现代大型设备的现状与机械制造业的发展趋势

《现代大型设备的现状与机械制造业的发展趋势》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、现代大型设备的现状和机械制造业的发展趋势1、现代大型设备的现状(状态监测与故障诊断)大型设备状态监测与故障诊断技术在近十年内得到了前所未有的发展，它对于工业部门重要设备的管理维护、提高企业生产能力和保证安全生产、改进产品质量都具有极大的效益，在国民经济各部门发展中有着十分重要的意义?[1]众所周知，一切工业部门有着许多各种各样的机器和设备，它们运行是否完好直接影响企业的效益，其中一些关键性重要设备甚至起着决定企业命运的作用，一旦发生事故，损失将不可估量。因此，如何避免机器发生事故，尤其是灾难性事

2、故，一直是人们极为重视的问题。长期以来，由于人们无法预知事故的发生，不得不采取两种对策：一是等设备坏了再进行维修，该办法经济损失很大，因为等设备运行到破坏为止，往往需要昂贵的维修费用，灾难性破坏需要更换设备，还可能造成人员伤亡；二是定期检修设备，这种方法需有一定计划性和预防性，但其缺点是如无故障，则经济上损失很大，而且定期检修的时间周期也很难确定。因此，合理的维修应是预知性的，即在设备故障出现的早期就监测臆患，提前预报，以便适时、合理地采取措施，于是故障诊断技术应运而生。现代设备状态监测和故障诊

3、断技术在国内外应用非常广泛，在航天航空、能源电力、石油化工、交通运输、机械加工等行业都有应用[2][3][10]如:(1)航空发动机与飞机的故障诊断(2)核反应堆的故障诊断(3)汽轮发电机组的故障诊断(4)冶金设备的故障诊断(5)石油化工设备的故障诊断(6)船舶发动机及其汽轮机的故障诊断(7)车辆发动机的故障诊断。(8)矿山机械与矿井设备的故障诊断(9)大型结构的无损探伤及故障诊断从以上叙述可看出，现代设备状态监测与故障诊断技术对于国民经济有着十分重要的意义，其作用主要表现在以下几方面：(1)早

4、期预报，防止事故发生(2)预知性维修，提高设备管理水平(3)提高设备的设计、制造水平，改进产品质量(4)确定复杂机器的最佳工作参数，提高效率(5)降低噪声、泄漏等污染，保护环境此外，状态监测与故障诊断技术的研究与发展对促进其相关学科技术的发展也具有科学意义。大型设备状态监测与故障诊断技术研究所涉及的学科领域十分广泛，并在不断扩展。根据目前的情况和潜在价值，其研究内容主要有以下几个内容：(1)故障信息检测(2)故障特征分析(3)状态监测方法故障信息检测是对机械设备实现状态监测与故障诊断的第一步，是

5、故障诊断工作的重要基础，故障信息检测是对机械设备本身的工作参数，性能指标、相关物理量等信息的信号进行检测和量化的技术,而传感器则是获取各种信息并将其转换成易测量和处理的信号(一般为电信号)的器件，是故障信息检测的关键和主要手段。另外，故障信息的检测还有取样，探伤等手段。机械设备故障信息检测涉及的主要物理量有振动(如位移，速度，加速度、机械阻抗或导纳)，声(如声压、声台，声功率)，力(应力、载荷、力、力矩、扭矩，压力)，转动(如转速、角位移)以及温度，流量等。故障信息检测与传感器技术的发展趋向是[

6、4]：发展以高可靠性和长期稳定性为代表的检测与传感器技术；发展固定植入式和介入式检测与传感技术；发展故障信息的遥测技术；发展振动测量用光纤传感技术；发展声发射检测技术。传感器技术将继续是状态监测和故障诊断的一个重要研究内容。随着微电子技术、光电技术和精密机械加工技术与传统的传感技术相结合，传感器将向微型化、多参数、数字化、实用化发展，与之配套的二次仪表将向多功能、智能化方向发展，将导致集微传感器、微处理器于一体的智能前端微系统的问世和应用。故障特征分析的主要内容是信号分析和处理，即如何从传感器来

7、的原始信号中分析提取能代表故障特征的信息，这是故障诊断的核心问题。提取故障特征有多种方法。常用的有时域分析法、频域分析法、旋转特征分析法、相位分析法、时间序列分析法、模态分析法等。这些方法最适合于声与振动信号的分析处理，目前已经发展成为现代故障诊断技术的主流[5]。故障信息监测和故障特征分析都是为故障诊断服务的，而故障依断的首要任务是判断诊断对象的运行状态是否正常。在许多情形下，只要能够监测设备工作状态的变化，就能进行故障状态预报，及时采取措施。从实际情况看，目前故障诊断工作的重点也是集中在解决

8、这个任务上[6]。对机械设备进行状态监测，主要是对其工做状态作实时监测和趋势分析。目前设备状态实时监测的方式主要有：连续监测、巡回监测和定期检测，采用的手段主要是使用便携式状态监测仪、专用状态监测系统以及以微机为基础的多功能状态监测分析系统，而趋势分析主要的还处于实验室研究阶段，研究手段有采用最小二乘拟合，时序模型、卡尔曼滤波等方法，并不断探索新的理论和方法，如利用人工神经网络来分析设备的各种被监测量，以形成对设备状态的全面描述。如建立一个基于人工神经网络的镗削刀具状态识别智能系统，对不同的刀具