振动监测在轧钢机器障碍中的运用论文

　　由不同原因和不同部位而产生的故障，这些故障产生的振动反映了不同的特征，或者频率成分变化，相位差别、波形形状和能量分布状况等。通过检测振动信号，我们发现振动性质和特征不仅与故障有关，还与系统的固有属性有关，比如同一故障发生在不同部位，故障激励传递通道不同，这样就导致其振动特征和响应会有不同，这样我们可以建立不同的响应算法，最后能得到较准确地判断故障位置。

　　轧钢机械的常见故障及其诊断方法

　　旋转机械常见的故障,根据转子式和振动性质的不同,可以分为:转子不平衡、转子不对,基部或组装松散、转子和定子摩擦,感应电机振动、滚动轴承故障，齿轮机构的振动等等。

　　旋转机械中最常见的故障就是不平衡。不平衡产生的原因是多方面的，如安装偏心度差，这样造成与宽松的轴装配松动。往往松动常和不平衡会一起产生，这种数学关系表现为非线性的振动特征。地脚松动引起的振动，在这个方向特征很明显，一般是垂直方向的振动强烈，其他方向不明显。如果是零件配合松动，那么这样引起的振动，表现在方向上的特征并不明显。

　　电动机是一种典型的旋转机械，在机械故障的表现方面具有旋转机械的共同特点，如存在转子不平衡，转子不对中、松动、摩擦等故障类型。电机的振动故障特点包括机械和电气两方面，机械方面的振动故障，例如转子与定子间磁隙不均匀导致电机的异常振动，电压不稳定或者匝短路等也会造成电机的振动异常。电气方面的振动故障表现为：当突然给电机断电，振动立即停止，通过这一点，我们可以判断存在电气方面的故障，当突然给电机断电，振动不会立即停止，则属于机械故障。

　　滚动轴承旋转机械转子系统包括外圈、内圈，保持架等组件。对滚动轴承振动诊断的分析方法是：滚动轴承的每个部件都有它自己的故障特征频率。滚动轴承的故障特征频率(简化计算)为：内圈通过频率F=0.6Z-Fr，外圈通过频率F=0.4ZFr，保持架通过频率F：0.4Fr，其中z为滚动体个数，n为轴承内圈回转频率。

　　齿轮是轧钢机械重要的组成部分，它的运行状态直接影响轧钢机组的正常工作。根据统计抽样结果表明，齿轮损坏的概率：齿面磨损、齿根断裂分别占41%和31%。先看看啮合频率和振幅波动；二是看啮合频率谐波分布；三是看变频，齿轮故障使的振动能量增加，边缘频率、幅度也增加，在齿轮箱的各种配件中，失败的比率60%，可见在各部分的比例最大的是齿轮故障，由于负载波动幅度调制而产生的旋转速度波动。通过振动诊断判别齿轮状态，最有效的方法是分析齿轮振动功率谱的变化，其次分析倒频谱。

　　实例诊断分析

　　现对轧机振动状态的检测主要基于振动传感器，数据采集，软件等现有设备，以连轧厂为例，应用振动故障诊断技术对其进行了全面的分析和诊断。

　　6个月后的振动指数并没有显著增加，表明振动系列和能量无变化，小部分破碎的齿振动上的指标不敏感，这也说明了设备状态良好。时域波形可以明显看到波动包括周期性冲击，图谱波形突然上升和突然衰减，很可能突然产生故障。通过计算65.6ms的休克期，频率为15.244hz，电机的速度是914r/s，变频15.244hz。可见，输入轴（轴）的旋转频率和齿轮旋转频率的十分吻合。它可以判断故障发生在输入轴，并初步判断输入轴齿轮齿面损坏的可能。在自相关图上可以看到图形融合异常，在图形一个节点处往往偏离，它可以得出的信号存在差异。在这个冲击周期的时间内，时域脉冲在相关域判定被确认。发现在振动信号坡度达到4.013，远远超出正常范围。正常轧制过程，载荷波动会造成坡度略超过标准，坡度4.013的情况可能是齿轮齿面损坏。

　　从以上的分析可以确定该故障影响轧机的原因可能确定是轴承故障，此故障最有可能发生齿轮断裂或失效。基于振动监测和故障诊断技术，它是建立在多学科基础上的综合新技术，是基于大量的数据监测，分析数据并进行数据统计基础上形成的数学模型，涉及旋转机械的振动，运用检测设备的工作原理是应用振动信号的分析方法以及旋转机械故障信号的判断方法。出现设备故障应早发现，早治疗，避免进一步恶化。轧钢设备故障的检测是一个复杂的项目，利用振动监测故障，一方面可以减少误差，同时也降低了工人的劳动强度，为企业创造了经济效益，值得我们继续推广应用。