旋转机械振动故障诊断的图形识别方法研究(2020版)
设备状态监测与故障诊断技术第5章-旋转机械故障诊断技术
4/17/2020
11
实例三：转子不平衡故障的诊断
结合喂入轮实际特点，引起其不平衡的诱因主要有：制造误差， 锈蚀，表面结垢，磨损引起的喂入轮轴系配合松动等。以前在检修 时发现，由于操作人员经常用水冲洗喂入轮致其内部进水，其安装 螺栓已经产生了大量锈蚀① ，再加之油剂等产生的工艺杂质附着在 喂入轮齿形表面越积越厚(结垢) ② ， 是造成喂入轮不平衡现象频发 的主要原因。为此，已将其列为工艺处理注意事项，并要求操作人 员利用缠辊等停机机会及时对喂入轮表面进行清理。
旋转机械故障诊断技术是近些年来国内外开展广泛研究，发 展比较成熟的故障诊断技术，具有一定的代表性，因此书的 重点部分，也是难点部分。
4/17/2020
1
第五章 旋转机械故障诊断技术
学习目标：
✓ 掌握旋转机械典型故障，如转子不平衡、转子不对中、共振、 机械松动、转子摩擦、滑动轴承故障、转轴裂纹、流体动力 激振、拍频振动等的机理和特征；
有的机器，如汽轮发电机之类的设备，在冷态（未运转时）情 况下转子对中情况是符合要求的，一旦运转中温度升高就可能发 生热不对中。
此外，地脚螺栓松动，基础下沉（这一点对于新安装的设备尤 其需要注意），联轴器销孔磨损等故障的存在也会引发不对中。
4/17/2020
14
第一节 旋转机械典型故障的机理和特征
图5-7 转子不对中的基本形式 a) 联轴器不对中；b) 轴承不对中；c) 带轮不对中
➢ 不对中的总体振动特征：
✓ 转子径向振动出现二倍频，以一倍频和二倍频分量为主，不对 中越严重，二倍频所占比例越大；
✓ 相邻两轴承的油膜压力反方向变化，一个油膜压力变大，另一 个则变小；
✓ 典型的轴心轨迹为香蕉形，正进动；
旋转机械振动故障诊断的图形识别方法研究
旋转机械振动故障诊断的图形识别方法研究我国近年来的旋转机械逐渐发展为大型机械，在这种发展趋势下人们开始重视对振动故障的诊断方法进行研究，在深入研究后探索出了一系列用人工识别图像来实现旋转机械振动故障诊断的方法。
本文主要分析了旋转机械振动故障的机理、故障的特点以及几种图形识别方法。
经过多种试验证明图形识别方法的科学可行性，值得在今后的实际操作中得到运用和发展。
对于旋转机械在工作状态当中会发生振动，从而由振动产生的各种信号，信号会形成一些参数图形，通过对这些参数图形的研究与分析，我们可以实现对器械运行过程中的日常管理和保护。
这也是目前应该采用的设备管理方式。
而在实际操作过程中，图形识别技术并没有深入到工作当中。
这种手段没有被利用于诊断旋转机械故障的原因是提取出明显的图形特征在技术上具有一定的困难，而且对于图形具体特征的描述也具有很大的挑战，是否能够将图形所呈现出的特征准确地表述出来是图形识别技术在旋转机械振动故障诊断方面的一个限制性因素。
诊断旋转机械振动故障的原则采集诊断依据被诊断的机械表面所能表现出的所有相关信息都能够作为旋转振动机械故障诊断的有效依据。
这些信息在机械运行的过程中能够通过传感器传递给人们。
对旋转机械振动故障的诊断是否准确，一个重要的因素就是收集到的有关信息是否真实可靠，依据信息是否准确真实的决定性因素是传感器的品质，传感器质量如何、感应是否灵敏以及工作人员的直观判断都是决定信息准确性的重要衡量标准。
对采集的信息进行处理和研究从传感器和工作人员两方面收集到的依据信息通常是混乱无序的，不能明显的看出其特点，这就导致了无法准确地对故障进行判断，这就要求我们在成功收集信息之后要及时对大量信息进行筛选和处理，目前普遍采用专业的机器来对这些信息进行分析和研究以及进一步的转换，经过这些处理之后所得到的信息要保证具有至关、价值性强等特点。
对故障进行诊断对旋转机械振动故障诊断方面对工作人员的要求比较高，要求其具有过硬的理论知识功底以及丰富的实际工作经验。
旋转机械振动故障诊断的形态图形识别方法
直 接 从 图形 数据 中获 得 隶属 函 数
、
模
当 的权值 和 阑 值 还 可 实现 图形 除 噪
滤波
模糊 边
式中
抗原
“
“
、
公
缘 检测
模糊 增 强 等 更 复杂 的运 算
。
旋转 机 械 振 动 参数 图 形 模 糊 形 态 学 特征 提
取
描述 旋转机 械 起 动 停机 过 程 的三 维 谱 图 中含有
学的旋转机械 故障诊断方法 利用 模糊 形 态 边 缘 检测 算 子 提取 参 数 图形 边缘 纹 理 特 征
征进 行识 别
。
,
,
最 后 利用人 工 免 疫 算 法 对 图形 特
在
模化汽轮 机转 子 试验 台上 进 行 了故 障模拟 试验
,
结果 表 明 本 文 所提 出的方法 可 以获 得较 高的诊
,
。
和 共 生 相 关度 写为
’
〕 ・
为 诊 断 的 图形 特征 向量
信 息 特 征 将这 五 个 量 作 进 行 诊断冈
,
, ,
热、
刀
,
碧呵
,
、
一
、洲
一
【
,
」
旋转机 械 故 障免疫诊 断方 法
根 据 上 文 提 取 的 图 形 纹 理 特征 智 能 进 行旋 转 机械 故 障 诊 断
。
卿
,
灼
一
脚
,
。 。
遥 感遥 测 及 气 象等领 域 的
、
模 糊 数学 形 态 学 是 把 模 糊 理
,
图形 分 割
、
细化
、
骨架抽取
《2024年旋转机械故障诊断与预测方法及其应用研究》范文
《旋转机械故障诊断与预测方法及其应用研究》篇一一、引言旋转机械广泛应用于各种工业领域，如风力发电、航空航天、交通运输等。
然而，由于长时间运行和复杂的工作环境，旋转机械经常会出现各种故障，如轴承磨损、齿轮断裂等。
这些故障不仅影响设备的正常运行，还可能导致严重的安全事故。
因此，对旋转机械进行故障诊断与预测显得尤为重要。
本文将介绍旋转机械故障诊断与预测的方法及其应用研究。
二、旋转机械故障诊断与预测方法1. 基于振动信号分析的方法振动信号分析是旋转机械故障诊断与预测的常用方法。
通过传感器采集设备的振动信号，对信号进行时域、频域和时频域分析，可以提取出设备运行状态的特征信息。
当特征信息超过设定的阈值时，即可判断设备存在故障。
此外，还可以通过对比历史数据，预测设备未来可能出现的故障。
2. 基于声音信号分析的方法声音信号分析是另一种有效的故障诊断与预测方法。
通过采集设备的声波信号，对信号进行频谱分析和声强分析，可以判断设备的运行状态和故障类型。
该方法具有非接触式、实时性强的优点，适用于对复杂工作环境下的设备进行故障诊断。
3. 基于数据驱动的智能诊断方法随着人工智能技术的发展，基于数据驱动的智能诊断方法在旋转机械故障诊断与预测中得到了广泛应用。
该方法通过收集设备的运行数据，利用机器学习、深度学习等算法对数据进行训练和建模，实现对设备运行状态的监测和故障预测。
该方法具有准确度高、适应性强、可扩展性强的优点。
三、旋转机械故障诊断与预测方法的应用研究1. 在风力发电领域的应用风力发电是旋转机械的重要应用领域之一。
通过采用振动信号分析和声音信号分析等方法，可以对风力发电机组的齿轮箱、轴承等关键部件进行实时监测和故障诊断。
同时，采用基于数据驱动的智能诊断方法，可以实现对风力发电机组运行状态的预测和优化，提高设备的可靠性和效率。
2. 在航空航天领域的应用航空航天领域对设备的可靠性和安全性要求极高。
采用基于振动信号分析和声音信号分析等方法，可以对航空发动机、螺旋桨等旋转机械进行实时监测和故障诊断。
旋转机械的振动监测与故障诊断
油膜振荡
其它故障
状态监测 故障诊断
三、旋转机械典型故障的机理和特征
转子不对中通常是指相邻两转子的轴心
转 子 不 平 衡 线与轴承中心线的倾斜或偏移程度。
转 子 不 对 中
转子碰摩
转子不对中可分为联轴器不对中和轴承不
油 膜 振 荡 对中，联轴器不对中又可分为平行不对中、
其 它 故 障 偏角不对中和平行偏角不对中三种情况。
二、 旋转机械振动监测参数与分析
1.常态频域分析
(4)拍
监测参数
振 动 分 析
状态监测 故障诊断
二、 旋转机械振动监测参数与分析
1.常态频域分析
(5)频率和差规律
监测参数
振 动 分 析
状态监测 故障诊断
二、旋转机械振动监测参数与分析
1.常态频域分析
(6)轴心轨迹
监测参数
振 动 分 析
状态监测 故障诊断
状态监测 故障诊断
三、旋转机械典型故障的机理和特征
1. 联轴器不对中
转子不平衡
转 子 不 对 中
转子碰摩 油膜振荡 其它故障
(1)平行不对中
状态监测 故障诊断
三、旋转机械典型故障的机理和特征
1. 联轴器不对中
转子不平衡
转 子 不 对 中
转子碰摩 油膜振荡 其它故障
(2)偏角不对中
状态监测 故障诊断
转子不对中 转子碰摩 油膜振荡 其它故障
(3)表示各圆盘中心位移的复数向量相角是不同的，因 此轴线弯曲成空间曲线，并以转子转速绕OZ轴转动。
状态监测 故障诊断
三、旋转机械典型故障的机理和特征
转子不平衡振动特征:
转 子 不 平 衡
转子不对中 转子碰摩
旋转机械的振动信号分析及故障诊断方法研究
旋转机械的振动信号分析及故障诊断方法研究随着工业技术的不断发展，旋转机械在各个领域中发挥着越来越重要的作用。
旋转机械在运行时会产生各种各样的振动，而振动信号的分析和故障诊断对机械的安全运行和有效维护都起着至关重要的作用。
本文将探讨旋转机械的振动信号分析及故障诊断方法研究。
一、振动信号的数据采集在进行振动信号的分析和故障诊断之前，首先需要进行数据采集。
通常采用振动传感器进行数据采集。
振动传感器可以测量振动的振幅、频率等参数。
为了获得更加准确的数据，通常需要进行多个位置的振动信号采集，这样可以更加全面地了解振动情况。
二、振动信号的分析方法1.频谱分析法频谱分析法是振动信号分析中最常用的方法之一。
它是将信号在频谱上分解成不同频率的组成部分，从而了解不同频率在振动中所占的比例和重要性。
通过频谱分析法，可以找出导致振动的主要频率，从而更加准确地判断故障原因。
2.时域分析法时域分析法是另一种常见的振动信号分析方法。
它是将信号在时间轴上进行分析，了解信号的波形和振动幅值。
通过时域分析法可以观察到信号的整体趋势，同时也可以观察到信号中的瞬时事件，对于一些短暂的故障往往可以通过时域分析法来判断出来。
3.功率谱密度法功率谱密度法是将信号在频谱上进行分析，并计算每个频率下的能量，从而了解信号在不同频率下的能量分布。
通过功率谱密度法，可以发现振动信号中的周期性成分，比如叶轮、齿轮等周期性振动成分。
三、故障诊断方法1.需要比较振动信号在进行故障诊断时，通常需要先与正常的振动信号进行比较，对比两者的相似之处和差异之处，从而判断机械是否出现故障。
2.需要进行特点分析机械故障的振动信号通常会具有一些特定的特点，比如特定频率下的明显能量峰值、周期性振动等，需要通过对信号的特点进行分析，从而得出故障原因。
3.需要进行多因素综合分析机械振动信号的故障往往是由多个因素综合作用造成的，因此进行故障诊断时需要考虑到各种因素，比如机械的运行状态、环境温度、操作方式等，从而更加准确地进行故障诊断。
旋转机械振动故障诊断.(优选)
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，变成计算机的语言，是目前国内外许多专家正在研究的一个问题，因此不能将这种诊断系统误解为能替代振动专家，即使将来，也是振动专家设计和制造诊断系统，为缺乏振动知识和经验的运行人员服务，而不是替代振动专家的作用。
离线诊断是为了消除振动故障而进行的诊断，这种诊断在时间要求上不那么紧迫，可以将振动信号、数据拿出现场，进行仔细地分析，讨论或模拟试验，因此称它为离线诊断。
在故障诊断深入程度上要比在线诊断具体得多，因此难度大，本章要讨论的是离线故障诊断技术。
第一节机组振动故障诊断的思路和方法2.1.1直观寻找振动故障2.1.1.1振动故障直观可见性由于是采用肉眼或一般的测量直观去寻找，因此能找到的振动故障必然是直观可见的故障，例如轴承座松动、台板接触不好、转子上存在自由活动部件等，对于直观不能发现的故障，例如转子不平衡，系统共振，汽轮发电机转子存在热弯曲等故障，即使多次寻找，也无法查明。
2.1.1.2发现故障的偶然性即使对于直观可见的故障，也不是通过1—2次解体检查就能发现的，这是由于寻找本身带有较大的盲目性，因此能发现故障往往带有较大的偶然性，例如某厂一台国产100MW机组，新机启动发生发生2、3瓦振动大，经两次揭缸检查，都未能找到故障原因，而且经多次启停观察振动，都不能解说其故障原因，正在一筹莫展之际，一个运行人员无意间用听棒在2、3瓦之间听到异音，再次揭缸才发现高压转子4公斤重的中心孔堵头脱落掉在波形节联轴器内。
《2024年旋转机械故障诊断与预测方法及其应用研究》范文
《旋转机械故障诊断与预测方法及其应用研究》篇一一、引言旋转机械作为工业生产中不可或缺的重要设备，其稳定运行对生产效率和产品质量具有重大影响。
然而，由于操作环境复杂、维护不当或设备老化等因素，旋转机械常会出现各种故障。
这些故障如不及时发现和处理，可能会对生产造成巨大损失。
因此，对旋转机械的故障诊断与预测显得尤为重要。
本文将重点研究旋转机械的故障诊断与预测方法，以及其在工程实践中的应用。
二、旋转机械故障诊断与预测方法（一）基于信号处理的诊断与预测方法1. 信号采集：通过传感器技术，实时采集旋转机械的振动、声音、温度等信号。
2. 信号处理：利用信号处理技术，如频谱分析、小波变换等，对采集的信号进行预处理和特征提取。
3. 故障诊断与预测：根据处理后的信号特征，结合专家系统或模式识别技术，实现故障的诊断与预测。
（二）基于机器学习的诊断与预测方法1. 数据预处理：对历史故障数据进行清洗、标注和整理，构建故障数据集。
2. 模型训练：采用机器学习算法，如支持向量机、神经网络等，对故障数据集进行训练，建立故障诊断与预测模型。
3. 模型应用：将训练好的模型应用于实际场景中，实现旋转机械的故障诊断与预测。
（三）基于深度学习的诊断与预测方法深度学习通过模拟人脑神经网络的工作方式，可以自动提取数据的深层特征。
在旋转机械的故障诊断与预测中，深度学习模型可以更好地处理复杂、非线性的故障数据。
常见的深度学习模型包括卷积神经网络、循环神经网络等。
三、旋转机械故障诊断与预测方法的应用研究（一）在设备维护中的应用通过实时监测和诊断旋转机械的故障，可以及时发现潜在的问题并采取相应的维护措施，从而避免设备停机或损坏。
这不仅可以提高设备的运行效率，还可以延长设备的使用寿命。
（二）在生产管理中的应用通过对旋转机械的故障进行预测和预警，可以提前制定生产计划和调整生产安排，避免因设备故障而导致的生产延误和资源浪费。
这有助于提高生产效率和产品质量。
旋转机械的振动监测与诊断
PPT文档演模板
2020/11/16
旋转机械的振动监测与诊断
PPT文档演模板
旋转机械的振动监测与诊断
•（一）振动信号简易诊断法有以下几种：
• A 振幅值诊断法
• 这里所说的振幅值指峰值 均值 （对于简谐 振动为半个周期内的平均值，对于轴承冲击振动为经 绝对值处理后的平均值）以及均方根值(有效值)。
PPT文档演模板
旋转机械的振动监测与诊断
•诊断的。峰值反映的是某时刻振幅的最大值，因而 它适用于象表面点蚀损伤之类的具有瞬时冲击的故 障诊断。另外，对于转速较低的情况，也常采用峰 值进行诊断。均值用于诊断的效果与峰值基本一样， 其优点是检测值较峰值稳定，但一般用于转速较高 的情况。均方根值是对时间平均的，因而它适用于 像磨损之类的振幅值随时间缓缓变化的故障诊断。
•当滚动轴承无损伤或有极微小损伤时，脉冲值（dB值）
很小；随着故障的发展，脉冲值逐渐增大。当冲击能
量达到初始值的1000倍（60dB）时，就认为该轴承的
寿命已经结束。当轴承工作表面出现损伤时，所产生
的实际脉冲值用 表示，它与初始脉冲值
之
差称为标准冲击能量
•﹦ •﹣
•根据 值可以将轴承的工作状态分为三个区域进 行诊断。
①润滑不良，润滑 脂过硬，启动时加 速度太大 ②滚道面不平行， 转速过高 ③润滑不良,装配 不当,轴向载荷过 大
损伤特征
①向心轴承的滚道仅 一侧表面剥落 ②双列轴承的表面仅 一侧表面剥落 ③滚动体及滚道接触 边缘剥落 ④滚动体的圆周方向 在对称位置上有剥落 ⑤滚子轴承的疾驰道 和滚动体靠近端部外 表面产生剥落 ⑥受力表面较大面积 压光和微观剥落
旋转机械的振动监测与 诊断
PPT文档演模板
旋转机械故障诊断
电气绕组
铜线分布不均
转子不平衡故障
不平衡的原因
铸造缺陷
热膨胀
由于每个部件热膨胀 率不同影响转子平衡
轴孔太大
转子不平衡故障机理与诊断
不平衡的种类
按发生不平衡的过程可分为：
• 原始不平衡 • 渐发性不平衡 • 突发性不平衡
按机理可分为：
• 静不平衡 • 偶不平衡 • 动不平衡
= 静不平衡 + 偶不平衡
转子转动一周，离心力方向改变一次。因此，不平衡振动的 频率与转频相一致。
转子不平衡故障机理与诊断
旋转机械故障诊断 转子不平衡
无阻尼时，O、O’、G三点成一直线
实际转子总存在阻尼
工作介质、轴承油膜的黏性阻尼，滑动面之间的摩擦阻尼， 轴材料不完全弹性的内摩擦阻尼，转子轴承系统因变形能耗 产生的结构阻尼
k m
由上式中解出x和y,并求得振幅r。
转子的临界转速
影响临界转速的因素
支承刚度
• 只有在支承完全不变形的条件下，支点才会在转子运动过 程中保持不动。考虑支承的弹性变形时，就相当于弹簧与 弹性转轴相串联。
• 支承与弹性转轴串联后，总的弹性刚度要低于转轴本身的 弹性刚度，使转子的临界转速降低。
旋转机械故障诊断 转子不平衡
静不平衡
偶不平衡
转子不平衡故障机理与诊断
旋转机械故障诊断 转子不平衡
故障机理
如下图所示单盘转子系统，由于质心与旋转中心不重合而产 生不平衡
F（t）
Fsint
e
t c
M
y( t)
k
c
(a) 转子系统
(b) 振动模型
交变的力(方向、大小周期性变化)会引起振动
旋转机械振动故障诊断及分析PPT151页
24、勇气很有理由被当作人类德性之 首，因 为这种 德性保 证了所 有其余 的德性 。--温 斯顿． 丘吉尔 。 25、梯子的梯阶从来不是用来搁脚的 ，它只 是让人 们的脚 放上一 段时间 ，以便 让别一 只脚能 够再往 上登。
26、要使整个人生都过得舒适、愉快，这是不可能的，因为人类必须具备一种能应付逆境的态度。——卢梭
▪
27、只有把抱怨环境的心情，化为上进的力量，才是成功的保证。——罗曼·罗兰
▪
28、知之者不如好之者，好之者不如乐之者。——孔子
▪
29、勇猛、大胆和坚定的决心能够抵得上武器的精良。——达·芬奇
▪
30、意志是一个强壮的盲人，倚靠在明眼的跛子肩上。——叔本华
谢谢！
151
- 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)。
( 安全技术 )
单位：_________________________
姓名：_________________________
日期：_________________________
精品文档 / Word文档 / 文字可改
旋转机械振动故障诊断的图形识别方法研究(2020版)
Technical safety means that the pursuit of technology should also include ensuring that people
make mistakes
旋转机械振动故障诊断的图形识别方法研
究(2020版)
我国近年来的旋转机械逐渐发展为大型机械，在这种发展趋势下人们开始重视对振动故障的诊断方法进行研究，在深入研究后探索出了一系列用人工识别图像来实现旋转机械振动故障诊断的方法。
本文主要分析了旋转机械振动故障的机理、故障的特点以及几种图形识别方法。
经过多种试验证明图形识别方法的科学可行性，值得在今后的实际操作中得到运用和发展。
对于旋转机械在工作状态当中会发生振动，从而由振动产生的各种信号，信号会形成一些参数图形，通过对这些参数图形的研究与分析，我们可以实现对器械运行过程中的日常管理和保护。
这也是目前应该采用的设备管理方式。
而在实际操作过程中，图形识别技术并没有深入到工作当中。
这种手段没有被利用于诊断旋转机械
故障的原因是提取出明显的图形特征在技术上具有一定的困难，而且对于图形具体特征的描述也具有很大的挑战，是否能够将图形所呈现出的特征准确地表述出来是图形识别技术在旋转机械振动故障诊断方面的一个限制性因素。
诊断旋转机械振动故障的原则采集诊断依据
被诊断的机械表面所能表现出的所有相关信息都能够作为旋转振动机械故障诊断的有效依据。
这些信息在机械运行的过程中能够通过传感器传递给人们。
对旋转机械振动故障的诊断是否准确，一个重要的因素就是收集到的有关信息是否真实可靠，依据信息是否准确真实的决定性因素是传感器的品质，传感器质量如何、感应是否灵敏以及工作人员的直观判断都是决定信息准确性的重要衡量标准。
对采集的信息进行处理和研究
从传感器和工作人员两方面收集到的依据信息通常是混乱无序的，不能明显的看出其特点，这就导致了无法准确地对故障进行判断，这就要求我们在成功收集信息之后要及时对大量信息进行筛选
和处理，目前普遍采用专业的机器来对这些信息进行分析和研究以及进一步的转换，经过这些处理之后所得到的信息要保证具有至关、价值性强等特点。
对故障进行诊断
对旋转机械振动故障诊断方面对工作人员的要求比较高，要求其具有过硬的理论知识功底以及丰富的实际工作经验。
工作人员应该充分了解机械方面的相关知识，熟练掌握机械的维修要点以及安装过程。
正确的对机械振动故障进行诊断，并且能够对故障的发展形势进行预想，只有这样才能够及时进行维修和防范，使机械能够在正常状态下持续运行，保障顺利生产。
旋转机械参数图形特征的提取
旋转机械的参数图形表现出来的形式主要为纹理信息、形状信息和灰度信息。
旋转机械振动故障的图形纹理信息是通过灰度共生矩阵来综合描述的，我们可以通过对图形上所显示的灰色区域的遍布概率来描述纹理的基元，还能够将图形中的梯度和灰度的大致排布顺序及各点之间的关系的梯度-灰度空间进行详细的绘制，最后结
合结构法和统计法来对图形的纹理特征进行描述。
运用这种方法既能将图形纹理的方向性通过梯度的方向性体现出来，又能够将结构方法和统计方法的自身优势得以凸显，更好的为图形纹理特征的描述提供保证，准确有效地将旋转机械状态下的参数图形中的结构和灰度的信息提炼出来。
灰度-基元-梯度共生矩阵是一种体现图形纹理特征的基元信息，以及体现图形的灰度区域的变化情况的梯度信息，主要根据的是图形的灰度信息，这些信息结合在一起就形成了这种描述形式，这种方法通常被利用于对图形纹理特征的提取。
几种成像方式在机械故障诊断中的运用
5.1.波特图
波特图是表示机械转速频率表和振幅，转速频率与相位之间的关系的曲线。
振幅和相位随转速发生变化的过程都可以从波特图当中体现出来，从而可以分析出临界转速，也可以及时监测处机械运行过程当中状态发生的变化，当机械振动出现异常时能够及时诊断出故障。
5.2.频谱图
在现代研究下产生的一种能够体现出机械振动信号排布的频谱图叫做振动谱图。
机械在振动时产生一系列复杂的信号，这些信号可以进一步进行分解，最终形成谐波分量，每一个分量以频率轴作为坐标，按照频率的高低进行排列形成一个谱图即为频谱图。
在运用振动谱图进行对旋转机械振动故障的诊断的过程当中有两个关键的流程，首先要保证提取的故障特征信息的准确定以及对故障信息进行合理的分类。
当旋转机械振动发生某种故障时，振动信号会有异常的表现，通常表现为过与强烈且不平稳、非线性的特点。
5.3.轴心轨迹图
轴心轨迹图是当机械发生故障时通过对轴承或者轴颈的同一个断截面上的两个互相垂直的位置上的检测来获得一系列振动产生的信号，从而从获得的信号当中得到关于机械故障的信息。
这种轨迹图是通过对振动发生的位移和产生的振力的分析来对转子的转速进行确定，转子在不平衡力的作用下会产生不同的转速，并且出现不同振型，可以根据不同的振型、有针对性的对转子进行稳定。
我们
还可以通过提取到的轴心轨迹图来分析为何会产生振动，然后针对具体的各种原因来减小振动或防止振动。
在机械振动故障的诊断工作当中，使用轴心轨迹图来进行判断，提前发现故障的预兆，能够有效的防止故障的发生或及时排除故障。
通过这些先进的图形识别技术对旋转机械定期进行故障诊断已经取得了较好的成果，能够及时诊断出机械的安全隐患，从而对机械进行维护修理，减小了故障发生的几率。
所以综合上述对几种图形识别方法的分析我们可以得到结论，在今后的机械振动故障诊断中应该广泛应用各种图形识别的方法，这能够使诊断的效率更高，也能减小故障发生的几率。
我国当前科学研究的焦点之一就是针对机械的故障诊断，故障诊断的技术水平是否科学先进直接关系到生产运营能否顺利进行，从而影响到企业的经济效益。
将图形识别技术用于旋转机械振动故障诊断的方式无疑是效率最高的技术手段，可是这种识别方法目前正处于探索阶段，若要真正的将本文中提出的理论性设想投入到实际工作中，还需要大量的成本以及技术支持，在这种情况下要求相
关工作者积极学习先进的技术，长期累积经验从而达到技术的进一步完善，最终实现为企业创造更大利益的目标。
云博创意设计
MzYunBo Creative Design Co., Ltd.。