CN109488630B - 基于谐波相对指标的离心风机转子不对中故障诊断方法 - Google Patents
基于谐波相对指标的离心风机转子不对中故障诊断方法 Download PDFInfo
- Publication number
- CN109488630B CN109488630B CN201811346611.6A CN201811346611A CN109488630B CN 109488630 B CN109488630 B CN 109488630B CN 201811346611 A CN201811346611 A CN 201811346611A CN 109488630 B CN109488630 B CN 109488630B
- Authority
- CN
- China
- Prior art keywords
- frequency
- vibration
- axial
- horizontal
- centrifugal fan
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于谐波相对指标的离心风机转子不对中故障诊断方法,本方法对离心风机滚动轴承座的多测点振动速度信号计算频谱,通过频谱校正获得准确的转频以及转频的二至四倍频特征幅值,利用转频及其谐波分量建立不对中的相对判断指标,通过相对判断指标的联合变化情况,实现离心风机不对中故障与不平衡及松动故障的区分。本发明表现形式易于理解、解释方便,克服了传统的振动频谱分析方法易受人工影响以及大量特征参数联合判断的缺陷,所提取的相对指标能够有效反映出对中故障的变化,提高诊断的准确性。
Description
技术领域
本发明涉及机械故障诊断领域,尤其涉及一种基于谐波相对指标的离心风机转子不对中故障诊断方法。
背景技术
离心风机是冶金和电力等行业的重要辅机设备,其主要功能是保证燃料充分燃烧和废气顺利排出,具有良好运行工况的风机是主机机组安全稳定运行必不可少的条件,因此,对离心风机进行运行状态监测诊断,是冶金和电力行业设备维护与管理的一项重要内容。同其它旋转类机械相同之处在于,风机的核心部件是转子,其大多故障行为都与转子及其组件有关,因此转子故障的诊断识别又是离心风机监测诊断的核心内容。
对于滚动轴承支撑的离心风机***来说,其主要结构形式为电机直连风机,风机与电机转速相同,对于冶金行业来说,大多数风机为悬臂结构,即主轴叶轮处于两轴承以外位置,其振动测点为轴承座上的径向振动和轴向振动。研究表明,风机主轴转子的工频类故障涉及了主轴转频及其谐波的故障,主要包括叶轮失衡故障、主轴与联轴器不对中故障及松动故障,由于悬臂结构方式,使得不平衡状态下的轴向振动也较大,往往与对中故障误判,而径向振动的谐波分量也使得对中故障表现为与松动故障类似。而现有技术主要依靠人工对频谱的变化分析,导致了不同人员可能会得到不同的结果。虽然在单方向上(如水平)的工频类故障频谱特征类似,但由振动机理可知,不对中故障的激励响应在截面不同方向上(垂直、水平及轴向)与其他故障有差异性,然而多方向的特征分析会导致提取众多的谐波特征分量,大大增加了阈值设定的困难,因此,基于多测点频谱的谐波分量,在转频及其谐波特征的基础上构建相对指标来有效反映故障的差异,从而实现不对中故障的诊断,减少人员经验对诊断结果的影响。
发明内容
本发明所要解决的技术问题是提供一种基于谐波相对指标的离心风机转子不对中故障诊断方法,本方法克服现有频谱分析技术的缺陷,通过基于转频及谐波特征建立评判指标,能够有效反映故障变化,实现两种转子不对中故障的诊断识别。
为解决上述技术问题,本发明基于谐波相对指标的离心风机转子不对中故障诊断方法包括如下步骤:
步骤一、在离心风机滚动轴承座上采集三个方向振动速度信号,设垂直方向为xv(t)、水平方向为yh(t)和轴向为za(t);
步骤二、计算振动速度信号的频谱,并经频谱校正提取转频及其四次谐波幅值,其中垂直方向上转频fv幅值为以及二倍频到四倍频幅值分别为/>和/>水平方向上转频fh幅值为/>以及二倍频到四倍频幅值分别为/>和/>轴向方向上转频fa幅值为/>以及二倍频到四倍频幅值分别为/>和/>
步骤三、根据提取的三个转频谐波分量幅值,计算相对指标K0和K1,用于衡量垂直和水平方向谐波的变化;
步骤四、以水平振动为基础,计算轴向相对振动指标K2;
步骤五、为判断轴向谐波分量大小,计算用于评估二倍频分量的相对指标K3;
步骤七、当K1<0.3时,表明频谱结构为转频为主,则以水平方向振动为基础,当轴向振动大于水平振动的一半时,即K2>0.5,判定为转子不对中故障;
步骤八、当K1较大时,表明在水平振动中存在谐波分量,按照如下顺序进行判定:
1)轴向二倍频谐波分量占比高于设定阈值,即K3>0.7,且K1>0.3,判定为转子不对中故障;
2)当轴向二倍频谐波分量占比低于设定阈值,且轴向振动大于水平振动的情况,即K3<0.7且K1>0.3和K2>1,判定为转子不对中故障。
由于本发明基于谐波相对指标的离心风机转子不对中故障诊断方法采用了上述技术方案,即本方法对离心风机滚动轴承座的多测点振动速度信号计算频谱,通过频谱校正获得准确的转频以及转频的二至四倍频特征幅值,利用转频及其谐波分量建立不对中的相对判断指标,通过相对判断指标的联合变化情况,实现离心风机不对中故障与不平衡及松动故障的区分。本发明表现形式易于理解、解释方便,克服了传统的振动频谱分析方法易受人工影响以及大量特征参数联合判断的缺陷,所提取的相对指标能够有效反映出对中故障的变化,提高诊断的准确性。
附图说明
下面结合附图和实施方式对本发明作进一步的详细说明:
图1为本方法的流程框图;
图2为实施例中离心风机的结构示意图;
图3a为实施例中电机负荷侧垂直方向振动频谱示意图;
图3b为实施例中电机负荷侧水平方向振动频谱示意图;
图3c为实施例中电机负荷侧轴向方向振动频谱示意图;
图4a为实施例中离心风机电机侧垂直方向振动频谱示意图;
图4b为实施例中离心风机电机侧水平方向振动频谱示意图;
图4c为实施例中离心风机电机侧轴向方向振动频谱示意图。
具体实施方式
本发明基于谐波相对指标的离心风机转子不对中故障诊断方法包括如下步骤:
步骤一、在离心风机滚动轴承座上采集三个方向振动速度信号,设垂直方向为xv(t)、水平方向为yh(t)和轴向为za(t);
步骤二、计算振动速度信号的频谱,并经频谱校正提取转频及其四次谐波幅值,其中垂直方向上转频fv幅值为以及二倍频到四倍频幅值分别为/>和/>水平方向上转频fh幅值为/>以及二倍频到四倍频幅值分别为/>和/>轴向方向上转频fa幅值为/>以及二倍频到四倍频幅值分别为/>和/>
步骤三、根据提取的三个转频谐波分量幅值,计算相对指标K0和K1,用于衡量垂直和水平方向谐波的变化;
步骤四、以水平振动为基础,计算轴向相对振动指标K2;
步骤五、为判断轴向谐波分量大小,计算用于评估二倍频分量的相对指标K3;
步骤七、当K1<0.3时,表明频谱结构为转频为主,则以水平方向振动为基础,当轴向振动大于水平振动的一半时,即K2>0.5,判定为转子不对中故障;
步骤八、当K1较大时,表明在水平振动中存在谐波分量,按照如下顺序进行判定:
1)轴向二倍频谐波分量占比高于设定阈值,即K3>0.7,且K1>0.3,判定为转子不对中故障;
2)当轴向二倍频谐波分量占比低于设定阈值,且轴向振动大于水平振动的情况,即K3<0.7且K1>0.3和K2>1,判定为转子不对中故障。
以下结合附图和实施例对本方法作进一步的详细说明;
参照图1所示,根据图示的流程对不对中故障进行诊断;
参照图2所示,对图示离心风机进行振动测量;图中,电机1经联轴器2连接风机转轴3,风机转轴3间隔设置第一滚动轴承座4和第二滚动轴承座5;
参照图3a、图3b和图3c所示,获得电机负荷侧振动速度信号,计算得到频谱。
对离心风机进行不对中故障诊断,过程如下:
1)在滚动轴承座上采集三个方向振动速度信号,设垂直方向为xv(t)、水平方向为yh(t)和轴向为za(t);
2)分别对三个方向振动速度信号的频谱在转频及其四次谐波进行频谱校正(频谱矫正方法可参考:丁康,江利旗.离散频谱的能量重心校正法[J].振动工程学报,2001,14(3):354-358.)。获得准确的幅值,其中包括垂直方向上,转频幅值二倍频幅值三倍频幅值/>四倍频幅值/>水平方向上,转频幅值二倍频幅值/>三倍频幅值/>四倍频幅值/>在轴向方向上,转频幅值/>二倍频幅值/>三倍频幅值/>四倍频幅值/>其中频率单位为Hz,幅值单位为mm/s;
3)根据提取的三个转频谐波分量幅值,计算相对指标K0和K1用于衡量垂直和水平方向谐波的变化;
4)以水平振动为基础,计算轴向相对振动指标K2;
5)为了判断轴向谐波分量大小,计算用于评估二倍频分量的相对指标K3;
7)当K1<0.3时,表明频谱结构为转频为主,则以水平方向振动为基础,当轴向振动大于水平振动的一半时,即K2>0.5,为转子不对中故障;
8)当K1较大时,表明在水平振动中存在谐波分量时,按照如下顺序进行判别:
1)轴向二倍频谐波分量占比高于设定阈值,即K3>0.7,且K1>0.3,为转子不对中故障;
2)当轴向二倍频谐波分量占比低于设定阈值,且轴向振动大于水平振动的情况下,即K3<0.7且K1>0.3和K2>1,为转子不对中故障。
由于K1=0.82>0.3,K3=0.36<0.7,K2=1.57>1,按8.2判定为转子发生不对中故障,与实际故障一致。
经过图3a、图3b和图3c所示的数据验证表明,本方法能够准确诊断离心风机转子不对中故障。
由此可见不满足条件,不是对中故障,与实际情况一致。
本方法在转频及其谐波特征的基础上构建相对指标,能够消除工况等因素的干扰,以较少的特征分量来实现较准确的故障识别。
Claims (1)
1.一种基于谐波相对指标的离心风机转子不对中故障诊断方法,其特征在于本方法包括如下步骤:
步骤一、在离心风机滚动轴承座上采集三个方向振动速度信号,设垂直方向为xv(t)、水平方向为yh(t)和轴向为za(t);
步骤二、计算振动速度信号的频谱,并经频谱校正提取转频及其四次谐波幅值,其中垂直方向上转频fv幅值为以及二倍频到四倍频幅值分别为/>和/>水平方向上转频fh幅值为/>以及二倍频到四倍频幅值分别为/>和/>轴向方向上转频fa幅值为/>以及二倍频到四倍频幅值分别为/>和/>
步骤三、根据提取的三个转频谐波分量幅值,计算相对指标K0和K1,用于衡量垂直和水平方向谐波的变化;
步骤四、以水平振动为基础,计算轴向相对振动指标K2;
步骤五、为判断轴向谐波分量大小,计算用于评估二倍频分量的相对指标K3;
步骤七、当K1<0.3时,表明频谱结构为转频为主,则以水平方向振动为基础,当轴向振动大于水平振动的一半时,即K2>0.5,判定为转子不对中故障;
步骤八、当K1>0.3时,表明在水平振动中存在谐波分量,按照如下顺序进行判定:
1)轴向二倍频谐波分量占比高于设定阈值,即K3>0.7,且K1>0.3,判定为转子不对中故障;
2)当轴向二倍频谐波分量占比低于设定阈值,且轴向振动大于水平振动的情况,即K3<0.7且K1>0.3和K2>1,判定为转子不对中故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811346611.6A CN109488630B (zh) | 2018-11-13 | 2018-11-13 | 基于谐波相对指标的离心风机转子不对中故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811346611.6A CN109488630B (zh) | 2018-11-13 | 2018-11-13 | 基于谐波相对指标的离心风机转子不对中故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109488630A CN109488630A (zh) | 2019-03-19 |
CN109488630B true CN109488630B (zh) | 2023-07-14 |
Family
ID=65694797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811346611.6A Active CN109488630B (zh) | 2018-11-13 | 2018-11-13 | 基于谐波相对指标的离心风机转子不对中故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109488630B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110319798B (zh) * | 2019-07-02 | 2022-03-11 | 哈尔滨工业大学 | 用于检测电机安装故障的方法及装置 |
CN110553844B (zh) * | 2019-07-24 | 2020-12-25 | 西安交通大学 | 旋转机械的不对中故障检测方法及其检测*** |
CN111365251B (zh) * | 2020-03-27 | 2021-10-15 | 北京天泽智云科技有限公司 | 一种离心泵机组故障的智能诊断方法 |
CN112539935B (zh) * | 2020-11-25 | 2022-10-14 | 西安因联信息科技有限公司 | 旋转机械基础类故障的识别方法 |
CN112947597B (zh) * | 2021-01-18 | 2022-11-25 | 北京化工大学 | 柴油机连接轴系不对中故障自愈调控方法 |
CN112761980B (zh) * | 2021-01-22 | 2022-07-26 | 中车青岛四方机车车辆股份有限公司 | 一种评估动车组用冷却风机性能的方法及*** |
CN112963373B (zh) * | 2021-03-12 | 2022-11-08 | 中煤科工集团重庆研究院有限公司 | 一种矿用轴流式主通风机隐患快速识别方法及监测装置 |
CN113435395B (zh) * | 2021-07-13 | 2023-04-07 | 重庆大学 | 基于自适应卡尔曼滤波器的风轮故障自适应诊断方法 |
CN113804438B (zh) * | 2021-09-15 | 2024-01-09 | 鞍钢股份有限公司 | 基于振动频谱特征的调速型偶合器不对中故障诊断方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101929917B (zh) * | 2010-03-24 | 2012-08-29 | 陈先利 | 一种旋转机械的故障诊断方法 |
CN104359674A (zh) * | 2014-10-20 | 2015-02-18 | 广东电网有限责任公司电力科学研究院 | 基于时域与频域状态监测的高速滚动轴承故障诊断方法 |
CN105510010A (zh) * | 2015-11-26 | 2016-04-20 | 江南大学 | 一种针对旋转机械构造异常为不对中的特征参量模型 |
CN106017956B (zh) * | 2016-05-18 | 2018-05-08 | 重庆大学 | 基于进动能量差密度谱分析的旋转机械故障诊断新方法 |
CN107525674B (zh) * | 2017-05-27 | 2019-06-28 | 苏州大学 | 基于脊线概率分布和局部波动的转频估计方法及检测装置 |
CN108151869B (zh) * | 2017-11-27 | 2020-07-03 | 广州航新航空科技股份有限公司 | 一种机械振动特征指标提取方法、***及装置 |
-
2018
- 2018-11-13 CN CN201811346611.6A patent/CN109488630B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109488630A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109488630B (zh) | 基于谐波相对指标的离心风机转子不对中故障诊断方法 | |
US5258923A (en) | System and method for detecting the occurrence, location and depth of cracks in turbine-generator rotors | |
CN102507205B (zh) | 一种检测航空发动机风扇叶片颤振故障的方法 | |
CN104006908B (zh) | 风机能耗监测方法及*** | |
CN111963415A (zh) | 一种液压柱塞泵的故障诊断方法及*** | |
CN108644130B (zh) | 一种泵组故障的检测方法 | |
CN112729681A (zh) | 一种转子现场动平衡的检测方法及检测*** | |
CN111044277A (zh) | 一种泵站机组的故障诊断***及方法 | |
JP4608564B2 (ja) | 低速回転機械の異常診断方法 | |
CN112525533A (zh) | 一种航空发动机滚珠轴承接触角的在线检测方法 | |
JP3827896B2 (ja) | 転がり軸受の診断装置 | |
CN116304848A (zh) | 一种滚动轴承故障诊断***及方法 | |
CN115410729A (zh) | 一种核反应堆轴封泵振动在线监测方法、***及介质 | |
CN108871827B (zh) | 一种基于交叉统计分析的快速诊断旋转机械共振的方法 | |
CN111562126B (zh) | 一种基于三维全息差谱的旋转机械二倍频故障诊断方法 | |
CN114018480A (zh) | 一种大型旋转机械的转子不平衡故障的实时诊断方法 | |
Shan et al. | A novel experimental research on vibration characteristics of the running high-speed motorized spindles | |
EP2551513A2 (en) | Wind turbine condition monitoring method | |
CN105865789A (zh) | 一种用于分解槽减速机轴承故障的检测*** | |
Wang et al. | The method for identifying rotating blade asynchronous vibration and experimental verification | |
CN113063343A (zh) | 一种基于应变信号波形失真评价的转轴裂纹检测方法 | |
CN117491015A (zh) | 一种基于频谱峰值能量和分析的转频计算方法 | |
CN1150400C (zh) | 叶轮机械叶片故障叶间间距监测诊断法 | |
CN113532776B (zh) | 一种发电机轴瓦瓦枕绝缘垫失效诊断方法及*** | |
Misra et al. | An experimental study of rotor fault detection using motor current signature analysis based on neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |