99久久99久久精品国产片果冻,粉嫩av久久一区二区三区,日本高清www午色夜com,国产成 人 综合 亚洲网站,97人妻无码一区二区精品免费

近年來，針對轉(zhuǎn)子軸承系統(tǒng)進行的不對中故障診斷與監(jiān)測方面的研究非常普遍。旋轉(zhuǎn)機械的不對中故障會對整個系統(tǒng)的可靠運行構(gòu)成嚴重威脅，往往會導(dǎo)致停機甚至帶來巨大的經(jīng)濟財產(chǎn)損失和人員傷亡。據(jù)統(tǒng)計，工業(yè)界每年大約要花費維護費用的40%來解決旋轉(zhuǎn)機械的不對中問題。

不對中故障主要包括軸承不對中和聯(lián)軸器不對中，聯(lián)軸器不對中又分為平行不對中和角度不對中兩大類。在電機安裝環(huán)節(jié)，由于電機安裝誤差而導(dǎo)致的驅(qū)動和從動機械軸偏心是聯(lián)軸器角度不對中故障的主要來源，其示意圖如圖1所示。

圖1 角度不對中示意圖

目前國內(nèi)外學(xué)者對不對中故障診斷已經(jīng)取得了一定的研究成果。這些關(guān)于不對中故障的研究都是基于振動信號，但振動信號的獲取需要額外安裝傳感器，傳感器不僅價格昂貴而且還會受到實際工作條件的限制，后期維護也不方便，并不能很好地適用于電機初始安裝環(huán)節(jié)的不對中檢測。

近年來，基于電氣法的機械故障診斷作為一種非入侵式的手段而備受關(guān)注。

有學(xué)者基于電機的起動電流信號對不對中故障進行了診斷與辨識，初步的研究結(jié)果表明采用電機電流信號來實現(xiàn)機械故障診斷與監(jiān)測具有良好的應(yīng)用前景；有學(xué)者表明電流信號和負載轉(zhuǎn)矩信號在不同類型的聯(lián)軸器下對角度不對中故障的診斷效果不盡相同，且隨負載的變化而變化；有學(xué)者通過采用快速傅里葉變換（Fast Fourier Transformation, FFT）并結(jié)合小波變換分析了轉(zhuǎn)矩信號的頻譜特性，初步實現(xiàn)了對不對中故障的檢測，并表明轉(zhuǎn)矩信號用于不對中故障診斷的有效性；有學(xué)者基于轉(zhuǎn)速信號的特征分析法對電機軸承進行故障診斷，初步表明轉(zhuǎn)速信號特征分析法用于典型性機械故障診斷的可行性。

目前基于電氣法的不對中故障診斷大多基于電流信號，但電流信號的采集會受到嵌入式系統(tǒng)采樣偏置、電流基頻分量和諧波的干擾，需要配合一定的數(shù)字信號處理方法才能提取到有用的故障信息。相比而言，從編碼器采集的轉(zhuǎn)速信號獲取方便且采樣精度較高，成本較低，能夠?qū)崿F(xiàn)實時狀態(tài)監(jiān)測，有很好的應(yīng)用前景。

為了能夠有效地對不對中故障進行診斷、監(jiān)測與預(yù)測，在上述理論研究的基礎(chǔ)上，國內(nèi)外已經(jīng)開發(fā)出各種用于狀態(tài)監(jiān)測的定量和定性模型，各種定量模型基于線性和非線性技術(shù)，包括主成分回歸（Principal Component Regression, PCR）、偏最小二乘（Partial Least Squares, PLS）、核回歸（Kernel Regression, KR）、支持向量機（Support Vector Regression, SVR）和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）。

兩種常見的定性模型是專家系統(tǒng)（Expert System, ES）和定性趨勢分析（Qualitative Trend Analysis, QTA）。有學(xué)者使用主成分回歸和偏最小二乘來預(yù)測軸平行度和角度未對準(zhǔn)。有學(xué)者提出一種基于轉(zhuǎn)矩信號自回歸（Autoregressive, AR）模型的不對中故障診斷方法，將AR模型結(jié)合自組織神經(jīng)網(wǎng)絡(luò)、最小冗余和最大相關(guān)性進行故障模式判別。但狀態(tài)監(jiān)測通常是基于連續(xù)收集的數(shù)據(jù)，在實際中樣本量通常很少。此外，狀態(tài)監(jiān)測的學(xué)習(xí)概念會隨著時間而變化。

目前針對轉(zhuǎn)子軸承系統(tǒng)角度不對中的故障診斷及狀態(tài)監(jiān)測都是通過比較和分析故障及健康狀況所獲得的振動信號或電流信號，傳統(tǒng)的角度不對中故障診斷、監(jiān)測和預(yù)測始終無法擺脫對健康狀態(tài)下運行數(shù)據(jù)或歷史數(shù)據(jù)信息的依賴，但在實際的工業(yè)應(yīng)用中幾乎不存在完全健康的數(shù)據(jù)或者很難獲取相對健康的數(shù)據(jù)，而且健康狀態(tài)的數(shù)據(jù)還會隨著時間、工作環(huán)境及其他外界因素的變化而變化。健康數(shù)據(jù)的獲取對測量儀器的精度有一定的要求，還需要不定期地對數(shù)據(jù)進行更新，這就需要耗費大量的人力和物力成本。

在工業(yè)領(lǐng)域，通常使用百分表、應(yīng)變儀等儀器指導(dǎo)電機的首次安裝過程。雖然這類方法能夠在一定程度上減少電機的安裝誤差且成本較低，但在實際操作中十分依賴工人的經(jīng)驗，而且會耗費大量時間。隨著傳感器等測量儀器精度的提高，出現(xiàn)了像激光對中儀等光學(xué)儀器來輔助電機的首次安裝。雖然這類儀器大大降低了對技術(shù)人員的經(jīng)驗要求，但其對設(shè)備的工作環(huán)境要求更高，而且存在價格昂貴和操作復(fù)雜等諸多問題。所以，如何得出一個有效的方法來檢測和評價電機的初始安裝不對中情況就顯得至關(guān)重要。

基于此研究現(xiàn)狀，哈爾濱工業(yè)大學(xué)電氣工程系的科研人員提出一種基于永磁同步電機轉(zhuǎn)速信號的電機首次安裝角度不對中故障檢測方法。主要針對轉(zhuǎn)子系統(tǒng)中彈性聯(lián)軸器的角度不對中故障，提出一種適用于中小功率伺服電動機首次安裝環(huán)節(jié)的角度不對中故障檢測。

圖2 不對中故障檢測流程

圖3 仿真模型

科研人員首先分析了角度不對中故障影響轉(zhuǎn)速信號的機理；然后利用快速傅里葉變換及最小二乘法對轉(zhuǎn)速信號進行處理，根據(jù)其二倍轉(zhuǎn)頻幅值隨轉(zhuǎn)速變化所擬合曲線的二次項系數(shù)，并結(jié)合S型分布隸屬度函數(shù)，綜合評判電機的首次安裝不對中程度；最后搭建了永磁同步電機角度不對中故障的仿真模型和實驗平臺。

圖4 實驗平臺示意圖

圖5 SKF激光對中儀示意圖

理論推導(dǎo)、仿真及初步的實驗結(jié)果表明：

1）根據(jù)轉(zhuǎn)速信號中2fr的幅值隨轉(zhuǎn)速的變化趨勢可以檢測電機的初始安裝環(huán)節(jié)是否存在角度不對中故障，即當(dāng)電機存在角度不對中故障時，2fr的幅值隨轉(zhuǎn)速的升高而增大，整體呈上升趨勢。

2）根據(jù)所擬合曲線的二次項系數(shù)并結(jié)合隸屬度函數(shù)可以評價電機的初始安裝不對中程度，并結(jié)合模糊綜合評價對不同故障程度做了區(qū)分；不對中程度越大，相對應(yīng)的隸屬度函數(shù)值越大。

科研人員指出，該方法不需要安裝額外的傳感器，通過電機驅(qū)動系統(tǒng)本身作為傳感器采集轉(zhuǎn)速信號，在沒有健康數(shù)據(jù)或歷史數(shù)據(jù)信號的前提下，可以診斷出電機是否存在角度不對中故障，用于指導(dǎo)電機的首次安裝過程。該方法可以結(jié)合模糊綜合評價中的隸屬度函數(shù)來評價電機的初始安裝不對中情況，將電機對中情況劃分為健康、輕度不對中、中度不對中、嚴重不對中四種狀態(tài)。

該方法降低了監(jiān)測成本且診斷效果良好，節(jié)約了大量的人力和物力資源，且算法簡單易實現(xiàn)，有著廣闊的應(yīng)用前景。另外，科研人員也表示，對于如何將振動法的標(biāo)準(zhǔn)與電氣法準(zhǔn)確對應(yīng)起來，也是后期工作的重點和研究難點。

以上研究成果發(fā)表在2021年第15期《電工技術(shù)學(xué)報》，論文標(biāo)題為“基于轉(zhuǎn)速信號的電機首次安裝角度不對中故障檢測”，作者為楊明、黃旭 等。