旋转机械振动分析方法的归类

Emmanuel

在网上，看到有人提出这样的观点：“振动分析就是看看频谱图。”很高兴，频谱分析作为机械振动分析的重要手段，这点被大家熟悉了。图片

说起振动分析和故障诊断，频谱分析只是众多方法中的一种手段和工具。振动诊断的目的，是寻找引起振动的驱动力模式，也就是寻找故障根源。今天我们来聊一聊这其中的思路和方法。

01、幅值分析

最常用的方法，就是直接读取振动传感器读数。

这个方法简单、直接，读数就可以了。从涡流探头可以读取轴位移数据；从加速度传感器可以读取加速度值；也有加速度传感器集成积分电路，可以直接获得速度值；速度传感器市面上已经比较少了，但偶尔还能看到。

优点：速度值和位移值，有对应的国际标准和国家标准可以参照；特别在新装机或维修后，与供应商或维修商进行交涉时，有据可依，非常有用。

缺点：不能判明故障类型；会遗漏判断故障；故障反应比较滞后。

这个和我们测量人体体温可以做类比。如果体温高超过37.6度，肯定有问题，但是不是新冠肺炎就不一定了。体温没有超过37.6度，也可能是新冠病毒携带者。

目前，重要的设备上都安装有停机保护装置。上图是离心空压机安装的振动变送器。振动超过门限值就报警或停机。

注意振动的读数，轴位移用的是峰峰值，速度用的是有效均方根值。可以参考《位移、速度、加速度，这是咋回事儿？》了解相关概念。

02、参数分析

相对容易操作的方法，难点是参数选择和制定判断准则。

振动参数，实际上是根据传感器的原始读数，配合特定的算法处理，以达成判断某项特性发展状况的量化指标。经过多年的发展，振动参数可供的选择有非常多，以下从几个方面进行介绍。

首先，基于振动的时域波形，利用概率密度函数，可以推导出时域波形中的有量纲值和无量纲因子。有量纲值，如峰值、平均值、均方根值、方根幅值等；无量纲因子，如波形因子、峰值因子、脉冲因子、裕度因子、峭度因子、偏度因子等。

其次，基于窄带滤波，或数字滤波，可以推导出频谱参数。如果从能量角度，可以分为谐波参数、次谐波参数、非谐波参数。如果从故障模式出发，可以有1倍频参数、2倍频参数、3~5倍频参数、叶片通过频率参数等等。

基于以上这些参数，配合其它工艺参数，如温度、压力、电流、电压等等，进行互相关运算，可以得到互相关参数。这可以将振动与工艺密切结合在一起。

优点：可以初步判断故障的大致方向，操作方便；可趋势分析和管理，直观形象；同时，基于这些参数，可以有自相关或互相关参数分析。

缺点：为不同系统选择适合的参数，这个比较有难度，很难取舍；不能对判断故障根源。

举个医学的例子，如果是感冒，通过验血，根据各种参数判断感冒类型：白细胞计数增高，中性粒细胞升高，一般是细菌感染引起的细菌性感冒；白细胞计数正常或者偏低，中性粒细胞偏低，淋巴细胞升高，一般是病毒性引起的病毒性感冒。

03、波形分析和频谱分析

这是振动故障分析理论中研究最多的领域。并且衍生出了多种方法。

笔者陆续会按照两个维度整理相关的技术资料：一个维度是依照故障模式，整理相关的时域波形和频谱特征；另一个维度是按照设备类型，整理常见的故障时域波形和频谱。

优点：可以判别故障模式，寻找故障根源；

缺点：数据处理需要资源；判别需要有经验的分析师介入；学习周期长。

振动分析和故障诊断其实并不神奇，作为一门跨学科的专业知识，它是建立在科学严谨的模型基础上的。具体实践中，有的诊断精准，有的却屡屡失误，产生这些差异，往往在于振动分析诊断师是否能理解本质，不被现象所迷惑。理论和实践相结合，才能解决问题。

与医疗领域进行类比。心电图作为临床最常用的检查之一，应用广泛。心电图可以帮助诊断心律失常；帮助诊断心肌缺血、心肌梗死、判断心肌梗死的部位；诊断心脏扩大、肥厚；判断药物或电解质情况对心脏的影响等等。如果想真正把心电图搞透，必须结合大量临床实践。这和时域和频谱分析，何等相似。

04、高级诊断分析

所谓的高级诊断，以往多用于实验室。在实际现场的使用中，往往用来解决疑难杂症。有时，用来确认前期判断是否正确。

下面举些具体的分析方法：

  · 双通道或多通道同步采集，实现轴心轨迹，显示相位差。
利用轴心轨迹分析设备状态，对于大型的滑动轴承设备非常有效。而利用多通道信号之间的相位差，获得相位信息，免去了在现场安装转速传感器，非常方便。

  · 连续进行频谱采集，实现瀑布图。
对于设备通过临界转速，非常好的监测分析工具。当然，也可以准确判断平衡类问题。

  · 锤击法，测试系统固有频率。
系统基础或局部的共振，经常会导致设备整体振动大。通过锤击测试，可以识别出这些问题。

  · 振动变形分析（英文缩写ODS，全称Operational Deflection Shape）
采集数据，形成设备变形的动画，分析系统的薄弱环节，是分析故障根源的工具。

其它，还有许多不同的测试分析方法，这里就不一一列举。

所有上述方法的大部分，在现场的使用场景为疑难杂症，需要专业人士亲身操作。

05、大数据分析

这是个热点话题。只要和大数据沾边，似乎就很高大上。但笔者认为，大数据在工业设备的应用，前方道路还很漫长。是未来的必然。

成功的例子，如航空发动机的大数据分析。这个大家可以查看相关的资料，TB级别的数据，成本代价非常高。