轴承故障诊断技术研究论文

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).

滚动轴承故障诊断的目的是保证轴承在一定的工作环境中承受一定荷载以一定的转速运转、在一定的工作期间内可靠有效地运行，以保证整个机器的工作精度。与此目的相对应，轴承故障诊断就要通过对能够反映轴承工作状态的信号进行观测、分析和处理来识别轴承的状态。所以，在一定程度上说，轴承故障诊断就是轴承的状态识别。完整的轴承故障诊断过程包括以下五个方面的内容：（1）信号测取。根据轴承的工作环境和性质，选择并测量能够反映轴承工况或状态的信号。（2）特征提取。以一定的信号分析与处理方法从测量的信号中抽取出能够反映轴承状态的有用信息。（3）状态识别。以一定的状态识别方法识别轴承的状态，即简单判断轴承工作是否有故障。（4）状态分析。根据征兆，进一步分析有关状态的情况以及发展趋势。当有故障时，详细分析故障类型、性质、部位、产生原因与趋势等。（5）决策干预。根据轴承状态及其发展趋势，做出决策，如调整、控制，或继续监视等。轴承故障诊断的目的是从故障定位到确定故障性质，进而确定故障发生的程度。由于神经网络具有处理复杂多模式的能力，以及进行联想、推测和记忆的功能，因而适于应用在滚珠轴承的故障诊断上。利用神经网络对滚动轴承进行故障诊断，能够在早期故障时发出预警信号，提前对将要发生故障的轴承进行维修或更换，缩短停工停产时间和减小维修费用，从而使损失减少到最低，保证生产顺利安全进行。……预知详尽解答，请发邮件给信箱。

从滚动轴承的故障特征入手，1）从振动数据提取出故障特征模式，2）故障特征关联从滚动轴承的故障诊断入手，1）故障模式识别，2）实时故障趋势分析