摘要：机械运行的过程中非常容易发生各类机械振动故障，如果没有有效的振动监测系统对故障进行适当监控，那么势必会对机械的振动过程产生不良的影响。在实际运用的过程中，只有在较短的时间内发现内部的故障，并根据监测的结果进行有效的分析，之后才能够给出合适的目标。本文结合实际的案例，具体分析轧钢机械的振动监测和故障的维护过程。
关键词：轧钢机械；振动监测；故障维护
引言：
现代钢制造企业内部的轧机不仅对安装的精度提出了较高的要求，而且也对有关人员的素质提出了更高的要求。只有对轧机的重点部位进行随时的振动监测，并根据实际情况记录固定的振动值，那么才能够在设备出现故障时，通过监测仪来对故障产生的原因和状况进行分析，希望检修的效率能够变得更高。
1.轧钢机械振动故障的判断标准
评判轧钢机械的振动故障的标准主要有三种，即故障类比评判标准、故障定量评判标准以及故障相对判断标准。但是因为导致轧钢机械出现振动故障的原因非常之多，因此想要对该物理现象进行准确地评判比较困难。通常而言，轧钢机械的轴承种类、机械工作状态的转变、实际的工作转速、振动故障的类型、故障检测传感器的安装部位等诸多因素均会对轧钢机械的故障判断产生影响。总而言之，构建具有较高科学程度的故障诊断标准是比较困难的[1]。因此，振动故障诊断标准的构建过程中，有必要采用一些定量评判标准，但是更加需要引入一些相对判断指标。具体而言就是，以时间轴作为基准进行对比和分析，利用对相同测试位置、相同测试方式以及相同工况的定期测量获取必要的数据，并将其与机械正常状态下的正常数值（或者初始数值）进行对比和分析，据此来判断是否出现故障以及故障程度。在线振动监测诊断系统能够的诊断流程见下图。
①检测开始→②确定被检测的对象及其相应的基准频率（正常数值）→③选择检测内容→④明确检测任务→④现场振动检测→⑥回收检测数据→⑦查找并对比具有代表性的数据信息特征，并形成数据报告→⑧查看数据是否异常，如果异常则分析故障机理并提出相关的解决措施和实际技术；如果没有异常则报告入库存档→⑨自动进入下一个检测任务，开始第④步。
2.轧钢机械振动故障内部的数据特征
轧钢机械内部的振动信号一般都会游走于轴承部位和齿轮部位之间，虽然使用的频率较高，但是传递的途径并不简单。信号在传输的过程中非常容易受到外界信息的影响。机械操作情况的变化、机械负荷的变化和转速的变化都会对信号产生干扰。所以，在分析信号的过程中尤其需要重视对信号提前进行降噪处理。在操作的过程中，有效地分析常规的频谱成了必然的选择。但是，必要时尤其需要通过分析与机械振动有关的特征，并在之后归纳出不一样的故障类型。
首先，在时域方面，特征数据主要表现为平均值、峰值、有效值、峭度、歪度以及波峰因子等等。其次，在频域方面，特征数据主要表现在两个方面，即第一，故障特征的齿轮啮合频率及其倍频、轴频及其倍频、滚动轴承的通过频率以及轴频与齿轮啮合频率的各次谐波等；第二，频谱统计特征的均方频率、中心频率、频率方差以及均方根频率等。在对以上特征数据进行分析的时候可以参考相关的数学计算公式。总之，对于轧钢机械震动故障的诊断而言，需要重点解决的问题是通过各种降噪措施来提取有效特征数据（故障信号），并将这些特征数据与正常状态下的数据进行对比分析，进而发现故障特征数据的原因。
3.故障特征数据的采集
从故障诊断的需要来说，采样数据越长越好，但由于快速傅里叶变换需要的时间与采样数据长度呈指数般增加，并且极大地增加数据的存储空间，考虑到轧钢机械工作转速较低，确定每组原始采样数据长度为2048点较为合适，可以覆盖上述特征频率成分。数据采集由键相信号触发[2]。键相方式分为自动键相和手工键相。
期刊文章分类查询,尽在期刊图书馆对于安装有转速/键相的主轴，采用自动键相，数据采集为整周期采样方式，每转采样数据长度为2048点，可以消除数据严重失真的“旁瓣”效应，可以得到准确的轴频及其倍频成分，频率分析范围为1～1024倍轴频[2]。对于不能安装转速/键相的设备，采用人工键相，根据设备的实际转速，通过人工设置每块振动采集板的采样频率，可以在保持数据长度不变的情况下，利用信号分析技术得到所需的故障频率，频率分析的上下限随着人工设置的采样频率改变，如每转采集256点，连续8转，采样数据长度为2048点，频率分析范围为1/8～ 128倍轴频；再如键相转速设为10Hz，每转采样数据长度为2048点，则分析频率范围为0～ 10230Hz。
在实际操作的过程中，系统能够将所采集到的数据先进行全面的加工，之后再存储在数据库的内部。内部主要是由一天、一周、一月和一年的数据。大家也需要在了解这些数据的特征之后来比较各类事故数据和特征数据。原本原始比较的数据在设备被第一次启动和检修之后就会得到新的数据。这样才能够为分析设备的异常提供有效的参照标准。在经过波形处理之后，便要将所有有特征的数据都集合在一起，这样可以快速地诊断系统内部出现的故障。
4.故障特征数据的分析处理
4.1 监测轴承的磨损程度
轴承在使用的过程中非常容易出现磨损，如果磨损达到一定的程度，则会使得间隙发生变化，进而使得流传感器间隙内部的电压发生变化。监测的轴承会因此不断地振动，进而使得传感器的运作速度加快。在实际操作的过程中，可以通过采用涡流传感器来探查出探头和旋转轴之间的间隙变化。这样也就能够在较短的时间内部使得轴承的磨损发生变化，最终也就能够对早期出现的故障进行全面诊断。如果发现轴承表面存在毛刺，那么可以采用适当的滤波处理的方式来进行处理。另外，轴承在冲击的过程中会产生较大的晃动，所以，一定要将轴承内部的间隙作为诊断的依据。
4.2动态检测转速
振动故障的频率就等于特征频率，但由于实际分析的故障信号具有随机性，故障特征频率可能与理论计算存在误差。为了解决这个问题，通常是取某段频率范围幅值的最大值作为特征频率的幅值。如果转速的测量误差较大，则将无法识
别故障特征频率，特别是在变转速的情况下[3]。安装涡流传感器，其一是直接作为键相同步探头，保证不同通道同时刻进行采样，频率计算准确；其二是在人工键相的情况下，经过带通滤波的轴振动波形周期性较好，根据采样频率、波形数目和主振幅的频率，可以计算出较准确的转速。
4.3综合分析处理
假如能够实现输入径向振动和输出径向振动的同时测量，则便能够依照不同部位的相位和振奋的不同来对轴承的受力情况以及受力是否均匀进行分析处理。通常而言，轴承的振动频率会高于齿轮的振动频率，但是两者在振动特点还存在着一定的差异，例如，轴承的振动频率的稳定程度较低，相对比较丰富；但是齿轮的振动频率则比较稳定，相对比较单一。在采用加速度传感器的同时，还应该结合使用位移传感器，借此来提供频率收集和分析的范围，增强发现故障现象、分析故障原因、解决故障问题的能力。同时，通过对频率不同成分的综合分析和处理，能够明确轧钢机械振动故障的来源是轴承还是齿轮，尽早发现问题，解决问题。
5.结束语
综上所述，本文从轧钢机械判断标准、轧钢机械振动故障内部数据特征、故障特征数据的采集和分析等四个方面来具体分析轧钢机械振动监测和故障维护，希望能够给大家更多的参考性意见。
参考文献：
[1] 赵俊茹，戴光，姚鸿滨.防喷器壳体材料拉伸过程的声发射特性试验[J].无损检测，2016（3）：169-173
[2] 李权，马英.铸造工艺计算机辅助设计系统的开发应用[J].润滑油与燃料，2015（3）：136-143
论文作者:蔡宝肥
论文发表刊物:《基层建设》2019年第6期
论文发表时间:2019/4/28
标签：故障论文; 频率论文; 数据论文; 特征论文; 机械论文; 转速论文; 轴承论文; 《基层建设》2019年第6期论文;