电子机械故障诊断技术分析论文

随着我国经济不断发展,科学技术不断的进步,我国的电子机械设备应用也得到了前所未有的发展,无论是在加工精度、还是加工效率方面都取得了令人瞩目的成绩。但是,随着机械设备加工精度的提升和加工效率的加快,机械设备的突发故障也在不断攀升。机械设备在高速的运转
阅读技巧Ctrl+D 收藏本篇文章

  随着我国经济不断发展,科学技术不断的进步,我国的电子机械设备应用也得到了前所未有的发展,无论是在加工精度、还是加工效率方面都取得了令人瞩目的成绩。但是,随着机械设备加工精度的提升和加工效率的加快,机械设备的突发故障也在不断攀升。机械设备在高速的运转和工作下容易发生故障,一旦发生故障其损失巨大,不但维修费用高,而且维修周期也很长,一直是困扰企业的突出问题。如何应用现代故障诊断技术建立设备故障预警制度,是目前亟待解决的难题。

  在电子机械设备故障诊断过程中,诊断对象的故障过程是复杂多变的,在故障发展过程中,由于引起故障的因素在性质、特点及作用方式上是不同的,机械功能状况和所受损害的具体情况也不同,使得故障征兆和演变具有不同形式,诊断中往往难以迅速准确地认识故障的性质,导致误诊。

  1 电子机械概述

  电子机械主要是以研究电子信息设备与电子系统的机械与结构的设计与制造为核心的,努力提高设备或系统在不同的复杂环境中的电性能。我国工业与电子装备发展过程已经超过40年,在电子设备的设计和制造商处于世界前列,但是也必须认识到先进的电子机械,不仅取决于电子设备的可靠性,也与结构与工艺密不可分。电气设计、结构设计及制造工艺在电子装备中有融为一体的发展态势,当今的电子机械工程就是应这种趋势而产生的新兴学科,国内很多高校也设立了电子机械专业。电子机械同以往的普通机械相比,有其自身的特性:从目的上来说,电子机械旨在于提高电子设备的电气性能系统;从实现手段上来说,电子机械主要通过在机械中加入电子信息技术等来实现电子设备的性能;从机电一体化的载体方面来说,电子机械是电子系统,常规机械是机械结构系统;从电子系统对机械的重要性来说,机电一体化对电子设备至关重要。

  2 电子机械故障诊断技术分析

  所谓电子机械设备故障,就是指机械系统已偏离其设备状态而丧失部分或全部功能的现象。如某些零件或部件损坏,致使工作能力丧失;发动机功率降低;传动系统失去平衡和噪声增大;工作机构的工作能力下降;燃料和润滑油的消耗增加等,当其超出了规定的指标时,均属于机械故障。电子机械故障诊断技术主要有以下几种:

  2.1 基于小波分析的故障诊断方法

  小波变换是一种新的变换分析方法,它继承和发展了短时傅立叶变换局部化的思想,同时又克服了窗口大小不随频率变化等缺点,能够提供一个随频率改变的“时间-频率”窗口,是进行信号时频分析和处理的理想工具。基于小波分析直接进行故障诊断是属于故障诊断方法中的信号处理法。这一方法的优点是可以回避被诊断对象的数学模型,这对于那些难以建立解析数学模型的诊断对象是非常有用的。具体可分为以下4种方法: ①利用小波变换检测信号突变的故障方法连续小波变换能够通过多尺度分析提取信号的奇异点。其基本原理是利用信号在奇异点附近的Lipschitz指数。 Lipschitz指数时,其连续小波变换的模极大值随尺度的增大而增大;当时,则随尺度的增大而减小。噪声对应的Lipschitz指数远小于0,而信号边沿对应的Lipschitz指数大于或等于0。因此,可以利用小波变换区分噪声和信号边沿,有效地检测出强噪声背景下的信号边沿(援变或突变)。因此,利用小波变换可以区分噪声和信号边沿,有效地检测出强噪声背景下的信号边沿奇变。动态系统的故障通常会导致系统的观测信号发生奇异变化,可以直接利用小波变换检测观测信号的奇异点,从而实现对系统故障的检测。

  除此之外,小波变换可以看作一个带通滤波器,从而可以对信号进行滤波。近年来,已经出现了很多基于小波变换的去噪方法。Mallat提出了通过寻找小波变换系数中的局部极大值点,并据此重构信号,可以很好地逼近未被噪声污染前的信号。Donoho也提出了一种新的基于阈值处理思想的小波去噪技术。利用去噪后的信号可以直接对系统进行故障诊断,也可利用此信号进行残差分析。通过去噪获得系统输出信号来进行故障诊断,方法上比较简单,但对故障的判断受限于观测人员自身的经验。

  2.2 光学检测技术

  由于故障诊断资料不足,对故障的认识受到较大限制,给明确诊断带来困难,有时所怀疑的故障的一般规律与故障征兆不完全相符,另外排除了一种故障的可能,因此故障诊断的推理过程往往也是模糊的,具有一定程度的不确定性。近年来,光学技术得到了快速的发展并被应用到工业领域,例如在数控机床中光栅系统的应用。光栅测量是利用光的衍射原理,通过叠放的光栅的相对运动,产生与之同步移动的莫尔条纹信号,然后通过读数头与后续电路,将导轨、工作台的位置等信号转变成信号读出来,其读数分辨率可达5nm。当两块相同的长光栅跌合,如果栅线的夹角很小时,莫尔条纹的方向与光栅条纹方向近似垂直。光栅盘上黑白刻线的相对移动,会产生光强度周期性变化,此光信号经光电池转换成为周期性的电信号,对电信号进行分析处理,就可获得光栅相对移动的位移量。

  2.3 人工智能诊断

  机电设备在运行时均会产生物理变化或者化学性能的转化,这样势必会造成设备的外在形态的改变,如温度升高、电压电流以及功率的变化等,检测人员可以通过对设备的这些参数变化的分析来了解设备的运行状况。故障诊断技术就是依照不同参数的不同变化规律,而预判断设备是否出现故障及出现故障的具体位置,以便及时采取科学有效的措施,防止出现不必要的损失,提高了设备运行效率和安全性。近年来,人工智能和计算机技术迅速发展,在机械诊断中的运用也越来越广泛。例如,用于大机组和燃气轮机的诊断专家系统、采用概率神经网络、自组织映象和径向基函数网络等的智能诊断神经网络等。Zadeh曾将专家系统、模糊集合、神经网络、概率计算和遗传算法统称为软计算。将软计算中各种方法集成,形成各种类型的混合系统,如用于诊断的模糊专家系统、模糊神经网络等,使各种方法互相取长补短,相辅相成,是一种值得关注的动向。

  结束语

  电子机械设备一旦由于故障,机械性能降低,无法正常运转,从而影响到生产效率。而受到摩擦、外力、应力以及化学反应的影响,现代机械的零部件会出现磨损、腐蚀、断裂等情况,致使机械产生故障而无法运行,只有采取积极的防御措施,进行及时的修理,能够有效的避免机械故障的产生。

转载请注明来源。原文地址:http://www.lw54.com/20191029/8211897.html   

电子机械故障诊断技术分析论文相关推荐


联系方式
微信号 Lw54_com
热点论文
14705193098 工作日:8:00-24:00
周 日:9:00-24:00