时间：2023-05-30 08:56:11
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇旋转机械故障诊断，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
引言
近年来，虚拟仪器软件开发平台在机械设备领域的成功应用，对机械关键部件的人工智能化故障诊断起到推动作用。本文结合虚拟仪器设备和AIC9000转子试验仪器搭建平台，研究一套应用LabVIEW软件、MATLAB软件和EMD方法的旋转机械设备状态监测、分析系统。从实际工况出发，对设备监测故障预判有一定的指导作用。
1LabVIEW数据采集系统
试验台搭建：有AIC9000多功能转子试验台、布点8组传感器、调理信号组件和LabVIEW虚拟仪器设备。系统的程序设计基于NI-LabVIEW，实现对AIC9000转子设备及相关诊断仪器的改进设计，易于设备的升级和维护。AIC多功能转子系统和LabVIEW主机：Model:PXle-1078，PRODUCTOFMALAYSIA。
1.1搭建LabVIEW平台
将8通道传输接口与调理信号模块连接，数字采集卡、信号处理卡等模块化的PXI板卡插入虚拟仪器主机箱中，机箱连接显示器。
1.2LabVIEW软件程序设计
在程序框图窗口编程，程序汇编数据流设计包括通道设置定时设置触发设置信息采集分析设置记录设置等。数据流向即为LabVIEW软件程序执行的顺序，按箭头方向依次连接各程序框图节点，其中信号采集部分和分析部分是信号调理、振动诊断并分析等最为重要。
1.3DAQ数据采集程序
设计采用NI-DAQmx编程，常用数据采集VI有DAQmx创建虚拟通道VI、DAQmx读取VI、DAQmx写入VI、DAQmx定时VI、DAQmx触发VI、DAQmx开始任务VI、DAQmx清除任务VI等。
2经验模态分解法（EMD）
旋转机械相关的传统故障诊断方法准确度较低，结合经验猜测估计得出大概故障类型及部位。EMD方法是一种自适应较好的时频分析法，其基本思想是将原始振动信号分解成一系列IMF的组合，再根据实际需要，对各个IMF进行希尔伯特变换组成时频谱图进行分析。在虚拟程序系统的设计中，为提高故障信号的特征提取以及包络分析的准确性，应用HHT变换的EMD分解，将EMD程序以m.文件保存，并通过LabVIEW程序调用MATLAB软件的m.文件进行信号分析。
3LabVIEW系统信号分析
编程在设计系统时，结合了MATLAB软件强大的数学分析计算和图形绘制功能的优势，在LabVIEW编程时调用MAT－LAB命令。两种软件的嵌套使用强强联合，既进化了Lab－VIEW的复杂编程又发挥出了MATLAB在机械信号诊断分析方面的优势，提升计算速度。
3.1EMD的m.文件程序应用
MATlAB软件编写function函数语句functionplot_hht（x，imf，Ts）%PlottheHHT.，并在MATLAB软件中File>>Path…>>Folder，将其添加保存到MATLAB函数中。设置自适应的数据长度j和循环次数i等，结合使用for循环-if语句等实现IMF的分量提取。
3.2创建MATLAB脚本节点
程序设计使用了最为快捷的m.文件调用方法，即直接调用NI-LabVIEW2014软件中的MATLABScript节点。
3.3EMD在LabVIEW中的实现
使用本系统对AIC转子试验台进行智能分析，在齿轮箱中安装故障齿轮，针对齿轮故障产生的振动信号进行8分量的IMF分解。点蚀I和点蚀II两种故障的8组信号数据经过EMD分解的IMF1～IMF8结果；点蚀信号柱状图对比正常齿轮信号特征其故障直观、明显。
4结束语
LabVIEW平台具有有良好的扩展性，性价比较高，在科研和实际工程中得到了广泛的应用。从实际出发，根据旋转机械设备故障诊断的实际要求，构建LabVIEW软件平台，合理安装多传感器进行信号采集，运用虚拟仪器设计在线采集、分析、预测诊断。EMD方法、MATLAB软件与LabVIEW三者的结合，在诊断速度、分析准确性、程序设计的快捷性等方面都表现出了很强的优势，也将是未来的一个发展方向。
参考文献：
[1]胡劲松.面向旋转机械故障诊断的经验模态分解时频分析方法及实验研究[D].浙江大学，2003.
[2]程军圣，于德介，杨宇.EMD方法在转子局部碰摩故障诊断中的应用[J].振动、测试与诊断，2006，01:24-27+74.
[3]申永军，杨绍普，孔德顺.基于奇异值分解的欠定盲信号分离新方法及应用[J].机械工程学报，2009，45（8）：64-70.
[4]曲丽荣，等.LabVIEW、MATLAB及其混合编程技术[M].北京：机械工业出版社，2011.
【关键词】旋转机械 振动诊断 故障诊断 状态检测 齿轮
【Abstract】the running state of the rotating machinery is related to the performance of the whole machine. In this paper， the causes of the failure of rotating machinery are described， the characteristics of different types of fault vibration signals are analyzed， and the principle and operation steps of vibration diagnosis technology are discussed. Finally， the vibration fault diagnosis of a numerical control machine tool is tested. The results show that the method has certain reliability.
【Key words】rotating machineryvibration diagnosisfault diagnosiscondition detectiongear
旋转机械如发电机、压缩机、齿轮、轴承等，在各行业均有广泛应用，是各领域的关键机械设备或机械设备的关键部件。随着科技的快速发展，旋转设备朝着大型化和复杂化方向发展，一旦发生故障，损失十分严重。旋转设备通过旋转运动实现其功能，在旋转过程中会出现一些小故障，这些故障可能会引发连锁反应，进而导致整个设备发生大故障[1，2]。旋转机械在运行过程中伴有振动，当发生故障时，振动信号也会出现异常，所以对旋转机械的振动信号进行监测，能够对设备运行状态进行预测和对故障进行诊断，这有着重要的现实意义和经济价值。
1 旋转机械故障类型及振动信号特点
旋转机械因其运行特点，引起故障主要有三种原因：不平衡，不对中和因转子受损出现动静碰擦[3]。不同故障类型产生的振动信号也不相同，分析不同故障的振动信号特点，是旋转机械故障的前提。
1.1 不平衡
转型机制运行过程中，转子不平衡是普遍存在的问题。因离心惯性力存在周期性，从而对转子的激励作用力不同，就使得其难以平稳旋转。当产生此类故障时，转子的轴心轨迹呈椭圆形；振动信号的原始时间波形一般呈正弦波形；在频谱图中，基频所占比重很大，其他倍频占比重很小，谐波能量主要集中在基频。
1.2 不对中
复杂旋转机械中，往往一系列转轴，如果出现轴系对中不良，将会使各轴承的相对位置、轴系的工作状态等都发生改变，同时还会引起轴系固有振动频率的改变。当发生此类故障时，振动信号的原始时间波形会从常规的正弦波发生畸变；ω为机械的旋转频率，频谱图中常以1ω和2ω为主，故障程度越严重，2ω所占的比例就愈大，通常会超过1ω的比例；轴向振动的频谱图中，1ω幅值较大，并且振幅和相位通常较稳定。
1.3 动静碰摩
转子旋转过程中可能会局部受损，出现局部动静碰摩，并引起不规则振动，进而造成受损程度加重，导致全周动静碰摩，最终将导致机械损坏。出现此故障时，振动信号的原始时间波形也将从正弦波发生畸变；轻度局部动静碰擦时，频谱中以基频成分的幅值为主，第2、第3阶谐波幅值所占比例不高，且第2阶谐波幅值大于第3阶谐波幅值；一旦出现全周动静碰擦时，转子振动会带有亚异步成分，多为1阶固有频率，高阶谐波消失[4]。
2 旋转机械的振动诊断技术
振动诊断技术广泛应用在机械设备的状态监测和故障诊断方面，尤其对于旋转机械。振动诊断具有不停机或不解体的情况下能够实现对设备状态的监测和诊断、技术比较成熟、诊断比较准确等特点[5]。
2.1 振动诊断原理
因振动信号具有普遍性，机械设备在正常运行时振动的特征值具有一定的周期性和规律性，时域波形和频域波形都在一定范围内。当机械设备运行存在隐患或出现故障时，振动信号也会出现相应变化，通过对振动信号的监测、分析，能够判断隐患和故障的类型与程度，为制定检修方案提供可靠的依据。其常用的分析方法有：时域波形分析和频域波形分析两种[6]。
时域波形分析主要考察振动信号的时间历程，根据时域波形特征值，尤其是歪度和峭度的变化情况，对其周期性和随机性给出定性评价，从而评估出设备所处的状态，该法能够判断出90%的故障特征；频域波形分析，时域信号经傅里叶变换，将其简化为有限或无限个频率的简谐分量，在按照频率高低对各次谐波进行排列，通过观察新增的频率成分和原有频率幅值的增长情况，来判断机械设备的故障位置和程度。
2.2 诊断流程
振动诊断技术在故障诊断时，一般采取的步骤为：（1）分析机械设备易出故障的部位，确定出诊断范围并选择合理测量位置；（2）选择诊断方法，并根据所选的方法确定需要的振动传感器，如简易诊断，只需采用振动计和振动测量仪等简单仪器；（3）振动信号数据采集，开启各个传感器对机械设备的振动信号进行数据采集和存储；（4）振动信号分析，常用的分析方法有时域分析法、频域分析法、时频域分析法；（5）做出判断，将采集到的振动信号数据与正常运行时特征值进行对比分析，从而对设备存在的隐患和故障进行判断，并给出相应的维护意见。
3 旋转机械故障诊断实例
齿轮是旋转机械的重要部件，也是易发生故障的部位。本节以齿轮为例，采用振动诊断技术对其监测和诊断。
3.1 齿轮故障特点与诊断方法
当齿轮发生故障时，振动信号频率、幅值等参数都会出现异常，如上表所示，不同类型故障所对应的振动信号也不相同，尤其是边频带会增多，对各种故障边频特征进行分析，能更好地识别齿轮故障。将有效故障特征进行整合，形成故障诊断的专家知识库，专家知识库有助于提高故障诊断的自动化和智能化水平。同时再结合专业检修人员对现场采集信号的分析，能够及时、准确地对故障隐患进行预警和对已发故障进行定位和判断。
3.2 齿轮特征频率
以数控机床的主传动系统，其振动强度有增大趋势，振动烈度也有一定异常，对其进行故障诊断。该系统由两级传动构成：Ⅰ轴――Ⅱ轴――Ⅲ轴（主轴），其特征频率为：主轴额定转速为700r/min、频率为11.7Hz时，Ⅱ轴的转速为2310r/min、频率为38.5Hz，Ⅰ轴的转速为4270r/min，频率为71.2Hz；Ⅰ轴和Ⅱ轴的啮合频率为2348Hz，Ⅱ轴和Ⅲ轴的啮合频率为711Hz。
3.3 振动诊断
通过齿轮上振动信号传感器传出的数据，生成1#测试点的加速度时域波形图，见图1（a）。由图可知，该时域波形出现了明显的衰减脉冲信号，图中1、2、3点，发现时间间隔约为26ms，换算成频率约为38.5Hz，为Ⅱ轴和Ⅲ轴传动系统中齿数为20的小齿轮的旋转频率。图1（b）是其频谱图，从图中可以看出点3处有频率约为1420Hz的峰，是Ⅱ轴和Ⅲ轴啮合频率的二倍频，两边且有分布均匀的变频带，且间隔与齿数为20的小齿轮旋转频率38.5Hz一致。由此，可以判断Ⅱ轴上齿数为20的小齿轮上应有较严重的缺陷。经拆机检修，发现该齿轮已出现严重磨损和缺陷，无法继续使用，振动诊断结果与拆机检修结果一致。更换齿轮后，再次测试振动信号，无异常出现。这表明振动诊断技术，对故障诊断具有一定的可靠性。
结语
旋转机械是各行业机械设备中的关键部位，其运行状态直接影响着整个设备的性能，因此对其状态检测和故障诊断具有重要意义。旋转机械主要因不平衡、不对中和动静碰擦等几种原因发生故障，不同类型的故障伴随有不同特征的振动信号；振动诊断是通过采集旋转机械的振动信号，再用时域分析法、频域分析法、时频域分析法等方法对振动信号进行对比、分析，从而判断出其运行状态和对故障进行诊断；以某数控机床上齿轮箱为例，实例验证了振动诊断技术在对旋转机械状态检测和故障诊断上的可靠性。
参考文献
[1]罗仁泽，曹鹏，代云中等.旋转机械故障诊断理论与实现[J].仪表技术与传感器，2014，（3）：107-110.
[2]谢，史景钊，李祥付等.基于ADAMS的牛头刨床运动仿真及优化设计[J].河南科学，2014，32（2）：204-206.
[3]向家伟，崔向欢，王衍学等.轴承故障诊断的最优化随机共振方法分析[J].农业工程学报，2014，30（12）：50-53.
[4]王磊，张清华，马春燕等.基于多频谱分析的机械故障定位研究[J].组合机床与自动化加工技术，2014，（3）：78-81.
【关键词】化工设备；状态监测；故障诊断；预知维修；功率谱
【中图分类号】TQ420.5 【文献标识码】A 【文章编号】1672—5158（2012）08—0003-01
化工企业机械设备繁多，当机械设备发生故障时，以往的维修方法是当机器损坏以后再维修，即“事后维修”。这种做法由于机器损坏、停机维修时间较长，不仅经济损失大，也危及设备和人身安全。后来提出的“定期维修”，虽然能保证机器正常运行，但由于不知道机器在什么时候、什么部位发生什么样的故障，所以很难正确地确定机器的检修周期。在此基础上，提出了“预知维修”，对化工机械设备进行状态监测和故障诊断，提早预防，将隐患消除在萌芽状态。
1 化工机械设备状态监测和故障诊断
1.1 状态监测和故障诊断包含内容
一是对设备的运行状态进行监测；二是在发现异常后对设备的故障进行分析诊断。状态监测的主要方法有趋势监测和状态检查。趋势监测是连续地或有规律地对机器有关参数进行测量和分析，确定机器的运行趋势和状况，提出机器劣化停机的预防时间。要选择最敏感的特征信息，振动和噪声能实时地、直观地、精确地显示出机器的动态特性及其变化过程，测试方法简便易行，并且对它们也很敏感。所以振动信号谱分析技术已成为对机器进行状态监测和诊断的主要方法。
1.2 故障诊断技术的分类
故障诊断技术可分为简易诊断和精密诊断。简易诊断就是使用简单便携的点检仪器或专用仪器，对机器的状态参数进行监测并作出初步的判断；精密诊断就是运用如频谱分析仪及其他一些计算机支持的仪器对监测到的信号进行数据处理分析，从而确定机器发生异常的原因、部位、程度及发展趋势等，并决定应采取的对策。
2 设备状态监测和故障诊断运用的主要技术
2.1 电子和计算技术
一些专用仪器和一些新的信号的拾取、分析及处理的方法基于该两项技术。
2.2 声、振测试和分析技术
机器设备运行状态的好坏与机器的振动有着直接的联系，它是目前状态监测和故障诊断技术中应用最广泛、最普遍的技术之一，且已取得较好的效果。
2.3 测温技术
温度的测试技术，尤其是适合于在线、非接触式、远距测试的红外测温技术的运用较为普遍，被测点的温度数值可以直接读出、因而在利用温度对设备进行诊断能起到立竿见影的效果。
2.4 油液分析技术
磨损、疲劳和腐蚀是机械零件失效的三种主要形式和原因。而其中磨损失效约占80%左右，由于油液分析对磨损监测的灵敏性和有效性，因此这种方法在状态监测和故障诊断中日益显示其重要地位。
2.5 无损检测技术
该技术是一门独立的技术，被引进到状态监测和故障诊断技术中。如超声及射线探伤，磁粉、着色渗透的表面裂纹探伤及声发射探伤等技术被用来对大型固定或运动着的装置进行监测和诊断已越来越受到人们的重视。
3 振动信号的概念与处理方法
3.1 振动信号的概念
振动是指物体在平衡位置上作往复运动的现象。最简单的就是简谐振动，简谐振动可以用正弦曲线或余弦曲线来表示。非确定性信号是指不能用数学关系式描述的信号，也无法预知其将来的幅值，又称为随机信号。在工程实践中，采集到的几乎全部是随机信号。
3.2 随机信号的分析和处理方法
主要有时域分析、频域分析。常常采用倒频谱分析法，与时域分析相比，它在频率分辨方面大大提高了灵敏度。倒频谱分析可以使信号中较低的幅值分量得到较高的增强，可以清楚地识别信号的组成，突出感兴趣的周期成分，并且能清楚地分离边带信号和谐波。使用倒频谱分析能够清楚地检测和分离出这些周期信号。
3.3 信号处理的要求
一是处理的快速性，二是高的分辨率。对信号处理的高分辨率的要求是来自于设备结构的复杂化和工作转速的日益提高。研究任意频带的频率分析技术，即细化分析技术，是应用最广泛的是复调制FFT（快速傅氏变换）方法，它是一项最为有效地提高频率分辨率的实用技术。
4 化工机械设备故障诊断
化工机械设备种类繁多，如汽轮机、压缩机、泵、风机、电动机、粉碎机、膨胀机等，统称为旋转机械。旋转机械故障的诊断，首先要根据各种故障发生的机理，寻找其特有的症状及敏感参数。
4.1 故障的简易诊断方法
简易诊断方法就是采用一些便携式测振仪拾取信号，并直接由信号的某些参数或统计量构成诊断指标，根据对诊断指标的分析以判定设备是正常或是异常，主要是用于设备状态监测中。正确地拾取信号是进行设备诊断的基础或先决条件，因此需正确处理好以下几个问题。
正确选择测量方式和测量参数振动信号的采集有两种测量方式，一种是离线测量，即采集信号和分析数据是分别进行的。测量参数的选择除了根据频率范围外，还应同时考虑所采用的传感器及判断标准等。例如采用涡流传感器进行轴心轨迹分析时，就要选择输出位移。采用国际标准进行振动等级评判时就必须输出速度。
合理布置测点。因轴承是反映诊断信息最集中和最敏感的部位，主要测点应布置在的轴承部位。遵循原则：即每次测量要在同一测点进行，还要保持测量时设备的工况、测量的参数和使用的仪器和测量的方法相同，这样才能保证每次所测数据的真实性和相互可比性。
选定合适的测量周期。测量周期是指每次采集信号的间隔时间。它与机器的类型及故障发展的速度有关。而一般低速旋转机械或与磨损有关的故障，则可以采用较长的测量周期，但是一旦发现故障进展较快时，就应缩短测量周期。
4.2 齿轮故障诊断方法
由于齿轮传动具有结构紧凑、效率高、寿命长、工作可靠和维修方便等特点。功率谱一般有三种频率结构，分别对应于不同的原因。正常运行的齿轮的功率谱中一般可能同时有这三种频率结构。随着齿轮故障的产生，其线状谱部分的幅值会上升。线状谱，主要产生原因是齿轮的啮合频率及其谐波；山状谱，主要产生原因是结构共振如齿轮轴横向振动固有频率；随机谱，主要产生原因是随机振动信号。
5 结语
功率谱分析作为目前振动监测和故障诊断中应用最广的信号处理技术，它对齿轮的大面积磨损、点蚀等均匀故障有比较明显的分析效果，但对齿轮的早期故障和局部故障不敏感。旋转机械故障的诊断，不仅把测得的振动信号进行各种数据处理和分析，还要对振动的方向和位置、对机器的工作参数（如转速、载荷、压力、流量、油温度及环境温度等）的敏感特征进行识别。
参考文献
[1]刘军.化工机械设备状态的诊断与分析[J].中国新技术新产品.2011.10
关键词：故障诊断；类间可分性判据；K近邻分类器
中图分类号：TH165 文献标识码：A 文章编号：1671-2064（2017）11-0081-02
滚动轴承作为旋转机械的核心应用部件，其工作质量的好坏将会对整台设备产生重要影响[1]。据统计，旋转机械中的故障大部分是由滚动轴承引起的。因此，开展滚动轴承的故障诊断意义重大。
在进行滚动轴承故障诊断时，为了获取较高的诊断精度，就必须获取尽可能多的故障信息，此时基于时域、频域及时频域的故障特征提取就具有较强优势[2]。但是该方法在获得敏感信息的同时也势必会引入大量的干扰特征。因此如何获取敏感信息的特征选择问题已成为滚动轴承故障诊断的重要研究方向，如Kappaganthu等人[3]利用互信息算法滚动轴承的时域、频域和时频域特征进行敏感性评估，基于神经网络分类器识别结果表明这些敏感特征能有效识别出轴承内圈和外圈故障；雷亚国等人[4]提出一种改进的距离评估技术，该方法能够从大量原始特征集中剔除不相关特征、保留敏感特征，从而有效提升了自适应神经模糊推理系统的诊断精度。江丽[5]提出了边界Fisher分析分值，该方法剔除了原始特征集中的不相关及冗余特征，得到的敏感特征子集大大支持向量机的诊断性能。这些研究成果为特征选择算法在滚动故障诊断中的应用开辟了新的思路。
基于上述分析，本文以滚动轴承典型故障状态为研究对象，提出基于类间可分性算法和K近邻分类器（KNNC）的故障诊断方法，对描述滚动轴承运行状态的敏感特征集的构造以及解决故障划分问题的方法进行探讨。欲为基于数据驱动方法实现滚动轴承故障诊断，提供参考依据。
1 基本算法
1.1 类间可分性算法
对于输入空间的数据X={xi|i=1，2，…，n；xi∈Rd}，类别属性Cf∈（1，2，…，e）。类间可分性算法首先求解每个特征的总类内离差矩阵Sw和总类间离差矩阵Sb见式（1）和（2）。然后通过Sb和Sw的比值得出每个特征的可分性指标J见式（3）
式中：g（h）为总体样本X的第h维特征的均值；pi为Xc∈X的频率。
1.2 K近邻分类器
KNNC作为一种非参数分类方法，以其简单直观，分类特性好，时效性强等优点[6]，在故障诊断方面得到了广泛应用[7-8]。
设输入空间的数据集为X={xi|i=1，2，…，n；xi∈Rd}，类别属性Cf∈（1，2，…，e），KNNC首先基于欧氏距离选取与测试样本xi最近的k个训练样本xj见式（4）
2 基于类间可分性和KNNC的滚动故障诊断方法设计
基于类间可分性和KNNC的故障诊断方法流程见图1，具体步骤如下：
Step1：对消噪后的滚动轴承振动信号按表1进行故障特征提取。
Step2：将故障特征集随机分成训练样本及测试样本。首先应用类间可分性算法对训练样本特征集进行特征评估得到每个特征的分类敏感度，将特征按敏感度降序排列。然后将特征按敏感度大小输入KNNC得到识别正确率，直到满足终止条件（a.诊断精度达到100%；b.完成循环后取得最高识别正确率所对应的特征数）。
3 实验验证
本文数据来源于美国凯斯西储大学电气工程实验室的滚动轴承实验数据[9]。轴承型号为SKF公司的6205-RS深沟球轴承，内径为25mm，外径为52mm，厚度为15mm。在采样频率为48kHZ，转速为1750r/min情况下，通过轴承座上的加速度传感器拾取振动信号。本文以采样频率0.1s的采样个数为一组，分别测取损伤尺寸为0.1778mm的轴承外圈、轴承内圈、滚动体故障及正常状态下的振动信号各100组，以其中的20组作为训练样本，剩余的80组样本作测试样本。
按照节3所示的故障诊断流程，得出基于类间可分性对每个特征的敏感度评估见图2。按照敏感度将特征集按降序排列，并将特征依次输入加权KNNC识别测试样本的分类精度，由于输入完所有特征后都没有得到最优分类精度100%，因此根据第二个终止条件，得出敏感度最高的15个特征得到最佳分类正确率98.75%（见故障类别的识别率见表2），此时选择出的敏感特征见图2。
为了验证类间可分性特征选择的效果，本文将原始特征集输入了KNNC得到的识别结果见表2。从表2中可以看出，基于类间可分性判据特征选择的敏感特征要明显优于只将原始特征导入KNNC，这是因为原始特征集的无用故障信息对故障分类进行了干扰。
4 结语
（1）基于时域、频域及时频域的特征提取能较好的反映故障特征的基本信息。
（2）类间可分性算法能够给故障特征给出最为合适的评价。
（3）基于类间可分性算法和KNNC的故障诊断方法能有效提升敏感特征在分类中的作用，有效实现了滚动轴承不同类型的故障诊断。
参考文献
[1]褚福磊，彭志科，冯志鹏，等.机械故障诊断中的现代信号处理方法[M].北京：科学出版社.2009.
[2]王雪冬.赵荣珍.邓林峰.基于KSLPP与RWKNN的旋转机械故障诊断[J].振动与冲击，2016，35（8）：219-223.
[3]K. Kappaganthu， C. Nataraj. Feature Selection for Fault Detection in Rolling Element Bearings Using Mutual Information[J]. Journal of Vibration and Acoustics-Transactions of The ASME，2011，133（6）.
[4]雷亚国，何正嘉，訾艳阳.基于混合智能新模型的故障诊断[J].机械工程学报，2008，44（7）：112-117.
[5]江丽.基于流形学习的智能诊断方法研究[D].博士学位论文，武汉：华中科技大学，2013.
[6]胡智，段礼祥，张来斌.优化KNNC算法在滚动轴承故障模式识别中应用[J].振动与冲击，2013，32（22）：85-87.
关键词：离心风机；故障诊断；小波变化
Abstract： Abnormal vibration is the main form of centrifugal fan failure， affecting the production when vibrating seriously. Many causes lead to vibration of the fan. Based on the analysis of vibration fault of centrifugal fan with the method of wavelet transformation，the article summarize the main causes of vibtation of centrifugal fan，making themaintenance of fault point easier.
Key words ： Centrifugal fan， fault diagnosis，wavelet transform
0.前言
现代大型机组的安全运营越来越受到业内的重视，而故障特征的提取和分类又是振动故障诊断技术中的关键问题。离心风机非正常振动是风机隐患的最显著表现，也是事故发生的先兆。本文通过小波变化的诊断方法对非平稳信号分析，分解出时间与尺度平台，使其时间、频率局部化信息充分表现出来，探索出振动故障解决的方法，取得显著效果。
1.小波分析方法介绍
1.1小波分析方法
小波分析方法是在时域、频域内对信号进行分析处理，更好的反应信号的本质特征。时域和频率构成了观察信号的两种方法，基于Fourier变换的信号频域表示及其能力的频域分布揭示了信号在频域的特征，它在传统的信号分析与处理中发挥了极其重要的作用。为了分析和处理非平稳信号，通过Fourier的变化推广，对信号实现时间-频率的联合描述，接下来简单介绍小波变换分析方法。
2.2故障原因分析
小波变换既保持了傅里叶变换的优点，又加入时频分析过程。通过对上述信号频率采用逐步精细的时域或频域取样步骤，从而聚焦到信号的细节，进行多分辨率的时频分析，小波分解后，相对频率可以看出系统异常点的出现频率，重构细节的信息及近似信号，反应出故障振动信号的特征，通过时频图分析出振动的故障发生点：
（1）轴承运时，内圈、外圈滚道表面及滚动体表面的损伤引起振动和噪声；
（2）滚动体在这些凹凸面上转动，产生交变的激振力引起设备的振动；
（3）滚动体的尺寸大小不一造成轴承振动；
（4）轴的弯曲导致轴承偏移，转动时产生的振动；
（5）安装过程中轴承游隙过大或滚道偏心时引起轴承的振动；
3.振动故障处理
3.1更换轴承，紧固轴承座，保证轴与孔的定位
拆卸轴承后，轴承内外圈有鱼鳞状的点蚀小坑，滚动体脱出保持架。对损坏的轴承进行更换并调整轴承座，重新组装在原来的位置，以免产生新的不平衡。另外，如果导致的振动与机器或结构的某些部件产生共振，可能造成更严重的振动，为了防止这类误差，从平衡轴拆下转子时在孔与轴接触点做标记，安装时在水平放置的轴上滑动转子，直到标记处相对时，在这个位置卡紧。
3.2叶轮安装
安装叶轮前使用磁粉探伤检查叶片裂纹及伤痕，更换破损的叶片与原叶片材料一致。装配叶片时将叶片逐个过称，将质量最小的叶片，放在叶轮圆盘的对称位置上，减少叶轮的不平衡度。
3.3联轴器装配
连轴器安装不对中相当于对该转子施加了一个不平衡的负荷。因此，半连轴器与轴头的配合紧密，高速转子的轴头配合接触面需保证大于80%，并保证其端面与中心线的垂直度。
4.结论
按照上述方案维修后对同一点A进行振动测试，并对数据进行小波分析，处理后故障特征频率消失如图6所示。
本文通过运用小波变换对离心风机的振动故障进行分析，实现风机转子组件的平衡及对中，在安装过程中严格执行作业标准，减少了停机时间，优化维修资源，使之达到技术要求。今后的维修过程中，我们将结合小波变换诊断技术对离心风机振动轴心进行准确、有效的诊断。
参考文献：
[1]张博，王凯，马高杰，吉利.小波变换及Hilbert-Huang变换在转子系统故障诊断中的应用[J].机床与液压，2009，37（06）：234-237
[2]于芙蓉，王淑芳.小波变换在振动故障信号仿真研究中的应用[J].机床与液压，2008，36（7）：252-255
[3]张正松等编著.旋转机械振动监测及故障诊断[M].机械工业出版社，1991.
【关键词】引风机；振动故障；诊断
中图分类号：O324 文献标识码：A 文章编号：
前言
文章对风机振动的类型、故障概述及诊断思路做了详细的介绍，并通过对引风机振动故障的分析，并结合自身实践经验和相关理论知识，对引风机振动故障预防措施进行了探讨，并分享了诊断过程中的一些心得。
二、引风机振动故障概述
引风机是发电设备的三大风机之一，引风机运行中出现的各种问题，造成机组降低负荷，甚至被迫停机的现象时有发生，直接影响炭素公司的安全生产。引风机运行中的故障特征有振动、温度、噪声、油中的磨粒和形态、扭矩、扭振等，每个特征都从各自不同的角度反映运行的状态，但由于现场条件和测试手段所限，有些特征的提取和分析不易实现，有些特征反映的情况不敏感。相对而言，引风机的振动信号中含有设备运行工况的丰富信息，这些信息在振动的相位和谱图中有所体现，从而可以推断出振动的原因。
三、风机振动的类型
从振动诊断的角度来看，风机具有以下特点：1.引风机是一种旋转机械因而有不平衡、不对中之类的故障；2.风机是一种流体机械有旋转失速、喘振存在的可能性；3.风机受工作环境的影响，经常造成叶片的磨损，输入的介质还可能粘附在转子上形成随机变化的不平衡；4.风机由电机驱动，可能存在电磁振动。基于上述特点，风机的振动可归结为8种类型，见下图。
四、引风机振动故障诊断的思路
随着故障诊断工作的深入，此次对风机的故障诊断彻底摆脱了传统观念，避免了解体检查直观寻找故障的现象，同时也抛弃了目前人们常用的反向推理方法，而是采用正向推理的方法，避免诊断结果不肯定、产生漏诊和误诊的现象。使用正向推理诊断故障必须明确诊断故障范围，在能够引起风机振动故障的全部原因中与风机实际存在的振动特征、故障历史，进行搜索、比较、分析，采取逐个排除的方法，剩下不能排除的故障即为诊断结果。这一诊断结果包括两个方面：1.当只有一个故障不能排除时，它是引起振动故障的原因；2.当还剩下两个以上故障不能排除时，这些故障都是振动的可能原因，需要进一步试验，排除其中无关的故障。
五、引风机的振动分析与故障诊断
对引风机的故障诊断，采用正向推理的方法，即在能够引起引风机振动故障的全部原因中与引风机实际存在的振动特征、故障历史，进行搜索、比较、分析，采取逐个排除的方法，剩下不能排除的故障即为诊断结果。
1．轴承座动刚度的检测与分析
影响轴承座动刚度的因素有连接刚度、共振和结构刚度。通过检测认为动态下连接部件之间的紧密程度良好、基础牢固；引风机的转速为740r／min，远远低于共振转速；引风机为运行多年的老设备，结构刚度不存在什么问题。因此，引风机轴承座动刚度没问题，可以排除风机转速接近临界转速和基础不牢的故障。
2．气流激振试验
利用调阀门开度对引风机进行气流激振试验，在阀门开度O％、25％、5o％、75％和100％的工况下，对各轴承的水平、垂直、轴向振动进行测试，目的是判别引风机是否是由喘振引起的，但测量结果表明引风机振动与阀门的开度大小无关；喘振引起的振动是高频，振动方向为径向，从频谱上也未发现高频振动，且引风机的振动主要表现在轴向。因此，引风机的振动不是由于喘振引起的。
3．电机的启停试验
将简易测振表的传感器置于电机地脚上，若在启动电机的瞬间，测振表的数值即刻上升到最大值；或在电机断电后，数值迅速下降到零，则属于电磁振动。通过测试，振动随转速的升高而逐渐增大，随转速的降低而逐渐下降。因此，引风机的振动不属于电磁振动。
4.叶片磨损引起振动超标及处理办法
引风机中最常见的情况是磨损，磨损会导致引风机的振动在正常运营过程中逐渐升高。这种情况通常就是因为叶片磨损，引起动平衡被破坏后产生的。解决这种办法的一般做法是在停机后做现场动平衡实验配平。风机进行动平衡试验的方法步骤如下：第一步，在机壳喉舌径向对着叶轮处增加一个手孔门，因为这个地方距离叶轮外圆边缘最近，操作员在风机外边对其内部进行操作；第二步，在振动发生后把风机停下，把手孔门启开，在机壳外对叶轮进行配重，通过“三点法”或“四点法”找到质量不平衡点；第三步，找到不平衡点后，计算不平衡质量并在该处增加或减少相应的质量。
六、引风机振动故障预防的措施（1.石油焦选择:焦油含量超标、水分过大。2.叶轮上面粘接石油焦油、尘垢怎样预防？……）
1.原材料的选择
主要考察材料性质、集料颗粒形态、破碎颗粒含量、软质颗粒含量、扁平颗粒含量、石油焦是否合格、稳定等，对于一些小的炼油厂，其用过滤器是否标准，用过滤器是否维修及时更换等。这些都是保证石油焦焦油含量的有效保证。
2.原料库建设
①堆积场地要硬化，避免泥土混入和尘土污染，影响集料粘结能力。②各种级配集料分开堆放，要有清晰的界限，避免集料混杂。③各种集料堆积时要分层堆集，避免集料离析。④不同原料之间要用一定的隔挡挡开，避免装料时不同级配集料混杂。⑤料库房顶最好做好防水，避免雨水淋湿，含水量相差较大，影响石油焦用量有差别。同时又要避免集料结块，大集料出现架桥现象导致出料不均匀而造成混合料不均匀。
3.试验工作
试验工作是关键，是质量的保证，为保证石油焦质量，防止出现焦油含量现象，除正常试验工作，试验还需要注意：①生产配合比选择方面，根据马歇尔试验结果，焦油含量可选择下限，实践表明，尽管试验时双面各击75次，但击实功均不如现场压实效果。也就是说现场压实度，往往超出试验密实度，如果仍使室内沥青用量，势必偏高，形成泛油并降低沥青砼强度。②天然砂用量方面要控制，不要为了某项指标而加大砂用量。③选用适当的矿粉用量，多用则会消耗过多的沥青，过少则达不到增强沥青与集料粘结力的目的。④施工过程中质量检测标准，应尽量以配合比设计时的马歇尔标准，而不应以当天的马歇尔试验数据为标准，避免不合格材料和不合格砼用于工程，同时也便于及时发现施工过程混合料变化，因为配合比设计时的马歇尔试验标准才是合格的标准。
七、引风机振动故障诊断的几点体会
1.引风机振动故障原因确认，不能单凭耳听声源来判定故障点，不能匆忙草率，而必须通过细致地检查、试验，综合分析，再下结论。
2.当引风机发生振动时，通常应首先检查机壳、轴承座与支架(垫铁)、轴承座与轴承盖等连接墚栓是否松动；轴承座油位，轴承温升是否正常；风机进、出口烟道支架安装情况；基础的刚度是否足够、牢固；风机轴与电机轴是否平行。然后检查：叶片上有否积灰、积垢、磨损、叶轮变形、轴弯曲、叶轮轴盘孔与轴、叶轮铆钉是否松动以及机壳或进口聚流器与叶轮是否摩擦。
为更有效地预防风机轴承烧毁，在风机的设计上应考虑在轴承箱轴承处设置温度计，因为轴承温升异常，在冬季不易按时查出。
结束语
引风机在发电设备中的作用不言而喻，为减少引风机振动故障，应该在引风机的质量上下工夫，提高制造工艺，尽可能的避免制造中的漏洞，这样才是更好的选择。
参考文献：
[1]夏松波．旋转机械不对中故障研究综述[J]．振动、测试与诊断，1998，18(3)：157—161．
[2]施维新．汽轮发电机组振动及事故[M]．北京：中国电力出版社，1998．
关键词：机械故障；技术状态；形成过程；特性分析
Abstract: this paper through the data access and combined with work experience, this paper firstly probes the machinery used the change of state and technology knowledge, and then analyzes the general process of the formation of the mechanical fault, the characteristics of mechanical rules analysis, with some theoretical value and guidance, for reference.
Keywords: mechanical failure; Technical state; The formation process; Characteristic analysis
中图分类号：U226.8+1文献标识码：A 文章编号：
在机械的设计与使用中，如何有效地预防、控制和排除各种故障，发挥机械的最大功效一直是人们研究的重要课题。本文浅述了机械技术状态的变化及其故障形成的一般过程，分析了机械故障的基本特性，对排除机械故障、保障机械的可靠性具有一定的指导意义。
1机械使用与技术状态的变化
机械在使用中受到各种能量的作用，这些能量的作用主要包括：①周围介质能量的作用，包括执行任务的操作人员、修理人员和环境条件的作用；②与机械运转以及各机构工作有关的内部能源，如各种载荷、振动、温度等；③在制造和装配中集聚在机械材料和零部件内的潜伏能量（铸件的内应力和装配内应力）。这些能量主要以机械能、热能、化学能的形式存在，当能量达到一定数值时，将导致有害过程的出现，引起机械零部件初始性能和状态的变化，当配合副以一定的动力和速度运动时，相互将产生有害摩擦，摩擦的结果将导致配合副出现磨损，使配合副的运动发生变化。可见随着有害过程的发展，首先将使零部件出现磨损、变形、裂纹、疲劳、腐蚀等损伤现象。损伤的出现使机械零部件的结构参数（如尺寸公差、形位公差、配合间隙等）发生变化，结构参数的变化又会导致机械功能输出参数（如机械的输出功率、速度等）发生变化。随着损伤程度的进一步扩大，机械零部件的结构参数逐渐超出允许值。若机械零部件的结构参数超出允许值，而功能输出参数并未超出允许极限范围，则认为机械出现了潜在故障，对应状态为失常状态，此时应通过维护进行消除；若结构参数和功能输出参数均超出允许值，则认为机械发生了功能故障，对应状态为故障状态，此时应通过修理排除相应的故障；若机械经过长时间使用后，其主要零部件的结构参数都达到极限值，且系统功能输出参数严重超限，使用的经济性明显下降，此时机械处于极限技术状态，需要进行大修或更新。机械技术状态特征如表1所示，技术状态的变化过程如图1所示。
表1 机构技术状态特征
图1机械技术状态的变化过程
2机械故障形成的一般过程
如上所述，机械在使用中受到各种有害作用后，将首先导致零部件出现损伤，损伤又影响机械的输出参数，使其发生变化。若机械输出参数随时间变化的规律用X（t）表示，损伤程度随时间的变化用U（t）表示，则X（t）与U（t）之间的变化可能是一致的，也可能有很大区别，因为其间存在着反映机械产品结构、用途和作用原理的X＝f（U（t））的过渡关系。此外，损伤同产品材料发生的物理现象有关，而输出参数变化仅仅反映了产品自身的宏观变化过程。机械经过一个随机的工作时间间隔后，其参数达到极限允许值Xmax，则会发生故障。图2表示机械故障形成的一般过程。
图2 机械故障形成的一般过程
开始时，输出参数f（a）相对其数学期望值a0有一离散程度，该离散程度与机械初始指标的离散度以及使用条件的变化程度有关。然后，在使用过程中，随着使用时间的增长，机械输出参数的劣化就表现为缓慢进行的过程，例如磨损等，这正是零件磨损导致机械性能改变的典型过程。在一般情况下，可能经过某段时间T间隔后，参数的变化就开始了，时间T间隔是一个与损伤的积累（如疲劳）或外因作用有关的随机量，它也具有一定的离散性。
参数X的变化过程同样也是随机的，它与机械各个零部件的损伤变化有关，机械输出参数的劣化速度Vx为各零部件磨损速度V1，V2，……，Vk的函数，即
Vx＝dx/dt＝f（V1，V2，……，Vk）
3机械故障的特性分析
机械故障是与磨损、腐蚀、疲劳、老化等机理分不开的，根据机械故障形成的一般过程，机械故障主要有以下特性：
（1）潜在性。机械在使用中会出现各种损伤，损伤引起零部件结构参数发生变化，当损伤发展到使零部件结构参数超出允许值时，机械即出现潜在故障。由于机械设计存在一定的裕度（安全系数），因此即使某些零部件的结构参数超出允许值，机械的功能输出参数仍在允许的范围内，亦即机械并未发生功能故障。从潜在故障发展到功能故障一般应有较长的时间，因为通过、清洁、紧固、调整等手段，可以消除或减缓损伤的发展，使潜在故障得到一定程度的控制甚至消除。
（2）渐发性。由于磨损、腐蚀、疲劳、老化等过程的发生与时间关系密切，因此机械故障的发生多半与时间有关。在使用中，机械损伤是逐步产生的，零部件的结构参数也是缓慢变化的，机械性能参数也是逐渐恶化的，所以绝大多数故障可以事先进行测试和监控。故障发生的概率与机械运转的时间有关，机械使用时间越长，发生故障的概率就越大。故障的渐发性使机械的多数故障可以预防，故障诊断、视情维修就是建立在这一基础上的。
（3）耗损性。机械磨损、腐蚀、疲劳、老化等过程伴随着能量与质量的变化，其过程是不可逆转的，表现为机械老化程度逐步加剧，故障越来越多。随着使用时间的增加，局部故障的排除虽然能恢复机械的性能，但机械的故障率仍会不断上升，新的故障将不断出现。同时损伤的消除也是不完全性的，维修不可能使机械的性能恢复到使用前的状态。机械故障的耗损性决定了机械维修级别与深度的差异，同时机械故障分布模型也不能简单用指数分布来描述。
例如公司机加工车间的横剪机是由太原机械厂制造的，飞剪的厚度性能参数是0.3～4.0mm，在生产1系、3系产品使用了1年多后，发现在剪切牌号1060、厚度为0.6mm的铝板带时，剪出来的铝板带两头有毛刺现象，经加强剪刀，效果还是不好。公司考虑到机械故障的潜在性与渐发性，利用测量仪器塞尺测量飞剪剪刀的间隙，结果发现剪刀间隙对0.6mm的铝板带偏大，后对剪刀间隙进行了调整，同时加强对飞剪剪刀的，产品毛刺现象消除了。半年多的生产运转后，毛刺现象又出现了，经查看是剪刀剪刃有缺口，公司考虑到机械故障的渐发性与耗损性，及时替换了剪刀刀片，生产运行恢复正常。
（4）模糊性。机械使用中，由于受到各种环境条件的影响，其损伤与输出参数的变化都具有一定的随机性与分散性，同时，由于材料与制造等因素的影响，机械的各种极限值、初始值也具有不同的分布同一机械，在不同的使用环境下，输出参数随时间也具有不同的分布，从而导致参数变化及故障判别标准都具有一定的分散性，使机械故障的发生与判别标准都具有一定的模糊性。机械故障的模糊性给机械故障的诊断与判别增加了一定的难度，这也说明机械故障的研究必须宏观与微观相结合。
（5）多样性。机械使用中，由于磨损、腐蚀、疲劳、老化过程的同时作用，同一零部件往往存在多种故障机理，产生多种故障模式，如轴的弯曲变形、磨损、疲劳断裂等。这些故障不仅故障机理与表现形式不同，而且分布模型及在各级的影响程度也不同，使故障呈现出多样性。机械故障的多样性要求对故障按不同机理与模式分别进行研究。
结语
机械故障原因非常之多，不能在此一一述及，关键是要善于总结，如能掌握有效的故障分析方法，结合机械的结构特点，对故障进行分类处理，那么在故障的判断处理中就可收到事半功倍的效果。
参考文献：
【1】刘成武.机械自动变速器机械故障诊断决策研究[J]. 湖北汽车工业学院学报,2011(2)
【关键词】EMD 振动信号解调 齿轮箱
1 前言
分析汽车故障汽车齿轮箱的异常振动信号可以确定汽车变速器是否发生故障及故障部位。在汽车变速器这种典型的旋转机械故障齿轮箱故障诊断中，解调分析技术具有其他方法不可替代的作用，但因实际振动信号复杂且干扰信号众多，传统的振动信号解调及滤波技术受很多干扰频率影响，并不能有效地分离特征频率。1996年，美籍华人Norden E.Huang创立了针对非平稳信号分析的Hilbert-Huang变换的新方法。这一方法提出将信号基于由其本身局部特征确定的本征模函数的经验模态分解EMD，它在信号特征频率的去噪及提取上取得了良好的效果[4]。
2 经验模态分解（EMD）与振动信号解调技术
图1为经验模态分解EMD算法：原始信号减去包络均值，即可得到一个新的数据序列，判断该序列是否满足本征模函数的条件，如果满足，则该序列就是一个本征模函数，本次迭代过程结束，否则，重复上述过程，直到得到一个数据序列满足迭代结束的判别条件为止。
am或bm包含了非常重要的齿轮箱故障信息，其振动信号表现为以齿轮啮合频率为载波频率，以故障齿轮所在轴的转频为调制频率的调制现象，通过利用滤波技术及解调技术[2]解调出故障齿轮所在轴的转频，即可判定出齿轮箱故障位置。
3 实验原理与信号分析结论
实验工况：SG135-2变速器输入轴转速为600r/min，载荷75NM，轴转频：10 Hz（输入轴），13.06Hz（输出轴）。
1.如图1所示，齿轮箱发生断齿故障时频域的能量都很大，原因是发生故障时振动信号剧烈很多。
2.如图2所示，采用传统滤波解调技术能提取出故障特征信息：即故障5档齿轮所在轴转频13.2Hz及其倍频66.2Hz，79.3Hz，但有很多干扰噪声频率存在：92.8Hz，75.0Hz，74.2Hz，68.8Hz。
3.如图3所示，采用EMD分解加传统的滤波解调频谱不仅成功提取出故障信息：故障5档齿轮所在轴转频13.28Hz及其倍频65.98Hz，78.75Hz，其它干扰频率及噪声消失了，这是因为EMD信号分解技术在去噪方面得天独厚的优势。
参考文献
[1]丁康，李巍华，朱小勇.齿轮及齿轮箱故障诊断实用技术[M].北京： 机械工业出版社，2005.
[2]丁康，米林，王志杰.解调分析在故障诊断中应用的局限性问题[J].振动工程学报，1997.
[3]Huang，N.E， Shen， Z.，Long，S.R.，etc. The pirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. The Rayal Society，1998.
[4]李卿，张国平，刘洋.基于EMD的拉曼光谱去噪方法研究[J].光谱学与光谱分析，2009（01）.
[5]陈克兴等主编.设备状态监测与故障诊断技术.北京：机械工业出版社，1991.
[6]何岭松，杨叔子.包络检波的数字滤波算法[J].振动工程学报，1997.
[关键词]振动监测，参数诊断，冷冻机。
中图分类号：P618.21 文献标识码：A 文章编号：1009-914X（2014）10-0376-01
冷冻机属于旋转机械，其状态监测最成熟有效的方法是振动监测，人们可以通过对旋转机械设备的振动监测，来分析判断机械设备的运行状态，并在此基础上比较准确地确定故障原因、部位、程度、性质等。要实现冷冻机组运行状态的在线监测，必须先确定需要对那些关键状态信号进行连续监测，首先确定测量参数，测点位置及传感器类型，然后再。讨论可行的冷冻机组在线监测方案
一， 旋转机械振动诊断参数及传感器选择原则
有关振动的三个参数是位移、速度和加速度。通常情况下，在低频时振动强度与位移成正比，在中频时振动强度与速度成正比，在高频时振动强度与加速度成正比。频率越低的位移测量越灵敏，频率越高则加速度的测量越灵敏。因此，通常认为可根据信号的频带范围来选择振动参数，在实际应用中可参考以下频带范围来确定振动诊断参数。低频范围（10-----100Hz）诊断参数为位移。
中频范围（100----1000Hz）诊断参数为速度。
高频范围（大于1000Hz）诊断参数为加速度。与振动检测参数相对应的传感器也分为位移传感器、速度传感器、加速度传感器三种类型，每种类型的传感器又根据不同的检测原理构成不同品种，可视具体情况进行选择。
测振系统在选择传感器时既要根据机械设备的结构，又要考虑传感器本身的频率响应和动态范围，通常机械设备的转子与壳体的重量比例不同，就需选用不同类型振动传感器，所选传感器的动态范围也 应与机械设备的振动频率范围相匹配。使用什么样的传感器很大程度上取决于机械设备自身的结构，当机械设备具有轻的转子，转子运行在重的刚性壳体中，即壳体对转子的重量比率大，轴承为刚性支承时，转子产生的力大部分都消耗在转轴与转轴之间的相对运动上。这种类型的机械设备例如高压离心压缩机，其壳体对转子的重量比率为30：1，宜采用非接触式电涡流传感器来测量转轴与轴承之间的相对位移，相反；一个相对较重的转子被支承在挠性结构的轴承中运转，即壳体对转子的重量比率小，转子产生的力大部分都消耗在结构运动上，这种类型的机械设备例如风机等，宜采用速度或加速度传感器来测量壳体振动。
机械设备的轴承类型也是选择传感器是必须要考虑的因素，机械设备所用轴承有滑动轴承和滚动轴承两类，一般认为，对于由滑动轴承支承的设备（如鼓风机）应采用电涡流传感器来测量轴振动，对于
滚动轴承支承的设备，由于滚动轴承损坏时所产生的高频小位移振动很难用电涡流传感器来测得，而加速度传感器却很适宜测取这些信号，因此，加速度传感器常用于滚动轴承支承设备。
二、振动监测点的确定
设备状态信号是设备工作时异常和故障信号的载体。选择最佳检测点，并采用合适的监测方法是获得有效故障信息非常重要的条件，真实充分地检测到足够数量的能够客观反映出设备运行状况的信号是故障诊断能否成功的关键。因此，测量点选择的正确与否直接关系到能否有效地对故障作出正确的诊断。
测量点的位置及数量的确定对诊断效果影响比较大，要选择检测点为最佳点，一般选择振动检测点的原则是能全面，充分反映出机械设备振动状态，尽可能选在机械设备振动力最敏感处，且测量点的位置在安装，拆卸时尽量方便。引入的干扰要小，尽量避免高温、高湿、出风口以及温度变化十分大的地方，确保测量真实有效。另外在较复杂的机械设备中，当激振力作用于系统的某一点时，引起设备各个点的响应是不同的，要视具体情况进行具体分析。
传感器的频率响应是选择传感器的一个重要因素，在理论上，为了测取能反映机械设备运行状态的振动信号。希望所选用的传感器能够测取被监测设备全部频率范围内的振动信号，同时还要求在频率范围内所测量的振动信号具有一定精度，这就要求传感器具有较大的动态范围，事实上，任何一种传感器的频率响应都是具有一定的范畴，一般来说，压电式加速度传感器的频响为1 Hz～10KHz，速度传感器的频响为5Hz～2KHz，电涡流传感器频响为0～2 KHz.。因此，首先要对被测物的运行时所产生的振动频率范围进行估算，然后再选择频响合适的传感器。
三、振动传感器原理及安装
1、加速度传感器的原理
选PCB公司的Model732A加速度传感器为例，其机构原理如图所示，当创拿起测量振动时，因为质量块相对被测体质量较小，因此质量块感受与传感器基座相同的振动，并收到与加速度方向相反的惯性力，此力为F=ma。同时惯性力在压电陶瓷片上产生的电荷为q=d33F=d22ma
式中：d33为材料压电系数；m为质量，a为加速度，该电荷与被测振动物体的加速度成正比，但该电荷很小，需经内置放大电路放大后输出，压电式加速度传感器有两个特点；它是电容性的，故阻抗很高，电压的线性度很好，PCB公司的Model732A加速度传感器内带电荷放大器电路，其输出信号为0-10V，频率响应范围为0.5～25000HZ，灵敏度为10mv/g，完全能够满足测取齿轮高频信号的要求。
加速度传感器的灵敏度与压电材料的压电系数和质量块质量有关，为了提高传感器的灵敏度，一般选择压电系数大的压电陶瓷片，若增加质量块质量会影响被测振动，同时会降低系统的固有频率，因此一般不用增加质量的办法来提高传感器的灵敏度。此外用增加压电片的数目和采用合理的连接方法也可以提高传感器的灵敏度。
2、转速传感器的原理
机组转速信号的获取，一般是采用光电测速方法，即在转轴表面粘贴一块反光金属纸，电转轴上的标识通过光电传感器时得到的脉冲信号来获取转速信号。这个方法既不破坏转轴的平衡，又可将脉冲信号直接送给计算机，这个方法简单实用，可靠性也非常高，这类传感器目前市面上有很多，但再选择时也一定要加以分析，尽量选择大品牌，知名的公司产品。
参考文献
关键词：故障诊断；振动分析；信号处理；岩石取样机
1引言
如今的设备大多都趋向于高速度、大型化、自动化、复杂化、重载荷和连续运转[1]。当机械设备出现故障时，将带来较大的人力和财力损失，甚至造成灾难性后果。如果能准确及时地发现设备运行过程中的故障或者对故障的发生做出预警，那么对于保障机械系统安全、稳定地运行，减少或避免重大灾难性事故将具有非常重要的意义[2-4]。立式岩石取样机是进行岩石力学性能研究及实验的重要基础设备。在高速挡取样时，取样轴振动非常明显，取样获得的岩石样品质量随即下降，样品从原来的的圆柱体会变成椭圆柱体[5-6]。所以，对取样机进行故障诊断，找出振动过大的原因并提出相应的改善措施对于取样机的安全、稳定和可靠运转具有重要意义。以立式岩石取样机的结构与工作状况为出发点，通过利用有限元模拟和实验研究得到设备的模态频率和振动特性，判断设备是否存在共振故障；测试不同工况下设备的振动信号，得到振动信号的时、频域特征，结合取样机的故障机理，对取样机进行故障诊断。
2立式岩石取样机的结构分析
立式岩石取样机的结构分析可以为故障信号的分析和判断提供依据。立式岩石取样机，如图1所示。主要由三相异步电动机、固定立柱、悬臂、取样臂、皮带传动装置和控制系统组成；其中控制系统由悬臂控制器和取样轴控制器组成，取样臂由套筒和取样轴组成。在实际取样时，电动机输出轴转动并通过皮带带动取样轴转动，取样头安装在取样轴最下端，通过取样轴控制器，人工控制取样臂上下，实现取样。该取样机的动力源自固定在大立柱上的三相异步电动机，电机功率为1.3kW、1.8kW，转速为1430r/min、2850r/min，电动机输出轴端的皮带轮的周长为c1=38.2cm，取样臂端的皮带轮周长为c2=67.1cm，两个皮带轮最外端具有相同的线速度。
3立式岩石取样的固有特性分析
3.1立式岩石取样机固有特性的数值模拟
采用ANSYS对取样机的固有特性进行有限元模拟。取样机全长0.85m，宽0.6m，高1.6m。考虑到悬臂控制器、取样轴控制器、皮带传动装置和皮带传动装置的外壳对整体机器的刚度和强度影响很小，所以有限元建模时以配重代替。由于取样机是固定在底座面上的，所以在立柱底座面上施加零位移固定端约束；对于三相异步电动机将其用30kg集中质量单元来代替；选用SOLID187（三维10节点四面体单元）来模拟取样机。划分网格之后的三维实体有限元模型，如图2（a）所示。通过有限元模拟，得到取样机各阶模态频率及对应振型特征，如表1所示。取样机第1阶到第3阶频率下对应的振型图，如图2（b）~图2（d）所示。从第1振型图可以看出，取样机的立柱产生了X方向一阶弯曲变形，而悬臂和取样臂均未出现变形；第2阶振型中悬臂出现了扭曲变形；第3阶振型中主要是立柱产生了X方向的二阶弯曲变形。通过对取样机各阶振型的观察，可以把变形较为明显的部位作为取样机模态实验的测点。
3.2立式岩石取样机固有特性的实验研究
3.2.1测试方案
实验研究采用单击激励测一点响应的方法，采样系统为东华DH5922测试系统，如图3所示。振动测试选用DH187压电式加速度传感器，选择加速度传感器的测点位置在取样轴处，根据建模时的坐标方向，力锤的敲击点布置有X和Y两个方向，X方向的敲击点主要分布在取样机的大立柱和取样臂上，Y方向的敲击点主要分布在取样机的悬臂上（贴白色矩形纸的为敲击点的位置），测点布置设置采样频率为500Hz。
3.2.2测试结果
对所有敲击点进行敲击后分析频响曲线，发现都有相同的峰值频率。现只分析一个敲击点的信号，如图5所示。从图5（a）中可以看出，频响函数有三个明显的峰值点，可以从频响函数图中得到三个峰值点对应的频率，从小到大依次为14.648Hz、32.959Hz、79.346Hz。由于实际的取样机的地面约束不足，实测的一阶模态会包含有较多的刚体模态，而有限元模拟值33.05Hz假定地面完全约束所得，所以实际测得的第一阶固有频率14.648Hz由约束不足引起，并非取样机的实际模态，故实际分析中将14.648Hz排除在外。
3.3固有特性分析
结果实测频率与有限元模拟结果的对比，如表2所示。其中相对误差是模拟值相对于实测值来说。可以看出，误差均小于3%。当取样机的工作频率接近自振频率时，将会产生很大的振动，取样机将无法正常工作。为了保障取样机安全地工作，实际工作转速应该避开取样机的固有频率。在机器空转时，激振力频率分别为13.57Hz和27.04Hz，均避开了取样机的固有频率，所以取样机在运行中不存在机器整体共振现象。
4立式岩石取样机的振动信号监测及故障诊断
基于信号分析和处理的诊断方法，首先通过在机械设备上安装传感器，采集设备的运行的状态信息；其次，运用时域分析、频域分许、倒频谱分析等多种信号处理方法对采集到的振动信号进行分析处理，判断设备运行的状态并预测其发展趋势。开机空转试运行时，发现取样轴径向振动比较大，尤其在高速运转时，振动特别大，产生了较大的环境噪声。另外，能不间断地听到皮带传动装置套壳被敲打的声响，于是打开套壳并运行设备，发现皮带发生严重松弛，皮带一直跳动。
4.1测试和测试方法
在基于振动分析的机械设备故障诊断中，必须对系统的工作状况进行动态测试，采集机械设备在运转中的振动信号，它是整个设备故障诊断的大前提。测试系统依然使用东华公司的DH5922振动信号测试系统。取样机在运行中的振动信号包含了丰富的机器状态信息，由于实验条件限制，试验工况为取样机分别以转速814.1r/min和转速1622.5r/min空转，测试取样机在各工况下的振动信号。为了获得取较为全面的振动数据，考虑到取样机主体及其主要部件的振动，结合取样机的结构特点，分别在取样机悬臂和取样轴附近布置两个测点，如图6所示。测点1测量取样轴的径向振动信号，测点2测量垂直于悬臂方向的振动信号。测试参数选择振动加速度，设置采样频率为5000Hz。
4.2振动信号分析
按照布置的测点，分别测量两档转速下取样机的振动信号。因为各测点信号的均方根大小能够反映取样机各测点的振动能量大小，所以用它来表示振动信号的强度。当取样机某测点信号的振动均方根值很大时，则说明设备很有可能已经发生故障。取样机各测点时域信号的振动均方根值，如表3所示。可以看出，在转速1622.5r/min下，各测点的振动幅值明显增大。故对于取样轴和悬臂两个测点的信号，只研究比较典型的1622.5r/min时的振动数据。
4.3故障诊断
根据取样轴振动信号的分析结果，取样轴径向振动响应主要以基频27Hz以及其高次谐波成分为主。当取样轴和套筒之间存在动静碰磨时，振动信号频谱图一般较为复杂，频谱图中可能既有转频成分又有转频的高次谐波成分[7-8]；取样轴径向振动信号的功率谱图正好符合这一特征，所以认为取样轴振动过大是由于取样轴和套筒之间存在动静碰磨。引起碰磨的原因是取样轴质量不平衡。实际取样时，取样轴受到不规则力作用，长期取样使得取样轴与套筒之间不断摩擦，导致套筒和取样轴产生磨损，随着取样轴磨损程度的增加，机器在运行时便会出现取样轴质量不平衡。若没有及时处理，便会导致取样轴和套筒之间动静碰磨，碰磨又会加剧取样轴和套筒的磨损，这是一个循环的过程。
5结论
以立式岩石取样机为研究对象，采用有限元分析和实验研究的方法分析了取样机整机的固有特性，排除了取样机的共振故障；基于取样机异常振动结构的振动信号分析，诊断出了取样机的故障位置和状态，即取样轴质量不平衡；为了解决该问题，需要对轴质量不平衡做出处理，可以采取现场动平衡的方法来解决。
参考文献
［1］王国彪，何正嘉，陈雪峰.机械故障诊断基础研究“何去何从"［J］.机械工程学报，2013，49（1）：63-72.
［2］寇丽萍，王立鹏，战洪仁.二氧化碳离心压缩机的振动分析与故障诊断［J］.机械设计与制造，2012（12）：180-182.
［3］雷亚国，何正嘉.混合智能故障诊断与预示技术的应用进展［J］.振动与冲击，2011，30（9）：129-135.
［5］王天煜，王凤翔，方程.高速永磁电机机组轴系振动研究［J］.振动与冲击，2011，30（9）：111-115.
［7］田永伟，杨建刚.旋转机械动静碰摩耦合振动分析［J］.机械工程学报，2010，46（7）：102-107.
【关键词】转机振动，故障处理，预防方法
中图分类号：TL75文献标识码： A
一、前言
转机是施工质量保证的基础性资源，在常见的转机振动故障的分析处理和预防方法是人们不容忽视的重点。只有将管理融入到机振动故障分析中，才能不断完善故障预防的水平，有效促进施工的持续发展。
二、转机振动故障分析的意义
旋转机械是工业部门中应用非常广泛的一类机械设备，普遍应用于航空发动机、燃气涡轮机、汽轮机等机械中。这类设备安全、稳定长周期、满负荷、优质运行会产生良好的经济效益。但由于工作条件及使用寿命的限制，常常出现各种不同的故障，在严重的情况下，甚至会引发严重的事故，导致重大的经济损失，有时还危及人身安全。因此，及时而准确地对转子系统进行监测分析，并尽早预报出现的故障，这已成为保证安全运行所亟待解决的问题。过去所采用的“事后维修”和“定期预防维修”方式有一定欠缺，且早期的机械设备检测与诊断依靠人体感官和简单的工具，难以客观准确地反映设备的真实状态。以融合现代传感技术、信号分析与处理技术、计算机技术及人工智能技术为一体的智能化故障诊断和预测维修为基础的“视情维修”方式逐渐受到了人们的重视。旋转机械故障诊断技术的提高，对于维护设备正常运行、降低生产成本、提高生产效率和保障生产安全都具有重要的意义。
三、转机振动的原因
1、转子不平衡
它是最常见的振动原因，如转子制造不良、转子叶片上异物的堆积、电机转子平衡不良等。不平衡造成较大振动的另一原因是设备底座刚度较差或发生共振。键和键槽也是导致不平衡振动的另一原因。转轴热弯曲是引起转子不平衡的另一种现象。一般热弯曲引起的不平衡振动随负荷变化而略有变化。但如果设备基础与其转动发生共振，则极有可能发生剧烈振动。因此，预防的关键，一是转轴的材质必须满足要求；二是转机机座必须坚实可靠。
2.共振
系统中的共振频率取决于其自由度数量；共振频率则由质量、刚度和衰减系数决定。转机支承共振频率应远离任何激振频率。对于新装置，可向制造厂咨询所需地基刚度以达到此目的。对于共振频率与转速相同的现有装置有两种选择―最大限度地减少激振力或改变共振频率。后者可通过增加系统刚度和质量来实现。处理共振问题时，最好改变共振频率。共振也可能是由于转子与定子系统组件不对中或机械和电气故障而引起。转速下谐波的共振频率也易造成故障。它们也可能由于不对中或机械和电气故障而诱发。然而与相同频率下的问题相比，这些共振造成的问题并不常见。
3.、不对中
它可能在转速和两倍转速下造成径向和轴向的激振力。但是绝不能因为没有上述现象中的一种或两种而断定不存在对中问题。同时应考虑机组的热膨胀，一副联轴节之间要留有1.5-3mm间隙。
4、机械故障
质量低劣的联轴器主要表现在铸造质量差、连接螺孔偏斜、毛刺，橡皮垫圈很快损坏，使联轴器由软连接变为硬连接，产生振动、磨损。径向轴承的更换，一般是简单更换。为了避振换新轴承时，应对轴承外环作接触涂色检查，必要时处理轴承座。轴向波动是造成转机，包括联轴器、轴承在内的另一振动问题的起因。一般转机的轴向推力靠止推轴承约束。但是，如果轴向对中不良，且转子轴向发生磨蹭，则可能会产生剧烈的轴向振动。支座软弱即四个支脚不在同一平面上。转机用螺栓紧固在这四点时，如果各轴承不对中，必然造成剧烈振动。因此转机安装时，应该先用适当力矩对称拧紧几个紧固点。然后每次松开一个紧固点，并用千分表测量该点垂直变形量。如果垂直变形量大于.05mm，应在此支脚下加垫片，其厚度等于变形量。重复以上过程，直至松开时每个点垂直变形量小于0.05mm为止。转机底座和地基的问题有可能是振动过大的直接原因。因此地脚螺栓必须有足够强度，混凝土基础结实无空洞，转机运行中要经常检查地脚螺栓是否松动、断裂，并及时排除。同时要查转机的附属连接设备支承是否牢靠。
四、常见转机振动故障的预防方法
故障信息处理技术包括故障信号的检测和分析处理两部分，即利用先进的信号采集和处理技术提取故障特征。信号的检测主要是测取系统的振动、噪音、温度和压力等，为信号分析的处理提供数据。信号的分析处理是对这些信号进行加工、变化、提取出反映设备状态的特征因子。
1、直接分析法
判断故障的直接分析法是由转机故障的直观象来判断故障发生的部位。它是转机运行故障及事故分析的最基本的方法。这种方法已被转机值班员们在不知不觉中得到应用。例如,手摸风机轴承位温度过高(烫手)而冷却水中断,则可断定为冷却水管堵塞,必须立即检查来水阀门,敲打疏通冷却水管;若风机轴承座轴端漏油严重,则多为主轴油封部位间隙增大,需更新密封油毡;若风机或水泵在运转中,用铜或铁听棒触及轴承处,听到有金属刮击声或啸叫声等,则必为轴瓦或滚珠轴承破裂、烧坏而运转失效,必须立即停机更换轴承;若投运多时的风机、叶轮处有金属异响声,则可判断有叶轮磨损、松脱故障,需拆开后检查处理;机壳与转轴有摩擦声,则多为机座垫铁安装不良,垫铁滑出或地脚螺母松动所致,需调整垫铁,拧紧螺母;水泵出口压力表指针到头,而压力表又确认正常,则可判断为水泵出口阀忘开或出口阀电气线路接触不良使阀门未动作,应开阀或检修电气线路;水泵轴芯处漏水过大,则说明填料压盖内盘根损耗过大,或压盖过松,应予更换或旋紧填料压盖;若新泵投运电动机电流过大,则多为填料压盖过紧,应适当调松压紧螺母;若出现水泵电动机冒烟或有焦糊味,则该电动机必已烧毁,应予更新;若出现水泵尾盖内柱状喷水,则多为铸造质量低劣而穿孔,应予更换该铸件等。这类通过听、看、摸、闻的方法可直接确定故障、判断缺陷。但仅仅掌握了这类方法,还是远远不够的。因为大多数实际的故障或事故,在初期往往呈现的是一种或数种间接的、隐含的现象,并非“一眼”就能判断准确。因此,除了要求运行人员掌握、精通直接判断故障法外,同时还要逐步了解、学会、熟悉间接分析法。
2、间接分析法
（一）、给水流量减小
给水流量降低,对锅炉本体,表现为水位计水位下降,据此现象,用直接分析法就可反映出泵系故障(受热面泄漏除外)。至于是泵系的哪一部位,则要作进一步的分析检查。水泵入口门状态阀门未开启;水泵出口门状态阀门开启遗忘或失灵;吸入管口布有杂物入口管堵塞;电机转速高低电机或电源故障而转速低;水泵入口水箱内水沸腾汽化剧烈泵入口汽化;水箱水位极低(工业锅炉)自来水压低。可见处理要点为:先停泵,然后相应地正确操作、清理杂物、检修电气、启动增压水泵等。
（二）、水泵震动
应立即检查泵体与电机泵轴与电机轴不同心安装不当;水泵地脚螺丝松动安装维护问题;泵与电机靠背轮端面不平行安装缺陷;泵与电机靠背轮之间未留间隙组装质量差;泵或电机端部轴承磨损严重或跑外套不良或轴承质量低劣;泵轴弯曲制造缺陷或大修后组装不良而烧瓦。相应处理方式为:调整同心度、不平度、间隙,拧紧螺母、更换轴承、校(更换)轴等。
（三）、水泵耗功过大、电流过大检查泵体
检查填料压盖填料压得过紧;检查机械摩擦情况转子与固定部分或平衡盘与平衡环发生摩擦。处理:应切换给水至备用泵,然后重新调整填料(盘根)压盖,注意切勿压得过紧。
（四）、新装引风机电机电流偏大
新装引风机,通常规定其电动机的空载电流会在电机就位后先行测量过。因此,出现电流偏大,一般与电机本身无关,而多为风机过负荷引起。过负荷的原因主要与风门安装、传动皮带、调节门挡板、启动方式等有关。所以此时,应立
即检查。
3、综合分析法
泵入口阀门是否开启失灵或阀杆有否断裂阀瓣脱落;水泵入口管有无杂物堵塞、结垢和腐蚀;叶轮与密封圈之间间隙是否因摩擦增大。注意,若水泵出口管、母管等结垢堵塞或出口阀未开,则会出现流量小现象,但出口压力不是偏低,而是偏高。判断转机运行故障的综合分析法,是由转机故障运行的主特征,再去检查寻找故障的其它表面现象,交叉综合诸现象,即可确定故障部位和原因,并且尽快对症处理。
五、结束语
从实践出发对当前转机振动故障及预防方法等相关知识，进行了粗略的分析和研究。综上分析，预防工作的主要任务是运用科学的方法，促进工作的完善。
参考文献
[1]秦志华.干熄焦除尘风机叶轮磨蚀原因分析[J].化工设备与防腐蚀，2002
关键词: 数据监测；轧钢；机械设备；故障；检测；诊断；管理维护；
中图分类号： F407 文献标识码： A
一、概述轧钢机械设备
轧钢机械设备分为主要设备和辅助设备两大类。主要设备是车间构造的特征，其中最重要的设备就是轧钢机，它能够实现金属在旋转的轧锟间依靠轧制作用发生塑性形变。辅助设备就是指除了轧钢机之外的设备，它们在里面起着调节的功用，同时使得机械化更加完善，更加高效。
二、轧钢机械设备故障存在的问题
目前，我国在轧钢机械设备管理方面不足，常常会导致机械设备产生故障。
许多的大型企业，在追求高效率生产的同时，却忽略了对机械的保养。时间一长，机器的运转能力就会大大降低。这将严重影响生产的效率，机器的损坏也会增加一部分资金的投入，对企业来讲是重大的损失。
三、机械设备故障诊断与监测的方法
由于机械管理方面的力度不强，导致接卸设备故障容易出现各种问题，这对设备故障的诊断和检测也就提出了更多的要求，目前我国采用的机械设备故障诊断和检测方法主要有震动监测技术、红外测温诊断技术，文章下面针对数据监测在轧钢机械设备故障诊断中的具体应用措施进行着重阐述。
（一）振动监测诊断技术
这一技术方法主要参照受监测设备的振动参数、振动特点等来积极预测与探究出设备运行状态以及故障类型。这一方法已经成为当前人们的首选方法，因为振动具有广泛性、参数多维性，而且这一方面无需过多的成本，也没有太大的损耗， 能够实现在线诊断与监测等多方面优势。机械设备在工作时能够出现振动，机械运行的状态就呈现在振动过程中，通过对其振动参数的测量，例如：速度、加速度、位移等等。可以参照机械设备工作运行的频率来优选测量参数与传感器，这样不仅能够确保检测拥有充足的数据做参考，同时也能够更加真实、客观地呈现出机械工作运行的信息，从而更加精准地把握振动测量点，一般来说，最好选择一个关键点，这一点可以对机械的振动情况做出客观的反映。最佳点有：靠近核心诊断的点、最易于出现劣化问题的点等等，这样才能确保振动测量更加高效。对机械运行状况信息进行放大、过滤处理，再将其输送到A/D转换器，将模拟信息变成数据信息，再将其输送到数据处理分析诊断设备中进行多角度、多维度的分析，例如：时域、频域、时序模型等方面，经过对这些分析数据的科学处理后，创建一个振动位移与振动时间之间的关系曲线，同时，以频谱的形式输送出来，将这些曲线与图谱充当故障诊断的参照点，从而判断出机械设备的工作情况、 运转状态等，从而采用科学的解决对策。振动监测技术具有易操作、形象、准确等优点，因此得到广泛的发展和应用。
（二）红外测温诊断技术
红外测温诊断技术是通过对机械设备各个方位的温度情况以及温度变化情况等加以测量、判断和分析最终得出机械设备的工作状况以及存在的故障问题。例如：机械部分零件有无磨损、发动机排烟管是否有堵塞现象，液压系统油液性能高低等等。以及个别部分电器烧毁等等，以上这些故障问题都会造成机械设备对应部位温度的变化，同时，材料的机械性能也同温度有着紧密联系，温度检测占据整个机械设备监测的一半以上。然而，普通的传感器测温无法得到精准的温度数值，只有引入红外测温仪才能发挥有效的测温诊断功效，同普通的传感器测温仪器相比，红外测温仪具有明显的测温优点，体现在能够实现远距离、遥控式测温，同时能够对所获得信息进行处理、诊断、运算等，也能够对机械设备应该在什么样的环境中工作、具体的工作温度应该是多少等做出准确的估计。
（三）数据监测
轧钢机械工作时轧件是非连续地被轧制的,其转速并不恒定,功率更是从空载到满负荷间周期的波动，从原动机到轧辊间有庞大的传动和减速机构，可能出现的故障类型很多，因此检测设备、测点、点检方式和点检时间的选择对诊断的准确与否起到关键作用。为保证所测数据具有可比性，在测定数据时应遵循原则：保持每次测量时机器的工况相同、保持测量的参数相同、使用的仪器相同、测量的方法相同和每次测量要在同一测点进行。如不在同一测点测量，由于激振源到测点的传递函数不同而使测量的结果相差很大。
1.监测方法
通常情况下，利用智能轴承检测仪或巡检仪，检测轧钢机械设备的重点部位，首先选择合适的监测点，监测之前必须擦拭干净；定期检测并记录所测数据；绘制所测数据振动曲线图（包括机械部件名称、编号、位置，显示每个测点位置和编号的简单示意图、注释、测量值、测量日期），跟踪各点的振动变化情况；当振值发生突变或持续升高时，表明该点的运行状况发生变化，可能出现了故障。
2.监测区域的确定
在轧钢的生产过程中，要保证监测到的数据信号正确传输，必须正确选择监测点，例如，被测机械设备轴承与所选监测点之间的数据信号路径应尽可能直并且短，监测点必须应位于机械设备轴承负载区内，监测到的数据信号路径必须只包含轴承和机体之间的一个机械界面。
3.故障分析
旋转机械的常见故障，按转子类型和振动性质的不同，可分为转子不平衡、转子不对中、基座或装配松动、转子与定子摩擦、感应电机振动、滚动轴承故障 齿轮机构的振动等。利用振动监测技术对这些常见机械故障可进行较为准确的诊断。在一般情况下，对轧钢机械设备状况的总体评价，只要能监测其振动强度即可，即被监测点振动速度的均方根值，单位是mm/s,把故障时所测振值与平常监测数据或推荐的振动极限值进行比较，便可判断故障的部位和原因，另外，振动的强度与被测机械设备的尺寸、转速及底座刚度等有很大的关系，机械设备过强的振动主要有机械松动、不对中、不平衡等。监测点的选择正确，监测到的结果即为分析过强振动的原因提供了很大的依据。总体上，垂直方向的径向测量能够反映出结构衰弱方面的信息；水平方向的径向测量能够反映出平衡状况的信息；沿轴线方向的振动一般是对不对中，装配耦合不佳，轴弯曲等方面的监测反映 。根据水平、径向、轴向三个方向的测量数据，通常可分析出机械设备出现故障的原因和具体部位。
四、机械设备故障诊断与监测的未来发展趋势
现代科技的发展推动了机械设备故障诊断与监测技术的进步， 特别是信息技术、 传感器技术等的发展都为机械设备故障诊断创造了更多的信息分析方法， 未来的故障诊断与监测势必朝着智能化、自动化等方向发展。
结束语：
机械设备故障诊断、监测与维修等工作都影响着机械设备功能正常发挥，而且维修与监测制度在持续发展，从以往的定期维修到当前的按照需要加以维修，实现了一种发展与飞跃，多元化的故障诊断与监测方法都达到了良好的效果，但是这些诊断监测技术仍然有待发展与进步，应该在依托于现有的诊断与监测技术基础上开发出新的检测技术与监测工艺，充分借助现代化信息技术，实现监测的科学化、智能化、自动化进步与发展。数据监测在轧钢机械设备故障诊断中有着重要的作用，需要相关工作人员进行深入的研究。
参考文献:
[1]邢剑平. 试论轧钢机械设备的故障诊断与机械设备安全运转的重要关系
[J]. 科技资讯,2013,23:80.
[2]杨智宇. 浅谈轧钢机械振动故障的诊断[J].科技创新导报,2012,04:53+55.
[3]裴庆元,苏健. 轧钢生产与轧钢机械分析[J]. 科技资讯,2014,21:66.
[4]赵会平,陆宁云,姜斌. 轧钢过程故障诊断研究现状及发展趋势[J]. 轧
钢,2011,01:48-53.
[5]张伟. 设备故障诊断技术在轧钢生产线上的应用[J].产业与科技论
坛,2011,13:86-87.