机械故障诊断.doc

铁谱分析技术是特别适合于鉴定和预测滚动疲劳的一种方法。将滚动轴承的润滑油抽取一部分作为油样,利用高梯度磁场使流过该磁场的油样中所含的固体异物,按大小比例沉积在玻璃片上,得以观察异物颗粒的形状、大小,色泽和材质,从而能清楚地判明磨损的类型,预告机器的运转状态,及时发现隐患。{TodayHot}铁谱技术原则上以鉴定钢铁等强磁体为主要目标,但对铜等非铁金属、砂、有机物和密封碎屑等异物也有相当出色的鉴定能力。 当油样中出现直径为1~5μm钢铁类球形颗粒时,肯定轴承已开始出现疲劳微裂纹。当油样中出现长度与厚度比为10:1的疲劳剥落颗粒,而长度大于10μm时,轴承中非正常疲劳磨损已经开始,当长度大于100μm时,轴承已经失效。 第三种疲劳碎屑为长度与厚度比为30:1的疲劳薄片,其长度在20—50μm之间,薄片往往带有空洞。在疲劳开始出现时,这种薄片的数量会明显增加,这可与球形颗粒共同作为疲劳出现的标志。铁谱仪通常分为分析式铁谱仪,直读式铁谱仪和在线式 铁谱仪三大类。故障诊断的发展现状:随着工程设备自动化程度的提高,其结构日趋复杂,一旦出现故障,会产生链式反应,以致整个设备损坏,不仅造成巨大经济损失,而且会危及人身安全。大型机组如各类大型汽轮发电机组、离心压缩机组等大型回转机械及一些大型往复机组,如大型柴油发电机组,它们是电力、石化、冶金、汽车和造船等国民经济重要部门的关键设备,保障其安全、稳定、长期、满负荷运行将产生巨大的经济效益和社会效益。工程实践使人们认识到,要使设备可靠、有效,充分发挥其效益,必须发展工程监测和故障诊断技术。故障诊断技术发展现状 作者:李国良转贴自:本站原创点击数:107更新时间:2008-12-18 状态监测系统获取的信息用于设备状态评估和故障诊断,进而确定最佳检修方式。智能故障诊断在我国已发展多年,当前的发展状况、实际应用中存在的问题、当今的故障诊断技术可以为状态检修起的作用、今后的发展方向,本节将探讨这些问题。1汽轮发电机组旋转机械诊断技术现状故障诊断是对处于工作环境中的设备或系统查明导致系统已经出现的某种功能非正常的性质或原因,判断恶化状态发生的部位。人工诊断是基本的方式,直至现在,它仍然是国内外电力设备主要的诊断模式,当今大量的现场实际疑难故障,通常还是由人工进行诊断分析,与过去不同的是测量工具和信号分析手段的更新。近年随着计算机技术等学科的发展,出现了利用软件分析推理并自动给出诊断结论的自动(或称智能)故障诊断系统。自动诊断的推理方法国内外有两类:人工智能专家系统和人工神经网络(简称神经网络,work)。前者的标准构成是知识库、推理机和人机接口;后者是由大量简单的处理单元相互连接组成的网络,当前应用最多的是前向多层神经网络(BP网络),后期发展的模糊神经网络(work)是将神经网络和模糊数学相结合,即具有联想、学****具有自适应性,又能进行模糊推理。神经网络、专家系统长期一直是我国高等院校从事故障诊断研究的定常规范内容,国内现行的自动诊断系统多年停留在这两个方法的翻版、算法的改进上,始终未能成功地给出一个工程性的实用系统来,无法取得实质进展。在实际机组故障诊断系统方面,国内近十多年研制开发了总计约数十种的故障诊断系统配备在机组上,它们通常由前端数据采集、上位机和分析诊断软件组成。国内这些诊断系统绝大多数没有达到在线自动诊断的功能目