美章网 资料文库 故障诊断论文范文

故障诊断论文范文

故障诊断论文

故障诊断论文范文第1篇

1.1振动检测法振动检测法是煤矿生产中机电设备故障检测常见的一种方法。检测设备包括简易诊断仪和精密诊断系统两种。简易诊断仪先通过测量放大器将测振传感器所接收到的振动信号放大,再通过检波器将振动峰值及有效值显示出来,根据此种方式就可完成对设备所存故障的检测,由此确定是否存在运行故障。精密诊断系统振动信号更为准确,它把检测到的数据逐一记录到检波器或磁带中,再通过检波器显示出来。此外,它获取的振动信号主要通过计算机系统进行处理,对于判断设备是否存在故障更为准确。

1.2铁谱检测法铁谱检测法虽然在煤矿机电设备中应用时间不长,但是其使用效果非常明显。目前常见的铁谱检测仪器为颗粒定量仪、旋转式铁谱仪等。铁谱检测法的原理是,带有磨屑的润滑油经过高梯度与高强度磁场时,高磁场所具有的分离功能可将存在的铁磁屑从润滑油中分离出来,然后根据沉淀在基片上的颗粒大小来进行观测与分析。铁谱检测法应用在煤矿机电设备故障诊断中具有良好效果,检测内容包括,磨损颗粒密度和大小等,通过磨损颗粒密度大小可以确定机电设备磨损程度;通过分析磨屑大小及外形等信息,可以判断故障发生原因及故障类型等;通过分析磨屑成分,根据相应指标可以确定发生故障的构件位置。由此,铁谱检测法能更快速、准确地判断故障点,进而可用最短时间完成对设备检修,保证煤矿生产的连续、稳定性,增加经济收益。

1.3温度检测法温度检测法主要是通过监测煤矿机电设备运行中自身温度变化来判断设备是否故障。以煤矿实际生产经验来看,如果设备运行存在异常情况,在故障发生前设备就会存在明显温度上升现象。基于这一特点,工作人员把监测到设备温度变化的数据绘制成图表,将所有温度点连成一条曲线,可以直观得出设备故障发生前后温度变化,推测出设备温度所能达到的最高点,争取在故障发生前对其进行控制,通过有效措施进行维护,保证机电设备能正常运行。此外,煤矿机电设备检修人员,灵活掌握多种故障检测手段,加强设备运行监督管理也尤为重要。

2常见煤矿机电设备故障诊断举例

2.1提升机故障诊断对提升机进行故障诊断时,经常使用传感器对提升机控制系统进行检测。通过分析控制系统频谱来判断系统是否故障。煤矿提升机设备多采用交流绕线式异步电动机或直流他励电动机,提升系统主要由制动系统、控制系统及润滑系统组成。出现任何故障时,在诊断上也存在更大难度,都将影响到设备正常运行。针对此,为了提高故障诊断有效性,选择传感器信息融合技术,对相关有效信息进行提取,通过进一步对故障的诊断不断提高管理水平。

2.2采煤机故障诊断根据煤矿实际生产经验,采煤机故障一般是液压系统故障,选用具有可靠的液压系统能够解决这一问题。采煤机液压系统主要分为高压部分和低压部分。随着采煤机荷载提升,低压部分为恒定状态,此时持续增加荷载,会导致高压部分出现不升反降情况,就表明系统存在故障。在对采煤机液压系统故障进行诊断时,采取主动维护措施,在保证其能正常运行的基础上,提高采煤机性能,延长设备使用年限。

3煤矿机电设备管理的发展前景

煤矿机电设备管理是煤炭企业的一项重要管理工作,由于传统观念及资源限制,在管理工作中存在一些问题。一是机电设备技术的落后,二是管理人员自身素质不足[2]。针对上述问题,提出以下几点改善措施:机电设备管理维护方式的转变;机电设备应用技术创新;管理队伍的不断建设;新技术人员与新设备同步;信息系统的建设。建立健全的信息系统,可对设备使用情况及问题清楚地了解。建立相对完善的维修服务机构,能充分利用信息技术为设备维修进行服务。

4结语

故障诊断论文范文第2篇

近些年来,科学技术的快速发展为我国煤矿机械设备的生产提供了更多的技术保障,促进了煤矿机械设备的发展速度。但是,我国煤矿机械设备在机械设备的自动化和智能化水平方面,与国际先进水平相比还存在着一定的差距。如今,我国经济快速发展,人们生活水平日益提高,社会生产和生活对煤炭资源的需求量也在不断增加,而煤矿机械设备频繁发生的故障以及其引发的安全事故,却对煤矿企业的发展产生了严重的阻碍,不仅影响了煤炭企业的经济效益,也对社会和谐安定带来了一定的负面影响。另外,我国在煤矿机械设备的研究与开发方面,仍旧缺乏系统的、全面的开发体系,虽然煤矿企业和相关的设备单位不断加大在煤矿机械设备研发方面的投资,但是由于研究人员分布的较为分散,交流不多,使得煤矿机械设备的研发工作经常出现散乱的现象,无法形成完善的体系,这对煤矿机械设备的发展也产生了较大的影响。

二、煤矿机械设备的故障诊断方法

1.油液分析诊断煤矿机械设备中的油液可以作为样本,为机械设备的故障诊断提供依据。油液分析诊断主要是利用光谱分析技术,针对油液中的磨屑颗粒状态进行观察和检验,以此作为依据,对机械设备的运行状态做出评估,确定设备是否完好无损。

2.对机械设备构不成损失的诊断对机械设备构不成损伤的诊断方法和检测技术是现在煤矿企业检测机械设备的最常见的方法,而且在机械设备的诊断中应用最广泛。机械设备不会发生损坏就能够有效地检测到故障,机械设备在进行诊断和检测时应该首先对诊断技术和方法进行明确,要对要进行诊断的机械设备的加工程序、材质以及质量安全问题做到科学分析。

3.振动检测机械设备的诊断振动技术主要是根据机械设备运行过程中的振动信号,对其运行状态进行判断。通过振动信号频率的变化,可以确定振动数值是否发生了变化,以及变化的实际情况,以此为依据可以判断机械设备在运行过程中所形成的故障。这种振动监测机械设备故障的诊断方法十分简单,而且诊断的成功率较高,因此也获得了广泛的应用。

4.温度测量诊断机械设备当机械设备长时间运转,就会形成高温,而过高的作业温度会对机械设备产生损坏,不仅设备本身受到影响,其相关部位的材料也会由于受到高温影响而发生损坏。因此,可以通过温度测量对煤矿机械设备的故障进行诊断,利用温度传感装置,通过设备温度的变化对机械设备故障做出诊断。

三、煤矿机械设备的维护措施

1.预防事故维护预防事故维护指的是在机械设备发生故障之后,进行维护时会有明显的故障点,当煤矿机械设备经过长时间的运转之后,故障点的损伤将会更加严重,因此需要以时间为前提,每当机械设备运行一个固定的时间段之后,就要对机械设备进行诊断和维护,尤其是对故障点要给予足够的重视,只有这样定期进行维护和保养,才能延长设备的使用寿命。坚持预防事故维护,可以保证设备的零件不会由于长时间的使用而产生磨损或者破坏而对整个机械设备造成影响。需要注意的是,这种维护方法需要技术人员经常进行检修和维护才能起到作用,同时检修工作也会对正常的生产经营产生影响,因此需要合理的安排。

2.事故发生维护事故发生维护是在煤矿机械设备受到损坏或者是发生故障之后,被动的停止运转而开展的一种维护措施。当发生事故时,说明事前的预防措施和救急措施都没有发挥作用,而且这种事故的发生通常都是在检修计划之外,因此需要的维护时间更长,而且其造成的影响也相对较大。

3.预知事故维护在煤矿机械设备运转的过程中,需要对其运行状态进行监测,通过监测数据判断设备的运行状态是否正常。而预知事故维护主要针对的是早期的故障,如设备运转时发生的异常噪声或者是异常振动,当这种早期故障发生时,通过准确的判断和分析,可以及时采取有针对性的措施,降低事故发生的几率,减少由于事故引起的经济效益和社会效益的损失。

4.主动预防事故维护主动预防事故维护的维护对象是设备功能降低和磨损参数,如煤矿机械设备的油液、运转速度等等,通过这种主动预防事故维护措施,能够及时发现设备和材料的异常状况并且做出适当的处理措施,防止故障的恶化以及其带来的严重后果。

四、结束语

故障诊断论文范文第3篇

1.1数据准备数据准备过程有三个主要步骤,分别是数据选取、数据预处理以及数据变换。不管是哪一个行业的检测系统,其所检测得到的数据都具有多样性与复杂性以及海量行的特点,正是这些造成人们分析数据的困难。所以想要解决问题,首先就要先确定挖掘目标,这样在检测数据库与历史数据库中才能够获得相对应的数据,并且进行预处理与变化和归化等。不过如果挖掘出来的数据质量不高会影响最终结果,所以提高挖掘质量,就要花费大量时间与精力去进行,大部分这个挖掘过程需要耗费整个过程的百分之八十以上。

1.2数据挖掘这个过程是不断反复与重复的过程,在这个过程中可以不断发现一些潜藏的知识与信息,可以利用决策树或者规则学习等多种方法来进行分析统计。

1.3结果分析和评估在不断检测数据的情况下,得到的数据也在不断发生变化,大量数据下需要不断的分析与建模,这样才能不断发现新设备的运行过程与故障,从而保证在较短时间内获得故障诊断结果。

2数据挖掘的常用技术

数据挖掘技术算法的好快直接影响到所发现信息质量的好坏,目前对该技术的研究方向也集中在算法与应用方面,常用的技术主要有以下几点:

2.1粗糙集理论这项研究数据的不确定性的数学工具由波兰科学家第一次提出,并且在经过二十年的不断发展中已经广泛应用到人工智能的各分支中,不管是在模式识别还是机械学习等方面都带来了成功。成功应用主要还在于存在的几点优点:其一该理论不用事先给出额外信息,可以减掉冗余信息的输入,减轻数据的复杂度与输入时间。其二算法简单,更方便人们操作。虽然优点明显,但是缺点也存在,在对实际发生问题的处理过程中,抗干扰的能力十分差,有可能会直接影响故障分类。

2.2决策树技术决策树算法是一种外形像树的预测模型结构,树的节点表述所属类别,非终端节点表示问题属性。根据数据不同取值来进行分类,建立树的分叉,从而形成决策树。决策树的规则是可直观容易理解的,这一点是与神经元网络存在的最大不同点,由于算法直观所以分类不需要很多时间,所以十分适用于记录故障分类和分析预测。

2.3人工神经元网络技术这是目前数据挖掘技术使用最多也是最广泛的一项技术,该项技术主要是模仿人的神经系统来建立数据库的,从而分析数据库中的数据并进行预测与分类。与上述技术不同的是,神经元网络技术在机械故障十分复杂的情况下还能够得到较为准确的预测技术,因此可以处理一些连续变量的问题,但对于高维变量数据则不适合,主要原因在于其最大的特点是不透明性,不能够就是分析结果是怎样产生的,以及产生结果的推算过程,所以神经元网络技术比较适合于较为复杂数据的分析,比如聚类模式。典型三层前馈神经网络结构如图1所示。

2.4遗传算法这种算法来自于生物进化理论,其使用的适者生存观点,也救赎常把一些任务看成一项可以搜索的问题,进行遗传算法搜索,从而得到最优解。遗传算法可以解决很多数据类型的问题,还能够同时处理不同类型的数据,但计算的时候由于使用的参数过多,不少编码问题十分困难,计算量也十分大。

3数据挖掘技术在工业优化中的应用

工业优化也分类型,根据不同的优化类型的不同要求,要采取不同的挖掘技术来实现找出问题解决的办法。一些需要解决的优化目标比较容易获得评价或者说需要优化的问题是比较容易表达的这些情况下,通常使用遗传算法进行全局搜索,这样比较方便。比如工业配方、工艺工序组成等。粗糙集方法可以用于需要学习目标值与其相关变量间的定量关系,利用技术来挖掘数据库中的目标数据间的关联规律,当然也可以利用神经网络技术来找寻目标值与数据间的模糊关系。想要确定优化目标边界,可以采用隧道映射方法。通过假定各变量目标需要优化的边界在二维空间中体现出来的是一个凸出来的多面体来包围显示的。定量预测的一个十分好的方法就是非线性回归预测,可以先利用模式识别方法来收集数据,建立数据结构,再根据相关数据确定非线性回归的方程式,最后再进行非线性回归,不过这样做会存在一个明显缺点就是要在进行非线性回归预测之前要主观确定方式公式。向外推广寻找更优化的方式在工业应用上更为有效,可以采用多种方法配合使用,形成一种比较适用于各种数据结构外推寻优的数据处理过程。

4数据挖掘技术在设备故障诊断中的实现步骤

4.1基本原理数据挖掘技术主要是利用历史数据里的设备运行记录来对现在机械设备出现故障的原因进行诊断,分析其原因并找出解决方法,并对未来可能出现的故障做出预测。机械设备故障的根本性质就是模式识别,所以对其诊断的过程也就是模式获得并匹配的过程。

4.2故障诊断的数据挖掘方法建模对机械设备故障诊断,首先要做的就是要收集与本设备相关的大量数据,不仅要有机械正常运行工作时的数据,更要有机械出现问题时产生的数据,一般现场的监控系统都存有历史数据与故障数据,而且现在的检测系统十分先进,出现故障的时候已经对此进行分类,这样数据收集的时候更加方便。进一步完成各项数据的获取并建立完整的数据库。而数据挖掘技术的目标就是要从这些杂乱无章的大量数据中找出潜藏在里面的相关规律与信息,并且提取信息特征。一般故障类型的划分,可以根据概率统计来进行,这也是现在刚出现的一种新方法。目前故障模式识别理论中比较成熟的理论是关联规则理论,这是一种利用数据间相互关联关系来达到分类的最终目的。根据相关之间的关联关系划分出类别,并对新数据进行归纳,分析故障类别,这样更快速的找到故障原因并进行解决。数据挖掘系统总体设计策略如图2所示。

5结束语

故障诊断论文范文第4篇

对R32压缩机加速寿命试验后出现的细盐状颗粒析出及电机绝缘薄膜脆化故障进行机制分析及试验研究。设计析出试验,确认细盐状颗粒的来源是电机绑扎绳,通过更换电机绑扎绳PET材料解决细盐状颗粒析出故障。电机绝缘薄膜脆化的原因是试验过程中绝缘薄膜实际工作温度超过了PET材料的极限工作温度,为保证PET绝缘薄膜的可靠性,需要控制空调系统最大制冷运行排气温度不超过115℃。

关键词

压缩机;R32;PET;细盐状颗粒;脆化;降解;温度

在世界环保的大主题下,R22最终将被淘汰,而R410A因为其高GWP值也正逐步被替代。R32具有不损害臭氧层的特质,其温室效应较R410A不明显,同时因为可燃等级较低、易获取等多种优点获得了青睐。目前R32空调压缩机(家用空调器)在澳洲、日本已达到商业化,部分东南亚地区也在推进从R22到R32的替换。在ARI550/590标准工况下,通过热力学计算可知:R32排气压力约是R22的1.6倍,排气温度比R22高20℃,比R410A高17℃。R32高排气压力和高排气温度将给压缩机带来可靠性问题。笔者主要阐述R32对压缩机电机PET材料绝缘薄膜和绑扎绳的影响。

1故障分析

1.1故障现象参照GB/T15765—2006《房间空气调节器用全封闭型电动机-压缩机》规定的压缩机加速寿命试验方法,对R32压缩机进行1000h加速寿命试验,试验过程中压缩机排气压力为4.77MPa,排气温度为115~120℃。试验后解剖压缩机发现,压缩机PET材料出现2类故障:故障一,泵体内部出现细盐状颗粒导致泵体卡死(见图1),细盐状颗粒经分析确定为PET材料;故障二,电机绝缘薄膜出现脆化(见图2)。R32压缩机故障率参见表。

1.2机制分析电机绝缘薄膜和绑扎绳材料都是PET(聚对苯二甲酸乙二醇酯)。PET是乙二醇和对苯二甲酸缩合的产物,是饱和的热塑性聚合物。PET材料含有酯基,易于在酸、碱条件下发生水解反应,高温高压下还可能发生热解。发生水解、热解等解聚反应后,PET大分子链断裂,生成端羧基和乙烯基,乙烯基进一步反应可生成端酯基和端醛基。在Tg(玻璃化温度)以上,聚合物材料分子链活动能力大大增强,体积增大,孔隙率增大,并且温度越高,分子链活动能力越强。发生热降解时,聚合物链断裂,释放出副产物,导致物理性能下降。副产物有环状聚合物,使薄膜变脆。绑扎绳和绝缘薄膜与电机绕组紧密接触,在压缩机运转过程中处于高温高压、冷冻油蒸气及气态制冷剂的恶劣环境中。冷冻油对PET有溶胀作用,同时冷冻油优先进入孔隙率较大的非晶区,这进一步增大了非晶区的孔隙率。高温高压、酸性物质存在的条件下,解聚反应发生,主要在PET表面的非晶区会产生一些分子量较低的PET,冷冻油可以溶解或者粘附这些低聚物。更重要的是PET表面的晶区(宏观上是白色颗粒),因为非晶区连接作用的消失或弱化,同时在高速制冷剂气流的不断冲刷下脱离基体。最终,压缩机排出的将是混有PET低聚物、PET小颗粒、冷冻油蒸气的制冷剂。在空调系统循环中温度较低或者拐角处,PET低聚物析出,PET小颗粒沉降,形成足以导致压缩机泵体卡死的细盐状颗粒。

2故障一分析及改进

根据上述机制分析判断细盐状颗粒为小分子PET(低聚物)。绝缘材料中小分子PET的来源主要分为2个部分:一是材料在生产、加工过程中残留的小分子PET;二是工作过程中由于环境、介质等因素的作用由聚合物PET降解为小分子PET。上述第一部分的小分子PET可通过萃取的方法从成品中检测出来,对压缩机内PET材料进行萃取试验,绑扎绳萃取率远高于绝缘薄膜,且超出企业标准要求(见表2),经改进清洗工艺后,满足要求,萃取试验结果如表2所示。此部分是PET材料固有存在的,与制冷剂特性无关,因此R32压缩机出现细盐状颗粒的来源不仅是此类。绝缘薄膜试验后无沉淀,改进前亮丝隆绑扎绳试验后冷冻油中出现沉淀物,沉淀物经过滤分离,确认为细盐状颗粒,因此判断故障一中颗粒来源是绑扎绳。采用MOLC0071A绑扎绳,试验后无沉淀,试验结果见表4。采用改进后的MOLC0071A绑扎绳,进行1000h压缩机加速寿命试验,共试验35台,均未出现故障一细盐状颗粒,验证改进方案有效。

3故障二分析及预防

目前家用空调器压缩机电机中广泛使用的PET绝缘薄膜保持机械强度的长期使用温度极限为130℃。出现绝缘薄膜脆化的3台压缩机在1000h加速寿命试验过程中平均排气温度为115℃,最高排气温度高达119.4℃。在此试验工况下,排气温度与绕组温度相差约15℃(见表5),即绝缘薄膜在试验过程中实际工作温度达到135℃,超出了PET绝缘薄膜的极限工作温度,因此出现脆化。笔者测试7种型号空调器,最大制冷工况下的最高排气温度均在110℃以下(见表6)。因此,绝缘薄膜实际工作温度不会超出PET材料的极限工作温度,目前PET绝缘薄膜可满足空调器可靠性要求。为保证绝缘薄膜不出现脆化,需要控制空调器最大制冷工况下的排气温度不超过115℃,如出现排气温度过高,则需要通过调整系统配置或采取对压缩机强制冷却的方式保证PET绝缘薄膜的可靠性或采用耐温等级更高的绝缘薄膜材料。进行压缩机加速寿命试验时,采取强制冷却的方式控制排气温度不超过115℃。

4结论

结合R32压缩机高排气压力和高排气温度的特点以及PET材料的高温降解特性,分析了可靠性试验时PET材料出现的细盐状颗粒析出及绝缘薄膜脆化2种故障,得出以下结论:1)细盐状颗粒的主要来源是绑扎绳。通过更换绑扎绳材料,解决此故障。2)绝缘薄膜脆化的原因是实际工作温度超过材料极限工作温度。保证绝缘薄膜不出现脆化的方法是空调器最大制冷工况下排气温度必须控制在115℃以下。如超出此温度,压缩机电机需要采用耐温等级更高的绝缘薄膜材料。

参考文献

故障诊断论文范文第5篇

1.1温度诊断技术机电一体化设备发生故障时,温度往往会产生异常,也就是常说的“热信号”,有些零件发出“热信号”是在产生故障之前。因此,利用这种热信号来查找设备零件的缺陷或故障,这与温度计来测量体温的作用极为相似。那么,设备检测的技术人员可以把收集到的不同部位、不同零件的温度变化情况做成图表,并根据这些数据进行分析,判断出故障零件,及时做出应对,避免不必要的损失。

1.2振动诊断技术振动诊断技术又包含了多种具体的诊断方法,它主要适用于预防性的检测,现在常用的是简易诊断仪以及精密诊断系统,二者的使用范围不同。简易诊断仪是利用便于携带的仪器,将机电一体化设备运行过程中的振动信号加以放大从而判断设备的运行是否正常。精密诊断系统,顾名思义就是经过精确的数据统计与对比计算后查找出设备故障的原因以及故障部位。

1.3铁谱剖析技术该技术现今主要广泛应用于交通运输、机械制造、冶金、采矿以及军工等行业范畴中的机电一体化设备的监测与故障诊断。当机电设备的零部件发生磨损时,磨损颗粒便会进入润滑系统中,悬浮于润滑油之上,通过对这些微小磨损颗粒的提取与研究,便可找出有关设备磨损、故障的重要信息。

2机电一体化设备故障检测原则

对于机电一体化设备进行故障监测时,要遵循一定的原则。首先,在开展故障诊断工作之间,要先对待诊断设备的结构、功能进行分析并有所了解,能够根据设备的环境及工作状态预估出故障的形式及程度,明确不同故障间的关系,以及不同故障的根源为何。其次,在进行故障检测的过程中,要遵循先机后电、先外后内的原则。先机后电指的是先对直观性较强的机械结构故障进行检查,再结合设备的特性对内部的核心元件进行检查。先外后内的原则指的是在检测时先对设备的执行元件进行排查,再逐步向驱动元件过渡。

3机电一体化设备故障诊断专家系统

机电一体化设备正朝着人工智能化和自动化的方向前进,进而出现了故障检测的专家系统。该系统由故障检测数据库系统、用户界面系统、故障分析推理系统等组成。首先将设备的故障信息(如征兆、设备的原始数据信号、设备状态等)录入数据库中,专家系统将进行在线检测与离线检测来找出设备故障,寻找恰当的解决方案。机电一体化设备故障诊断专家系统的应用不仅可以有效提高故障监测与故障排查的效率,还可以提高对于故障原因、故障类型检测的准确性,该系统在未来必然会得到广泛的推广与使用。

4结语

故障诊断论文范文第6篇

传统的基于振动分析的齿轮箱故障诊断是建立在振动响应信号平稳性的假设下进行的,这种处理方法不能有效地识别信号中包含故障信息的时变统计量。齿轮箱在振动响应信号具有较为显著的非平稳性,可以视为循环平稳信号。文章在对循环平稳信号进行理论研究的基础上,进一步研究了应用循环平稳分析对齿轮箱进行故障诊断的方法,并通过实验验证了方法的有效性。

关键词:

循环平稳;齿轮箱;故障诊断

传统的齿轮箱故障诊断使用的响应分析法是在振动响应信号为平稳信号的假设前提下实现的,由于振动响应信号(尤其是故障情况下)的非平稳特性,该方法不具备对振动信号中的时变成分的识别能力。齿轮箱的齿轮或轴承发生故障时,箱体上的振动响应信号具有循环平稳性。应用循环平稳分析方法可以有效提取故障信息,为故障定位提供可靠依据。

1循环平稳分析原理

循环平稳信号是指从一阶到某高阶统计特性都具有时变周期性的信号。循环平稳信号可以说是对非平稳信号的一种合理简化,其高阶统计特性的周期性体现了信号的循环平稳特性。对于具有循环平稳特性的非平稳信号,循环平稳分析利用循环平稳信号的高阶统计特性的周期性特点,使得对非平稳信号的处理得到了简化,在数学运算上也更加简捷。更重要的是,循环平稳分析能够更准确地提取出信号的特征信息。谱相关密度函数Sx琢(f)表示中心频率为f频移为琢的谱成份之间的相关程度。显然,循环谱密度的这种特性,使得我们可以方便地将循环平稳信号提取出来。需要注意的是,在实际工作中寻找循环频率时,需要根据经验和分析,在某个频段范围内通过搜索运算来确定。

2齿轮箱振动信号的循环平稳分析实例

齿轮箱的振动响应信号中含有各个旋转部件振动产生的周期成分以及一些随机信号成分,其统计特性具有明显的非平稳性。传统的齿轮箱故障诊断实用的相应分析法,由于其前提是假设振动响应信号是平稳的,对振动响应信号的时变统计特性不具备识别能力。

齿轮箱这类旋转机械的振动响应信号的非平稳特性,具备构成循环平稳特性的特点。齿轮或者轴承转动产生的周期性振动相互叠加在一起,通过箱体传递构成振动响应信号。当某个齿轮的一个齿或者某个轴承的某个滚珠发生较为显著的磨损时,就会表现为信号的调制现象,这种调制就表现为振动响应信号的循环平稳特性。因此,应用循环平稳分析可以有效地将表征故障的频率成分分离出来,实验所用的单级传动的齿轮箱输入轴齿轮齿数为28,输出轴齿轮齿数为36,实测电机转速为1473r/min,输入轴回转频率为24.55Hz,输出轴回转频率为19.11Hz,齿轮啮合频率为688Hz。将输出轴上的齿轮的一个齿面轻微磨损,装配好后采集运行中的齿轮箱箱体表面的振动信号,原始振动信号及其功率谱如图1所示。

故障诊断论文范文第7篇

本文介绍了发电机故障诊断的重要性和常用方法,以异步发电机的常见故障为例探讨了发电机故障诊断的关键,分析了局限发电机故障诊断技术实际应用的原因,最后提出了发电机故障诊断领域的发展方向和发展重点。

【关键词】

发电机;故障诊;实际应用

1前言

多年的事故统计表明,许多发电机事故都与电机的设计及制造质量有关。不断改进与完善发电机的设计和制造质量,改进发电机故障诊断技术,对保证电网稳定及供电安全有着重大的意义。发电机组检修的传统方法是定期检查和维修,虽能一定程度降低故障率,但因维修存在盲目性而造成很大的浪费。因此,国内大部分电厂正由传统的预防性维修逐步过渡到状态性检修。二十年以来,在发电机故障状态监测和诊断技术方面不少国内外学者都展开了研究,也在一定程度上取得了进展,各种诊断方法不断地涌现。当前,对于发电机状态监测和诊断技术的主要研究内容包括定子绕组、转子绕组及轴承等方面。本文简单介绍了发电机故障诊断技术,以异步发电机的常见故障为例探讨了发电机故障诊断的关键,总结了当前的研究情况,最后提出发电机故障诊断技术未来的研究方向和发展重点。

2发电机故障诊断方法

2.1发电机故障诊断技术简介由于发电机内部有着电、磁、绝缘、机械等互联系统的存在,其故障的原因、特征和类型也多种多样:有线性系统故障也有非线性故障;既有电气故障又有非电气故障;从故障发展速度来分,还分为突变故障和缓变故障。这些错综复杂的关系,给有效、迅速地进行发电机故障诊断带来了困难。因此,在诊断发电机故障时,一定要清楚地了解诊断对象,由于所有的故障都是根据一定的机理产生发展的,具有一定的规律,发电机故障诊断就是根据这些规律,采用丰富的操作经验、优越的检测手段、多年的设计和先进的理论研究来制作出有效的诊断软件,确定故障原因,并制定出解除故障的方案,以实现发电机故障诊断。

2.2发电机故障诊断的常用技术分析发电机故障机理可知,当发电机发生异常或故障时,其非电气量和电气量会发生相应的变化,通常都根据这些物理量的变化来判断发电机的故障类型、故障程度和故障原因。目前的发电机故障诊断技术,是对发电机故障前后的物理量的理解和总结,逐步发展起来的。当前广泛采用的故障诊断技术包括:机械诊断技术、电气诊断技术和化学诊断技术等。通常,要得到准确的诊断结果,仅靠一种故障诊断技术是无法做到的,需将多种诊断技术结合在一起。

2.3异步发电机常见故障环境的变化、过重的负载、制造工艺上的缺陷和运行条件的变化等原因会导致异步发电机发生异常或故障,常见故障有定子故障、转子故障和轴承故障。定子绕组故障是常见的定子部分故障,如相间短路、匝间短路、内部放电等,主要是由绝缘破坏而导致的故障,其中最危险和最常见的故障就是相间短路和匝间短路。定子故障诊断的常见方法有:电流高次谐波、局部放电监测、不平衡电流检测、磁通检测和定子电流负序分量检测方法等。转子故障产生的主要原因是发电机的起动次数频繁和过负荷运行,给转子部分造成了很大的压力,而在长期这种压力的影响下,转子的导条和其端环容易逐渐发生开焊或断裂。若转子部分发生故障,目前常用的诊断方法包括:定子绕组电流检测法、转速脉动检测法、磁通检测法、和温升检测法等,以定子电流检测法应用最为普遍。各种诊断方法所需的故障特征量通常淹没在各种噪音中。为了提高检测的精度,首先要对故障信号进行处理从而凸显故障特征,一般采取的预处理方法有:自适应滤波法、噪声最优抵消法、准确滤波法和希尔伯特变换方法等。由于负载过重、异物进入和缺乏润滑等原因导致的轴承表面脱落、轴承损耗、破裂和腐蚀等故障称为轴承故障。轴承部分发生故障会使发电机振动,通过分析总结轴承故障引起的振动与电流频率的相互关系可以对轴承部分故障进行诊断。由上述发电机故障诊断方法可以看出,只有掌握有效的信号处理技术才能对发电机故障进行可靠地诊断。当前故障诊断的关键在于如何基于现有故障信号测量技术和设备,有效地进行分析和处理信号,提取出可测可靠的故障特征量,从而建立对应的故障特征信息。从一定程度上可以说,是信号处理技术的不足导致了发电机故障诊断技术发展受限。目前,在故障诊断领域中,信号处理技术及其应用是一个亟待解决的问题。

3发电机故障诊断的发展方向和研究重点

发电机在电力系统中的重要性使发电机故障诊断的成为电力系统多年来的研究热点。经过多年的发展和累积,虽然对定子部分故障、转子部分故障和轴系故障不断提出了新的方法和技术,但对比电动机故障诊断和发电机故障保护领域的研究进展,发电机故障诊断距离进入到实际应用还很远。主要有三个原因导致了这样的局面:(1)作为电力系统的供电电源,发电机的各种参数、设备结构和运行工况比电动机更复杂,因此需要进行更多地研究。(2)一些学者为了研究而研究,没有对发电机现场运行情况进行更加细致地了解,没有认清发电机故障诊断的本质,造成实际应用前景不明。(3)在发电机故障诊断领域缺乏严格的理论体系。发电机故障诊断的研究对象应该侧重于定子绕组单相接地和转子绕组匝间短路等故障。分析故障和提取有效的故障特征是研究的侧重点。根据研究方法,应针对各种类型故障建立故障模型,进行仿真研究以及试验验证。因此,故障诊断技术的发展方向在于有效地提取故障特征,并进行故障分析。

4结语

本文简要介绍了发电机故障诊断技术,以异步发电机的常见故障为例介绍了目前常用的发电机故障诊断方法,并且探讨了发电机故障诊断的发展方向和研究重点。随着电力系统的不断发展和应用要求的不断提高,从理论研究和对实际应用的需求方面看,发电机故障诊断技术领域依然有很多问题值得我们进行深入研究。

参考文献:

[1]张超,夏立.交流无刷发电机故障诊断研究综述[J].湖南工业大学学报,2008,21(05):103.

[2]魏云冰.小波变换在电机故障诊断与测试中的应用研究:硕士学位论文[D].武汉:华中科技大学,2005.

故障诊断论文范文第8篇

关键词:变电站;故障诊断;定位技术

引言

现阶段,智能变电站可以实现信息采集、信息测量、信息检测等功能,同时具备一定程度的故障诊断能力。研究得知,传统诊断方式仅限于单装置设备的自我检测,局限性较大,主要表现如下:一是诊断单装置设备的故障,不能发现故障的根本原因,只能发现直接原因;二是没有集中统一的故障诊断接口和平台,使得诊断信息不能集中输出;三是故障诊断不具有系统性,是相对独立和局部的。因此,为确保智能变电站的稳定运行,要研究智能变电站的故障诊断及定位技术,及时诊断和快速精准定位,尽最大可能预防安全事故的发生。

1智能变电站故障诊断系统设计

智能变电站的故障诊断系统,主要分为三大部分:数据采集、数据分析和诊断数据结果的输出,其故障诊断技术架构,如图1所示。智能变电站的故障诊断的基础是数据采集,采集数据包括:装置设备信息、网络设备的日志、变电站内网络协议报文、信息管理库、网络管理协议等,捕获和过滤筛选网络数据、统一搜集网络设备日志,对这些信息数据进行规范化处理和分析,最后得出数据分析结果,为故障诊断提供更加有效的数据支持[1]。智能变电站的故障诊断的核心是数据的分析和诊断,变电站可以经过过程层的网络连接过程层和设备层的装置设备,在经过TCP/IP协议连接站控层和间隔层的装置设备。通过主动报文探测、网络协议自动化分析等技术,对变电站运行故障进行诊断分析。此外,数据诊断结果的输出,就是通过人机接口,将变电器运行故障信息进行可视化显示。

2智能变电站故障诊断关键技术

(1)数据采集技术智能变电站内的所有设备装置的配置信息、设备日志、网络协议报文等数据信息的采集,则需要故障诊断系统来完成,利用对网络数据信息的获取和过滤、集中统一收集和规范化的处理设备的网络日志和SNMP协议分析处理技术,从而得到较为基础的分析数据[2]。

(2)变电站网络协议分析技术依据ICE61850的标准分层框架,变电站的结构有多种分层。从逻辑层次角度讲,变电站连接变电层和间隔层设备的工具是变电层网络,变电站连接间隔层和过程层设备的工具是过程层网络,主要包括:SMV网络和GOOSE网络。有两类非常重要的信息通过过程层网络进行传输,分别为:GOOSE报文和SMV采样值报文。GOOSE报文可以对开关量进行上传,也可以下行分合闸的控制量;SMV采样值报文可以上传电流、电压交流量的采样值,所以,网络协议分析主要是分析规范报文、SMV报文、制造报文、GOOSE报文。

(3)变电站主动探测技术变电站主动探测技术主要包含:Internet控制报文协议(ICMP)包探测、站内报文测试、网络设备日志分析。ICMP包探测即是指ICMP探测报文主动被诊断系统发出,接下来分析设备的响应报文,然后对网络装置的状态进行判断。站内报文测试就是对智能变电站中的各种报文进行模拟,然后使用网络报文发射器,将测试报文发送至变电站网络,根据测试分析结果,对物理链路的连接问题、网络系统的性能问题及网络装置的配置问题进行合理的判断[3]。网络设备日志分析主要分为4个过程,分别为:日志采集、日志过滤、日志格式转换、日志解析与告警。

(4)基于SNMP的网络故障诊断技术基于SNMP的网络故障诊断技术主要由基于SNMPTrap的报文解析技术、基于SNMP的网络拓扑发现的故障分析技术和基于SNMP轮询的异常检测技术等构成。SNMP轮询就是指利用GetNextRequest,GetRequest等定时读取、捕获和被管理对象故障管理有关的当前值,同时将当前值与阀值库中设定的阀值进行对比,如果当前值超过界限时,则发出报警信号。SNMPTrap解析是指系统对Trap数据包进行接收、解析,然后获得系统开机和重启、通信链路失败并恢复正常状态、端口流量等诊断信息,有助于寻找故障原因。网络拓扑发现即是寻找网络节点并发现网络节点之间的连接关系,所谓节点就是网络中的物理装置和设备,例如:交换机、主机、路由器等,节点关系就是指网络设备之间是使用哪个接口进行连接[4]。

3智能变电站故障定位技术评价

首先,变电站的逻辑接口模型和功能层可以与变电站的拓扑结构进行有机结合,为智能变电站的故障定位技术提供链路路径[5];其次,变电站监控系统与IED信息模型和信息交相服务的模型进行结合,可有效提高智能变电站的故障定位技术保障和监控网络状态的能力;最后,通过VLAN等网络技术的应用,可进行网络组态和流程化的管理,确保对网络状况、网络路径进行实时的监视,进而实现定位网络故障,迅速寻找故障目标[6]。研究得知,智能变电站故障不是独立存在,它具有较强的关联性,如果某一台装置设备发生故障,有可能会引起与它关联装置设备的连锁失效。倘若数据的分析和诊断确定出故障,同时在其他故障区域会同时出现报警提示,因此,对变电站检修管理工作带来较大影响[7]。运用变电站故障定位技术,可有效提高故障类别的判断,故障位置定位及成因分析,通过智能化技术手段,实现变电站运行状态的科学管理,从而提高变电站检修效率和工作质量。

4结论

综上所述,本文对智能变电站的故障诊断及定位技术进行研究,提出变电站状态监测的可靠方法;充分考虑到过程层的连接关系,有效评估智能变电站的故障风险;研究得知,良好的组态接口信息和接口位置,能够快速精准的定位智能变电站的故障。在变电站故障检修过程中,具有显著效果,同时为智能变电站的故障分析和风险预警,提供有利的技术依据。

参考文献

[1]许伟国,张亮,金乃正.智能变电站网络通信状态监测与故障分析[J].浙江电力,2012(04).

[3]伊洋,胡苏凯等.智能变电站SCD文件二维校验码校验方法研究[J].电力系统保护与控制,2015,43(2).

[4]辛建波,廖志伟.基于Multi-agents的智能变电站警报处理及故障诊断系统[J].电力系统保护与控制,2011(16).

[5]王浩中,张英梅,汪文全,马振国,杨博,刘利青.基于多链路透明协议技术的智能变电站过程层组网研究[J].科学技术与工程.2015(09).

[6]陈浙.智能变电站过程层故障快速诊断与定位关键技术设计与研究[D].山东大学,2015.