往復機械故障分析及診斷方法

摘要：往復式機械設備的結構復雜，運行不平穩，其故障診斷技術有待深入研究。文中對往復機械的常見故障進行了介紹，并介紹了在往復機械狀態監測與故障診斷中常用的監測信號、信號特征提取方法及故障識別方法，比較了各種監測信號及特征提取方法的優劣，并分析了制約往復式機械故障診斷發展的技術難點，并針對性地提出了解決這些技術難點的方法或可能的發展方向。

關鍵詞：往復機械；故障診斷；狀態監測；特征提取

往復機械主要包括：往復式壓縮機、內燃機（柴油機及汽油機）、往復泵等。其故障主要分為：結構性故障和性能故障。結構性故障是指零件磨損、裂紋、裝配不當、動靜件間的碰磨、油路堵塞等；性能故障表現在機器性能指標達不到要求，如功率不足、油耗量大等。

1常用監測信號及其應用

1.1振動信號及其應用

許多機械故障都表現為振動異常，而且所需監測設備相對簡單，信號分析技術也比較成熟，這種診斷方法已成為機械故障診斷的主要手段。但因為往復機械轉速低、結構復雜、運動件多，工作時振動激勵源多，所以利用振動信號進行分析比旋轉機械困難的多。

往復式壓縮機的振動監測：利用機器表面振動信號診斷活塞、汽缸磨損、氣閥漏氣和主軸承狀態；利用潤滑油管路內的壓力波信號診斷往復式壓縮機軸承故障、利用氣缸頭振動信號診斷缸內故障等。但由于背景噪聲干擾大、缺乏可靠的傳感器及振動信號的非平穩性等原因，振動分析法在實時監測往復式壓縮機工況方面仍需繼續研究。

內燃機的振動監測：從機身表面或者缸套的振動信號中，提取不同的活塞-缸套間隙下的頻率特征，判斷活塞-缸套系統的磨損狀態；從缸蓋表面的振動信號中，提取氣門漏氣故障的頻域特征，判斷氣門的工作情況；從噴油器和高壓油泵上的振動信號中，提取反映噴油過程各種參數的頻域特征據此判斷柴油機燃油系統的工作狀態。振動分析用于實時監測內燃機工況面臨的困難：不同型號的內燃機振動信號共性不足，信號分析方法不能通用；振動源多，傳遞路徑復雜，系統故障既有“縱向性”又有“橫向性”；多個故障并存，多故障的同時診斷影響診斷的準確性。

應用振動信號對往復泵故障進行診斷也取得了許多成果。如通過泵閥振動信號診斷泵閥閥芯磨損和彈簧斷裂。

1.2油液參數及其應用

液壓油和潤滑油攜帶有大量的關于機械設備運行狀態的信息。潤滑油所流經的各摩擦副的磨損碎屑都落入其中隨之一起流動。對工業油液（脂）的進行采樣，通過必要的分析處理后，可以取得各摩擦副的磨損狀況，包括磨損部位、磨損機理以及磨損程度等方面的信息。往復機械主要采用光譜分析法和鐵譜分析法。

光譜技術可為推斷設備的磨損部位和磨損程度提供依據，該方法對缸套漏水和非鐵系摩擦副失效有較靈敏的反應。鐵譜技術可分析和判斷機器運動副表面的磨損類型、程度和部位，不但對潤滑油中的大磨粒變化敏感，而且可直接觀察磨粒的形態與成份。但多個同種材質的摩擦副存在磨損故障時，鐵譜分析不能準確的區分故障的部位，需和其它方法配合使用。

1.3溫度信號及其應用

有統計數據表明：溫度檢測約占工業檢測總數的50%。一方面，溫度是表征機械電氣故障的特征參量，由潤滑不良造成的機件異常磨損、渦輪增壓器以及發動機排氣管阻塞、電氣接點燒壞等常見故障形式都會造成相應部位的溫度升高；另一方面，溫度也是引發機械設備故障的重要因素，材料的機械性能與溫度有密切關系，溫度過高，不僅會使機械零件發生軟化等異常現象，嚴重時還會造成零件的燒損。

監測壓縮機的進、排氣溫度可以間接了解氣閥和氣缸組件的工作狀態，如排氣閥泄露會導致排氣溫度升高；吸氣閥泄露會使一部分高壓氣體倒竄，導致吸氣溫度升高。點溫儀監測填料涵溫度，可監控活塞桿的故障信息。監測氣缸和中間冷卻水溫度，可了解水套和中間冷卻器的結垢和堵塞情況、冷卻效果，避免水套和中間冷卻器燃燒事故的發生。

內燃機的溫度監測包括冷卻水溫度和排氣溫度。冷卻水溫度反映冷卻系統工作正常與否；排氣溫度反映氣缸內的燃燒情況，如后燃造成排氣溫度過高。

2 往復機械振動信號診斷方法

溫度信號、油液參數等信號能直接由儀器讀出，其本身就是特征值不需要另外再提取特征。振動信號不能直接反應機組運行狀態，需要用現代信號處理方法進行分析。

2.1時域分析法

振動診斷的時域分析法包括：波形分析和特征參數分析--該方法在信號中含有簡諧信號、周期信號或短脈沖信號時既簡單又有效；特征參數不僅可用于在線監測，也可輔助用于其他診斷方法。時域同步平均法（又稱相干檢波法）--從混有噪聲干擾的信號中提取周期性分量的有效方法。相關函數診斷法——該方法可用于檢測隱藏在信號中的確定性周期信號、檢測和回收隱藏在外界噪聲中的有用信號的時延、借助擾動源定位識別振源和故障的位置。

時間序列分析法、時域波形的合成與分解、時域波形的形態分析、時域波形的統計分析等都是應用較廣的時域分析技術，時域分析法比較形象和直觀，是傳統的故障信號分析方法。

2.2頻域分析法

頻譜分析是信號處理的基本方法，振動信號經傳感器拾取進行預處理后，經過一定的數學方法將信號由時域變換到頻域進行分析，和正常振動信號頻譜進行比較，找出故障特征，確定故障類型。頻域分析的現代譜估計的主要有：短時傅立葉變換（STFT）、Wigner時頻分布、小波變換（Wavelet Transform）、Cohen類時頻分布、Wigner-Ville分布、Radon-Wingner變換、Gabor變換等方法。

3 往復機械故障識別方法

所謂故障識別就是通過提取得到的機械設備外部征兆的特征參數，對故障類型和故障程度進行分析和識別。常用的現代有以下幾種方法：主分量分析法、模糊識別法、神經網絡法和混沌神經網絡識別法。

主分量分析法（PCA）PCA法是一種多變量分析方法，亦稱矩陣數據分析法。它通過變量變換的方法，把相關的變量變為不相關的若干新變量，應用于多元回歸、多維時間序列分析、多維譜分析等許多方面。變量個數愈多，它的優越性愈加突出。可實現多參數的融合，既提取出了有用信息，又能使設備診斷工作簡化，并有可能通過簡易診斷法達到精密診斷的效果。

模糊模式識別法 主要針對識別對象本身的模糊性或識別要求上的模糊性，大致有兩種歸類方法：直接法，按最大隸屬度原則歸類，主要應用于個體的識別；間接法，按擇近原則歸類，一般應用于群體模型。該方法充分利用了多種特征參數的信息互補性，識別簡單，易于操作，但是故障隸屬度函數的確定較為困難，故障診斷的精度不高。

神經網絡法 神經網絡具有良好的聯想記憶、自適應、容錯性和并行信息處理能力。如在柴油機的故障診斷中，應用神經網絡方法，可直接融合柴油機缸蓋振動的時域信號，識別缸內燃燒類型，融合排氣門位置、發動機轉速、扭矩、進氣壓力等參數中的任意三種參數，可預測另一個參數。神經網絡法的性能也受很多限制，將其與專家系統結合將有更大的發展。混沌神經網絡識別法是將混沌與神經網絡結合的方法，Hopifield結構可以作為研究混沌神經網絡的基礎網型，有可能對僅有微小差別的模式進行識別。

參考文獻

[1] 金濤.童水光.汪希萱.徐躍坤．往復式活塞壓縮機故障監測與診斷技術．流體機械.1999（11）.28～32

[2] 胡以懷.楊叔子.劉永長等．柴油機磨損故障振動診斷機理的研究．內燃機學報，1998，16(1)

[3] 王珍.馬孝江．局域時頻法在柴油機缸套活塞磨損診斷中的應用研究．內燃機學報.2002.20（2）