评估，为设备维护、维修提供决策。
以上几个概念的关系它们是按故障发展的时间进程进行分类的。
如果不能对未发生的故障时间、位置进行预测和不能对已发生故障的位置、程度进行准确判断，则不能称为故障预报和故障诊断，其结论应该属于状态监测范围。
对故障的预测或预报必须建模和仿真，而故障诊断也需要对故障的机理进行分析和研究，不能仅仅依靠信号处理的方法，只分析故障的外在表现，因而存在较大的难度。
状态监测主要依据信号处理和模式识别对设备进行评估和判断，相对容易实现。
但是，也不能认为预测或预报是最好的方法，而状态监测只是一种初级的手段。
每一种方法必须适合具体的对象，关键在于准确，要得到准确的结论都是不容易的。
状态监测适合电力系统主设备的现状。
主设备的主要故障，例如绝缘故障、机械故障等的一些故障机理还不清楚，全系统的故障建模和仿真更难，而作为一个产品，其生存期有限，也没有必要进行大量的研究工作。
如果强调对主设备故障的“预报”和“定位”，不仅现有条件下很难达到预期效果，而且容易产生过分的期望和误解，并将影响监测技术的推广和发展。
另外，有些情况需要具体对待，例如对于输电线和电缆的接地故障，用户首先要对故障点定位，这就需要采用故障诊断的方法，而不是状态监测的方法。
状态监测应该包括以下任务：（1）为设备的运行情况积累资料和数据，建立设备运行的历史档案。
（2）对设备运行状态处于正常还是异常做出判断，根据历史档案、运行状态等级和已出现的故障特征或征兆，判断故障的性质和程度。
（3）对设备的运行状态进行评估，并对这种评估进行分类。
当一定的标准形成后，为状态检修的实施提供依据。
设备状态监测与故障诊断技术PPT课件 02-设备故障诊断的基本概念
第二节 设备故障诊断的基本方法和分类
一、设备故障诊断的基本方法
1．传统的故障诊断方法
首先是利用各种物理的和化学的原理和手段，通过伴随故障出现的各种 物理和化学现象，直接检测故障。
其次，利用故障所对应的征兆来诊断故障是最常用、最成熟的方法。
2．故障的智能诊断方法
人工智能、专家系统
3．故障诊断的数学方法
中石化仪征化纤公司原涤纶二厂
管理体制 “一会”、“二级”、 “三定”
“一 会”
即定期召开状态监测例会，除相互通报状 态监测及维修情况外，还特别以“诸葛 亮会”的形式对故障信息进行会诊，以 便对设备运行状况作出客观正确的评价， 从而为状态维修提供依据。另外，针对 紧急故障，不定期召开现场急诊会，及 时解决问题。
一、设备维修方式的发展
事后维修，故障维修 (Break down) 设备坏了后才去修理。
定期维修，预防维修 (Preventive) 定期地检查和大修。
预测维修，状态维修 (Predictive) 周期的监测，需要时才去维修。
事后维修体制
定义 设备运行到坏了再进行修理。
优点
不需要安排计划。 对一些设备，更换比修理更便宜。
互动时间
问题与回答
一、单项选择题（在备选答案中选出一个正确答 案，并将其号码填在题干中的横线上）
1．在应力和时间等条件下，导致发生故障的物理、化学、生物 或机械过程，称为 。
A、故障状态 B、故障机理 C、故障类型 D、故障模式 2．设备故障的基本特性不包括 。 A、层次性 B、放射性 C、延时性 D、确定性 3．传统的故障诊断方法不包括 。 A、振动诊断 B、温度诊断 C、专家系统 D、电参数诊断 4．不属于故障诊断数学方法的是 。 A、故障树分析 B、人工智能 C、小波变换 D、分形几何
设备状态监测与故障诊断
5 设备状态监测与故障诊断所谓“状态监测与故障诊断”，就是对运行中的设备实施定期或连续监测、有关参数分析、有效地对设备运行状态进行系统自动监测分析或人工分析，读取相应的自诊断状态报告，以便尽早发现潜伏性故障，提出预防性措施，避免发生严重事故，保证设备的安全、稳定和经济运行，并以此指导设备检修。
设备状态监测和故障诊断技术也称为预测维修技术，是新兴的一门包含很多新科技的多学科性综合技术。
简单地说就是通过一些技术手段，对设备的振动、噪声、电流、温度、油质等进行监测和技术分析，掌握设备的运行状态，判断设备未来的发展趋势，诊断故障发生的部位、故障的原因，进而具体指导维修工作。
传统的耳听、手摸等也可以算是其中的一种比较简单的手段。
5.1 设备故障的规律设备故障是一个非常广义的概念。
简单地说，设备故障就是设备系统或其中的元件／部件丧失了规定的功能或精度。
与故障意义相近的还有“失效”的概念，失效通常指的是不可修复的对象；故障指的是可以修复的对象。
早期故障：这种故障的产生可能是设计、加工或材料上的缺陷，在设备投入运行初期暴露出来。
或者是有些零部件如齿轮箱中的齿轮及其他摩擦副需经过一段时期“跑合” , 使工作情况逐渐改善。
这种早期故障经过暴露、处理、完善后，故障率开始下降。
使用期故障：这是产品有效寿命期内发生的故障，这种故障是由于载荷（外因，指运行条件等）和系统特性（内因，指零部件故障、结构损伤等）无法预知的偶然因素引起的。
设备大部分时间处于这种工作状态。
这时的故障率基本上是恒定的。
对这个时期的故障进行监测与诊断具有重要意义。
后期故障（耗散期故障）：它往往发生在设备的后期，由于设备长期使用，甚至超过设备的使用寿命后，设备的零部件由于逐渐磨损、疲劳、老化等原因使系统功能退化，最后可能导致系统发生突发性的、危险性的、全局性的故障。
这期间设备故障率是上升趋势，通过监测、诊断，发现失效零部件应及时更换，以避免发生事故。
设备故障的规律可分为以下六种模式。
设备状态的判定与趋势分析
设备状态的判定与趋势分析引言在工业生产和设备管理中，及时准确地判定设备的状态并对设备的趋势进行分析至关重要。
这不仅可以帮助企业及时发现设备故障和异常，及时采取修复措施，还可以预测设备的寿命和性能变化，优化设备的维护计划和运营策略。
本文将介绍设备状态的判定方法和趋势分析技术，帮助读者了解如何实现设备状态的监测与分析。
设备状态的判定设备状态的判定是指通过对设备的各种指标进行监测和分析，判断设备当前的运行状态。
常见的设备状态判定方法有以下几种：1.阈值判断法：设定设备的各项指标的上下限，当指标超出设定的阈值范围时，判定设备状态异常。
例如，如果某设备的温度超过了预定的上限，即可判断设备存在过热问题。
2.统计分析法：通过对设备各项指标进行统计分析，如均值、方差、变异系数等，判断设备状态是否正常。
如果设备的指标分布出现异常，如均值偏离正常范围较大或方差明显增大，即可判断设备状态异常。
3.机器学习方法：利用机器学习算法对设备的历史数据进行训练，构建设备状态的判定模型，对实时数据进行预测和判断。
常用的机器学习算法包括决策树、支持向量机、神经网络等。
以上方法可以根据不同的场景和要求进行组合和选择，以实现对设备状态的准确判定。
设备趋势分析设备趋势分析是指通过对设备历史数据的分析，发现设备运行状态的变化趋势，并预测设备未来的发展趋势。
常见的设备趋势分析方法有以下几种：1.时间序列分析：将设备历史数据按时间先后顺序进行排序，利用统计学方法对序列数据进行分析和预测。
常用的时间序列分析方法包括平滑法、趋势法、季节性分解等。
2.回归分析：将设备的各项指标作为自变量，分析其与设备状态之间的关系，并建立回归模型进行预测。
回归分析可以通过简单线性回归、多元线性回归等方法实现。
3.聚类分析：将设备的历史数据进行聚类分析，将相似的数据归为一类，找出设备状态的特征，并根据聚类结果对未来设备状态进行预测。
4.相关性分析：通过计算设备各项指标之间的相关系数，判断不同指标之间的关联程度，并分析指标之间的影响关系。
设备状态监测与诊断诊断基础理论PPT课件
介绍数据采集系统的组成和工作原理，包括数据采集卡、数据采集 软件等。
数据传输技术
阐述数据传输的常用方式和技术，如有线传输、无线传输、网络传 输等，以及它们的特点和适用场景。
数据存储与管理
讲解如何对采集的数据进行存储和管理，以便后续分析和处理。同时 介绍数据压缩、加密等技术在数据存储和管理中的应用。
振动监测、温度监测、油液分析等
诊断技术
频谱分析、时域分析、轴心轨迹分析等
应用实例
汽轮机、离心压缩机、风机等旋转机械的故障诊断
往复机械状态监测与诊断
1 2
监测方法
振动监测、气阀动态压力监测、示功图分析等
诊断技术
时域分析、频域分析、气阀故障诊断技术等
3
应用实例
内燃机、往复压缩机等往复机械的故障诊断
电气设备状态监测与诊断
参数辨识
识别设备模型中的关键参 数，通过监测这些参数的 变化来诊断设备状态。
残差分析
比较设备实际输出与模型 预测输出之间的差异，分 析残差以诊断设备故障。
基于数据的诊断方法
数据挖掘
利用数据挖掘技术从大量设备监测数据中提取有 用的信息和模式。
机器学习
应用机器学习算法训练模型，根据设备监测数据 自动诊断设备状态。
借助互联网技术，实现设备状态的远 程实时监测与诊断。
多源信息融合
融合多传感器、多源信息，提高设备 状态监测与诊断的准确性。
预测性维护与健康管理
通过设备状态监测与诊断，实现预测 性维护与健康管理，提高设备运行效 率。
THANKS.
如何建立准确的故障诊断模型，实现故障的 早期预警和预测。
数据处理与分析
如何从海量数据中提取有用信息，准确判断 设备状态。
设备状态监测与故障诊断
滚动轴承故 障
径 向 及 轴 向
齿轮缺陷 滞后回旋
啮合频率及其谐波 fc×齿数 轴系临界转频
叶片及翼轮通过频率 及其谐波fc×叶数 1×fc或同步频率的 1或2倍 1、2、3、4倍 皮带转频
径 向 及 轴向
啮合频率周围的边带表示以相当于边带间距的频率调制（如 偏心），一般只能用窄带分析和倒谱才能检测出。 通过轴的临界转速时激起的振动在高速下仍旧保持。有时紧 固转子零件可消失。
例六、背景：锦州石化公司炼油厂某电机出现异常噪声时，测试得到的加速度功率谱。 该电机工作转速3000RPM。
分析：振动在低频段工频附近基本无能量分布，可排除轴系低频故障，故障部件应集中在轴承上 ，频谱能量集中在298.8HZ、348.8HZ上, 经计算未找到最大能量成分298.8HZ为何特征频率，而 次能量成分348.8HZ为轴承外环故障特征频率。所以，检修时，重点检查轴承外环，果然为其损 坏，更换后，恢复正常。 反过来分析298.8HZ成为最大能量成分致因：外环故障特征频率348.8HZ左右分别有398.8HZ 、448.8HZ；298.8HZ、248.8HZ频率分量，各分量频差正好等于基频50HZ。所以，这一频段是以 外环故障特征频率348.8HZ的基频调制波，这是轴承故障的典型特征之一。理论上，中心频率 348.8HZ应为最大分量，边频依次递减，且左右对称。但实际上，由于振动传递路径上，对各频 率成分传导阻抗不同，会影响到边频的对称性；又由于机器各部件不同固有频率的存在，产生程 度不同的激振，而影响各频率成分的强度，使上述理论上的规律减弱。此例中，边频298.8HZ之 所以反而强于外环故障特征频率348.8HZ，很可能为某零部件在该频点引起激振。
参量、设备的新旧程度、性能要求等内容制定适用于
设备异常检测与诊断流程
设备异常检测与诊断流程设备异常是指工业设备在运行过程中出现的不正常情况，可能会导致生产停顿、设备破损甚至事故发生。
为了及时发现和处理设备异常，减少设备损坏和生产停顿的风险，制定了设备异常检测与诊断流程。
下面将详细介绍设备异常检测与诊断的流程及关键步骤。
1. 收集设备信息在进行设备异常检测与诊断之前，需要首先收集设备的相关信息。
这包括设备的基本信息（如设备名称、型号、使用年限等）、设备使用环境（如温度、湿度、噪音等）、设备运行参数（如电流、电压、转速等）、设备维护记录和设备异常发生的时间点等。
这些信息能够为设备异常检测与诊断提供重要的依据。
2. 建立设备异常数据库设备异常数据库是长期收集、存储和管理设备异常信息的系统。
在建立设备异常数据库时，需要对设备异常进行分类和归档，以便于后续的异常诊断和设备状态分析。
在数据库中记录设备异常的详细信息，包括异常发生的时间、异常现象的描述、异常原因的初步判断等。
3. 监测设备运行状态设备异常检测与诊断的关键是能够实时监测设备的运行状态，并及时发现异常。
可以通过安装传感器、仪表等设备来监测设备的运行参数，比如温度、压力、振动等。
同时，还可以通过无线传输技术将设备运行数据传输至监控中心，通过数据分析和处理来判断设备是否处于异常状态。
4. 异常信号处理一旦设备异常信号被检测到，需要及时处理异常信号。
首先，收集和记录异常信号的详细信息，包括异常信号的发生时间、异常现象的描述、异常信号的特征等。
然后，将异常信号与设备异常数据库进行对比和分析，以确定异常信号的类型和原因。
5. 异常诊断和故障排除根据异常信号的类型和原因，在设备异常数据库中进行匹配和分析，进行异常诊断和故障排除。
这包括通过对异常信号进行分析、对设备运行数据的对比与分析、对设备部件的检查和测试等步骤，以找出设备异常的根本原因。
根据诊断结果，制定相应的故障排除方案，并对设备进行修复和调试。
6. 异常预测与预防检测和诊断设备异常只是一方面，更重要的是能够对设备未来可能出现的异常进行预测和预防。
机械设备状态监测与故障诊断技术
（大、中、小修 ） 不足维修——新故障和潜在的故障因素
路漫漫其悠远
机械设备状态监测与故障诊断技术
第一章 概 述
2.2重要缺陷—传统的检修方式对于故障的寻找往往需要
对设备的大拆大卸才能实现，检修周期长，且检修后，设备
机械设备状态监测与故 障诊断技术
路漫漫其悠远
2020/11/18
机械设备状态监测与故障诊断技术
第一章 概述
近些年来，设备状态监测与故障诊断逐渐进入工程应用 阶段，技术日趋成熟，应用范围日趋广泛，成为现代设备维 护技术的一个重要组成部分。
一、实施设备状态监测与故障诊断的意义
1.机械设备维护的基本任务：对设备进行合理的技术维护、 及时发现异常和故障、适时采取检修措施以最大限度保证其 正常运行。 2.传统的机械设备维护方法——一定意义上的经验维护法 特点：具有相当的局限性，往往依靠人的眼看、耳听、手摸 等感观手段获取某种信息继而凭借过去的经验来加以判断。
路漫漫其悠远
齿轮座受倾翻力矩作用
机械设备状态监测与故障诊断技术
机械振动及设备故障诊断方向
轧机主传动系统故障诊断
a. 咬入
路漫漫其悠远
c.抛出
齿轮座振动纪录曲线机械设备状态监测与故障诊断技术
机械振动及设备故障诊断方向
小波分析在故障诊断中的应用
小波具有时频“聚焦”特性 高斯小波—最大熵谱分析 小波分析—AR谱 实现微弱故障诊断信号分离和提取，发现早期故障 R1减速机高速轴工作侧轴承保持架不平衡产生的故障频率 计算值3.19HZ 故障：该轴承保持架不平衡
§ 有限元计算：两向受力，一向受压，等效应力最大
机械设备状态检测与故障诊断
机械设备状态检测与故障诊断1.简述设备故障诊断的目的和任务答:目的:①能及时的、正确的对各种异常状态或故障状态作出诊断,预防或消除故障,对设备的运行进行必要的指导,提高设备的可靠性、安全性和有效性,把故障降低到最低水平②保证设备发挥最大的设计压力③通过检测监视、故障分析、性能评估等,为设备结构改造、优化设计、合理制造及生产过程提供数据和信息任务:①状态监测②故障诊断③指导设备的管理维修2.简述设备故障诊断技术的定义、内容、类型和方法答:定义:在设备运行中或基本不拆卸设备的情况下,掌握设备的运行状况,判定产生故障的部位和原因,以及预测预报设备状态的技术内容:设备故障诊断的内容包括状态监测、分析诊断和故障预测三方面,实施过程为信号采集、信号处理、状态识别、诊断决策四方面类型:①按诊断对象分类:旋转机械诊断技术、往复机械诊断技术、工程结构诊断技术、运载器和装置诊断技术、通信系统诊断技术、工艺流程诊断技术②按诊断目的分类:功能诊断与运行诊断、定期诊断与连续诊断、直接诊断与间接诊断、常规工况与特殊工况诊断、在线诊断和离线诊断③按诊断方法完善程度分类:简易诊断、精密诊断技术方法:①传统方法:利用各种物理和化学的原理和手段,通过伴随故障出现的各种物理和化学现象直接检测故障;利用故障所对应的征兆来诊断②智能诊断:在传统诊断方法的基础上,将人工智能的理论的方法用于故障诊断③模式识别、概率统计、模糊数学、可靠性分析和故障树分析、神经网络、小波变换、分析几何等数学分支在故障诊断中应用3.机械设备故障的信息获取和检测方法有哪些?答:获取方法:直接观测法、参数测定法、磨损残渣测定法、设备性能指标的测定检测方法:①振动和噪声的故障检测:振动法、特征分析法、模态识别与参数识别法、冲击能量与冲击脉冲测定法、声学法②材料裂纹及缺陷损伤的故障检测:超声波探伤法、射线探伤法、渗透探伤法、磁粉探伤法、涡流探伤法、激光全息检测法、微波检测技术、声发射技术③设备零部件材料的磨损及腐蚀故障检测:光纤内窥技术、油液分析技术④温度、压力、流量变化引起的故障检测4.简述振动检测和诊断系统的组成和原理,说明其区别答:振动检测系统:信息输入-数据预处理-数据变换和压缩-特征提取-状态分类-{①显示、打印、绘图、储存②判断与决策-报警、审核、维修}诊断系统:激振器-被诊断对象-传感器-二次仪表-{①磁带记录仪②分析仪③数据采集、记录和存储器}-故障诊断系统5.测振传感器有哪些类型?简述其工作原理。
设备状态监测
1设备状态监测的概念对运转中的设备整体或其零部件的技术状态进行检查鉴定,以判断其运转是否正常,有无异常与劣化征兆,或对异常情况进行追踪,预测其劣化趋势,确定其劣化及磨损程度等,这种活动就称为状态监测ConditionMonitoring.状态检测的目的在于掌握设备发生故障之前的异常征兆与劣化信息,以便事前采取针对性措施控制和防止故障地发生,从而减少故障停机时间与停机损失,降低维修费用和提高设备有效利用率.对于在使用状态下的设备进行不停机或在线监测,能够确切掌握设备的实际特性有助于判定需要修复或更换的零部件和元器件,充分利用设备和零件的潜力,避免过剩维修,节约维修费用,减少停机损失.特别是对自动线、程式、流水式生产线或复杂的关键设备来说,意义更为突出.2设备状态监测与定期检查的区别设备的定期检查是针对实施预防维修的生产设备在一定时期内所进行的较为全面的一般性检查,间隔时间较长多在半年以上,检查方法多靠主观感觉与经验,目的在于保持设备的规定性能和正常运转.而状态监测是以关键的重要的设备如生产联动线、精密、大型、稀有设备,动力设备等为主要对象,检测范围较定期检查小,要使用专门的检测仪器针对事先确定的监测点进行间断或连续的监测检查,目的在于定量地掌握设备的异常征兆和劣化的动态参数,判断设备的技术状态及损伤部位和原因,以决定相应的维修措施.设备状态监测是设备诊断技术的具体实施,是一种掌握设备动态特性的检查技术.它包括了各种主要的非破坏性检查技术,如振动理论,噪音控制,振动监测,应力监测,腐蚀监测,泄漏监测,温度监测,磨粒测试铁谱技术,光谱分析及其他各种物理监测技术等.设备状态监测是实施设备状态维修ConditionBasedMaintenance的基础,状态维修根据设备检查与状态监测结果,确定设备的维修方式.所以,实行设备状态监测与状态维修的优点有：①减少因机械故障引起的灾害；②增加设备运转时间；③减少维修时间；④提高生产效率；⑤提高产品和服务质量.设备技术状态是否正常,有无异常征兆或故障出现,可根据监测所取得的设备动态参数温度、振动、应力等与缺陷状况,与标准状态进行对照加以鉴别.表5-9列出了判断设备状态的一般标准.表5-9 判断设备状态的一般标准3设备状态监测的分类与工作程序设备状态监测按其监测的对象和状态量划分,可分为两方面的监测.①机器设备的状态监测.指监测设备的运行状态,如监测设备的振动、温度、油压、油质劣化、泄漏等情况.②生产过程的状态监测.指监测由几个因素构成的生产过程的状态,如监测产品质量、流量、成分、温度或工艺参数量等.上述两方面的状态监测是相互关联的.例如生产过程发生异常,将会发现设备的异常或导致设备的故障；反之,往往由于设备运行状态发生异常,出现生产过程的异常.设备状态监测按监测手段划分,可分为两类型的监测.①主观型状态监测.即由设备维修或检测人员凭感官感觉和技术经验对设备的技术状态进行检查和判断.这是目前在设备状态监测中使用较为普及的一种监测方法.由于这种方法依靠的是人的主观感觉和经验、技能,要准确的做出判断难度较大,因此必须重视对检测维修人员进行技术培训,编制各种检查指导书,绘制不同状态比较图,以提高主观检测的可靠程度.②客观型状态监测.即由设备维修或检测人员利用各种监测器械和仪表,直接对设备的关键部位进行定期、间断或连续监测,以获得设备技术状态如磨损、温度、振动、噪音、压力等变化的图像、参数等确切信息.这是一种能精确测定劣化数据和故障信息的方法.当系统地实施状态监测时,应尽可能采用客观监测法.在一般情况下,使用一些简易方法是可以达到客观监测的效果的.但是,为能在不停机和不拆卸设备的情况下取得精确的检测参数和信息,就需要购买一些专门的检测仪器和装置,其中有些仪器装置的价值比较昂贵.因此,在选择监测方法时,必须从技术与经济两个方面进行综合考虑,既要能不停机地迅速取得正确可靠的信息,又必须经济合理.这就要将购买仪器装置所需费用同故障停机造成的总损失加以比较,来确定应当选择何种监测方法.一般地说,对以下四种设备应考虑采用客观监测方法：发生故障时对整个系统影响大的设备,特别是自动化流水生产线和联动设备；必须确保安全性能的设备,如动能设备；价格昂贵的精密、大型,重型、稀有设备；故障停机修理费用及停机损失大的设备。
设备状态的判定和趋势分析
汽轮机
0.02
HGJ1019—79
离心式压缩机
0.015
HGJ1020—79
离心式冷冻机
0.015
HGJ1021—79
螺杆式压缩机
0.05
HGJ1022—79
1000
0.12
1500
0.11
离心式通(鼓)风机
2000 2500
0.10
0.09
HGJ1024—79
3000
0.06
4000
0.05
轴流式通风机
国际标准、国家标准、行业标准、企业集团标准都是根据某类设 备长 期使用、观测、维修及测试后的经验总结，并规定了相应的测试方法 。因
➢ 2）相对判定标准
相对判定标准是对同一设备，在同一部位定期测试，按某个时 刻的 正常值作为判定基准，而根据实测值与基准值的倍数，进行设备状 态判 定的方法。 由于是基于设备自身某时刻的测量值作为判定基准，所以称为 相对 判定标准。
功率 KW 4800 9300 3100 370 830
转速 r/min 3000 1000 600～1450 1426 7308 570～1440 750
振动标准 Dp-p μm
50 28 80 80 30 33 53 1.68 mm/s
注：1．本表所列全部是风机的振动标准。考虑的相关因素有：转速、功率、测点 位置及 设备的作业地位等，这也是参考使用表中数据时应当考虑的。 2．判断参数为位移峰峰值(Dp-p)。
min和
5000r／min之内的汽轮发电机组轴承的振动标准。
转速
标准（Dp-p / μm）
r/m表in5一7 水电部汽优轮发电机组振动标良准（轴承双振幅合允格许值）
设备状态监测与故障诊断
第一节 设备的状态监测
• 目前设备状态监测的发展趋势是从人工检查逐步实施入、机检查，将 设备监测仪器与计算机结合，计算机接收监测信号后，可定时显示或 打印输出设备的状态参数(如温度、压力、振动等)，并控制这些参数 不超出规定的范围，保持设备正常运转和生产的正常进行。以点检为 基础，以状态监测为手段，利用计算机迅速、准确、程序控制等功能， 实现设备的在线监测将给企业带来极大的经济效益。
• 设备状态监测分为主观监测和客观监测两种，在这两种方法中均包括 停机监测和不停机监测(又称在线监测)。
• (一)主观状态监测 • 主观状态监测是以经验为主，通过人的感觉器官直接观察设备现象，
是凭经验主观判断设备状态的一种监测方法。
下一页 返回
第一节 设备的状态监测
• 生产第一线的维修人员，特别是操作人员对设备的性能、特点最为熟 悉，对设备故障征兆和现象，他们通过自己的感官可以看到、听到、 闻到和摸到。
第五章 设备状态监测与故障诊断
• 第一节 设备的状态监测 • 第二节 设备的点检 • 第三节 设备的故障诊断 • 第四节 设备的故障管理
返回
第一节 设备的状态监测
• 设备的状态监测是利用人的感官、简单工具或仪器，对设备工作中的 温度、压力、转速、振幅、声音、工作性能的变化进行观察和测定。
• 一、设备状态监测的种类
• 主观监测的经验是在长期的生产活动中积累起来的，在各行各业中 人们对不同特点和不同功能的设备、装置都掌握了许多既可靠又简而 易行的人工监测的好经验、好方法。
• 目前，在工业发达国家中，主观监测仍占有很大的比重，占70%左右。 • (二)客观状态监测 • 客观状态监测是利用各种简单工具、复杂仪器对设备的状态进行监测
设备故障诊断内容（二篇）
设备故障诊断内容设备故障诊断与一般监测、监控系统的区别主要在于系统的软件方面，它不仅能监测设备运行的参数，而且能根据监测结果进行评价，分析设备的故障类型与原因。
它是将监测、控制、评价融为一体的系统。
它的软件主要功能是：①信号采集和处理软件，采集合适的信号样本，对其进行各种分析处理，提取和凝聚故障特征信息，提高诊断的灵敏度和可靠度。
②故障诊断和状态评价软件，对信号分析处理结果进行比较、判断，依据一定的判别规则得出诊断结论。
或是由系统自动地诊断出状态的水平和各种故障存在的倾向性及严重性；或是帮助工程技术人员结合其他条件全面作出判断或决策。
对于设备的诊断，一是防患于未然，早期诊断；二是诊断故障，采取措施。
其主要内容包括：（1）正确选择与测取设备有关状态的特征信号所测取的信号应该包含设备有关状态的信息，例如，诊断起重机桁架有无裂纹不能靠测取桁架各点温度来判定，因温度信号中不包含裂纹有无的信息。
而测取桁架的振动信号则可达到目的，因为振动信号中包含了结构有无裂纹的信息，这种信号即称为特征信号。
（2）正确地从特征信号中提取设备有关状态的有用信息（征兆）从特征信号直接判明设备状态的有关情况，查明故障的有无，一般是比校难的。
例如，从结构的振动信号一般难以直接判明结构有无裂纹，还需根据振动理论、信号分析理论、控制理论等提供的理论与方法，加上试验研究，对特征信号加以处理，提取有用的信息（称为征兆），才有可能判明设备的有关状态。
征兆信息包括结构的物理参数（如质量、刚度等）、结构的模态参数（如固有频率、模态阻尼等），设备的工作特性（如耗油率、工作转速、功率等），信号统计特性及其他特征量。
（3）根据征兆进行设备的状态诊断一般很难直接采用征兆来进行设备的状态诊断，识别设备的状态。
因此，可采用多种模式识别理论与方法，对征兆加以处理，构成判别准则，进行状态的识别与分类。
状态诊断是设备诊断的重点，而特征信号与征兆的获取正确与否，则是能否进行正确状态诊断的前提。
9-设备状态分类方法原理
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类方法原理 1 对比分析法 •在故障机理研究的基础上，通过计算分析、试验研究、 统计归纳等手段，确定与各有关状态的特征作为标准模 式（参考模式）； •在机械设备运行过程中，选择某种特征量，根据其变化 规律和参考模式比较，用人工分析方法，判别机械设备 的运行状态。 •例如，在旋转机械运行过程中，人们常用频谱分析仪， 分析振动信号幅值谱的谱峰及频率位置的变化，与标准 模式对比，就可判断工况是否正常，甚至可以识别某些 故障的原因。
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类方法原理 p(x/ω1 )—正常状态的类条件概率密度； p(x/ ω2)—异常状态的类条件概率密度； 则Bayes公式有
9 Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类方法原理 4 贝叶斯(Bayes)分类法
机械设备运行和机械制造过程的状态都是一个随机变 量，事件出现的概率在很多的情况下是可以估计的，这 种根据先验知识对工况状态出现的概率作出的估计，称 之为先验概率 状态空间可写成 Ω j = (ω 1 , Lω i , Lω m ) ，其中 ω i 是状态空间中的一个模式点，在工况监视过程中，主要 是判别工况正常与异常两种状态，它们的先验概率用 P (ω1 ) P (ω 2 ) 表示，并有 P (ω1 ) + P (ω 2 ) =1。
- 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为 x与 z的互相关矩阵，即
R XZ
T
马氏距离的优点是排除了特征参数之间的相互影响。
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
马氏距离（Mahalanobis distance） 这是加权欧氏距离中用得较多的一种，其形式为
15 Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
• ② ③ 故障树的定量化 确定每个最小割集的发生概率 确定每个底事件的发生对引起顶事件发生的重要程度
不平衡 不对中 故 油膜涡动 B 障 轴裂纹
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
例
球磨机故障树分析： • 以球磨机制粉系统出现危险状态，需要停止运行为本 例的顶事件。 • 以产生本层故障的原因定为下一层故障，直至不能再 细分，则为底事件，构造故障树。
20 Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
特征矢量的构成
0 .5 x 1x 2x X 1 .5 x 2 .5 x nx
特征频率
其他特征量，如信息量等
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
2 DE
T Z ( z , z , , z ) X ( x1 , x2 , , xn )T 1 2 n ， ，
( x i zi ) 2 ( X Z ) T ( X Z )
i 1
x2 d1 A d2
n
几何概念如图
01
02
M x 1 ，025-52090512 Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ),
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
隶属函数
模糊数学将0、1二值逻辑推广到可取[0,1]闭区间中任意取 值的连续逻辑，此时的特征函数称为隶属函数(x)，它满 足0 (x) 1
设备状态分类与模式识别方法
考虑到特征矢量中的诸分量对分类起的作用不同，可采用加 权方法，构造加权欧拉距离
2 Dw ( X Z )T W ( X Z )
式中W为权系数矩阵。当W为单位矩阵时即为上述等式，当
w1 W 0
w2
0 wn
当 w1、w2、…、wn 取不同值时，表明矢量中各个分量的作 用不同。
1
2 3
1
不能 正常 运行
1
:
4Leabharlann 1不能 停料&
危 险 状 态
3
: : 5
1
卸压 装置 不正 常
设备状态分类与模式识别方法
T
T
&
1
1
2
...
n
1
2
...
n
与或门故障树 a) 与门故障 b) 或门故障树
19 Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
• 故障树定性分析 ① 给系统以明确的定义，选定可能发生的不希望事件作为 顶事件。 ② 对系统的故障进行定义，分析其形成原因 (如设计、运 行、人为因素等)。 ③ 作出故障树逻辑图。 ④ 对故障树结构作定性分析，分析各事件结构重要度，应 用布尔代数对故障树简化，寻找故障树的最小割集，以 判明薄弱环节。 ⑤ 对故障树结构作定量分析。如掌握各元件、各部件的故 障率数据，就可以根据故障树逻辑，对系统的故障作定 量分析。
模糊关系方程 模糊关系方程为：
R11 R R 21 Rm1
B = RA
R12 R22 Rm 2 R1n R2 n Rmn
R称为模糊关系矩阵
0.5 x 特 1x 征 2x A nx 矢 量
•为了使反应装臵的冷却水温度、压力维持一定关系，可依靠 温度计1与压力计3的输出信号，由计算机控制系统的调节器 与控制信号调节冷却水量，并靠调节阀，使化学反应维持在 正常状态。 •若反应装臵中的温度超标，温度计1显示工况不正常，操作 员即关闭手动阀4，停止供料，防止系统出现危险。 •如果选择系统出现危险的状态作为顶事件(不希望发生事件)， 就可得到如图所示的故障树。
设备状态分类与模式识别方法
工况监视与故障诊断 --- 状态分类问题
对比分析法 模型分析法 逻辑推理法 贝叶斯(Bayes)分类法 距离函数分类法 模糊诊断 故障树分析
设备状态分类与模式识别方法
1 距离函数分类法 •由n个特征参数组成的特征向量相当于 n 维特征空间上 的一个点 •同类模式点具有聚类性，不同类状态的模式点有各自的 聚类域和聚类中心 •如果事先知道各类状态的模式点的聚类域作为参考模式， 则可将待检模式与参考模式间的距离作为判别函数，判 别待检状态的属性。
(x )
升半矩形分布
1
0, ( x ) 1,
a x
0 xa xa
0
( x)
升半正态分布
1
0, 0 xa ( x ) 2 1 exp( k ( x a ) ), x a
0
a
x
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
3 故障树分析法
故障树的适用范围 可靠性分析 安全性分析 维修管理
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
2 模糊诊断方法 机器运行过程的动态信号及其特征值都具有某种不确定性， 如偶然性和模糊性。 如故障征兆特征用许多模糊的概念来描述，如“振动强 烈”、“噪声大”，故障原因用“偏心大”、“磨损严重” 等。 以模糊数学为基础，把模糊现象与因素间关系用数学表达 方式描述、运算，即模糊诊断
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
欧氏距离（Euclidean distance） 在欧氏空间中，设矢量 两点距离越近，表明相似性越大，则可认为属于同一个群聚 域，或属于同一类别，欧氏距离（Z为标准模式矢量，X为 待检矢量。）：
设备状态分类与模式识别方法
(t )
一般 较 较好 差 很差
很好
0
x
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法
① 利用底事件的发生概率去计算顶事件发生概率
④ 掌握每一个底事件发生概率的降低对顶事件发生概率 降低的影响大小
16 Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
设备状态分类与模式识别方法 例
4
反应装置
5 3 1
2
图是一化学反应流程及控制系统示意图。系统由冷却装 臵2、供料装臵4和卸压装臵5组成。温度计1，压力计3
Research Center of Condition Monitoring & Fault Diagnosis ( RCCMFD ), ，025-52090512
21
设备状态分类与模式识别方法 球磨机故障树逻辑图
危险状态
≥1
自 然 及 爆 炸 A
制 粉 系 统 断 煤 B
磨 煤 机 堵 塞 C
粗 粉 分 离 器 堵 塞 D
细 粉 分 离 器 堵 塞 E
磨 煤 机 故 障 F
排 粉 机 故 障 G