>

红姐高手论坛-红姐高手论谈免费资料大全

内燃机故障诊断技术及发展趋势,工程机械状态

- 编辑:红姐高手论坛 -

内燃机故障诊断技术及发展趋势,工程机械状态

[本站讯]11月12日,由山东大学电气工程学院李庆民教授承担的科技项目《电力变压器有载分接开关机械性能的在线监测系统》通过了山东省教育厅鉴定。山东省教育厅受山东省科技厅委托,主持召开了这次项目技术鉴定会。鉴定委员会听取了课题组的有关报告,进行了考察和测试。鉴定委员会认为:该项目研制成功国内外首套综合式网络化的“有载分接开关机械性能的在线监测系统”,并在电网中得到实际应用。成功地将多传感器和非介入性测量技术应用到OLTC的在线监测中, 并提出了橡胶棒式软连接方法,解决了旋转角度传感器现场应用中的技术难题。将多种数学分析方法应用于信号的特征提取和OLTC机械状态的故障诊断中,首次将瞬态频率分析法和混沌动力学—相轨图分析法引入到OLTC机械状态的模式识别中,创新性地提出故障诊断综合评判策略。鉴定委员会认定,该项目取得的创新性研究成果具有重要的理论意义和实用价值,其综合科学与技术水平达到了国际领先水平。]

一、柴油机故障诊断技术

工程机械状态监测与故障诊断技术是一门了解和掌握设备运行过程中的状态,进而确定其整体或局部是否正常,以便早期发现故障、查明原因,并掌握故障发展趋势的技术,其目的是避免故障的发生,最大限度地提高工程机械的使用效率。其中状态监测是指对机器的某些特征参数(如振动、噪音和温度等)进行测取,将测定值与正常值进行比较,从而判断机器工作是否正常。故障诊断对机器发生故障的原因、部位及程度等作出判断,从而确定维修方案。状态监测是基础,故障诊断是在监测的基础上实现的。工作过程如图1所示。 1.设备监测与诊断技术现状 我国开展设备监测与诊断技术研究始于80年代初。经过二十年的发展,从理论到实践都取得了较大的进展。目前,国内检测诊断技术的研究主要集中在以下几个方面: 1.1 传感技术研究 传感技术是反映设备状态参数的仪表技术。国内先后开发了各种类型的传感器,象电涡流传感器、速度传感器、加速度传感器和温度传感器等;最近开发的传感技术有光导纤维、激光、声发射等。 1.2 关于信号分析与处理技术的研究 从传统的谱分析、时序分析和时域分析,开始引入了一些先进的信号分析手段,如短时傅立叶分析,Wigner谱分析和小波变换等。这类新方法的引入弥补了传统分析方法的不足。 1.3 关于人工智能和专家系统的研究 这方面的研究已成为诊断技术的发展主流,目前已有“工程机械故障诊断专家系统”,但这一技术在工程方面的研究尚未达到人们所期望的水平。 1.4 关于神经网络的研究 比如旋转机械神经网络分类系统等的研究已经取得了应用,取得了满意的效果。 1.5 关于诊断系统的开发与研究 从单机巡检与诊断到上下位机式的主从机结构,直至以网络为基础的分布式结构系统的结构越来越复杂,实时性越来越高。 1.6 专门化与便携式诊断仪器和设备的研制与开发。 2. 几种常规检测诊断技术(方法) 随着现代科学技术的发展,先进的设备诊断仪器不断出现,为设备状态监测、故障诊断提供了方便。 2.1 振动监测诊断技术 工程机械状态的振动检测与故障诊断是应用最普遍、最基本的诊断技术。它利用正常设备与故障设备振动特性(位移、速度、加速度、声响等)的差异来判断故障,根据对振动信号的测量、处理、分析及识别来判断设备运行是否存在问题,进而判断故障部位、原因以及故障恶化程度,最后对故障采取相应的措施。一般说来,工程机械故障约有60%~70%是通过振动和由振动辐射出的噪声反应出来。振动监测用于监测转轴组件的平衡性能和滚动轴承、传动齿轮的冲击和噪声,具有方便、准确、灵敏的特点,是比较有效的监测手段。振动监测诊断一般包括以下几个步骤: (1) 诊断对象要有全面了解。对诊断对象进行必要的机理分析,如:机器的结构和动态特性(齿轮与轴承规格、特征频率等),机器的相关机件连接情况(如动力源、基座等);掌握机器的运行条件(如温度、压力、转速等)及维修技术档案(如故障、维修、润滑、改造等);掌握异常振动的形态和特性。 (2) 对可能的异常振动部位进行检测。包括设计测点位置和测试工况,确定监测参数(位移、速度、加速度),辨别振动方向等,通过对监测点振动信号的分析,来检查机器运行状态是否正常,以超过允许值的大小来确定故障的严重程度。经过定期或连续监测,即可获得机器状态变化的规律,从而掌握故障可能的发展趋势。 (3) 故障诊断。对机器出现的部位、原因和严重程度进行深入的分析,然后作出判断。内容包括:振动波形识别、相关时差定位、包络分析、频响特性与相干分析、瞬时频率变化与相位分析、模糊与神经网络方法诊断、诊断专家系统。 完成上述三步后,即可针对故障采取相应的措施。比如内燃机工作时出现不正常响声,通过机理分析,大多为配合间隙增大或工作不正常引起的零件间撞击声。通过对内燃机异响部位表面振动的监测,与标准状态下的振动特征进行比较,从而分析出异响产生的部位,确定故障的严重程度。所用设备有振动加速度传感器或频谱显示仪等。 2.2 油样分析 油样分析监测技术是通过对机油中杂质的种类、数量等的检测,来判定机器中摩擦副的磨损程度。目前应用较多的有光谱分析和铁谱分析。光谱分析是利用元素的原子在基态和激发态之间跃迁时要吸收或发射特点频率光量子的特性,分析油样中金属磨粒的种类、数量和增长率从而判断配合副磨损程度和磨损趋势;铁谱分析是利用磁场将油中金属磨粒分离出来,按序排列用以观察和分析磨粒的种类、数量、尺寸分布和形貌,从而判断配合副的磨损程度和磨损性质。在上述两种油样分析技术中,光谱分析只能从磨损产物的数量中取得信息,铁谱分析除了磨损产物数量之外,还可以通过磨粒形貌取得磨损性质的信息,因而比光谱分析更加敏锐。目前,机油中金属杂质的检测设备有发射光谱测定仪、原子吸收光谱测定仪、铁谱仪等。通过对机油中金属成份的检测,与各金属元素在机油中含量的允许界限比较,超出允许界限的,其可能来源的部件就需要更换或修理。 2.3 机械性能测试技术 应用各种仪器测量机械运转时的性能参数,从而判断机械性能降低程度以及机械性能是否满足使用要求。一般通过机械设备性能参数下降程度来决定它何时修理。 (1) 发动机功率测试 发动机是工程机械的心脏,其功率的大小直接关系到工程机械能否正常工作。当一台机械无力,人工诊断不准是动力不足,还是底盘性能不佳或液压系统功率不足时,可以采用功率检验设备测量发动机在无外载情况下的功率,确定是否为动力不足。目前,功率检测设备有“无外载加速测试仪”。 (2) 液压系统功率测试 液压系统是工程机械的手臂,其功率大小关系到工程机械的工作效率,甚至正常工作。目前,检测设备有动态压力监测系统。动态压力监测系统是通过安装在液压系统中若干压力传感器,将系统工作时的压力脉冲信息及时准确地传输到信号采集系统中,将信号调制、放大、滤波、传输与诊断等,从而作出关键回路原件以及整个液压系统运行状态和性能描述,并实现计算机存贮、输出过程。此项监测系统通过对波形的诊断比较,可以较准确地判别液压系统中液压泵吸空,溢流阀卡滞等故障,结合压力表、流量计和辅助诊断可以判断液压泵输出功率,液压系统的泄漏等故障。 (3) 工程机械底盘检测、诊断 常用的检测仪器有光学测量仪、五轮仪等。 3.现代监测诊断技术 随着计算机技术、信号处理技术和测试技术的迅速发展,在设备诊断工程领域中引进了人工智能的理论和方法,形成诊断工程中的现代监测诊断技术。 3.1 计算机辅助监测诊断技术该技术是在机械状态监测与诊断过程中建立一种以计算机辅助诊断为基础的多功能自动化诊断系统,通过配备的自动诊断软件,实现状态信号的采集、特征提取和状态识别的自动化。如果故障超过允许值,即发出警报指令,通过计算机自动完成故障性质、程度、类别、不为、原因及趋势的诊断和预报,并能将大量的机械或机组运行状态资料贮存起来,工程技术人员可通过人机对话调出查阅,作出诊断决策。这种诊断方法特别适用于各类工程机械的在线监测和自诊断。 3.2 机械专家诊断系统 该系统是一种具有人工智能的软件系统,又称知识库咨询系统。系统简图如图2所示。它不仅包括从信号监测到状态识别,而且包括从决策形成到干预的全过程。不但具有计算机辅助诊断系统的全部功能,而且将机械诊断专家的宝贵经验、思想方法同当代计算机巨大的存贮、运算与分析能力结合起来,形成人工智能的计算机系统。它事先将有关的专家知识和经验加以总结分类,形成规则存入计算机构成知识库,根据数据库中自动采集或人工输入的原始数据,通过专家系统的推理机,模拟专家推理判断思维过程来建立故障档案,解决故障识别和诊断决策中的各种复杂问题,最后给出用户正确的咨询答案、处理对策和操作指导。其缺点是存在知识获取的“瓶颈”问题。一方面专家知识有一定的局限性,另一方面专家知识表述有相当大的难度。两者造成诊断知识库的不完备。 图2 诊断专家系统框图 3.3 神经网络诊断技术 模拟人脑结构的人工神经网络方法是一种全新的、有前景的故障诊断方法。在知识获取上,神经网络的知识不需要整理、总结消化专家的知识,避免了专家知识的表述难题,只需要领域专家解决问题的实例或范例来训练神经网络。神经网络系统的知识获取与专家系统相比,既具有更多的时间效率,又能保证更高的质量。其缺点是未能充分利用专家积累起来的知识和经验,只利用了一些明确的故障诊断事例,而且没有专家系统的逻辑思维能力,诊断推理过程不能解

对于柴油机这一复杂的机械系统来说,每一个零部件发生故障都可能影响柴油机的正常工作,因此造成故障种类繁多,这也要求我们探讨更多的故障诊断方法来准确地定位故障源。柴油机系统在实现其特定功能将热能转变为机械能时,直接输出扭矩、功率等,称为功能性输出,同时还伴随产生一些中间输出和附加输出,如排气温度、气缸压力、振动、噪声、油液污染、尾气排放和瞬时转速等,在柴油机的状态检测与故障诊断中,直接利用其功能输出来判断系统的运行状态和设备状态虽然是一种较简捷、直观的方法。目前国内外对柴油机故障特征提取的研究一般基于这些中间和附加输出信息。在机械设备故障诊断领域,柴油机状态监测与故障诊断技术的研究相对起步较晚,其具体采用的方法主要有性能参数法、振动分析法、油液分析法、瞬时转速法等几种,

1.性能参数法

性能参数的变化直接反映柴油机工作状态的变化。在柴油机产品投入市场前该设备的一些技术性能参数经过了测试,并形成了一系列技术参数指标,一般有额定工作压力、功率、油压、温度、扭矩、排放等指标。故可根据实际测定参数值与标准值的差异判定故障或工作状态。这种状态监测与故障诊断方法是最原始、最直观的,但受到测试环境和测试条件的影响,比较适用于工况稳定的固定设备及实验室测试,如柴油机发电机组、船舶柴油机、内燃机车等,目前基于这种监测与诊断方法的在线监测系统已得到广泛应用,并在逐步改善。

利用气缸气体压力对柴油机进行故障诊断是该类诊断方法的代表方法。气缸工作时的气体压力变化描述了柴油机的动力性能,它综合反映了柴油机热能向机械能的转换过程,因此通过气缸内气体压力的变化可对柴油机的一些故障做出有效的判断。然而工程实际中柴油机的气缸压力信号的直接测量比较困难,故利用这种方法进行柴油机故障诊断受到了很大的限制,目前它主要适用于具有示功通道的大中型柴油机和实验室研究中。

柴油机排放的检测主要用于柴油机性能分析和性能优化以及强制法规达标的检测,利用相关测量仪器获得柴油机排放气体中各物质(如NOx、HC、CO等)的含量,也可以反推柴油机相关部件的工作状态。

2.振动分析法

柴油机工作时必然会产生振动,其内部零部件的性能状态信息通过一定的传递途径反映到表面振动信号中,柴油机故障特征提取的依据是振动信号中包含着振源信息及系统状态等信息。故利用振动信号对柴油机进行不解体故障诊断是行之有效的方法,也是目前投入精力最大的研究方向。

利用表面振动信号进行柴油机故障诊断的出发点是建立在机械动力特性分析、信号特征分析的基础上,进而研究柴油机的工作性能。一般包括时域分析法、频域分析法、时频分析法、时序分析法等。

3.油液分析法

铁谱和光谱分析已成为机械故障诊断和工况监测的一种有效手段,在诸多柴油机状态监测手段中润滑油的铁谱和光谱分析是可行而又有效的方法。以往的试验和经验表明,铁谱和光谱由于其本身的特点,在监测功能上有各自的优势和不足,这是因为柴油机运动件含有多种材料的摩擦副,而每一对摩擦副又会出现各种不同的磨损状态,产生于不同摩擦副的磨粒是以不溶的颗粒形式存在于润滑油中的,光谱可以准确地测定润滑油中磨损元素的含量,但不能了解其存在的形状,而且其监测灵敏度又受到磨粒本身粒度的影响,因此无法判断磨损的类型。铁谱可以直观地了解磨粒的形状、大小、成份等重要的磨损信息,但对有色金属就不具有与铁系磨粒相同的灵敏度,而且分辨能力不如光谱分析仪。所以联合采用铁谱和光谱技术,可以获得取长补短、相得益彰的效果。此外,由于利用铁谱及光谱监测的数据多,各个指标数据的重要程度也不相同,致使诊断结果可信度较低。为达到柴油机综合监测的目的,人们一直在探索一种既方便又实用的方法,目前已有人在利用铁谱及光谱技术获得的数据基础上,应用多元统计分析的动态聚类和判断分析方法、模糊聚类分析方法、灰色关联分析方法等对柴油机磨损情况和润滑油质量进行分析,并取得了一些有益的结论。

在多对摩擦副情况下,铁谱及光谱分析法无法定位有问题的摩擦副,且不易实现实时在线监测,光谱诊断设备的价格昂贵,铁谱技术手动操作较多,速度慢,分析判断和识别要求有丰富经验的技术人员,标准谱图积累需时较长等,使其应用受到一定限制。

4.瞬时转速法

对于多缸柴油机来说,柴油机曲轴的瞬时转速波动信号能反映机器各缸的工作状态,因此通过对瞬时转速波动信号的分析可以得到机器运行状态和相关故障的丰富信息。正常情况下,各缸的动力性能基本一致,柴油机运转平稳,各缸瞬时转速波动虽有差异,但总在一个不大的范围内,并呈现某种规律性;但当某个气缸由于故障引起工作不正常时,动力的一致性遭到破坏,柴油机运转平稳性变差,瞬时转速波动信号就会产生变形,据此可以判断柴油机缸内工作过程的好坏。但是这种方法存在着以下不足:利用瞬时转速波动虽然能够确定工作不正常的缸位,但不能确定造成故障的原因。

5.信息融合诊断法

性能参数诊断法、振动分析诊断法、油液分析诊断法、瞬时转速诊断法都是着重从某一个方面提取柴油机状态方面的信息,对发动机的状态信息利用不完全,故应用这些状态监测与故障诊断方法的应用具有片面性和局限性。如果能将这些信息充分利用,将会提高故障诊断的准确性,信息融合技术将各种信息进行综合利用,同时消除信息的冗余性,提高状态判断的可信度和准确性。目前在机械设备故障诊断中应用的信息融合技术主要是夺传感器数据融合技术,即用多个传感器从多方面探测系统的多种物理量,对多源的信息进行分级处理,精确、及时地判断出系统状态,给出系统故障与否及故障模式的正确判定,并分析出状态(故障)、现象(征兆)和原因之间的关系。融合方式有数据层融合,特征层融合、决策层融合三种,在实际应用中可以采用一种融合方式,也可以采用多种融合方式。

二、柴油机故障诊断技术发展的主要制约因素

随着现代科学技术的发展及自动化程度的提高,柴油机故障诊断技术也正发生着重大的变化,但是依然有众多因素制约着柴油机故障诊断技术的进一步发展。

(1)柴油机自身的结构:自柴油机问世的一百多年来,就以它复杂的结构而著称,随着高速、强载发动机的进一步紧凑化,传感器安装布置不易造成了信号测试上的困难;

(2)测试方法和测试设备:尤其在现场应用中,柴油机有效状态信息的获取面临着极大的困难,如上止点信息,传感器性能或者不能满足测试环境要求、或者价格昂贵,如气缸压力传感器;

(3)故障机理和故障特征:柴油机激励源众多,传递路径复杂,系统故障既有纵向性,也有横向性,且柴油机各类故障所对应的振动频率无论从理论上还是在实践中都较难准确地确定。另外由于柴油机型号众多,结构存在差异,导致故障特征的共性较差。

(4)故障诊断方法:目前柴油机的故障诊断方法很多,比较凌乱,还不存在一种较为通用性的方法。这也是制约柴油机故障诊断技术发展的主要因素。

此外,外界环境的影响也是不可忽略的制约因素。

三、柴油机故障诊断技术发展趋势

柴油机故障诊断技术与当代前沿科学的融合是柴油机故障诊断方法研究的方向。柴油机系统的复杂性、多样性和非线性,决定了其故障诊断的困难性。研究表明,柴油机振动信号是由一系列频率、幅值差别较大的瞬态响应所构成,成分复杂,其实质是柴油机在非平稳变工况运行时产生的非平稳信号。因此,非平稳信号分析方法和非线性理论的探索是柴油机乃至整个机械设备故障诊断领域今后研究的重点。

随着智能技术的不断发展,柴油机工作状态的智能监测与故障的智能诊断,将成为其故障诊断技术发展的又一大趋势。智能化是指开发诊断型专家系统,使数据处理、分析、状态识别与故障诊断自动完成,以减轻诊断的工作量,并提高诊断速度及正确性。在故障诊断专家系统的建立上,要深入故障形成机理的研究,丰富系统的知识库,解决专家系统的所谓瓶颈问题。同时将模糊神经网络方法应用于故障诊断的专家系统中,使之具有一定的智能,具有自组织、自学习、联想的功能,从而使诊断系统自我完善、自我发展,另外,诊断系统将由集中式向分布式发展,系统的硬件生产标准化、软件设计规范化、模块化,这有利于缩短系统的开发周期,提高系统的可靠性。

近二十年来,我国机械设备状态监测与故障诊断系统经历了从离线系统到在线系统、从事后维修、及定期维修到预防维修,从人工诊断系统到智能诊断系统的发展过程。许多科研单位和大专院校已经陆续开发研制了数十套在线式状态监测与故障诊断系统。然而,这些系统大都采用平稳信号分析技术,而对于柴油机复杂多变的非平稳信号缺乏有效的分析手段,因此,新一代故障诊断系统(包括软件系统和硬件系统)的研制,也是柴油机故障诊断技术的发展趋势之一。

网络化也是柴油机故障诊断技术的发展方向,随着计算机网络技术的发展及通讯技术的进步,利用各种通讯手段将多个故障诊断系统联系起来,实现资源共享,可提高诊断的质量和精度。将故障诊断系统与数据采集系统结合起来形成网络或利用现场总线技术,有利于对机组的管理,减少设备投资,提高设备利用率,必要时可与企业的MIS系统相联接,促进企业管理的一体化,规范化。

本文由学信档案发布,转载请注明来源:内燃机故障诊断技术及发展趋势,工程机械状态