引言机械零部件的磨损是机械设备发生的故障中最常见、最主要的故障形式，是影响机械设备正常运行的主要障碍之一。据统计，磨损故障占机械设备故障的80%〔1〕，而且磨损还可诱发其它形式的故障。随着现代工业的发展，对生产的连续性和运转机械设备的可靠性要求不断提高，因而对机械设备进行磨损工况监测和故障诊断具有重要意义。 机械零部件发生磨损时，磨损颗粒便进入润滑系统并悬浮在润滑油中。这些微小的磨损颗粒携带有机械设备发生磨损故障的重要信息。为了从润滑油里的磨损颗粒中获取有关机械设备磨损故障的特征信息，常采用“油液监测技术”，其中包括磁塞法、光谱法、铁谱法、放射性示踪法、过滤法、颗粒计数法[2,3]。实践证明，在上述这些方法中，铁谱分析技术是监测磨损工况和诊断磨损故障最为有效的方法，在设备日常管理、预测性维修、可靠性分析和寿命预测方面起到了重要作用。然而，在铁谱诊断技术应用的近20年中，诊断过程中的磨粒识别和故障诊断这两个关键步骤主要凭借人的经验。由于磨损现象的复杂性、研究的对象不同以及铁谱分析者间缺乏充分交流，导致使用磨粒术语和描述磨损故障的混乱，尽管在磨粒分类与磨粒术语标准化方面还有一些基础工作要做，但经过一些研究者的努力，已有比较一致的观点。相比之下，对磨损故障分类与磨损故障描述规范化的研究则较少。在人工诊断时，重点在磨粒识别，磨损故障描述方面的混乱对故障诊断的影响并不突出。随着现场监测对智能化诊断的迫切要求以及计算机图像处理技术和智能(人工智能和神经网络)技术在铁谱诊断中的应用，对磨损故障的分类与铁谱诊断方法提出了新的要求。本文系统分板到几械设备磨损故障和铁谱诊断过程，舞在综合分析铁谱诊断方法的基础上，提出了一个智能化铁请诊断模型。1机械设备磨损故障分析1.1机械设备磨损故障的原因机械设备磨损故障(以下简称磨损故障)是指由于相对运动的两个表面之间的摩擦磨损致使设备的功能低于规定水平的状态。概括地讲，引起磨损故障有两种情况：①由设备设计时预计之中的常规磨损引起的故障。在一般机械零件摩擦副中，正常的零件磨损过程大致分为磨合磨损、稳定磨损和剧烈磨损三个阶段川。在稳定磨损达到一定时期时，设备的磨损率随时间而迅速增大，超出设备设计时规定的磨损量水平，使工作条件急剧恶化，进而使设备出现故障甚至完全失效；②设备安装与使用过程中的异常磨损导致的故障。机械零件在安装过程中由于安装不良或(和)清洗不干净会导致设备在运转过程中的异常磨损，或者在使用过程中由于偶然的外来因素(磨料进入、载荷条件变化、a划伤：由于犁沟作用，在滑动方向上产生宽而深的划痕。b点蚀：在接触应力反复作用下使金属咬死等)和内部因素(润滑不良、摩擦发热等)影响而出现异常磨损。异常磨损弓!发的故障具有偶然性和突发性，对此类故障的诊断具有重要意义。1.2磨损故障的分类分类的目的是为了将人们常用而又实际存在的各式各样的磨损故障按一定的标准归纳为几个基本类型。合理的分类能够使诊断工作简化，有利于故障诊断的状态识别过程的进行，提高故障诊断的有效性。由于铁谱技术在诊断磨损类故障方面具有独特的优越性，因而本文的分类主要是针对铁谱诊断方法的。根据不同的应用目的，磨损故障从以下几个方面进行分类比较合适。 1.2.1按磨损机理划分不同的磨损机理产生的磨粒各异，因而可通过磨粒分析来识别引起磨损故障的磨损机理，以便为设备的设计、制造服务。与润滑油分析有关的磨损机理可分为以下几类：a粘着磨损：接触表面作相对运动时，由于固相焊涪作用使材料从一个表面转移到另一个表面而造成的一种磨损。 b 磨料磨损：由于硬颗粒或硬突起物使材料产生迁移而造成的一种磨损。 c疲劳磨损：由于循环交变应力引起疲劳而使材料脱落的一种磨损。微动磨损应归入此类。d腐蚀磨损：由于与周围介质发生化学反应而产生的一种磨损。其中包括氧化磨损、氢致磨拐、介质腐蚀磨损。 1.1.2按磨损形式划分磨粒的产生与磨损表面有着密切的联系，因而可从磨损表面的破坏形式来分类。按磨损形式来分，磨损故障可分为：疲劳破坏而形成的表面凹坑。c剥落：金属表面由于变形强化而变脆，在载荷作用下产生微裂纹随后剥落。 d胶合：由粘着效应形成的表面结点具有较高的连接强度，使剪切破坏发生在表面层内一定深度，因而导致严重磨损。 e腐蚀：由于润滑油中含水和润滑油膜破裂而使金属与周围介质发生化学反应而产生的表面损伤。上述的划伤、点蚀、剥落和胶合有宏观与微观之分，对于铁谱诊断而言，主要是针对微观形式的。 1.2.3按磨损类型划分对于磨损故障的描述，铁谱分析者针对铁谱分析的特点采用一套适用的分类方法，归纳起来可以说是按磨损类型来分： a正常磨损和磨合期磨损：滑动表面经常发生的正常磨损。b切削磨损：由于滑动表面的相互穿入引起的非正常磨料磨损。c滚动疲劳磨损：滚动接触表面的疲劳磨损。了滚滑复合磨损：与齿轮系相关的疲劳磨损和粘着磨损。e严重滑动磨损：滑动表面的过载和高速造成的磨损。 1.2.4按磨损原因划分按磨损原因来分，磨损故障可分为由磨料进入、润滑不良、油中含水、安装不良或有裂纹、过载、高速、过热和疲劳等引起的故障。这可为设备设计、保养和维修提供有用信息。1.2.5按磨损程度划分按磨损程度来分，磨损故障可分为正常磨损和严重磨损。正常磨损与严重磨损间并无明确的定量界限。根据设备的重要性和诊断的灵敏性，磨损程度可分为3级：正常、b从谱片上的磨损颗粒中提取设备磨损状态的有用信息(征兆)：磨粒识别与统计，注意、极高(报警)；也可分成4级：正常、较正常、异常、严重异常磨损。 1.2.6‘按磨损材料划分按磨损材料来分，磨损故障可分为黑色金属磨损故障、有色金属磨损故障和非金属磨损故障。1.2.7按诊断对象划分有的磨损故障在实际应用中采用俗称，比如在柴油机中有“拉缸”、“拉瓦”、“烧瓦”和“抱轴”等叫法。因而磨损故障也可按诊断的特定设备来分类，并制定出相应的诊断标准。在故障诊断时，根据不同的诊断目的和任务要求，尽量采用某一分类方法并逐层推进，不要出现交叉使用的现象。2铁谱诊断过程铁谱诊断技术是一种以磨损颗粒分析为基础的诊断技术。采用该技术监测机械零部件的磨损状态，无需将正在运转的机械设备打开或关闭，就可确定其磨损状态。.由机械零部件产生的磨损颗粒作为分离相存在于润滑油中，通过铁谱仪磁场的作用将它们从润滑油中分离出来，特定的工况条件和冤同的金属零件产生的磨粒具有不同的特性。通过观察磨粒的颜色、形态、数量、尺寸及尺寸分布，可以推断机械设备的磨损程度、磨损原因和磨损部位。根据机械设备诊断学的观点[4]，故障诊断过程有3个主要步骤：信号测取(检测设备状态的特征信号)，征兆提取(从所检测的特征信号中提取征兆)和状态识别(根据这些征兆和其它诊断信息来识别设备状态)。 具体来讲，铁谱诊断过程可分为以下几个步骤：a取油样，制谱片，得到设备磨损状态的特征信纂一磨损颗粒；磨损参数测量；c根据上述征兆，识别设备的磨损状态(状态诊断)，包括识别设备的磨损状态将有无异常(故障早期诊断)与是否已有异常(故障诊断)；d根据设备的征兆与状态，进一步分析设备的磨损状态及其发展趋势(状态分析)，包括当设备有故障时，分析故障位置、类型、性质、原因与趋势等；e根据设备的状态与趋势，作出决策，干预设备及其运行过程。3磨损故障铁谱诊断方法与智能化铁谱诊断模型3.1铁谱诊断方法自铁谱技术问世以来，其发展重点主要是在诊断过程的前两步，对磨损故障识别理论与方法的研究较少，这可从众多有关铁谱技术用于磨损工况监测与故障诊断的资料中看出。目前铁谱技术用于故障诊断所采用的方法归纳起来有3种：定性铁谱诊断法、定量铁谱诊断法(严格地说是准定量铁谱诊断法)、定性与定量相结合的铁谱诊断法。定性铁谱诊断能够在铁谱片上获取大量有关磨损状态的信息，但在很大程度上受操作者的经验和其它主观因素的影响，状态识别过程由领域专家或分析者来完成。诊断是依据谱片上磨粒的形态、数量、颜色、尺寸及尺寸分布等信息来推断机器的磨损状态。目前普遍得到应用的铁谱分析报告单就是定性铁谱诊断的总结。将模糊数学方法应用到定性铁谱诊断，可让计算机模拟专家的识别方法进行磨损状态诊断，这种方法具有一定的智能性，但这并不是铁谱诊断技术发展的关键所在。目前的定量铁谱诊断是根据铁谱片上磨粒的浓度和磨粒的尺寸分布来对设备的磨损状态作出诊断。诊断主要采用函数分析法、趋势分析法和灰色理论等方法，有些方法已能在一定程度上反映出智能性。定量铁谱诊断具有较大的客观性，但所提供的数据只反映出少量的磨损状态信息，而且不能应用在脂样分析中。定量与定性相结合铁谱诊断是目前实际应用的最多的一种方法，一般是先用定量参数进行故障可能性和趋势判断，再辅之以铁谱片上磨粒特征分析来确诊。为了提高铁谱诊断技术的准确性和智能性，必须进一步发展定量铁谱诊断方法。该方法应能综合定量分析磨粒的形态、尺寸、数量、颜色和尺寸分布等特征并应角人工智能和神经网络的方法加以诊断。随着计算机图像分析技术以波人工智能特别是神经网络技术不断发展，为实现综合定量铁谱诊断及其智能化创造了有力的条件。将智能化技术应用到铁谱诊断，其诊断过程的第三步不仅变得同前二步一样重要，而且将会成为智能诊断技术的关键，因而对磨损故障识别理论与方法的研究很有必要。由于磨损现象的复杂性和磨粒分析的困难性，铁谱诊断智能化的发展一直较缓慢。1989年美国的Carborundum公司开发出一套被称之为FAST的铁谱分析专家系统[5]，并在最近将其发展成FASTPLUS系统。据报道，利用这一专家系统可以对铁谱片进行分析并以人机对话的方式进行决策。但从原理上看，该系统主要是将谱片上的特征磨粒与存储在系统的光盘中的磨粒图谱的照片进行比较而得出结论，因而具有较大的局限性。在国内，文献[6]困将计算机图像分析技术和人工智能理论与方法引人到铁谱分析技术中，建立了基于黑板的铁谱图像解释系统的模型，并进行了部分研究，取得一些很有意义的研究成果。由于追求铁谱诊断的完全智能化使得该技术离实用还有较远的距离。3.2磨损故障铁谱诊断水平根据铁谱诊断的目的和实际应用的需要，将磨损故障铁谱诊断水平划分成3个级别：第一级诊断水平三对设备状态进行监测、确定磨损状态是否正常；第二级诊断水平：在第一级诊断的基础上，判别引起磨损状态异常的磨损原因、类型、形式乃至趋势分析，以便采取维修措施或改进设计。不同原因导致的故障具有不同的表现形式，从而反映出不同的故障状态。通过磨粒的形态、尺寸、数量、分布等特征可对磨损原因进行识别；第三级诊断水平：用以判断发生故障的部位或部件，同时也为第二级诊断提供补充信息。不同的材料产生的磨粒经谱片加热或湿化学处理在铁谱显微镜下可以区分出来，从而将故障隔离到不同零件上。由于设备结构的复杂性、同台设备使用摩擦副材料相同性以及鉴别材料手段的局限性，使得故障隔离与定位并不能总是有效。但为了提高磨损故障诊断的有效性和全面性，此级诊断无疑是必要的。在人工诊断时，上述3级诊断常常是同步完成的，但随着现场监测对智能化诊断的需要，在人工智能或神经网络技术引入到铁谱诊断后，就需要对磨损故障诊断水平进行分级。3.3智能化铁谱诊断模型本文从实际应用的需要出发，提出一种智能化铁谱诊断系统模型，如图1所示。其中的些主要工作已经完成。该系统包括3大模块：磨粒分析模块、磨粒识别与统计模块和机械磨损故障铁谱诊断模块：在磨粒分析模块中可以采用计算机图像分析和模拟人工分析两种方式。铁谱图像分析子系统 [7]能够提取定量的磨粒特征参数。这包括形态数字特征和光密度特征，提取的信息中的一部分输入磨粒识别与统计模块，并采用神经网络技术识别磨粒[8]，经统计后，将结果送入磨粒信息库；一部分直接送入磨粒信息库。模拟人工分析子系统，采用人一机协作的方法，人工提取定性的磨粒特征参数，应用神经网络专家系统进行磨粒识别[9]，识别结果经统计后送入磨粒信息库；定量钳普参数采用光密度计测量，测量结果直接送入磨粒信息库。根据不同的需要，磨粒信息库中的数据可按不同的方式组织，形成不同的数据文件，以备故障诊断与监测取用。机械磨损故障铁谱诊断模块根据用户需要可实现磨损状态诊断、磨损故障类型诊断和磨损原因诊断，三者的实现均采用神经网络模型[l0转自深圳培训吧www.szpxb.com]。在铁谱诊断时，除了利用磨粒信息库的数据文件作为输入向量外，还应充分利用被监测设备知识库的知识。该系统还可以直接从磨粒信息库中提取数据，采用神经网络技术进行磨损趋势预测
1.FFT-FS频谱细化技术及其在机械故障诊断中的应用，武汉科技大学学报（自然科学版）2000年01期（EI01035575059）2.小波分析及其在振动诊断中的应用，武汉科技大学学报（自然科学版）2000年04期（EI01035574405）3.小波分析—AR谱及其工程应用，振动与冲击，2001年01期（EI01246544631）4.基于三维有限元法的卷取机助卷辊支臂焊缝强度分析，湖北工学院学报，2002年02期5.振动信号分析法用于回转支承故障诊断，工程机械，2002.66.斗轮式堆取料机回转支承故障诊断研究，振动与冲击，2002.37.结晶器非正弦振动研究，机械传动，2002.48.轧机主传动系统减速机故障诊断研究，重型机械，2002.49.椭圆齿轮传动在结晶器非正弦振动装置中的应用，冶金设备，2002.610.高炉过程多智能体控制系统的开发，炼铁，2003.311.一种用于低速重载轴承故障诊断的共振解调法，煤矿机械，2002.812.非接触式扭矩在线监测系统的研究，武汉科技大学学报（自然科学版）2001年03期（EI01556802095）13.2800轧机万向接轴联轴器十字轴断裂事故分析，重型机械，2002年01期14.轧机主传动万向联轴器辊端接头结构探讨，重型机械，2002年02期15.中板轧机主传动万向接轴辊端接头断裂事故分析，冶金设备，2002年01期16. 虚拟仪器技术及其在机械故障诊断中的应用，武汉科技大学学报（自然科学版）2002年02期（EI04238195408）17.中板轧机主传动万向接轴十字轴断裂事故分析，武汉科技大学学报（自然科学版）2002年02期（EI04238195407）18.CALCULATION OF THERMOMECHANICAL STRESS OF LADLE LINING DURING PRE-HEATING AND OPTIMIZATION OF REFRACTORY PROPERTIES, Proceedings of the fourth international symposium on refractories, Dalian, China, March 24~28, 2003, ISBN 7-5062-5863-319.WAVELET ANALYSIS WITH ITS APPLICATION IN DEVICE FAULT DIAGNOSIS, Proceedings of IE & EM’2003, Global Industrial Engineering in E-century, ISBN 7-89492-025-820.高线精轧机组远程监测与诊断应用研究, 冶金设备，2003，521.地下卷取机卷筒主传动系统强度分析, 武汉科技大学学报，2003，4（EI04238195541）22.Calculation Of Temperature And Stress Distribution For Ladle Lining, Refractories Applications and News, 2004,vol.9,323.长水口热机械应力研究 耐火材料，2004.2(EI 04298271946)24.降低长水口颈部应力的研究 炼钢，2004.425.钢包底工作衬的热应力分布及结构优化 《耐火材料》2004.4（EI 04448438852）26.钢包底温度场和应力场模拟，冶金能源，2004.427.炉衬热应力分析中几类特殊结构的建模方法，工业炉，2004.328.基于谐波小波变换的低速轴承故障诊断，轴承，2004.1029.高线精轧机组轴承振动监测与故障分析，轴承，2004.530.基于FFT-FS频谱细化及共振解调技术的电机轴承故障诊断，矿山机械，2004.331.可逆式轧机十字轴式万向联轴器辊端叉头的有限元分析，冶金设备，2004.432.一种改进的广义自洽模型及其在耐火材料性能预测中的应用，中国科协第二届优秀博士生学术年会论文集，2004.12，苏州33.Research On Thermomechanical Stress Of Long Nozzle And Improvement Measures，Refractories Applications and News, 2005,vol.10,134.基于人工神经网络的轧机轧制力矩在线监测方法研究，机械研究与应用，2005.235.基于internet的风机远程监测与诊断系统研究，风机技术，2005.236.基于谐波小波分析的故障诊断方法研究，振动与冲击（已录用）37.基于谐波小波变换的共振解调法及其在轴承故障诊断中的应用，振动与冲击（已录用）38.基于Morlet小波变换与最大似然估计方法的降噪技术，振动、测试与诊断，2005.2（EI05189081905）39.Prediction of properties of Al2O3-C refractory based on microstructure by an improved generalized self-consistent scheme, Metallurgical and Materials Transactions B 2005.10（SCI、EI收录）
故障诊断技术在设备维修的应用论文
摘要 ：根据矿山机电设备的特点及使用情况，对现代故障诊断技术在矿山机电设备维修中的应用做了进一步的探讨，尤其是对其中的智能故障诊断技术进行了重点研究，希望借此可以为矿山机电设备的维修提供参考。
关键词 ：故障诊断；机电维修；智能诊断
在现代矿山生产过程中，高技术含量的机电设备在煤矿生产一线获得了广泛的应用，但是因为受到工作环境等方面因素的影响，机电设备在运行过程中会出现故障，给煤矿安全、稳定生产带来了隐患。利用故障诊断技术能够深入地了解机电设备运行过程的典型状态，还能够检测出设备运行过程中存在的潜在隐患，及时发现设备存在的主要问题，为故障预测和处理提供可靠依据。因此，找到矿山机电设备故障产生的主要原因，并利用故障诊断技术对原因进行及时准确的诊断分析，对保证机电设备的正常稳定运行以及矿山的生产安全都是非常重要的。
一、矿山机电设备产生故障的原因
（一）机械零部件配合关系变化。导致矿山机电设备出现故障的原因主要是设备的机械零部件关系变化或者零部件自身损伤而造成的。其中，零部件损伤有设备运行过程中相关零件之间的相互影响的因素，这种影响使零部件自身在形态、尺寸、功能等方面发生了变化，不能够充分发挥其应有的性能。
（二）设备长期超负荷运行。在实际的使用过程中，若一台设备的实际运行情况超出了其极限应用范围，则该设备会在很大程度上因为超负荷而出现故障。
（三）设备自身性能损耗。机电设备在运行过程中会因为内部和外部因素的影响而使其运行能力持续消耗，包括设备机械零部件的磨损、电子设备的老化等，这些因素使得设备的综合能力开始下降，最终出现各种类型的生产故障。
二、矿山机电设备的故障诊断
（一）设备故障诊断的方法。在通常情况下，设备故障诊断属于一种防护措施，是在不影响基本生产流程的情况下判断该设备各个部分的参数是否处于最佳的应用状态中。在诊断中，通过使用精密设备获得被检测机电设备的运行数据，确定其是否适合运行，是否发挥其正常的功能，是否存在出现损坏的因素等。若发现异常，则分析导致该异常的主要原因、损坏程度有多大、是否能够继续使用，并根据其实际受损程度判断其继续使用的时间。
（二）设备故障诊断的原理。所谓设备故障主要是指设备因为零部件受损或者在使用过程中因为不同因素的影响。这时，一旦出现故障，这些参数的变化将直接作用于设备的零部件，使得其发生物理变化，导致零部件的性能也随之出现变化，这种变化就是所谓的特征因子。这些特征因子可以精确的反映机械系统的实际故障状态，因此也被称作为故障敏感因子，只有这些故障敏感因子处于正常的阈值范围内时，设备才不会出现故障。故障诊断技术就是监测这些敏感因子，一旦矿山设备的故障敏感因子超出了阈值范围，就要发出告警。
三、故障诊断技术在矿山机电设备维修中的具体应用
（一）故障历史记录诊断方法的应用。当机电设备出现故障时，应该及时的分析导致该设备出现故障的相关原因，分析哪些是造成故障的主要因素。这是基于矿山机电设备组成原理而采取的一种典型故障诊断方法。当设备出现故障时，必须分析造成故障的因素，检查设备运行过程，获得最终的分析结果，并将这些结果进行归纳总结，形成一个该类型设备的故障诊断手册。在设备的后续运行过程中，当设备再次出现故障使，就可以根据典型的故障类型判断导致故障的原因，对故障进行针对性的处理、维修。
（二）温度、压力监测诊断方法的`应用。矿山机电设备中大量使用摩擦副、轴承和齿轮传动箱等机械设备，在这些部位设置温度、压力传感器可以实现对这些关键零部件运行状态的在线监测。通过连续对这些部位进行监测、记录相关数据的历史变化情况，可以快速、直观、准确的反应出机电设备的实际运行状态，还能够预测其运行状态变化趋势，从而为设备的维修提供可靠依据。温度、压力是矿山机电设备需要检测的典型参数，能够正确、精确的反映设备的真实工作状态。
共3页: 上一页123下一页
（三）智能诊断方法的应用。智能诊断方法就是通过系统控制的方式，模拟人脑特征，能够快速的获得机电设备的故障信息，并及时的进行传递、处理、再生及应用，通过与系统配合还能够实现设备运行状态的实时监测和预测，为机电设备及系统的运行、维修提供可靠的数据参考。智能诊断方法包括模糊诊断法、灰色系统诊断法、专家系统、神经网络诊断方法等。当前，智能故障诊断领域中最为活跃的方法是专家系统和神经网络方法，这两种方法在矿山机电设备故障诊断中具有较大的应用潜力。这主要是因为矿山机电设备的故障一般具有较强的复杂性和隐蔽性，使用传统的故障诊断方法难以精确、快速的对故障进行定位和分析，而通过应用专家系统或者神经网络，能够模拟人脑思维方式，根据反馈的故障信息快速的进行分析和求解，获得可靠的分析结果。
参考文献：
[1]张瑞景.运用故障诊断技术进行矿山机电设备维修[J].房地产导刊,2014(18).
1、当行星减速器处于空载状态时，电机不转动。可能产生原因：停电、连接线断裂、开关可以接触社会不良、电机控制线圈出现断裂、三相交流电机接单相电压、单相电机未接电容9s、单相电机起动器动作发展不良、齿轮、轴心及轴承是否损坏；排除方法：检查电源，询问电力公司，检查接线，修理或更换，送专业厂家修理，确认电压和接线方式，连接电容器，送专业厂家修理，送专业厂家修理；2、伺服行星减速器加载时，电机不转动可能的原因:电压低、齿轮损坏、过载运行；排除方法： 检查电源线是否过长或过细、送专业发展工厂进行修理、减少工作负载；3、精密伺服行星减速器发热异常可能的原因: 过载运行、启动、停止频率过高、轴承磨损、电压过高或过低；故障排除:降低负荷，减少负载，减少使用次数，维修或更换，确认电压是否正常。4、行星减速机噪声太大；可能的原因：响亮和持续的声音：损坏的轴承，磨损的齿轮，偶尔大声的声音：损坏的齿轮，异物粘附；排除方法: 派专业工厂维修，联系用户服务机构；5、精密直角行星减速器振动过大。可能产生原因：齿轮、轴承进行磨损、固定资产不良,螺丝松动；排除方法：送专业厂家维修重新锁定；6、伺服减速器运行噪声异常和不稳定；可能的原因:机油被污染或不足。排除方法： 检查油颜色、浓度、油位；7、精密斜齿行星减速器在电机法兰处，在电机油封处，在减速器法兰处，在输出部位的油封处漏油；可能的原因:螺钉松动和密封圈损坏。排除方法： 重新进行锁紧、替换之，与行星减速机厂家可以联系8、行星减速器通风塞漏油；可能的原因: 过多的油，不正确和频繁的安装空气塞，启动（发泡油）或过高的油位；方法:修正油量，正确安装排气塞，用排气阀更换排气塞。9、行星式减速机的电机进行转动时输出轴不转；可能原因：行星减速器轴键连接故障；排除方法: 送行星减速机厂家维修；以上是对行星减速机九种故障原因及解决方法介绍。
看您这边是什么故障，是噪音问题还是精度问题以及温度过高和负载问题。
低速重载滚动轴承的状态监测要用到低频的加速度传感器去监测的，至于论文，好象没见过
在研国家级及省部级项目（项目负责人）：[1] 国家自然科学基金：“多界面、强噪声、冲击性机械故障特征量的传递机理与识别”（2006-2008）[2] “十一五”国家支撑计划子课题：“高速铁路客车轴承智能技术研究”（2007-2008）[3] 教育部科学技术重点项目：“汽车动力传动系统早期故障诊断与残余寿命预测方法研究”（2005-2008）[4] 重庆市自然基金重点项目：“汽车动力传动系统异常特征量检测技术的研究”（2007-2008）[5] 重庆市自然基金项目：“强噪声环境机械故障特征提取方法的研究”（2005-2007）[6] 重庆市科技攻关重大项目子课题：“垃圾焚烧发电关键技术研究及产业化-垃圾焚烧预处理系统。”（2007-2009）[7] 教育部留学回国人员科研启动基金项目：“生物进化自适应滤波算法及其在齿轮箱早期故障诊断中的应用”（2005-2008）部分论文、著作、成果[1] Yimin Shao and Kikuo Nezu, Design of mixture de-noising for detecting faulty bearing signals, Journal of Sound and Vibration, Vol. 282, pp. 899-917 (2005) （SCI收录：913RX/SCI、EI收录：05118999270/EI）[2] Yimin Shao and Kikuo Nezu, Extracting Symptoms of Bearing Faults in Wavelet Domain, Proc Instn Mech Engrs Part I, Journal of Systems and Control Engineering, Vol.218, pp.39-51 (2003) （SCI收录：801EP/SCI、EI收录：04128062228/EI）[3] 邵毅敏、久米原宏之、根津纪久雄、ウェーブレット技法を用いたころがり轴受の故障诊断法（第1报?ウェーブレット缩退によるノイズ低减についての解析）、日本机械学会论文集 C编、Vol. 69、No. 687、pp.2957-2962 (2003) （EI收录：04078018324/EI）[4] 邵毅敏、久米原宏之、根津纪久雄、ウェーブレット技法を用いたころがり轴受の故障诊断法（第2报?ノイズ低减による故障诊断への応用）、日本机械学会论文集 C编、Vol. 69、No. 687、pp.2963-2969 (2003) （EI收录：04078018325/EI）[5] Yimin Shao and Kikuo Nezu, Extracting Symptoms of Bearing Faults from Noise Using a Non-Linear Neural Filter, Proc Instn Mech Engrs Vol 216 Part I, Journal of Systems and Control Engineering, Vol.216, No.2, pp.169-179 (2002) SCI收录：550PL/SCI、EI收录：02206949760/EI）[6] 邵毅敏、时任朋也、根津纪久雄、适応 ニューラルネットワークによる故障诊断法、日本机械学会论文集 C编、Vol.68、No.675、pp.3349-3354 (2002) （EI收录：03067350631/EI）[7] Yimin Shao and Kikuo Nezu, Prognosis of Remaining Bearing Life Using Neural Networks, Proc Instn Mech Engrs Vol 214 Part I, Journal of Systems and Control Engineering, Vol.214, No.3, pp.217-230 (2000) （SCI收录：343ZR /SCI、EI收录：00095333713/EI）[8] Yimin Shao and Kikuo Nezu, Detection of Self-aligning Roller Bearing Fault Using Asynchronous Adaptive Noise Cancelling Technology, JSME International Journal, Series C, Vol.42, No.1, pp.33-43, (1999) （SCI收录：199HP /SCI、EI收录：99054683102/EI）[9] 发明专利：带复合传感器的智能轴承[10] 发明专利：一种智能传感器
(1) 现代信号处理理论研究。系统的提出和完善了一系列离散频谱分析的校正方法：提出了三点卷积幅值校正法、比例校正法、能量重心校正法、适合各种对称窗函数的时移和综合相位差校正法，大幅度提高了离散频谱分析的精度；提出了基于复解析带通滤波器的复解析选带细化谱分析方法，提高了细化选带谱分析的细化倍数和精度；对典型具有连续频率成分的振动衰减信号，提出了一种小阻尼的精确识别方法，能应用于多自由度系统阻尼的求解。为离散频谱校正理论的发展作出了贡献。这些方法已在发动机扭振分析、旋转机械振动分析等工程领域得到广泛的应用。在国外学术期刊和国内核心杂志共发表论文20多篇，SCI和EI共同收录3篇，EI收录10多篇，发表的系列论文在国内外被其他学者累积被引用100多篇次，其中SCI收录论文引用6篇次，引用论文的有中国科学院院士杨叔子、熊有伦、屈梁生、闻邦椿、黄尚廉和机械和振动方面的著名教授和学者钟秉林等；比值校正法和三点卷积法被2001年出版、由徐科军教授编著的全国自动化类专业统编教材《信号处理技术》采用。早期研究成果获教育部1998年科技进步（甲类理论研究）3等奖，在学术界具有较大的影响。(2) 汽车振动与噪声研究。在汽车NVH性能改善方面作了深入的研究，对发动机激振力的识别做了大量试验研究及理论推导，提出了刚体体惯性参数识别的通用方法，并与频谱校正技术相结合以提高参数识别的精度。此外，在发动机及传动系统扭转振动信号处理方法的研究及系统研制方面取得了一定的成果。针对发动机和传动系统扭振信号存在低频滚振不能采用转速跟踪分析方法直接进行分析的特点，提出将采样周期扩大一倍，加Hanning窗进行转速跟踪分析的方法，消除了低频滚振的干扰，大大提高了扭振测试的精度。除了在试验台进行测试分析外，这种方法还能测试汽车行驶和加速过程中的扭振特性。研制地DASN发动机扭振测试分析系统功能全、速度快、精度高，已应用到重庆康明斯发动机有限公司，先后对该厂生产的多个系列数十台车用和船用发动机进行了台架和装车发动机扭振特性试验及推进特性试验。(3) 解调分析及其优化算法、变速器和齿轮箱等典型设备的故障诊断技术研究。在变速器和齿轮箱故障机理研究方面提出了齿轮啮合频率调制、齿轮和箱体共振频率调制的概念，研究了激励能量对不同调制振动的影响和诊断策略，分析和提取了齿轮箱九类典型故障的振动特征，提出了用时域特征、高低频频谱特征、解调特征建档并进行综合自动诊断的方法，为实现齿轮箱的自动诊断打下了坚实的基础。在解调分析方面，在分析了现有方法的三种局限性的基础上，提出了将希尔伯特变换和带通滤波有机结合起来的优化解调方法，并成功应用于工程实践中。在国外学术会议和国内核心杂志共发表论文10多篇，EI收录5篇，ISTP收录3篇，发表的系列论文在国内外被其他学者累积被引用60多篇次，研制的GADS齿轮箱故障自动诊断系统获1998年四川省科技进步3等奖。(4) 各类动态信号分析和故障诊断系统的研制与推广。研制了DASC动态信号分析与故障诊断系统、DASN发动机扭振信号处理系统等动态信号分析和故障诊断系统、DASJ桥梁与结构动态检测系统，推广或应用到重庆交通学院、重庆康明斯发动机有限公司、汕头礐石大桥公司等30多个单位，解决了大量工程实际问题，取得了较大的经济效益。完成的纵向科研课题(a).振动信号解调分析与齿轮箱故障智能诊断方法研究，国家自然科学基金（50475095），23万 主持(b).机械振动信号处理中的频谱校正理论，国家自然科学基金（50075049），17万 主持(c).齿轮箱故障振动信号解调分析与智能诊断方法研究，广东省自然科学基金（04020082），6万 主持(d).振动信号分析中的离散频谱校正技术,振动、冲击、噪声国家重点实验室开放基金课题(VSN-2001-04),2万。主持(e).机械故障诊断中信号处理的一些关键理论的研究，广东省教育厅2002年“千百十工程”优秀人才培养基金(国家级、省级)资助项目(粤教科[2002]45号，编号：略)，5万。 性别：女出生年月：1966年2月17日专业技术职务：主任医师专业：影像医学与核医学导师层次：硕士生导师导师类别：专业学位型最后学历：2004年7月 第四军医大学影像医学与核医学超声心动图专业 博士学位工作单位：解放军第305医院超声诊断科 主要研究方向：1、心脏超声诊断－冠心病，先心病2、外周血管超声诊断学术任职：1.中国医学影像技术研究会超声分会第二届委员会委员 2005年4月2.中国医学影像技术研究会超声分会心动图专业委员会委员 2007年6月3.中国民康医学心脑血管专业委员会第三届编辑委员会委员 2009年8月4.中国医学影像技术研究会超声分会第一届腹部专业委员会常务委员 2010年3月5.《实用医学影像杂志》第四届编委 2010年2月 1、呼吸和心动周期对正常人股总静脉血流频谱影响的初步研究 2004年5月 《中华超声影像学杂志》2、超声检测颈动脉粥样硬化对冠状动脉的预测价值 2008年7月 《临床超声医学杂志》3、定量组织速度成像对左心室心肌缺血节段同步性的研究 2009年4月 《临床超声医学杂志》 主要获奖情况：下肢静脉血液循环的影响因素及血栓形成的高频超声检测 2008年12月 总参科技进步三等奖 08CGL309－1在研课题：定量组织速度成像对冠心病心肌同步性运动变化的临床研究（06MB350）总后卫生部科研基金 5万元 。可支配总经费：5万元。
Gears are among the most common mechanical equipment and components, it will directly affect the operation of the equipment. The paper summarizes and analyzes the mechanism and gear fault vibration characteristics, detailed introduces the gear vibration signal analysis and fault diagnosis method, and application of the wavelet packet de-noising to deal with gear fault vibration signal.Gear fault vibration signals are stationary signal, with conventional Fourier analysis method to reach the good effect. Wavelet analysis method can also from both in time domain and frequency domain analysis of signal, very suitable for gear fault diagnosis.Wavelet packet analysis in recent years is rapid development of a fault diagnosis method, the signal in image processing and communication and geophysical research achievements have been made in application of success. Wavelet packet transform is wavelet transform, the promotion was composed of wavelet analysis. This paper around the wavelet transform and wavelet packet transform in gearbox fault diagnosis in theory and experiment, the wavelet packet analysis method is applied to the gear fault diagnosis. Main content as follows:1 from the theory of fault signal characteristics and diagnosis of the fault signal wavelet packet analysis is the inherent requirement of diagnosis,2. Secondly, studied wavelet analysis and wavelet packet analysis based on the theory of noise principle and model analysis,3 studied wavelet packet analysis in signal de-noising in actual application of the signal, wavelet packet decomposition and de-noising and achieved good results,4 studied wavelet packet decomposition in frequency feature extraction in the practical application, through the analysis that the method can be very good characteristics extracted information, carries on the diagnosis malfunction,Based on wavelet packet of signal decomposition and reconstruction of high resolution capability, the signal is decomposed into different frequency band, and then choose effective fault signal reconstruction, isolate the fault information. Through the gear fault signal de-noising and decomposition, shows that this method can effectively remove the noise interference, extract fault feature of signal, the gear fault diagnosis.
千字三百，若需联系
纤维增强树脂基复合材料层合结构具有比强度高、比刚度大、阻尼特性好、疲劳寿命长、结构可设计性强等优点,在航空、航天及一些特殊领域中被广泛使用。然而,复合材料的各向异性,非均匀性等特点给复合材料结构的力学分析带来了一系列的挑战。尤其在航空航天领域,飞行器在运行过程中所处的环境和所受的载荷都非常复杂。除了考虑飞行器在这些复杂环境下的自振特性和确定性外载作用下的动力响应外,考虑随机性外载的影响也不容忽视。随机振动理论和方法就是处理这类问题的先进思想和重要手段,但在国内外航空航天领域中还很少实际应用,主要原因之一就是现有随机振动分析方法复杂而且低效,这在很大程度上限制了飞行器设计水平的提高。虚拟激励法是高效精确的随机振动分析方法,迄今已经在大跨度结构抗震、抗风,海洋平台和汽车随机振动等多个工程领域被数以百计的专家针对各工程领域的特点予以发展而取得很多实际成效。但是迄今为止,这一有力的工具却并未在航空航天领域被充分认识和应用,在这些具有战略意义的重要领域中,所应用的随机振动分析方法依然复杂低效,缺乏创新意识。本论文针对这一现状,依据航空航天领域材料和结构的复杂性,以及飞行器所处环境的复杂性,将虚拟激励法作了有针对性的发展,以完全自主版权的DDJ有限元程序系统为开发平台,完成了求解复合材料结构随机振动的高效精确分析程序。本论文中,着重对如下问题进行了研究:1.建立了基于Mindlin一阶剪切变形理论的复合材料层合板有限元分析模型,推导了层合板的有限元列式,在DDJ程序平台上对复合材料层合板的自振频率和模态进行了分析。将虚拟激励法引入到航空航天领域广泛使用的复合材料层合结构的随机振动分析中,针对复杂的复合材料结构有限元模型和非经典阻尼体系,发展了包含全部参振振型和随机激励点之间耦合项的随机振动高效求解方法,比较圆满地解决了传统计算方法精度差、效率低的应用障碍。2.本文推广虚拟激励法于敷设粘弹性阻尼层的复合材料层合结构的平稳和非平稳随机振动分析,建立了高效精确计算方法。尤其是综合考虑了粘弹性阻尼材料的性能参数随频率变化的特点以及复合材料层合结构本身的模态阻尼,建立了组合系统的非经典阻尼表达。为了解决随频率变化的非经典阻尼体系的平稳/非平稳随机响应,本文结合精细积分方法提出了一种直接解法,只需用原系统的实模态对虚拟激励法做出相应的发展,就可精确地求解频变阻尼系统的随机振动。据此对飞机水平尾翼的复合材料安定面结构进行了模拟研究,从精细的计算模型及合理的计算结果可以看出,本文所提出的方法对于这类相当复杂的复合材料结构的随机振动分析十分有效。3.研究飞机对大气紊流响应的主要方法是随机振动功率谱法。用高效、精确的分析方法计算不同飞行环境下飞机的响应,以预测飞机疲劳寿命和可靠度等是航空工程领域研究热点。本文在考虑了二维平面流中简谐振动平板产生的非定常力基础上,又按照虚拟激励法的特点同时考虑了竖向简谐风的影响,进而研究了复合材料二维机翼的大气紊流响应。随机激励谱选用了Dryden紊流频谱模型。结果表明,在处理二维机翼在大气紊流响应的随机问题中,基于简谐响应分析的虚拟激励法不但是精确算法,而且效率非常高,具有很大的实用优势。发展这一方法对于该领域的数值计算是很有价值的。4.计算流体动力学(CFD)是研究流体动力学的有力工具。本文为计算机翼颤振/抖阵分析中的气动参数,首次使用雷诺平均湍流模型对二维翼型截面的颤振导数进行了求解。基于D.K.Sun等最新提出的CFD网格控制算法以及所建立的数值风洞,计算了结构简谐运动下的气动力,并识别了湍流场中NACA0012翼型的颤振导数。将由此得到的颤振导数和气动力应用到大气紊流引起的随机振动计算中,并将计算结果与基于Theodorsen函数得出的响应解析解进行比较,得到了相当满意的一致。本文计算的CFD气动参数充分考虑了气体的分子粘性和紊流粘性,其作用相当于附加阻尼,因此比Theodosen函数方法限制更少、应用范围更广,而且在此基础上还可以考虑三维流和可压缩性。因此本文实施的基于CFD的气动力计算方法具有广阔的应用前景,将成为应用虚拟激励法于航空航天结构时确定气动参数的有力工具。可以说,这一成功的尝试为随机振动方法更广泛地应用于航空航天工程走出了很重要的一步。
你是。。。。。我们老师也布置了这作业，顺便发到我邮箱吧，，，，谢谢啦，
技师专业论文工种：汽车维修工 题目：凌志LS400轿车故障灯亮故障排除及氧传感器系统报警检测方法姓名：钱亚亮 学校：西安北方汽车修理职业培训学校 日期：2009年12月3日凌志LS400轿车故障灯亮故障排除及氧传感器系统报警检测方法 作者：钱亚亮 时间：2009年12月3日摘要：本文主要介绍一部，99年凌志LS400轿车，在行驶中仪表内的发动机故障指示灯点亮，用仪器读取故障码为25或26（25代表混合比过稀，26代表混合比过浓）可知为供油系故障，但是在维修后汽车在行驶中再次点亮，这就意味着在维修时不能完全依据故障码去修理要全面考虑。关键词：故障码；供油系统；氧传感器 前言：汽车电子控制燃油喷射发动机是机电一体化高新技术的产物，尤其是发动机的控制系统，它设置有多个传感器、执行器和电子控制元件。控制系统工作时，各种信号相互交叉渗透，控制进气、喷油和点火。一但发生故障，则症状的界限模糊。而且一个系统出现故障，会使电脑控制显示出另一个系统的故障码。所以我们必须全面深刻了解电子控制燃油喷射发动机的结构原理，掌握有关功能作用，运用科学的分析方法和维修技巧，制定出切实可行的维修方案。 正文故障现象：一辆凌志LS400（UCF10 发动机）轿车，发动机故障灯亮，读取的故障码为25或26。故障排除：根据资料可知为供油系统故障（25代表混合比过稀，26代表混合比过浓）一般情况下，读取故障码显示为25或26，可知为供油系统的故障，那么下一步便应先检查油电路，即检查火花塞、高压线等点火元件，更换汽油滤清器、清洗喷油嘴等。这样做的目的是保证发动机有正常的点火、通畅的供油和正确的喷油，这些工作做完后，消除故障码，则故障灯灭。然而此车辆维修出厂后行驶200Km左右，发动机故障灯又亮起来，回厂返修读取的故障码还为25或26。供油系统应该没有问题，可为什么会这样？我们仔细查找与点火和供油有关的元件，结果发现氧传感器的电压波动值明显不符合规定要求（标准：输出电压低于0.35V或高于0.7V时，10S内跳动4次以上），更换氧传感器后，故障灯便不再亮。故障分析：为什么明明是氧传感器工作不良，却显示混合比过稀或过浓的故障码25或26，而不显示氧传感器的故障21、27或28？根据燃油喷射的工作原理分析可知，喷油时间的长短是电脑依据各控制元件所提供的输出信号来修正的，由于氧传感器工作不良（并未完全失效），即输出电压值不符合规定的要求，电脑从氧传感器处得到不正确电压信号后，给喷油嘴一个错误的喷油脉冲宽度，造成喷油量过少或过多，也就是混合比过稀或过浓。当故障的次数累计一事实上的后，电脑便形成故障记忆，这便是为什么维修出厂行驶200km左右后，故障灯又亮起来的原因。这种故障给了我们一个启示，即当凌志LS400发动机故障灯亮，调取故障码显示为25或26时，应先测一下氧传感器的是否正常，若低于规定电压值一定要更换，然后再检查油电路，这样便可彻底消除故障。总结：在有此情况下，则恰恰相反，即氧传感器本身无故障。在电控汽油喷射发动机中，氧传感器是用于燃料系统闭环控制的一个电器元件。它主要用来测废气中氧的含量，并将所测量数据用电压信号形式反馈给ECU，以控制发动机空燃比保持在14.7；同时，它又是多种故障信号的报警元件。氧化锆传感器是一种常见的氧传感器，其故障多表现为表面被铅化物或碳化物覆盖，使气体不能渗透、氧离子不能扩散而导致失效，当故障灯报警并读取传感器故障码时，必须对其进行故障诊断。但氧传感器系统报警不一定就表示传感器有故障。其报警信号还受下列因素的影响：①点火系统工作状况；②进所系统密封性能；③排气系统是否堵塞；④喷油器的工作状况；⑤供油系统油压高低。1． 氧传感器的故障诊断由氧化锆传感器的特性可知：当空燃比维持在14.7时,报警信号基准电压为0.4-0.5V;当空燃比大于14.7时,其电压升至0.8-1V,表时混合气过浓;空燃比大于14.7时,电压降至0.2V左右,表明混合气过稀.诊断氧传感器工作状况的方法是:(1) 保持发动机的转速在2500r/min左右,预热传感器2min.(2) 拔下传感器插线(有加热线圈的传感器注意插脚位置),用万用表测量反馈电压,检查10S内电压表指针摆动次数;(1)若电压表指针摆动次数少于8次应再次预热传感器,并每检查10S内指针摆动次数.此时若指针摆动在8次以上表明氧传感器工作正常;(2)若仍少于8次,则应脱开传感器线束插头,再次测量其反馈电压;当电压大于4.5V时脱开进气管上的真空管,此时若是压仍大于0.45V,说明传感器损坏;若小于0.45V,说明混合气过浓,应对燃料\进气或控制系统进行检查.当电压小于0.45V时,可拔下水温传感器插头,接上一个4-8KΩ的电阻,此时,若电压仍小于0.45V,说明传感器损坏;若大于0.45V,则表明混合气过稀.2.点火系统工作状况检测首先对微机控制的点火系进行常规检查.检查内容包括火花塞、高压线工作状况以及火花能量、点火正时、点火提前角等。点火方法是：将正时灯的红夹接蓄电池传感器接一缸高压线，点火正时灯对准发动机前皮带轮上的点火正时标记。当发动机转速升高时，点火提前角应增大。而此时用手锤或扳手敲击爆震传感器固定螺钉或缸盖四周，点火提前角应有明显推迟。3．进气系统密封性能检查在进气歧管上接一只真空表，当发动机怠速运转时，进气管真空度应在57.33-70.66kpa范围内,否则为进气系统漏气.若真空表指针逐渐回零,则表示排气系统阻塞.4.喷油器性能检查喷油器喷油量的大小取决于喷油脉冲宽度,当脉冲宽度一定时,则取决于喷孔断面和喷油压力.在喷油器试验台上对喷油器喷油量、雾化性能、密封性能进行测试。其主要性能参数为，喷油持续时间为2ms，针阀升程0.15mm ,稳定电流2A,电磁线圈电阻3-15 Ω,15S喷油量45-55 ml,各缸差值小于5 ml.5.供油系统的油压检测发动机工作时,在燃油分配管的测压孔或节气门体喷射(TBI)燃油压力测试点接上油压表测量油压.多点应为200--350kpa,单点应为62--90 kpa;或在发动机工作时,夹住回油管,油压应上升100 kpa,发动机转速升高100r/min,说明供油系统正常.参考文献：发动机传感器原理与检测：辽宁科学技术出版社：主编：张 伟电控汽车维修数据手册：黑龙江科学技术出版社：主编：张月相 赵英君
哇，找相关材料自己整理