故障诊断学基础知识

1. 机械故障诊断涉及哪些学科？做哪方面的科学研究？包含了哪些技术？形成了哪些方法？解决什么工程问题？

(1) 涉及的学科有：机械、力学、电子、计算机、信号处理、人工智能等。

(2) 机械故障诊断是研究机器或机组运行状态的变化在诊断信息中的反映，因此包括信号获取与传感技术、故障机理与征兆联系、信号处理与特征提取、识别分类与智能决策等方面的研究，根据基础和关键科学问题又可细分为机械系统运行状态下故障动态演化机理、机械系统动态信号处理的内积匹配原理与微弱信号特征增强机制、故障定量识别和剩余寿命预测原理、人工智能诊断与机械故障预示方法等方面。

(3) 在故障机理方面，一般分析流程是根据研究对象的物理特点，建立相应的数学力学模型（正问题-有限元建模与动力学分析），通过仿真研究获得其响应特征，再结合实验修正模型（反问题-动态信号特征准确提取），因此包含的技术主要集中在有限元和动力学原理方面，对于常见的机械基础零部件转子、齿轮、轴承等形成了较为完善的基于动力学机理的故障诊断方法；

在信号处理方面，包含时频域分析、小波分析、循环平稳信号分析、经验模式分解、时间序列、随机共振、盲源分离、卡尔曼滤波、混沌分叉等技术，形成了基于全息谱、多种小波函数、时间序列模型、隐式马可夫模型、自适应随机共振、总体经验模式分解的故障诊断方法；

在智能诊断方面，一方面传统的机器学习理论为故障诊断带来了专家系统、遗传算法、神经网络、模糊理论、故障树、决策树、粗糙集理论、支持向量机、PCA、ICA、ANN、KNN、PGM等技术，另一方面随着现代深度学习理论的逐步完善，形成了例如基于CNN、DBN、RestNet等一批目前较为流行的故障诊断方法，并且为了对接工程实际的运用，未来智能诊断会向着转移学习理论方面深入。

其它，除上述方法外，还有油液分析、红外热成像、无损检测、热工参量、电工参量等诊断方法。

(4) 随着科学技术和现代化工业的飞速发展，关键机械设备一旦出现事故，将会带来巨大的经济损失和人员伤亡，因此故障诊断被广泛的应用于解决多种多样的工程问题，其中机械系统早期故障、微弱故障和复合故障的定量诊断与预示、剩余寿命预测更具有工程意义。目前各种诊断方法的常见研究对象为机械系统中三大基础零部件轴承、齿轮、转子，主要是由于这些零部件往往是旋转机械系统发生故障的主要原因。

2. 诊断对象有哪些（轴承、齿轮、转子、以及往复机械）？每种对象的故障特征是？针对不同诊断对象，有哪些适用方法？

(1) 转子：

不平衡–振动频谱能量集中于基频，轴心轨迹为椭圆，转子相位稳定，为同步正进动

碰磨–转子失稳后波形严重畸变或削波，轴心轨迹发散，反进动；轻微碰摩时同频幅值波动，轴心轨迹带有小圆环内圈；随着碰摩严重程度的增加，内圈小圆环增多，且形状变化不定；轨迹图上键相位置不稳定，出现快速跳动现象；碰摩严重时，出现（1/2）X频率成分，其轴心轨迹形状为“8”字形；

裂纹–各阶临界转速较正常时要小，尤其在裂纹严重时；由于裂纹造成刚度变化且不对称，转子的共振转速扩展为一个区，振动带有非线性，特征，出现旋转频率的2X、3X…等高倍频分量。裂纹扩展时，刚度进一步降低，1X.2X…等频率的幅值也随之增大；裂纹转子轴系在强迫响应时，一-次分量的分散度比无裂纹时大；转速超过临界转速后，一般各高阶谐波振幅较未超过时小；裂纹引起刚度不对称，使转子动平衡发生困难，往往多次试验也达不到所要求的平衡精度；机器开机或停机，工作转速通过1/2临界转速或1/3临界转速时，振幅响应有共振峰值；轴上出现裂纹时，初期扩展速度很慢，径向振幅的增长也很慢，但裂纹的扩展会随着裂纹深度的增大而加速，相应地也会出现1X和2X的振幅迅速增大，相位角也出现异常的波动。

松动–松动故障会引起转子的（1/2）X、（1/3）X等分数次谐波频率；松动的另一特征是振动的方向性，特别是松动方向上的振动。由于约束力的下降，将引起振动的加大。松动使转子系统在水平方向和垂直方向具有不同的临界转速，因此分数次谐波共振现象有可能发生在水平方向，也有可能发生在垂直方向；在松动情况下，振动形态会发生“跳跃"现象。当转速增加或减小时，振动会突然增大或减小；松动部件的振动具有不连续性，有时用手触摸也能感觉到；松动除产生上述低频振动外，还存在同频或倍频振动。

(2) 轴承：

滚动轴承信号的特性是它们不是周期性的而是随机的，轴承故障通常从小凹坑或剥落开始，并在覆盖非常宽的频率范围的早期给出尖锐的脉冲，这一事实使它们可以与确定性信号（例如齿轮）分开。出于某些目的，可以将它们建模为循环平稳的，但实际上并不是严格循环平稳的（至少对于局部缺陷而言），因此已创造了术语“伪循环平稳”，此外原始信号的频谱通常很少包含有关轴承故障的诊断信息。

当滚动轴承的某一元件表面存在局部故障时，在轴承的旋转过程中，故障表面会周期性地撞击滚动轴承其他元件表面，从而会产生周期性的脉冲力。由这种脉冲力引起的高频冲击振动，不但会激起轴承系统中各个元件的固有频率振动，而且各个固有频率振动的幅值和频率，还会受到脉冲力的调制，且在轴承系统中，各个元件又有各自的固有频率。因此.滚动轴承故障振动信号具有多载波.多调制的特性

当滚动轴承发生点蚀.磨损、裂纹等局部损伤类故障时，通常会激起轴承系统的高频固有振动，其振动信号表现为以系统固有频率为载波，故障特征频率为调制波的调制特征。要从此类信号中提取故障特征信息，包络分析法是目前公认的最有效的方法。其基本原理是.先通过以载波频率为中心频率的带通滤波器，将振动信号中的高频固有振动成分分离出来，然后通过包络检波器检波.得到只包含故障特征信息的低频包络信号，再对包络信号进行频谱分析，便可诊断出故障来。然而，传统的包络分析法在实际应用中，由于轴承故障振动信号的载波频率成分的多少和载波频率的大小很难确定，故在进行带通滤波时滤波器的中心频率和带宽的选择会具有很大的主观性。这样便会带来解调误差，不能有效地提取滚动轴承故障振动信号的特征,针对以上情况，本章提出了基于LMD和谱峭度的包络分析方法，应用于滚动轴承的故障诊断。先采用LMD方法对轴承振动信号进行分解.以起到自适应分离固有振动成分和初步降噪的作用；然后对含有高频固有振动成分的PF分量进行谱峭度分析，便能确定带通滤波器的中心频率和带宽；最后对滤波后的信号进行包络谱分析，即可实现滚动轴承的故障诊断。

结合轴承振动信号特点，最强大的轴承诊断技术取决于检测和增强信号的脉冲性，下图针对工程信号给出了一个半自动轴承诊断程序：

DRS–discrete/random separation 离散随机分离

SANC-- self-adaptive noise cancellation 自适应降噪

MED–minimum entropy deconvolution最小熵反卷积

SK-- spectral kurtosis谱峰度

Envelope—包络谱

其它常用基于振动信号诊断方法：

(3) 齿轮：

齿轮齿上存在的缺陷会导致振幅和频率调制，并且与齿轮的旋转频率成周期性，其中载波频率是啮合频率，该啮合频率由故障齿轮的旋转频率调制，作为调制的结果，诸如齿轮旋转频率，小齿轮旋转频率，齿轮啮合频率，齿轮旋转频率围绕啮合频率形成的边带都可能会出现频谱中。

齿轮在运行时，由于齿与齿的相互啮合会激起以啮合频率及其倍频为特征频率的啮合振动，故齿轮无论处于什么状态，其振动信号通常都具有多分量的特点。当齿轮存在裂纹、断齿等故障时，由于故障齿在啮合时，不但会引起振动信号的幅值和相位发生变化，而且振动信号的能量也会发生改变，从而相比于正常状态，齿轮的故障振动信号会出现幅值和相位调制现象，且能量也会呈现出周期性变化的特征。于是，可以通过提取齿轮故障振动信号的幅值和相位调制信息.或者是能量的周期性变化信息来对齿轮进行故障诊断。包络分析方法，可以提取幅值调制信息。因此，被广泛应用于齿轮的故障诊断，但通过提取相位调制信息来进行齿轮故障诊断的研究还较少。LMD方法，不但能将具有多分量调幅一调频特点的齿轮故障振动信号，分解为–系列的单分量调幅一调频信号，且能够同时得到各单分量信号的幅值调制信息（瞬时幅值）和相位调制信息（瞬时频率）。因此，LMD方法是适合于处理齿轮故障振动信号的。本章先从齿轮故障振动信号的相位调制信息人手，并根据齿轮振动信号具有多分量的特点，提出了基于LMD的瞬时频率谱方法，来提取齿轮的故障特征信息；然后，根据齿轮故障时振动信号的能量会发生变化的特点，提出了基于LMD的局部能量谱方法，来描述齿轮振动信号能量的周期性变化特征，以此对齿轮进行故障诊断。