机械故障诊断.docx

机械故障诊断.docx

《机械故障诊断.docx》由会员分享，可在线阅读，更多相关《机械故障诊断.docx（21页珍藏版）》请在冰豆网上搜索。

机械故障诊断

机械故障诊断

摘要

机械故障诊断是一种了解和掌握机器在运行过程的状态，确定其整体或局部

正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。

本文主要介绍了机械故障诊断的定义，并阐述了其背景及研究方向，结合了学科特点对现在流行的海洋机械故障诊断的方法做了简单的比较。

最后根据自己的爱好和研究，对简单的机械小车的故障进行了分析。

关键词：

机械故障诊断方法机械小车

Mechanicalfaultdiagnosis

Abstract

Mechanicalfaultdiagnosisisawaytounderstandandgrasptheoperationprocessofthemachineinthestate,predictitswholeorpart

normalorabnormal,earlydetectionofthefailureandthereason,andcanpredictthefaultdevelopmenttrendofthetechnology.Thispapermainlyintroducesthedefinitionofmechanicalfaultdiagnosis,elaboratesthebackgroundandresearchdirection,combinedwiththecharacteristicsofthesubjectofpopularnowMarinemachineryfaultdiagnosismethod.Finallyaccordingtomyownhobbyandresearch,thesimplemechanicalcarfaultisanalyzed.

Keywords：

mechanicalfailure;diagnosismethods;mechanicalcar

1绪论错误！

未定义书签。

2机械故障诊断的基本概念1

3故障诊断的意义2

4故障诊断的研究内容3

5水下机器人故障诊断技术简介4

6实例的分析9

7结论11

8展望12

参考文献15

1绪论

如果坏事有可能发生，不管这种可能性多么的小，它总会发生，并可能引起最大的损失。

-----墨菲定律

据说这句话是美国一位驾驶火箭车的驾驶员无意提出的。

但这句话却在各个领域得到了广泛的认可，在我们机械行业自然也不例外。

由此我们就开始开始思考这样一个问题，机器什么时候会坏，什么时候检修比较合适，又在什么地方容易出现问题。

通过对这一系列问题的思索，我们就有了机械故障诊断这门学科。

机械故障诊断是一种了解和掌握机器在运行过程的状态，确定其整体或局部正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。

油液监测、振动监测、噪声监测、性能趋势分析和无损探伤等为其主要的诊断技术方式。

2机械故障诊断的基本概念

由于故障诊断技术涉及的知识领域非常广泛，下面对该技术一些基本概念简要加以介绍。

1.故障

故障（Fault）通常指设备在规定条件下不能完成其规定功能的一种状态。

这种状态往往是由不正确的技术条件、运算逻辑错误、零部件损坏、环境变化、操作错误等引起。

故障会引起系统部分或全局失效。

故障的发生会影响到过程的安全性、维修费用、有效性、性能和成本。

因此，及早地发现故障，在故障发生前进行预测非常重要。

2.故障检测和故障诊断

故障检测（FaultDetection）:

是指检测系统或设备的运行状态，确定系统

或设备是否发生了故障。

故障检测的目标是尽可能减少误报和漏报故障。

故障分

离（Fault工solation）:

是指在检测出故障后，确定故障的种类或发生的部位。

故障辨识（FaultIdentification）:

是指在故障发生后，确定故障的起因，

发生时间、位置和故障的性质，并对故障的严重程度加以估计等。

故障诊断（FaultDiagnosis）:

是指当设备发生故障后，不但要确定出故障原因、部位、类型及严重程度，还要对其状态及发展趋势进行预测和维修决策。

故障诊断包括三个步骤:

故障检测；故障分离;故障辨识;在现有的故障诊断研究中，有一些方法只

对故障进行检测，有一些方法同时进行故障检测和辨识。

有时将故障检测、故障

分离和故障辨识作为不同的任务来完成，有时对他们并不进行严格的区分。

故障决策（FaultDecision一making）:

是指在故障发生后，根据故障的类

别，严重程度、变化趋势等，决定采取的相应措施。

故障误报（FalseAlarm）:

是指系统没有发生故障而报警。

系统的故障误报率是衡量故障诊断系统的基本指标之一。

故障漏报（MissingAlarm）:

是指系统发生了故障而没有报警。

故障漏报率

是衡量故障诊断系统的又一基本指标。

故障预报（FaultPrediction）:

是指根据系统的残差和症状等动态信息，在故障尚未发生时对其运动状态趋势的估计。

它一般通过对系统的运行参数或残差进行预测来实现。

准确的故障预报可以有效地避免或降低故障发生带来的损失。

解析冗余（AnalysisRedundancy）:

广义上是指利用非硬件冗余方法得到系统的故障信息，实现系统的故障诊断；侠义上是指针对系统的数学模型，通过可测变量之间存在的冗余函数关系产生冗余信息，再通过对冗余信息的分析实现系统的故障诊断。

3故障诊断的意义

一•提高经济效益：

1防止因小失大。

在现代化生产中，机械设备的故障诊断技术越来越受到重视，如果某一零部件或设备出现故障，而又未能及时发现和排除，其结果不仅可能导致设备本身损坏，甚至可能造成机毁人亡的严重后果。

在流程生产系统中，如果某一关键设备因故障而不能继续运行，往往会涉及整个流程生产系统的运行，造成巨大的经济损失。

因此，对于流程生产系统故障诊断具有极为重要的意义，例如电力工业的汽轮发电机组，冶金、化工工业的压缩机组等。

自机械制造领域中，如柔性制造系统、计算机集成制造系统等，因故障存在而可能导致加工质量降低，使整个机器产品质量不能保证。

2•降低设备费用。

随着现代大生产的发展和科学技术的进步，现代设备的结构越来越复杂，功能越来越完善，自动化程度也越来越高，设备在现代工业生产中的作用和影响越来越大，与设备有关的费用越来越高，机器运行中发生的任何故障或失效不仅会引起严重后果，造成重大经济损失。

通过对机械运行过程中的工况进行监测，对其故障发展趋势进行早期诊断，可找出故障原因，采取措施进行维修保养，避免设备的突然损坏，使之安全运转。

配置故障诊断系统可延长设备检修周期，缩短维修时间，为制定合理的检修制度提供基础，可极大地提高经济效益与社会效益。

因此充分利用设备，尽量减少停车时间，延长设备的服役期限，将计划性强制维修改为预知维修，这些措施已经越来越成为人们的共识。

以化肥生产为例，1套年产30万吨合成氨的工厂，如果能将每年的停车时间减少1个月，就可以增加6000多万元的产值。

其他流程工业也可以类推。

这是多么巨大的生产潜力！

企业要增效挖潜，就必须首先了解设备，对设备的状态作出评估，对其中的隐含故障不但要心中有数，而且对其形成和发展趋势作出正确的预测和预报，这就离不开诊断技术。

二•社会意义：

1.应用故障诊断技术对机械设备进行监测和诊断，可以及时发现机器的故障和预防设备恶性事故的发生，从而避免人员的伤亡、环境的污染和巨大的经济损失。

2.应用故障诊断技术可以找出生产设备中的事故隐患，从而对机械设备和工艺进行改造以消除事故隐患。

3•近三十年的理论研究和实际应用表明，故障诊断技术的出现，为提高系统的可靠性和安全性开辟了一条新的途径。

在实际生产过程中，在事故发生前，控制系统往往都会出现故障预兆，如果能够及时检测到这种预兆并加以控制。

完全能避免事故的发生。

故障诊断技术的出现为提高复杂系统的可靠性提供了可能。

4.状态监测及故障诊断技术最重要的意义在于改革设备维修制度，现在多数工厂的维修制度是定期检修，造成很大的浪费。

由于诊断技术能诊断和预报设备的故障，因此在设备正常运转没有故障时可以不停车，在发现故障前兆时能及时停车。

按诊断出故障的性质和部位，可以有目的地进行检修，这就是预知维修一现代化维修技术。

把定期维修改变为预知维修，不但节约了大量的维修费用，而且，由于减少了许多不必要的维修时间，而大大增加了机器设备正常运转时间，大幅度地提高生产率，产生巨大的社会和经济效益。

因此,机械状态监测与故障诊断技术对发展国民经济有相当重要的作用。

综上所述，机械故障诊断技术可以极大地提高经济效益与社会效益，所以开展机械设备故障诊断技术的研究具有重要的现实意义。

3故障诊断的研究内容

故障诊断的主要研究内容有一下几个方面：

1.故障机理研究它是故障诊断技术的基础，主要包括被诊断对象的物理和化学过程的研究。

故障机理研究是为了掌握故障形成和发展过程，了解设备故障内在本质及其特征，建立合理的故障模式。

只有研究对象的故障机理，才能有效分清楚导致故障的主次要原因，才能正确判断对象在运行中所可能隐含的故障种类

和故障出现的规律，为实现故障诊断提供保证。

2.故障信息研究

主要包括故障信号采集、选择、分析和处理，以及故障特征提取等过程。

作为故障诊断技术中不可缺少的环节，研究适当的故障信号检测方法是发现故障信息的重要手段。

根据采集信号的不同，相应的有不同的方法。

应用较多的有各种谱分析方法、时间序列特征提取方法、自适应信号处理方法等。

3.故障诊断理论与方法研究

主要包括基于逻辑、模型、推理及人工智能等方法，研究故障模式的识别、推理、预测、分类、评价和决策等。

理论与方法的研究一直是故障诊断的核心内容,也是故障诊断研究领域的主要方向和热门问题。

本文即在己有成果的基础上，采用解析冗余技术，主要研究移动机器人的故障诊断理论与方法。

图4-1故障诊断原理图

5水下机器人的故障技术简介

由于近年来科技水平的飞速发展，机器人的应用也越加广泛，相对于普通机械的故障，机器人的故障呈现出更加复杂的趋势。

而这也成为目前研究比较热门的项目之一，下面我将对国内外集中最新的水下机器人故障监测方法进行汇总，并结合自己的研究方向进行进一步阐述：

水下机器人运动控制技术需要依靠水下机器人的动力学模型来设计，需要参

考水下机器人建模过程中的外界扰动和不定因素，所设计的运动控制系统需要具备一定的抗外界干扰的能力而且应该具有自学习和自适应能力。

目前，国内外的

科研人员已经在水下机器人的运动控制方面开展了深入研究。

国外的研究情况如

下：

荣格等人于1985年提出滑模控制器用于实现水下机器人的轨迹控制。

他们还

深入研究了水动力导数的相关特性；纳卡木荣等人于1992年基于运动学分析提出了一种非线性四自由度跟踪控制方法。

主要是用于控制舷向、纵倾、横倾和纵向位置，他们还运用系统的非完整特性，但没考虑系统的动力学特征；葛恒等人

于1990年提出一种多变量自适应控制器用作水下机器人自动驾驶仪以此克服自动控制时模型不确定带来的问题。

邱毅等人提出并成功实现一种多输入多输出咱

适应控制器。

泰柏等人提出了一种混合自适应控制器并进行仿真试验；于哈等人

提出将神经网络控制器应用于水下机器人运动控制，并且采用了带评价函数的自

适应算法。

易思等人于1998年提出了自组织神经网络控制系统并用于舷向控制，通过仿真试验验证了方法的有效性。

得比托等人于1994年研究了一种基于14

个模糊规则的模糊控制器并应用于水下机器人深度控制。

托卡穆图等人针对欠驱

动的水下机器人开展速度和位置控制，通过实际试验验证了离线神经网络控制器，在线神经网络控制器，基于非回归的自适应控制器和模糊控制器四种不依赖模型的控制系统。

国内对运动控制的研究，主要有彭良等人于1995年提出了基

于BP算法的模型自适应控制方法。

这种方法能够充分利用神经网络的自学习性

能以及研究人员的调试经验；哈尔滨工程大学刘学敏提出了一种基于PD和模糊

控制的s面控制四方法，通过试验结果验证了方法的可行性；王丽荣等在s面控

制基础上提出了将sigmoid函数开方得到亚s面控制方法，用于提高控制的响应速度。

甘永等研究人员提出了一种并行神经网络控制器，用于解决系统在短时间

传感器无数据情况下的运动控制问题；中国科学院沈阳自动化所研究了神经网络自适应控制，6000米水下机器人的简化模型完成验证

从于定

吒严静■

一:

討憧的

一AM:

记

一近忤Fl時甘祈:

一f押斯耳

-■:

J

一.

图5-1故障诊断方法分类

（1）基于定量模型的诊断方法

1.2010年，日本东京大学的JinKyuchoi等人以有四个水平推进器和两个垂直推

进器的“Hovering”AUV为研究对象，根据AUV上推进器的安装位置，确定推进器结构矩阵，建立了AUV上的作用力与推进器产生的推力之间的关系模型，通过比较推进器结构矩阵的秩与推力矩阵维数之间的关系判断推进器是否出现故障。

研究结果表明，当“Hovering”AUV至少有三个推进器（两个水平推进器和一个垂直推进器）正常时，就可以对其它推进器进行故障诊断与容错控制。

该方法仅适用于具有冗余推进器的AUV在诊断过程中未考虑外部海流对载体的干扰，并且假设AUV只有一个故障发生，一旦发生故障，推进器将完全失效。

图5-2“Hovering”AUV

2.2010年，俄罗斯海洋术研究所的Alexeyshumsky等人通过建立AUV的单

输出诊断观测器模型对系统的残差向量进行估计，基于灵敏度理论分析残差向量

的灵敏度大小，如果残差的灵敏度接近于1则认为相应的推进器出现故障，在“CR

一0TAUV上进行了实验验证。

该方法由于存在系统建模误差以及外部干扰等不确定因素影响，在建模过程中对观测器的精度难以保证。

图5-3“CR一01”AUV

（2）基于过程历史数据的诊断方法

1.2004年，美国威尔士大学的EdinOmerdic等人研究了开架式水下机器人

“URIS'（UniversityofGirona）和“FALCO”水下机器人的故障诊断和容错控制系统。

其中故障诊断子系统采用的是基于自组织映射和模糊聚类分析的混合方法，根据实验中获得的数据信息得每个推进器的自组织映射特性，并通过比较特

征向量在映射表中的位置来判断推进器的故障类型。

该方法针对固定研究对象，以大量实验数据为支撑，只能对固定故障模式进行检测，对于特性发生变化的未知故障模式容易出现误判。

图5-3“FALCONAUV

2.2003年，意大利海军自动化学院的A.Alessandri将AUV的故障划分为加性故障、乘性故障和系统故障，然后基于神经网络的学习能力估计各传感器、推

进器和系统故障的故障参数，通过故障参数的变化进行AUV故障检测;2004年，

GianlucaAntonelh等人利用支持量机的自回归能力建立AUV的观测器模型，并结合RBF网络进行模式分类实现了对AUVlt进器未知故障的检测，并水下机器上进行了实验验证。

图5-4实验用AUV

1.2010年，西北工业大学的柳其亮等人针对载体，提出了基于模型跟随法

的舵面故障直接自修复控制方案，该方法通过寻找故障发生后立即产生作用且与故障的具体信息无关的直接自修复控制规律，使故障AUV迅速恢复正常工作状

态。

这种方法在建模过程中将AUV的系统模型简化为线性模型进行分析，这与AUV的实际系统模型存在较大差异。

图5-5西北工大实验用AUV

2.2006年，中国科学院沈阳自动化研究所的俞建成等人基于推力最小为的2

范数的方法实现了推进器的故障容错控制，通过违逆矩阵与定点分配的混合控制分配求解算法进行故障推进器的推力重新分配，并在7000m载人潜水器的半物理仿真试验平台上进行了仿真验证。

该方法在分析过程中忽略了环境海流速度对推力的影响，在实际海洋环境中应用的可靠性还有待进一步的研究。

图5-6中国科学院沈阳自动化研究所AUV

6实例的分析

下面就我的研究课题的机器人的故障诊断做一点分析叙述，当然我这里的机器人目前只涉及自制的建议机器人，大多数属于手工制作的，不是一般的工业机器人。

移动机器人故障诊断任务，除了对故障进行分类，对故障原因进行分析之外，还要将故障诊断工作贯穿于机器人执行任务的整个过程中。

根据故障诊断工作进

行的时间，可以将故障诊断分为以下三个过程

及时处理。

进行自诊断，并对简单的故障进进行全面检修，检查其各部件及功能模块是否存在隐藏故障，并进行及时处理。

故障模式

故障症状

抽障或生原因

供电察址

没有电源

1.机器人无法启动

2.齐类件感器疋法启功

L电池没电

2.保脸丝浙了

3.电堆置樸不虾

4.电路新开

1总开关先聂

电淞不眾

1.M中的机臥停I噬动.

2.机洋人无怯启麹

3.计算机自蔚葩

1.电施氐■木足

1.机胖人无法移功

1.ftff机构损坏

2,车轮损坏

无注正常打柱

1.机豪人不嵯看盘軒體

1，牢轮出班曲庫£桶

皮抜训用抿从

坦挥星址

无池糙豐到仍碍櫛

1一声剧无祛工ft

2-WVt^

兀注正瑚計仲耳呻爲

）.机3SA与序印输招撞

2.无强輛定机佛人也置

1_从1•阳密上吐樂肿

倩息亦悴

2,处理器責恢

瞬.报

1.无范晞定机理人鳖賈

L轉欣网茅观沟阳爲

2.为靜

矗向粗班

无袪转动

1.无法确定机弱<&.X

2.机再人打却常物椁押

1失效

电澹不足日总人帶棵险绘粽认

4电踌断评

S.无目帽£«不It

1.无決确罡机莽人舟盘

1一堆人瞬设■不圧“

2.PID血弟止塊工初蜡曲玫近不it确

fi.转便不称

附t乘址

苗博头无袪鋳动

】.无花确宦M壽人忖戏

1.打怖跟隊髀7；依

<»tf）

2.祝曲谆注氏沽

无乩虽杯規于救坷

1.上癢确定MA&1

1iffcjtftffi

2.摄橡头先独

图6-1机械车故障可能性分析表

在目前的技术条件下，机器人的故障分析主要集中在如下几个方面，机械故

障，编程故障，电子故障。

机械故障是机器人中最常见的故障该问题主要来源是你所采取的材料或者连接方法强度不够。

我们应该避免在机器人上搭载过多的东西，但同时还要保证其结构的坚固。

我们可以通过拉伸试验测试机器人的结构强度。

一旦某一零件使用螺钉螺栓或者其他方法连接到机器人身上，我们可以用力拉，如果零件与机器人脱离了，就证明结构不好。

电子故障，有许多原因，包括布线错误，没有预料到电容感应作用，甚至是

由于热传感导致元器件工作环境变化所引起的元器件失效

编程故障，同时在机器人运动所涉及的控制中，有许多的错误是由于编程错误引起的，因为在机构的设计中有许多的极限位置，但在程序中确实很难表达出来。

同时机器人所用的传感器不一定合适，可能采集到我们不需要的数据。

这时就需要我们用程序去去除不需要的异常数据。

下面对具体案例进行分析：

当小车静止时电池组不会接触到地，但是在小车移动后电池组会和地面相刮，但是小车还会正常运行，

结合以上信息我对此进行了如下的分析

1.小车加速度太快，在启动和停止变向时地盘扭曲

2.小车的电池比较重，选择不当

3.底盘设计过低

4.底盘强度不够，

那么面对这些存在的问题，我将着重对如下几个方面进行修正：

1.改用刚度比较好的材料

2.选择合适的电池

3.重新安排电池的位置

4.选用较大的轮子，提高底盘高度

5.选择比较好的控制系统，减小加速度，平稳过渡

7结论

故障诊断是应复杂系统的不断完善、自动化水平的不断提高而发展起来的一一门学科。

从方法学的角度来讲，故障诊断过程就是诊断人员或系统对诊断对象的认识过程，是经过调查研究、资料收集，然后进行分析综合、抽象概括、逻辑推理判断，最后给出诊断决策结论的过程。

作为一个复杂的推理过程，故障诊断不可避免地存在着诊断决策结论正确与否的问题，即误诊的发生，同时也存在是否丢失诊断过程的问题，即漏诊的发生。

在故障诊断实践中，人们发现对于同一种故障，在不同的征兆域有不同的故障特征，由此在各个征兆域进行局部诊断所得到的结果也不尽相同。

这就意味着

根据不同方面的信息进行诊断得到的结论不尽一致，有时甚至相反，在这种情况

下很难对故障做出正确的诊断。

同时也表明，只依据一个征兆域的信息所作出的最后诊断不一定是正确无误的。

对移动机器人这样复杂的系统进行故障诊断，只有从不同方面对同一对象进行诊断，并且综合利用各种信息，才能得到准确可靠的结论。

通过这些这些分析我们不难发现故障诊断是一门综合的学科，不仅涉及机械传动和零件的制造工艺方面的信息，也包含了许多控制方面的知识，也包含许多了电路方面的知识。

这就要求我们在学习中不断积累相关经验，更要求我们队相关问题的原理的深入研究。

7展望

1状态监测系统

对国外工程机械的发展趋势研究表明：

工程机械除各功能部件进一步完善

外，广泛采用了实用故障诊断系统和电子控制，最为典型的是虚拟现实技术，在装载机上的应用，即在各功能部件实现自动控制的前提下，采用微型电脑对装载机进行集中控制和监控，人机结合形成一种全新的控制模式。

应用该技术对装载机可实现位置识别、位置诱导、安全管理；利用专家系统建立的推理和学习机能，可实现判断处理装载机的运转状况，保证其高效、快速、准确和安全作业。

2自诊断系统

为了工程机械安全运行，用传感器检测机械各部位的状态，通过微机判断，当面临危及人身和设备安全的重大事故时，可立即声、光报警并自动熄火停机，例如，为了防止起重机倾翻，通过微机对传感器输入的信息进行运算处理，一旦有危险立即发出警报，显示其状态并使安全装置起作用，在坡地作业的机械上装设带倾斜仪的防倾翻装置，在柴油机上广泛采用电子控制喷射系统，该系统由传感器、电子控制和执行器三部分组成，电子控制单元具有故障自诊断功能，用以监测控制系统各部分的工作状态，当检测到自传感器和执行器的故障信号时，立即将警示灯点亮，同时将故障信息以故障码的形式存入存储器中-检查车辆时，可将存储器中的故障信息（故障码）调出，以灯光闪烁的方式或直接通过检测仪器显示出来，故障修理人员判断故障的类别和范围；在车辆说明书中给出了每个故障代码的内容及测试、诊断、维修步骤。

3虚拟仪器技术

仅就振动分析这一应用较广发展较快的诊断手段而言，已从幅自谱、功率谱、细化谱、倒频谱、包络谱、时序分析、相关分析多变量分析和全息谱技术等发展到与非线形原理，多传感器信息及现代智能方法的集成与融合，而且在分析精度和速度上不断提高，尤其是近几年发展起来的虚拟仪器技术最为突出，虚拟仪器是由计算机，接口电路与数据分析，过程通讯及图形用户界面软件有机结合的一种仪器,其本硬件确定后，通过调用不同的软件即可构成不同功能的仪器，因而用户可以自定义和组建所需测试仪器和系统。

4模拟技术

环境模拟法即再现与故障发生有关的环境，包括振动法，加热法和加湿法。

增减模拟法