张佳雄 杨振江 赵伟雄

摘 要：本文主要是研究旋转机械故障诊断与预测的方法，对于机械设备的运行来说，旋转机械故障的诊断和预测的技术直接影响机械运行的稳定性和安全性。旋转机械在强背景噪声的环境下，细小微弱的故障特征不容易被发掘，这也就成为机械故障诊断的难点。而本文根据形态学滤波、局域均值分解、多元经验模态分解和噪声辅助多元经验模态分解等时频方法及其在旋转机械的微弱、复合故障诊断中的应用，为机械故障诊断、性能退化状态识别和趋势预测提供新的有效手段。

关键词：旋转机械；故障诊断；预测方法；应用研究

一、旋转机械故障诊断的基本方法

旋转机械发生故障主要是因为滚动轴承和齿轮在运转的过程中因为某种原因而引发的失效，失效的形式主要包括以下几种，疲劳失效、胶合失效、磨损失效以及断裂失效等等。在现代机械故障诊断中主要使用信号分析与处理技术以及先进的传感技术为一体的多学科交叉和融合的新技术，主要是为了保证轴承和齿轮在旋转机械的环境中，能够有效的保证工作周期内的运行，也保障了机械设备运行的安全性和稳定性。对于旋转机械故障诊断来说，是为了观察、分析和处理能够反映旋转机械工作状态是否正常的信号，进而能够根据显示的信号采取对应的措施来维持旋转机械运行的正常状态。旋转机械故障诊断的方法主要有振动信号分析技术、油液分析技术、声发射分析技术以及湿度分析技术等等。振动信号分析技术主要是同各国对采集的振动信号进行分析，得出运转过程中轴承的真实状态，具有诊断效率高、可靠性较强的优势；油液分析技术主要是通过从齿轮箱中使用的循环油液取出油样，进行清洁度、光谱以及油液理化分析等来检测齿轮箱的运行状态，但是这种检测方法不能应对突发故障的预报，而且很容易受到其他机械设备的影响，检测人员的经验也要比较丰富；还有声发射分析技术，这是一种比较新的无损检测技术，主要是检测金属材料的损伤程度，机械在运转的过程中金属材料的碰撞和摩擦以及金属材料出现的断裂都能够根据声发射源来进行判断，机械金属材料在运行的过程中始终都伴随着声发射的现象，利用声发射技术能够判断出机械的状态；最后是光纤分析技术，但是这种分析技术只能适用与轴承座内允许安装传感器的场合，运用的场所不是很普遍。

二、旋转机械故障诊断的预测方法

1、基于灰色模型的状态预测方法

对于旋转机械故障的预测方法中，利用相关数据进行构造的模型来预测未来是目前机械故障预测最为广泛的方法。现在众多生产企业为了能够提高效率，对于发生的机械故障都提前做好准备，争取维修检查的时间。旋转机械在运转的时候，如果发生故障，机械运转的状态也会随之发生改变，振动的峰值或者振动的幅度数据就会发生改变，主要呈现单调递增的趋势。这种灰色模型系统模型建模所用的数据是不变的、静态的，未考虑未来时刻数据对模型的影响因素。随着旋转机械状态趋势的变化，旧的振动序列值对预测值的影响逐渐削弱，新的振动数据逐渐加强。因此只使用最初的数据建模进行长期预测，预测精度较低，需对原始模型做改进。把预测得到的新信息加入到模型中，去掉原来的老信息，并保持建模数据维数不变，称其为新陈代谢模型，能够对于短期机械运转状态进行预测。2、BP网络故障预测实现

BP是一种类似神经网络的系统，这种神经网络具有学习逼近任意非线性映射的特点，将神经网络应用于旋转机械故障的预测方法中，它能够进入非线性系统的建模与辨识中，神经网络可以不受非線性模型的限制，便于在实际工程预测操作中得到实现。改进阈值量化函数的振动信号小波去噪方法，该方法比传统软、硬阈值去噪性能更好。对滚动轴承振动信号的均方根值，建立其神经网络预测模型，当预测值超过设定的阈值时，则发出预警，实现旋转机械故障的预测。

3、综合增长趋势振动幅度预测实现

旋转机械在运行的初始阶段，各个部件都是处于一个磨合期，如果各个部件受热产生不均匀膨胀，旋转机械机组的振动幅值通常会较大。旋转机械磨合期结束或热量分布均勻后，振动幅值会逐渐减小，振动变化平缓；但是在运行过程中如果出现润滑油高温或静止部件与运动部件产生碰撞摩擦，振动幅值又将变大；随着这些因素的消失，振动幅值乂会渐下降当以上因素同时作用于机组时，振值的变化将出现综合增长趋势，这是机纽振动发展变化的一种普遍情形，根据这种情况能过准确的预测旋转机械的故障情况。

结语：总而言之，对于旋转机械故障诊断和预测技术来说，最主要的目的就是要预防机械设备出现故障，是保证机械设备安全稳定运行的技术基础机械。齿轮和滚动轴承作为动为传动系统的关键部件，长期在高负荷、高转速工况下工作，一旦出现故障将直接影响整个系统的安全运行，因此及时、准确地检测故障己变得越来越重要，保证机械正常运行才能够节省机械维修检查的时候，提高企业运行的生产效率和经济效益。

参考文献：

[1]武哲. 旋转机械故障诊断与预测方法及其应用研究[D].北京交通大学，2016.

[2]付元华. 旋转机械故障诊断及预测方法研究[D].西南石油大学，2014.