为了实现对大型轧钢厂齿轮减速机等关键设备的在线监测和故障诊断，防止突发性事故的发生，需对这些关键设备进行振动、位移、转速、温度和电流等参数信号的在线监测，完成信号的拾取、放大、滤波、数据采集、数据处理与数据传输，在发生运行异常及故障时及时报警，并诊断出故障的类别及部位。本章从设备特点、设备监测和故障诊断原理及监测系统硬件和软件实施三方面介绍了对该在线监测和故障诊断系统的设计和研究。

5.1设备特点、设备故障分析

某大型钢厂的齿轮减速机的齿轮为圆柱斜齿轮，每个齿轮箱中均装有两个单级齿轮传动，两根输出轴分别带动轧机生产线上的上、下轧辊。齿轮传动比在 0.8～1.2之间。该齿轮减速机在轧板生产线中起着增速、减速和动力传输作用。由于轧机不断地处于咬钢、轧钢、抛钢、空转等状态，故齿轮箱的工作载荷是交变载荷。齿轮箱齿轮的主要故障是：(1）齿轮轮齿表面的疲劳点蚀、剥落及凿面磨损；(2）齿轮局部轮齿的断齿、齿面崩落和齿根裂纹；(3）在很高的动载荷作用下产生的轮齿变形。齿轮箱滚动轴承的主要故障是：(1）内圈、外圈和滚动体的疲劳点蚀剥落；(2）滚动轴承各元件的胶着。

5.2设备监测和故障诊断原理

机械设备在运行中总是会产生振动和噪声，当运行部件中存在故障隐患时，往往会使振动、噪声、温度等物理参数发生某种变化，这种变化仅仅靠人的感官（即使在有自觉性的情况下）是很难发现的，一旦发现，往往是在比较严重和危险的阶段。本系统通过长期安装在关键设备上的测点测量运行中的振动、温度和电流等信号，经必要的放大和A/D转换后进行数字量采集，然后借助于计算机和诊断技术进行分析处理，从而提取振动等各种信号中的有用信息，达到状态监测、趋势分析、故障诊断和辅助维修决策的目的。
本系统利用计算机进行信号采集和故障特征提取，利用知识库中不断增多的专家知识，采用模糊识别和神经网络等模型对设备的状态进行自动识别，根据识别结果提出相应的维修方案或调整运行参数。

5.3监测、诊断系统硬件设计

为完成对关键设备进行监测和诊断，监测系统硬件的配置应包括以下六部分：(l）传感器、放大器；(2）信号处理仪；(3)A/D数据采集卡；(4）工业PC计算机；(5）报警电路；(6）电缆、电源。
在设计以上硬件系统时充分考虑到工厂设备结构复杂、现场干扰因素多、运转条件恶劣、工艺状况频繁变动，如轧机不断地处于咬钢、轧钢、抛钢、空转等状态。为了保证硬件系统能长期可靠地在工厂工作，传感器、信号处理仪、数据采集卡、计算机等重要关键硬件产品应尽量选购国际上一流水平产品或国内厂家生产经受使用考验的性能优良的产品，参考国内外在线监测和故障诊断系统的硬件配置，并自行设计配制相应附件，实施各项功能，并达到各项技术指标。根据现场调查和专家论证，齿轮减速机的监测和故障诊断为某整个区域的核心和重点。图5-1是硬件系统构成原理图。

 

5.3.1传感器配置的设计说明

传感器的配置应重点放在齿轮减速机上。由于齿轮箱的故障振动频率范围较宽，且风机的故障振动频率也要超过1kHz，故选用加速度计测量设备振动量。加速度计有电荷式和ICP式两种。如要节省成本可选用后者。在既要节省成本又要保证监测和诊断出齿轮减速机的故障，每台减速机布置三个振动加速度计及一个涡流位移测速计。电机和风机的转速可用涡流位移传感器测量。

5.3.2数据采集卡配置的设计说明

由于本硬件系统监测的振动、电流（属于快变信号）和温度（属于慢变信号）是两类不同性质的信号，故数据采集卡区别采用三种类型的A/D卡，这样既可以是高工作效率，且更为经济合理。PCI总线采集卡，总的采样频率为1.25MHz/s，这种采集卡在本硬件系统中主要用来采集数台齿轮箱上的振动加速度和转速信号；ISA总线采集卡，总的采样频率为5OOkHzs，这种采集卡在本硬件系统中主要用于采集齿轮箱的配套设备的振动加速度、电流和转速信号：XT总线采集卡，总的采样频率为100kHz/s，这种采集卡在本硬件系统主要用于采集齿轮箱的配套设备的温度慢变信号。

5.4监测、诊断系统软件设计

软件系统主要完成关键设备振动、位移、转速、温度、电流信号的数据采集、数据预处理、异常状态报警及信号分析和故障诊断等工作。

5.4.1软件系统功能模块构成

软件系统功能模块构成如下：参数设置、采样、监测、查询、信号分析、故障趋势分析、故障诊断、打印和在线帮助。

5.4.2该软件包具有的特点

1.全面的功能要求
参数设置用来设置采样数据存放路径、分析结果存放路径、采样频率、采样类型和各个采样通道的传感器的类型、灵敏度、标定值及单位等。滤波功能可对记录数据进行低通、高通、带通滤波，相当于滤波器。监测功能可实现对机组的实时监测、报警，并给出各种统计分析数据。分析功能相当于信号分析仪，可进行报表、时域波形、概率密度、幅值谱、相位谱、功率谱、倒谱、包络等快速分析。诊断功能采用先进的故障诊断技术，可对机组在复杂工况下出现的各种故障给出及时、准确的判断，并对故障给出详细的解释，可靠性高。

2.简便的操作程序
软件在WINDOWS操作系统下运行，界面友好。所有操作及提示全部汉字化，操作简单明了。软件一经启动后，要想实现某一功能，只要通过赏心悦目的菜单用鼠标单击即可实现，图形窗口可随意切换。这样，软件既适合于熟练者的快速操作，也适合于初学者的分步查询操作和学习。
3.快速的采样分析技术
采样过程可随时停止，可连续大容量数据采集，然后转存入硬盘永久保存。直接存入硬盘时，采样容量只受硬盘容量大小的限制。采样通道可任意设置。实现了快速的时、频域信号处理，分析功能完备，完全能满足大型轧钢机组的在线监测与故障诊断的要求。
4.高度的自动化监测
THMDS-SP软件包与相应的硬件系统结合，可对机组进行多通道实时监测，可一次快速计算出多通道时域波形的最大值、平均值、有效值及其他各种指标。当监测参数超过警戒线时，可自动报警、自动分析并准确诊断出机组可能出现的故障。
5.智能化故障诊断技术
系统对实时采集的数据流进行分析，在正常工作情况下，以绿色显示安全运行。当某一通道超过门槛值时，给出黄色警告直至红色报警的讯号，显示故障的部位、类型等，并对故障给出详细的解释，可靠性高。
6.科学的文件管理
THMDS-SP软件包设计了一套比较完善和科学的文件管理系统。系统一经运行，即可自动进行文件管理，无需人为干预。软件对所有的文件误操作进行保护处理，在找不到所需文件时，程序会自动启动错误处理功能，而不会中断系统。

5.4.3软件的工作流程
为了适应日益更新的生产实际多种类型参数监测和故障诊断的要求，建立由多台微机并行运行构成的在线连续实时监测与快速诊断系统。图5-2为多微机在线监测与诊断系统结构示意图。这样做的优点是：
1. 信息采集全息化。为全面准确地了解机组运行状态提供了条件，所采集信息的种类比较全面。根据信号变化的特点，采用不同的采样频率，对振动量等快变信号和温度等慢变信号分别采集，提高了效率。同时对任一参量的信息都采集足够的通道数，保证了全面了解该参量所反映的机组运行状态。

2.伏态监测连续化。多微机在线监测与诊断系统不间断地对每一信息通道进行监则，改变了传统以机组为单位进行循环监测的工作方式，这对于准确预报机组突发事故有着重要的意义。
3.数据处理实时化。采用这种新的数据处理技术，一大大加快了数据处理的速度，提高了状态监测与诊断的实时性水平。
4. 故障诊断专门化。上位机用于完成系统管理、故障详细分析、操作信息输入及监测与诊断结果输出等工作。进行机组故障的诊断，大多需要占用计算机较长的时间。在传统系统中，计算机既要进行状态监测，又要进行故障分析，往往效率不高。采用本系统，上位机可以集中主要“精力”专门进行故障诊断方面的工作，这样才能达到较高的诊断水平。

 

 

软件的各个模块通过动态数据和运行状态数据库联系在一起，在下位机中，监测系统控制着动态数据的采集、存储、显示和预处理，同时把监测结果存入各机组运行状态特征数据库。在上位机中，详细分析诊断程序块调用运行状态数据库，得出诊断结果并调用打印程序块输出。图5-3为数据流程示意图，图5-4 为监测系统流程示意图。

5.4.4系统监测和故障诊断

监测菜单分设备总布置图、机组配置图和测点部位三级结构层次以图形和文字显示测点情况，监测设备运行。图5-5是动态显示所监测的16路加速度、位移、电流波形。当监测信号达到第二级门限值时，由功放输出卡驱动报警电路，发出声光报警。
诊断菜单是整个软件包的核心部分。它分为三部分：(l）典型故障谱图；(2)知识库建立及维护；(3）故障诊断。

 

1.诊断知识库建立及维护

被授权的专业人员可以通过模块中的知识编辑自由地增添、删减或修改诊断知识和模糊关系矩阵，或不断地积累减速机机组的各故障模式样本中，再加入到神经网络的训练样板中，通过训练板中，通过训练学习可以得到该减速机机组的故障识别神经网络，从而在该机组的实际故障诊为中保证有可靠的高质量的诊断系统。

 

2.故障诊断

模糊故障诊断数学模型拟采用模糊逻辑诊断方式：

Y=X·R                                                （5-1）

式中：Y——故障向量；X——故障症状向量；R——模糊关系矩阵；”·”——模糊数学综合评判算子。

诊断过程分为两个步骤：

1）故障症状输入：由计算机软件自动对故障信号进行FFT和倒谱等分析，根据幅直谱，计算机自动计算故障症状向量。
2）诊断输出：根据故障诊断知识库，运用模糊逻辑诊断法，得出诊断结果。由诊断模型推导出若干个可能的故障，并规定：
当可能性bi>0.85时，表示确有故障产生：当0.5＜可能性bi<0.85时，表示可能有故障发生；当0.5＜可能性bi时，表示故障不可能发生。
当轧制几种不同规格的钢材时，作用在齿轮箱和大电机上的载荷谱是不同的，对应的振动信号也是可能不同的，此时故障症状向量也就不同。反映出的零部件的故障类型及程度也不同。只要把故障诊断知识库做得很周全，且对其进行不折修正，那么，诊断结果可靠性就会逐步提高。
对于刚投入运行的故障诊断知识库，可能由于现场数据统计不完善和试验条件限制等原因，使得一些次要的故障漏诊。故要对新的故障诊断知识库通过实际诊断来进行不断补充和完善。
神经网络故障诊断模型可进一步提高设备在各种工况下故障诊断的准确性，有关其模型见下一章内容。

5.5小结

对齿轮减速机等关键设备的振动、位移、转速、温度、电流等多参数进行长期在线监测，在发生运行异常及故障时及时报警和自动诊断，可以防止关键设备和整个生产系统发生突发性事故，并进行有指导性的维护和维修，可为企业和国民经济节约成本、创造财富。本文从设备特点、设备故障分析、设备监测和故漳诊断原理和监测系统硬件及软件三方面介绍了清华大学设计和研究的TMDS线监测和故障诊断系统，该系统配置简单、可靠性好、价格合理，现已通过八通道的试验室和现场系统试验。