在工业自动化应用中的机械设备故障类型以及诊

在工业自动化应用中的机械设备故障类型以及诊断方法

 

润滑油在线监测，智火柴科技免费在线观看系统作为设备机器预防性诊断的关键要素之一，就是运用不同的油液在线传感器，采用合理的布局及安装方式将其串联在一起，并实现多种数据的集成、显示、分析及报警设置，实现智火柴科技免费在线观看，数据远程报警、数据分析、故障诊断等。

在线油液监测系统集理化、污染度等多参数传感器监测于一体，通过内部系统集成，监测油液旁路取样流经测试单元后回流到油箱。多个测试单元独立形成子系统，完成本测试单元的信号采集、通过内部系统集成、数据标定、可靠性测试等实现现场数据采集的稳定性。

 

“振动”，作为机器诊断的关键要素之二，对于学习和在工作中接触到半导体技术和和机器诊断的你来说一定并不陌生。如今，对于“振动”的判断已经被可靠地且广泛地运用于监控各种工业应用中的最关键设备，并且相关可参考资料也有很多。但是当我们谈及振动传感器性能参数，例如带宽和噪声密度，与最终应用故障诊断能力之间的关系时，可以参考的资料却是寥寥。本文从常见的机器故障，即“不平衡”、“未对准”、“齿轮故障”和“滚动轴承缺陷”着眼，希望帮助大家进一步了解振动传感器性能，以及该性能如何支持状态监控解决方案。

 

不平衡

 

在实际操作中，导致系统不平衡的因素很多，比如安装不当（例如联轴器偏心）、系统设计错误、部件故障，甚至碎屑或其他污染物的累积（例如感应电机内置的散热风扇可能由于灰尘和油脂的不均匀积聚或扇叶损坏而变得不平衡）。当一个不平衡系统产生过大振动时，这些振动会机械耦合到系统内的其他部件，如轴承、联轴器和负载，进而可能导致处于良好运行状态的部件加速劣化。虽然系统振动的增加可以表明潜在故障是由不平衡系统引起的，但是振动增加的根本原因还需要通过频域分析诊断得出。

 

检测和诊断方法：如图1所示，不平衡系统以系统的旋转速率（通常称为1×）产生一个信号，其幅度与旋转速率的平方成比例，F = m×w2。1×分量在频域中通常总是存在，因此，通过测量1x和谐波的幅度可以识别不平衡系统。如果1×的幅度高于基线测量且谐波远小于1×，则很可能存在不平衡系统。水平和垂直相移振动分量也可能出现在不平衡系统中。在诊断过程中，为了确保最后测量结果的准确性和可靠性，也要保证在诊断过程中，控制噪声（保证噪声必须很低）并且确认有足够的带宽以便捕捉信息（不光是旋转速率）。

 

1×谐波可能受其他系统故障的影响，例如未对准或机械松动，因此分析旋转速率（或1×频率）的谐波可以帮助区分系统噪声和其他潜在故障。用于慢速旋转机器，基本旋转速率可能远低于10 rpm，这意味着传感器的低频响应对于捕获基本旋转速率至关重要。

 

图1. 旋转速率或1X频率的幅度增加可能意味着存在不平衡系统

未对准

 

理想状态下对准的设备，以下图中的泵为例（图2），从电机开始对准、然后是轴、联轴器，一直到负载。

 

图2. 理想的对准系统

而当两根旋转轴未对准时，就会发生系统未对准现象。未对准可以在平行方向和角度方向上发生，也可以是两者的组合（图3）。当其中一根轴与另一根轴成一个角度时，称为角度未对准（图3 - a）。当两根轴在水平或垂直方向上错位时，称为平行未对准（图3 - b）。当设备出现未对准现象时，这可能会迫使部件在高于最初设计能力的应力或负载下工作，从而影响更大的系统，最终可能导致（系统或部件）过早失效。

 

图3. 不同未对准示例，包括(a)角度、(b)平行或两者的组合

检测和诊断方法：未对准误差通常表现为系统旋转速率的二次谐波，称为2×。2x分量在频率响应中不一定存在，但当它存在时，其与1x的幅度关系可用来确定是否存在未对准。增加的对准误差可以将谐波激励到10×，具体取决于未对准的类型、测量位置和方向信息。图4突出显示与潜在未对准故障相关的特征。在测量时，也要将未对准容差考虑其中，因为不同的机器类型、系统和工艺要求、旋转速度决定了允许的未对准容差。

 

图4. 不断增加的2×谐波加上不断增加的更高次谐波，表明可能存在未对准现象

在检测过程中，为了更准确地检测到微小的未对准，就需要降低噪声和保证高的分辨率；另外还需要足够的带宽来捕获充分地频率范围。1x谐波有助于区分其他系统故障和未对准，尤其适合于较高转速的机器。例如，为了准确可靠地检测不平衡，转速超过10,000 rpm的机器（机床等）通常需要2 kHz以上的高质量信息。

 

系统相位与方向性振动信息相结合，可进一步改善对未对准误差的诊断。测量机器上不同点的振动并确定相位测量值之间或整个系统内的差异，有助于深入了解未对准是角度、平行还是两种未对准类型的组合。

 

滚动元件轴承缺陷

 

滚动元件轴承（图5）几乎会使用在所有类型的旋转机械上，从大型涡轮机到慢速旋转电机，从相对简单的泵和风扇到高速CNC主轴。在运作过程中，由机械引起的应力或润滑问题的假象通常就是滚动元件轴承缺陷；这些问题在轴承的机械部件内产生小裂纹或缺陷，导致振动增加。

 

图5. 滚动元件轴承

当你发现设备有如下迹象，如润滑污染、安装不当、高频放电电流（图6）或系统负载增加时，很有可能就是轴承缺陷，如果不及时处理，该故障很有可能导致灾难性的系统损坏，并对其他系统部件产生重大影响。

 

图6. 润滑与放电电流缺陷的示例

检测和诊断方法：轴承的缺陷频率可以根据轴承几何形状、旋转速度和缺陷类型来计算，这有助与诊断故障（图7）。对特定机器或系统的振动数据的分析，常常依赖于时域和频域分析的结合，但是频域和时域分析各有利弊。时域分析可用来检测系统振动水平整体增加的趋势。但是，这种分析包含的诊断信息非常少。频域分析可提高诊断洞察力，但由于其他系统振动的影响，确定故障频率可能很复杂。

 

图7. 轴承缺陷频率取决于轴承类型、几何形状和旋转速率

对于轴承缺陷的早期诊断，使用缺陷频率的谐波可识别早期或刚出现的故障，从而在灾难性故障发生之前对其进行监控和维护。为了检测、诊断、了解轴承故障的系统影响，包络检测（如图8所示）等技术与频域中的频谱分析相结合，通常可提供更具洞察力的信息。

 

图8. 诸如包络检测之类的技术可以从宽带宽振动数据中提取轴承早期缺陷特征

 

在轴承缺陷的早期检测中，低噪声和足够高的分辨率是至关重要的。在缺陷刚刚出现时，缺陷特征的幅度通常很低。由于设计容差，轴承固有的机械滑动会将幅度信息传播到轴承频率响应中的多个仓，从而进一步降低振动幅度，因此要求低噪声以便较早地检测到信号。

 

除了以上提及的两点，带宽对于轴承缺陷的早期检测也是至关重要。在旋转期间，每次撞击缺陷时，都会产生包含高频内容的脉冲（参见图8）。对轴承缺陷频率（而非旋转速率）的谐波进行检测可发现这些早期故障。由于轴承缺陷频率与旋转速率之间的关系，这些早期特征可以在数千赫兹范围内出现，并延伸到10 kHz到20 kHz范围之外。即使是低速设备，轴承缺陷的固有性质也要求较宽带宽以便及早检测到缺陷，避免系统谐振和系统噪声（会影响较低频段）的影响。

 

动态范围对于轴承缺陷检测也很重要，因为系统负载和缺陷可能影响系统所经受的振动。负载增加会导致作用在轴承和缺陷上的力增加。轴承缺陷也会产生冲击，激发结构谐振，放大系统和传感器所经受的振动。随着机器在停止/启动情况下或正常运行期间的速度上升和下降，变化的速度会为系统谐振激发创造潜在的机会，导致更高幅度的振动。传感器的饱和可能导致信息丢失、误诊断，在某些技术的情况下甚至会损坏传感器元件。

 

齿轮缺陷

 

众所周知，齿轮是许多工业应用中动力传递的主要元件，承受着相当大的应力和载荷。齿轮的健康状况对整个机械系统的正常运行至关重要。在可再生能源领域，造成风力涡轮机停机（以及相应的收入流失）的最大因素是主动力系统中多级齿轮箱的失效，类似的考量也适用于工业应用。而我们所说的齿轮故障就是时常发生在齿轮机构的齿节中，其表现为齿根出现裂缝或齿面上有金属被削除。造成的原因有磨损、过载、润滑不良和齿隙，偶尔也会因为安装不当或制造缺陷而引起齿轮故障。

 

检测和诊断方法：由于难以将振动传感器安装在故障附近，以及系统内多种机械激励引起的相当大背景噪声的存在，齿轮故障的检测很棘手，在更复杂的齿轮箱系统中尤其如此。其中可能有多个旋转频率、齿轮比和啮合频率。因此，检测齿轮故障可能要采用多种互补的方法，包括声发射分析、电流特征分析和油渣分析。除了以上提及的分析法则，我们还要参考振动分析。在振动分析方面，加速度计通常安装在齿轮箱壳体上，主要振动模式是轴向振动。健康齿轮的情况（如图9所示），其产生的振动特征的频率是所谓齿轮啮合频率，等于轴频率和齿轮齿数的乘积。通常还存在一些与制造和组装容差相关的调制边带。当发生齿裂纹之类的局部故障时，每次旋转中的振动信号将包括系统对相对低能级的短时冲击的机械响应。这通常是低幅度宽带信号，一般被认为是非周期性和非静态的。

 

图9. 健康齿轮的频谱，曲轴转速为~1000 rpm，齿轮转速为~290 rpm，齿轮齿数为24

 

但是仅凭标准频域技术并不能精确识别齿轮故障。由于冲击能量包含在边带调制中，其中还可能包含来自其他齿轮对和机械部件的能量，因此频谱分析可能无法检测早期齿轮故障。时域技术（例如时间同步平均）或混合域方法（例如子波分析和包络解调）一般更合适。

 

在检测的过程中，我们也要注意这几点，首先，宽带宽对于齿轮故障检测非常重要。因为齿轮齿数在频域中是乘数。即使对于相对低速的系统，所需的检测频率范围也会快速上升到数kHz区域。此外，局部故障进一步扩展了带宽要求。同样重要还有分辨率和低噪声，通过前文讲述我们了解到将振动传感器安装在特定故障区域附近是很困难的，这意味着机械系统可能会使振动信号发生较高程度的衰减，因此能够检测低能量信号至关重要。此外，由于信号不是静态周期信号，因此我们不能依赖于从高本底噪声中提取低幅度信号的标准FFT技术，传感器本身的本底噪声必须很低，尤其在混合了不同元件的多个振动特征的齿轮箱环境中。