设备振动分析与故障诊断技术PDF电子书下载

1.1　技术诊断学概述 1

1.1.1　诊断是一种新技术 1

1.1.2　技术诊断的基本思路 1

第1章　现代设备监测诊断技术概述 1

1.1.3　技术诊断学和故障预防 2

1.1.4　技术诊断学的分类 4

1.2　设备故障诊断技术的发展 7

1.2.1　现代工程对技术诊断的要求 7

1.2.2　技术诊断的发展概况 10

1.2.3　技术诊断的经济效益 13

1.2.4　技术诊断的工程应用 16

1.3　技术诊断学的理论基础 20

1.3.1　技术诊断学的数学基础 20

1.3.3　技术诊断学的力学基础 21

1.3.4　技术诊断学的化学基础 21

1.3.2　技术诊断学的物理基础 21

第2章　机械振动基础 22

2.1　振动的分类 22

2.1.1　按激振情况划分 22

2.1.2　按运动规律划分 22

2.1.3　按描述振动系统的微分方程划分 23

2.1.4　按描述振动系统的自由度划分 23

2.2.1　简谐振动参量 24

2.2　振动参量 24

2.2.2　简谐振动的矢量表示法及复数表示法 26

2.2.3　简谐振动的合成 28

2.2.4　拍 29

2.3　单自由度系统的振动 31

2.3.1 单自由度系统的无阻尼自由振动 32

2.3.2　求固有频率的能量法 37

2.3.3　单自由度系统有阻尼的自由振动 39

2.3.4　单自由度系统有阻尼的强迫振动 44

2.3.5　基础振动——第二类振动问题 52

2.3.6　振动的隔离 57

2.3.7　单自由度系统对任意激振力的响应 61

2.4　两个自由度系统的振动 65

2.4.1　拉格朗日方程 65

2.4.2　二自由度系统的自由振动 70

2.4.3　两个自由度系统的强迫振动 76

2.5　振动分析准备 86

2.5.1　测点编号规则 86

2.5.2　振动特性——振幅 89

2.5.3　振动特性——频率 93

2.5.4　振动相位 102

第3章　数据采集与信号处理 118

3.1　传感器 118

3.2　数据显示 120

3.2.1　如何显示数据：趋势图 120

3.2.4　如何显示数据：包络谱图 121

3.2.3　数据如何显示：FFT频谱图 121

3.2.2　如何显示数据：时域图 121

3.3　建立数据库 123

3.3.1　引言 123

3.3.2　监测系统的目的 123

3.3.3　选择测点参数 123

3.3.4　数据量的选择 126

3.3.5　时间和准确度 126

3.3.6　建立数据库实例 127

3.4　信号处理 130

3.4.1　信号分析概述 130

3.4.2　信号的分类 132

3.4.3　信号的时域分析 132

3.4.4　信号的幅值分析 135

3.4.5　信号的频谱分析 136

3.4.6　其他信号分析方法 140

3.5.1　时域采样出现的问题 141

3.5　信号数字化出现的问题 141

3.5.2　时域截断出现的问题 144

3.5.3　频域采样出现的问题 146

第4章　故障振动数据谱分析 149

4.1　频谱分析基础 149

4.1.1　故障频率 149

4.1.2　计算故障频率 149

4.1.3　故障频率的一般算法 152

4.1.4　传动装置 153

4.1.5　综合实例 155

4.1.6　小结 156

4.2　利用频谱分析法进行故障诊断 157

4.2.1　频谱分析简介 157

4.2.2　故障诊断分析 165

5.1　时域分析 219

5.1.1　时域图分析 219

第5章　时域与包络分析 219

5.1.2　时域图和FFT之间的关系 220

5.1.3　时域图的应用 229

5.1.4　时域图参数 234

5.1.5　时域图总结 237

5.2　包络谱分析 237

5.2.1　包络谱图简介 237

5.2.2　包络谱图的处理过程 238

5.2.3　包络频谱图的功能 245

5.2.4　包络谱图：冲击来源 247

第6章　轴承故障检测技术 249

6.1　轴承故障诊断概述 249

6.1.1　轴承诊断的意义及国内、外现状 249

6.1.2　轴承的分类和基本结构 250

6.2　轴承的故障特征 252

6.2.1　滑动轴承的损伤分析 252

6.2.2　滚动轴承的故障特征 254

6.2.3　轴承诊断的振动仪器介绍 259

6.3.1　滑动轴承的诊断方法 263

6.3　滑动轴承的故障检测技术 263

6.3.2　滑动轴承的油膜涡动故障 264

6.3.3　滑动轴承故障诊断综合案例 267

6.4　滚动轴承的故障检测 285

6.4.1　滚动轴承的状态监测和故障诊断的现状 285

6.4.2　滚动轴承的故障诊断技术 288

6.4.3　滚动轴承故障特征频率 292

6.4.4　滚动轴承故障诊断实例（西马力公司提供资料） 293

6.5　低速轴承故障检测技术 301

6.5.1　低速机械故障诊断的意义与现状 301

6.5.2　低速轴承的故障特征 303

6.5.3　低速滚动轴承的有限元分析 307

6.5.4　应力波在轴承检测中的应用 312

6.5.5　诊断实例 315

7.1.1　齿轮的振动和故障特征 323

第7章　齿轮及齿轮箱诊断 323

7.1　齿轮及齿轮箱的故障特点 323

7.1.2　齿轮箱故障的主要特征 327

7.2　齿轮故障的振动信号处理方法 330

7.2.1　齿轮故障诊断方法 331

7.2.2　齿轮故障诊断标准 334

7.2.3　齿轮的振动故障机理 336

7.3　齿轮故障诊断案例分析 338

第8章　网络诊断与在线监测 342

8.1　网络诊断技术 342

8.1.1　网络诊断 342

8.1.2　网络诊断的分类 342

8.1.3　诊断网络的意义 344

8.2　SPM网络化管理Condmaster软件系统 344

8.2.1　SPM网络化管理Condmaster软件系统的优点 344

8.3.1　CMS网络监控与诊断系统 345

8.3　网络诊断系统介绍 345

8.2.2　SPM网络化管理Condmaster软件系统的分类 345

8.3.2　MG-4设备监控卫士 353

8.3.3　电机综合在线诊断系统 355

第9章　激光对中技术 358

9.1　对中的意义和目的 358

9.1.1　不对中的危害 358

9.1.2　对中的意义和目的 358

9.2　引起设备不对中的因素 359

9.3　不对中的分类 360

9.4　不对中振动的机理 361

9.4.1　齿式联轴器连接不对中的振动机理 361

9.4.2　刚性联轴器连接转子不对中的故障机理 364

9.5.1　平行不对中 365

9.5.2　角度不对中 365

9.5　转子不对中的故障特征 365

9.4.3　轴承不对中的故障机理 365

9.5.3　不对中故障的典型特征 366

9.6　转子不对中的故障诊断 367

9.6.1　转子不对中的故障诊断依据 367

9.6.2　故障原因与治理措施 368

9.6.3　案例分析 369

9.7.1　对中方法 370

9.7　对中的方法介绍及其注意事项 370

9.7.2　注意事项 373

9.8　激光对中过程 374

9.8.1　水平设备轴对中 376

9.8.2　垂直设备轴对中 380

9.9　诊断实例 382

9.10　对中仪器介绍 388

9.10.1　Colibri经济型激光对中仪 388

9.10.2　加强型激光对中仪 389

10.1.1　产生不平衡的原因 391

10.1　平衡的原理 391

第10章　现场动平衡技术 391

10.1.2　不平衡的类型 392

10.1.3　不平衡的危害 393

10.1.4　转子平衡的原理 394

10.2　动平衡与静平衡 394

10.2.1　静平衡 394

10.2.2　动平衡 395

10.2.3　转子平衡的选择与确定 396

10.2.4　转子做静平衡的条件 396

10.2.5　转子做动平衡的条件 397

10.2.6　现场动平衡的意义 397

10.3　转子的动平衡方法 399

10.3.1　刚性转子和柔性转子 399

10.3.2　不平衡故障的特征 399

10.3.3　转子不平衡的诊断 404

10.3.5　刚性转子的平衡方法 405

10.3.4　刚性转子的平衡面数 405

10.3.6　实践经验 417

10.4　现场动平衡的一般程序框图 419

10.5　案例分析 420

10.6　动平衡仪器 424

10.6.1　经济型现场动平衡仪 424

10.6.2　现场动平衡仪 425

第11章　现代故障诊断技术 427

11.1　现代设备诊断技术介绍 427

11.2　故障诊断专家系统 429

11.2.1　专家系统的基本概念 429

11.2.2　故障诊断专家系统的设计 431

11.3　基于神经网络的智能故障诊断 432

11.3.1　神经网络故障诊断技术的发展 432

11.3.2　神经网络的基本原理 436

11.3.3　改进神经网络诊断空压机故障 445

11.3.4　应用神经网络提取故障特征参数 448

11.4　基于盲源分离的信号处理技术 452

11.4.1　盲源分离理论的研究进展 452

11.4.2　盲分离的自适应算法 455

11.4.3　应用卷积混合模型分离特征信号 458

11.4.4　基于盲分离的电机振动分析 461

11.5　设备故障的模糊诊断技术 464

11.5.1　模糊集和模糊理论 464

11.5.2　粗糙集理论及应用 468

11.5.3　基于模糊神经网络的故障诊断 472

11.6　生物智能计算在故障诊断中的应用 478

11.6.1　遗传算法的特点及应用 478

11.6.2　遗传算法在汽轮机故障诊断中的应用 482

11.6.3　基于人工免疫算法的故障诊断 485

11.6.4　DNA算法 491

11.6.5　情感计算 493

11.6.6　蚁群算法 493

11.7.1　小波分析概述 496

11.7　小波分析在故障诊断中的应用 496

11.7.2　傅里叶变换与小波变换的区别 497

11.7.3　小波分析理论 498

11.7.4　小波奇异性理论在故障诊断中的应用 501

11.7.5　小波神经网络智能诊断方法 510

11.8　分形与混沌在故障诊断中的应用 513

11.8.1　分形理论及应用 513

11.8.2　混沌理论及应用 516

11.9　基于支持向量机的故障诊断技术 521

11.9.1　概述 521

11.9.2　基于SVM的故障诊断实例 523

第12章　噪声控制技术 527

12.1　噪声及其类型 527

12.1.1　噪声的定义 527

12.1.2　噪声的类型 528

12.2.2　噪声危害的分类 529

12.2　噪声的危害 529

12.2.1　噪声对人类的危害 529

12.2.3　影响噪声对机体不良作用的因素 530

12.3　噪声的表示方法 531

12.4　噪声标准 532

12.4.1　工业企业噪声标准 532

12.4.2　城市区域环境噪声标准 532

12.5　噪声危害案例 533

12.6　噪声控制途径 537

12.6.1　噪声控制的基本途径 537

12.6.2　隔声 538

12.6.3　吸声 542

12.6.4　隔声罩设计 543

12.7　工程实例 553

12.7.1　螺杆压缩制冷机组噪声治理 553

12.7.2　汽轮机机组噪声治理 560

12.7.3　方迪山庄中央空调机房噪声治理 565

第13章　设备状态监测实施要点 573

13.1　现场实施的八个要点 573

13.1.1　建立设备文档 573

13.1.2　设备振动监测点的选择与标注 573

13.1.3　测量参数类型选择 574

13.1.4　确定设备振动监测周期 575

13.1.5　设备振动监测信息采集与管理 576

13.1.6　设备状态判断 576

13.1.7　趋势分析和寿命预测 583

13.1.8　诊断效果评价 583

13.2　状态监测和振动分析的四个阶段 584

13.2.1　第一阶段：监测 584

13.2.2　第二阶段：分析诊断 585

13.2.3　第三阶段：故障根源分析 591

13.2.4　第四阶段：确认 591

参考文献 592