東營職業(yè)學院 李桂玉
農(nóng)業(yè)機械運行監(jiān)測以及設備故障問題是通過信號來進行處理的,再根據(jù)信號處理技術對數(shù)據(jù)振動進行分析以及研究,并進行測試,確定機械設備還能否正常進行工作,確定故障的原因并預測振動監(jiān)測以及故障引起的故障。此方法可以保證農(nóng)機處于正常工作狀態(tài)、降低維修成本、增加企業(yè)經(jīng)濟效益、并具有良好的應用實時前景、易于形成成套的機械設備,對于后期的研究以及應用有著重要的現(xiàn)實意義。所以,本文采用參考文獻來總結振動監(jiān)測技術的發(fā)展過程和應用;并進一步闡述振動監(jiān)測和機械故障診斷技術在現(xiàn)代農(nóng)業(yè)機械中的應用,結合農(nóng)業(yè),提出農(nóng)業(yè)機械振動檢測和機械故障判斷技術的發(fā)展路徑與研究目標。
物體圍繞一個固定位置來回擺動并由時間變化而變化的運行被稱為振動,振動監(jiān)測技術是機械設備檢測過程中普遍最基本的辦法,振動監(jiān)測系統(tǒng)對機械設備來說應用還是比較普遍的。利用振動檢測技術,可以準確地定位機械內(nèi)故障問題,不用拆卸機械設備就可以對設備內(nèi)問題進行定位。如今振動監(jiān)測原理相對較成熟,主要分為頻域波形監(jiān)測與時域波形監(jiān)測。
一般工程檢測得出的信號為時域信號,而根據(jù)振動信號了解到被診斷機械的運行狀態(tài),往往需要頻域信息。利用傅里葉轉換可以將得出來的復雜型號分為有限以及無限兩個頻率來進行分量,把頻率分為大小排列起來從而形成頻譜。
機械設備故障發(fā)生一般為兩個變化:一是增加新的頻率成分,二是頻率幅值增長,當機械設備頻譜分析出來后,可以精準定位到故障部位、故障原因以及嚴重程度。
時域波形監(jiān)測通過觀察振動信號,針對此信號的周期給出定性分析,可預估設備所處的技術狀態(tài)。大部分人認為時域波形監(jiān)測不如頻域波形監(jiān)測分析準確,事實上卻相反,時域波形檢測基本可以判斷出90%以上的故障特征,使用時域波形監(jiān)測時,要格外注意是否對稱以及沖擊特征的變化。
振動監(jiān)測和故障診斷技術是維護管理的首要方式,如果想要深入發(fā)展,必須加強振動信號分析處理能力、信號特征提取能力?;谵r(nóng)業(yè)機械產(chǎn)生的振動信號具備不平穩(wěn)、非線性等特點,以往的信號處理方法無法適應振動信號處理的實際生產(chǎn)與運行[1]。例如,在軸承故障判斷中,使用以往的FFT 方法很難從浸入噪聲中的振動信號中獲得軸承的故障特征頻率。由于以往信號處理方法存在缺陷,小波分析、希爾伯特·黃變換和其他先進的信號處理技術相繼誕生。小波變換是在1980 年代后期研發(fā)并發(fā)展應用,首先,小波變換的理論框架由法國數(shù)學家、物理學家和農(nóng)業(yè)學家研究組成。它被一些法國學者應用到工程信號處理行業(yè),以提高振動監(jiān)測診斷系統(tǒng)的診斷準確性和可靠性。在科學理論不斷發(fā)展的時代下,已經(jīng)形成并廣泛應用比小波分析更適合于非平穩(wěn)信號處理方式。HHT 方法彌補了小波分析的缺陷,如恒定的多分辨率和較長的操作時間,它可以依據(jù)振動信號的局部時變特性完成自適應時頻分解,消除潛在人為因素,能夠得到長時間應用與創(chuàng)新發(fā)展。
我們籠統(tǒng)地把在運行的生產(chǎn)過程中出現(xiàn)問題導致生產(chǎn)停止的現(xiàn)象稱之為故障,故障的存在讓農(nóng)業(yè)機械設備喪失工作能力以及全部要求與其功能的事情。傳統(tǒng)的故障分為兩種含義:機械設備偏離正常功能,主要原因是機械系統(tǒng)及其零部件的工作狀態(tài)超過了生產(chǎn)設計規(guī)定的工作狀態(tài),可以通過調(diào)整相關參數(shù)或簡單修復更換某些零部件來消除,傳統(tǒng)上稱之為故障。機械系統(tǒng)因功能失效而導致的機械故障是機械系統(tǒng)不斷偏離正常功能閾值,其程度越來越明顯的現(xiàn)象,機械設備功能不能充分發(fā)揮的現(xiàn)象稱之為故障。機械設備故障的常見問題可分為兩類:主要由電氣控制系統(tǒng)故障引起的電氣問題和主要由機械本體引起的機械結構問題。電氣控制系統(tǒng)常見的問題是機械故障引起的電機燒損、控制電路板短路燒損和信號采集設備燒損。
以橋式起重機的減速器而言,作為起重機的重要傳動部件的減速器通過齒輪間的嚙合來傳遞運動及力,將電動機高速運轉的轉速利用I50Machine China 中國機械齒輪間降速傳動的這一規(guī)律轉變?yōu)榈退俅笈ぞ氐倪\動,但往往在傳遞扭矩過程中會出現(xiàn)扭矩過大或運行下時間過長,潤滑系統(tǒng)不好以及短時間過載或受到?jīng)_擊載荷,多次重復彎曲引起的等產(chǎn)生齒輪輪齒折斷現(xiàn)象,在齒輪傳動過程中因雜物粘到齒面以及輪齒表面不光滑,有凸起點產(chǎn)生應力集中,或潤滑劑不清潔由于溫度過高引起潤滑失效。由于硬的顆粒進入摩擦面引起磨損,液壓缸和控制頭漏油進而產(chǎn)生的齒面點蝕或齒面磨損現(xiàn)象,因為輪齒間接觸溫度過高以及輪齒間接觸力過大產(chǎn)生的齒面膠和等現(xiàn)象,以上這些因素都會引起起重機裝備造成運行功能達不到設計預期要求的現(xiàn)象。
農(nóng)業(yè)機械故障的模擬研究是一項最基礎的工作,同時也起著非常重要的作用,其能夠展現(xiàn)故障本質(zhì)與產(chǎn)生原因,這是進行精準故障診斷的重要前提。隨著計算機技術的發(fā)展,計算機與農(nóng)業(yè)進行相結合得到了廣泛的應用,利用計算機解決問題呈現(xiàn)出提出問題、數(shù)學和軟件問題、數(shù)值模擬解決問題。機械故障的整體模擬過程一般是建設系統(tǒng)的模型,其次進行運動數(shù)據(jù)模擬最后對模擬出來的結果進行分析和診斷。通過數(shù)據(jù)模擬使故障重現(xiàn),進行深度分析,在進行對故障問題分析以及研究的同時,要為以后的智能診斷打下基礎。故障診斷的實現(xiàn)是通過數(shù)據(jù)采集、處理、研究、故障模式識別和決策的過程,故障診斷虛擬化換句話來說就是模仿機械故障的數(shù)據(jù)模擬。虛擬化和故障診斷的現(xiàn)實相互融合可以使診斷出來的結果更加精準。機械故障診斷作為一項非常實用的技術,需要不斷提高機械故障數(shù)值模擬應用的深度。
農(nóng)業(yè)機械狀態(tài)監(jiān)測與故障診斷包括農(nóng)業(yè)機械運行狀態(tài)的監(jiān)測與診斷。操作性能監(jiān)視用于監(jiān)視運行期間不同旋轉設備組件對農(nóng)機重要參數(shù)的影響。通過測量壓力脈沖、振動頻率、紙張質(zhì)量與速度來完成。將測量點連接到計算機監(jiān)控站,以使用同步時間平均方法計算測量信號,并存儲測量數(shù)據(jù)、趨勢數(shù)據(jù)和用于討論的應用程序計算結果。趨勢數(shù)據(jù)用于探究參數(shù)的變化幅度,并可詳細計算與分析時域信號和頻譜。監(jiān)視目標包括壓力區(qū)振動頻率、紙張質(zhì)量和流漿箱壓力波動。監(jiān)視器使用監(jiān)視參數(shù)的總體變化來確定每個監(jiān)視裝置的百分比。通過這種方式,監(jiān)測人員可以看到每個設備組件對農(nóng)機性能的影響。主要監(jiān)測點包括:屏幕脈沖發(fā)生器、壓力區(qū)羅拉振動、壓力區(qū)羅拉脈沖發(fā)生器、壓力測量滾動、刮板加載壓力振動、輥脈沖發(fā)生器、輥振動等。
研究表明,振動監(jiān)測與故障診斷技術的應用將從機械故障擴展到機械故障與過程故障診斷的集成。軸位移在線監(jiān)測系統(tǒng)對于油膜軸承大型關鍵設備的維護和管理具有重要意義。如果設備運行過程中出現(xiàn)異常情況,沒有及時止停,讓其繼續(xù)運行下去,會造成巨大的損失。
機械設備是由許許多多小散零件組裝成的,這些小零件數(shù)量大,安裝的位置比較復雜,其中包括風扇、電動機以及泵等一些基礎小零件。小零件工作環(huán)境較為復雜,必須監(jiān)視診斷通用設備來提高工業(yè)生產(chǎn)的穩(wěn)定性。像這種設備數(shù)量很大,每一個上面安裝智能故障診斷系統(tǒng),那成本將會非常巨大,如何減少成本也是一個迫切需要解決的問題,部分學者和工程師正在這方面進行研究與探討工作?;跓o線傳感器網(wǎng)絡監(jiān)測模式的機械狀態(tài)監(jiān)測系統(tǒng),利用無線信號通信技術進行集中式狀態(tài)檢測與故障診斷的研究與應用。
當前,盡管有許多用于農(nóng)業(yè)機械的狀態(tài)監(jiān)視和故障診斷技術,但是它們都不能準確估算設備的剩余使用壽命?;谵r(nóng)業(yè)設備逐步向大規(guī)模、連續(xù)和復雜的方向發(fā)展,其成本也會逐漸增多,導致部分農(nóng)業(yè)企業(yè)必須延長設備使用壽命以確保生產(chǎn)效率。機械設備的預估壽命技術可以幫助提前制定一套維修計劃,可以增加機械設備重復使用率。所以,機械設備的剩余使用壽命以及預估技術是一項非常重要也是極具意義的技術。
目前,農(nóng)業(yè)機械智能診斷專家有一個需要解決的嚴重問題,故障診斷的機械復雜性越來越高,使其難以獲得較準確的知識。正因為缺少全面診斷的知識導致智能故障診斷系統(tǒng)被限制了發(fā)展。故障診斷人員應加強自己學習的機會,作為知識獲得的重要途徑,故障診斷人員應繼續(xù)改進如今的機器學習方式,并在改進的同時去開發(fā)更多機械學習方式,建立起一套學習方法比較全面的智能故障體系。
據(jù)國內(nèi)外許多研究結果表明,設備管理最有效的辦法就是振動監(jiān)測和機械故障診斷。基于我國農(nóng)業(yè)機械逐漸走向大規(guī)模、快速化、連續(xù)性發(fā)展,不可避免要通過基于狀態(tài)監(jiān)測和故障診斷技術的在線振動監(jiān)測來進行預測性維護。在未來,振動狀態(tài)監(jiān)測和機械故障診斷技術將會趨于完善與優(yōu)化,并將在農(nóng)業(yè)行業(yè)中得到更廣泛的應用。