浅谈故障的常用诊断方法

机械故障诊断

浅谈故障的常用诊断方法

学院: 机械系

姓名: 刘顺

学号:04612009023

浅谈故障的常用诊断方法

(一)故障诊断定义

故障诊断是指在不解体(或仅拆除个别小件)的条件下,确定发动机技术状况,查明故障部位及原因。

故障诊断一词包含两种含义:一是维修性诊断,即对已暴露出来的故障进行诊断,针对故障部位、原因,采取相应的修复方法;二是预防性诊断,即在尚未出现明显故障时,对发动机进行全面的技术状况检查,了解发动机现有的技术状况是否与制造厂的技术规范相一致, 并将诊断结果(技术状况变化、零件磨损、需修、需换的零件)记录在诊断报告书上,提出需要进行什么样的维护修理作业,才能使发动机恢复到或接近新发动机的技术状态。

(二)故障诊断方法

诊断故障时应遵循"先易后难、先简后繁、先外后内、分段查找、逐步缩小范围"的原则, 通常采用人工直观法、仪器设备法、故障树分析法对故障予以分析诊断。

1.人工直观法

人工直观法就是通过问、看、嗅、摸、试、听等直接感观,或借助简单工具,以确定机器技术状况和故障的方法。其特点是不需要专用设备,诊断结果的准确性依赖于诊断人员的技术水平和实践经验。

(1)问

即向驾驶员询问查核故障前后的诸如车辆行驶里程、使用年限、维护修理、故障预兆、故障发生过程等有关情况.

(2)看

即观察有故障疑点的机构、总成和零件的状况,如各仪表指示数值、机体裂痕和变形、消声器排放废气的颜色、滴漏的油迹和水迹,再结合其他有关情况分析、判断发动机的工作情况。

(3)嗅

即根据发动机运行中散发出的异常气味判断故障部位,如有生汽油昧,表明有漏油或燃烧不良。

(4)摸

即用手触试可能产生故障部位的温度、振动情况等,从而判断出诸如配合的松紧度、轴承间隙的大小和零件配重的平衡、柴油管路的脉动以及油、水温度等. (5)试

就是通过各种试验方法,使故障现象充分地显现出来,如按喇叭、打开点火开关或灯开关、火花塞"断火"、拉阻风门、使发动机转速迅速升高或降低等,必要时还可换装好的总成或零件进行对比试验.

(6)听

就是根据发动机在不同工作情况、不同部位发出的声响及声响的规律,判断哪些是正常的,哪些是异常的。如汽缸内有无爆震声、化油器有无"回火"、排气消声器有无放炮声或 "突、突"声等。

以上方法,并非每一种故障诊断都必须遵循该程序,不同的故障应视其具体情况灵活运用。

2. 仪器设备法

仪器设备法是在总成不解体条件下,通过专用仪表或设备,通过对汽车某些特定参数的检测,以判断其技术状态和故障情况。这种诊断方法具有诊断速度快、结果准确、不需解体 (或只需拆除个别小件)、能发现隐蔽性故障等优点,但需要多种设备,投资较大。

3. 故障树分析法

故障树即故障因果关系分析图.它是利用逻辑推理,对确定的故障事件在一定条件下用图形表示,并确定导致此故障事件必然发生某(些)次级事件的因果关系的图形演绎方法.然后,再分析此次级事件必然发生的更次级事件……如此层层分析演绎、制图 , 直至分析到基本故障事件或不能再分解的边界事件为止,这种演绎图形即为故障树。

故障树直观地反映了系统故障与各种基本故障的逻辑关系,为迅速排除故障提供了依据.利用故障树可找出系统故障的故障谱,再进一步找出系统的最薄弱环节,便于加强对薄弱环节的检查及维护,以提高机器使用的可靠性。

机械故障诊断是一门建立在多学科基础上的综合性新技术。随着科学技术的进步，很多新理论、新方法、新技术不断地涌现出来，丰富和发展了故障诊断的内容，其中近年来发展较快，影响较大的有模糊诊断法，灰色诊断法及诊断专家系统等。

（三）智能诊断系统

智能诊断系统，是在常规故障诊断技术的基础上，结合人工智能技术的研究成果研制而成的自动化诊断系统。智能诊断系统的开发历史并不长，美国自20世纪80年代开始首先在这方面开展研制工作，开发了多种智能诊断系统。例如，1982年EGG．Idaha公司研制成功用于诊断和处理核反应堆的故障诊断系统。此后，Westinghouse公司研制成功电厂人工智能在线诊断大型网络系统，其中包括汽轮机Turbin AID、发电机GenAID和水化学ChemAID三个人工智能在线诊断系统，以及电站数据中心PDC和诊断运行中心，它在电站机组的安全运行中发挥了巨大的作用，取得了很大的经济效益，被誉为在线智能诊断系统成功应用的代表。国内在故障的智能诊断技术方面的研究起步较晚，但发展较快，并取得了不少成果，如华中理工大学研制成功汽车发动机故障诊断专家系统KB－SED和汽轮机组监测与诊断专家系统；哈尔滨工业大学研制成功大型旋转机械故障诊断专家系统MMMDES；另外，清华大学、上海交通大学、西安交通大学、郑州工学院、东南大学等院校也先后开展了故障智能诊断系统的研制工作。

故障机理的研究振动信号分析是机械故障诊断技术中采用的最主要的方法之一。目前，在振动信号分析与处理方法中，以快速傅立叶变换（FFT）为基础的调和分析法应用最为普遍，几乎所有的动态分析仪都是以FFT为核心进行信号处理的，FFT分析方法及其派生出的多种有效的振动信号处理方法（如快速卷积、相关、自谱、互谱、倒谱、细化谱及传递分析等）在机械故障诊断技术应用中起到了非常大的作用。然而，这类基于平稳过程的经典信号处理方法，分别仅从时域或频域给出信号的统计平均结果，无法同时兼顾信号在时域和频域中的全貌和局部化。

为实现对非平稳信号的有效表示，解决其时频局部化分析问题，Gabor提出了加窗傅立叶变换（WFT）或短时傅立叶变换（STFT），但由于其时频分辨率固定，缺乏细化能力，逐步被20世纪80年代发展起来的一种新的数学方法———小波（wavelet）分析所取代。小波分析是一种包含尺度伸缩和时间平移的双参数的函数分析方法，由于小波函数具时频局部化特性，多尺度性和“数学显微”（“变