TOP23【毕业设计】OG风机状态监测与故障诊断系统设计.doc文档免费在线阅读

经过研究，提出了个经实际证明行之有效的处理方法。

如图所示，在机壳喉舌处点，径向对着叶轮加装排喷嘴个，将喷嘴调成不同角度。

喷嘴与冲灰水泵相连，将冲灰水作为冲洗积灰的动力介质，降低负衡，从而减少风机的振动。

在实际工作中，通常的处理方法是临时停炉后打开风机机壳的人孔门，检修人员进入机壳内清除叶轮上的积灰。

这样不仅环境恶劣，存在不安全因素，而且造成机组的非计划停运，检修时间长，劳动强由于各叶片上的积灰不可能完全均匀致，聚集或可甩走的灰块时间不定同步，结果因为叶片的积灰不均匀导致叶轮质量分布不平衡，从而使风机振动增大。

在这种情况下，通常只需把叶片上的积灰铲除，叶轮又将重新达到平流体力学原理，气体在叶片的非工作面定有旋涡产生，于是气体中的灰粒由于旋涡作用会慢慢地沉积在非工作面上。

机翼型的叶片最易积灰。

当积灰达到定的重量时由于叶轮旋转离心力的作用将部分大块的积灰甩出叶轮。

起到事半功倍的效果。

不停炉处理叶片非工作面积灰引起风机振动这类缺陷常见我厂的高炉专用锅炉引风机，现象主要表现为风机在运行中振动突然上升。

这是因为当气体进入叶轮时，与旋转的叶片工作面存在定的角度，根据振动是运行中常见的故障，风机的振动会引起轴承和叶片损坏螺栓松动机壳和风道损坏等故障，严重危及风机的安全运行。

风机轴承振动过大导致超标的原因较多，如能针对不同的现象分析原因采取恰当的处理办法，往往能解决是冶金企业连续安全运行的保障。

虽然风机的故障类型繁多，原因也很复杂，但根据我厂调查实际运行中风机故障较多的是轴承振动过大轴承过热轴承磨损或损坏流量不足或压力不足等。

风机轴承振动过大风机轴承是引风机由于运行条件较恶劣，故障率较高，据有关统计资料，引风机平均每年发生故障为次，送风机平均每年发生故障为次，从而导致机组非计划停运或减负荷运行。

因此，迅速判断风机运行中故障产生的原因，采取得力措施法风机是种将原动机的机械能转换为输送气体给予气体能量的机械，它是冶金企业中不可少的机械设备，在我厂主要有送风机引风机及降温用的轴流风机等，消耗电能约占我厂用电量的。

在实际运行中，风机，特别能再现故障发展过程和预测发展趋势。

以风机机械设备为对象进行了工业现场的实践验证，并对验证结果进行了分析。

第二章风机般旋转机械的常见故障机理研究，主要包括设备故障原因，表现征兆，故障诊断分析办障的应用，研究出适于预测用途的新型神经网络模型。

为进行风机机械状态在线监测及预测技术的实验研究，研制完成具有典型机械结构和现代测试分析功能的新型实验系统，该实验系统应能模拟典型旋转机械的运行状态，故障推理机制。

为对风机设备实行现代预知维护提供科学依据和手段，研究了趋势预测的方法。

除对风机设备整体进行趋势预测外，探讨了对风机设备各重要部件进行趋势预测的方法。

阐述了智能故障诊断系统在风机故观依据，实现机械设备状态决策判断自动化研究的风机设备状态自动判别智能专家系统，可克服转速波动影响开发了振动频谱在线时域频域报警新技术。

研究了风机机械设备常见故障特征，建立了风机故障原因集以及常与否的准则，选择了安全评定的标准，确定了对机械设备整体状态及主要零部件状态分别评价的判据提供能对异常情况做出判断的方法。

研究了风机设备状态在线分析及自动判别的技术，能根据历史档案专家经验客相关分析等技术。

从特征信号中提取有关机组状态的信息选择的风机设备状态敏感因子特征参数具有较高灵敏度较高识别能力，采取合适的敏感因子提取装置提取方式及提取方法。

提出了风机机械设备状态正虑的是针对趋势性故障可预知故障。

在故障分析和预报方法的研究上，考虑到传统的布尔逻辑识别方法故障树分析法，因为识别能力差判据不足，不能满足要求。

采用了波形频谱系统分析倒频谱分析提出了风机机械设备状态在线监测及预测的总体方案和技术路线，选择合适的传感器数据采集现代信号处理人工智能以及硬件软件的有关技术。

状态监测研究主要考虑的是针对随机性故障，状态预测研究主要考虑提出了风机机械设备状态在线监测及预测的总体方案和技术路线，选择合适的传感器数据采集现代信号处理人工智能以及硬件软件的有关技术。

状态监测研究主要考虑的是针对随机性故障，状态预测研究主要考虑的是针对趋势性故障可预知故障。

在故障分析和预报方法的研究上，考虑到传统的布尔逻辑识别方法故障树分析法，因为识别能力差判据不足，不能满足要求。

采用了波形频谱系统分析倒频谱分析相关分析等技术。

从特征信号中提取有关机组状态的信息选择的风机设备状态敏感因子特征参数具有较高灵敏度较高识别能力，采取合适的敏感因子提取装置提取方式及提取方法。

提出了风机机械设备状态正常与否的准则，选择了安全评定的标准，确定了对机械设备整体状态及主要零部件状态分别评价的判据提供能对异常情况做出判断的方法。

研究了风机设备状态在线分析及自动判别的技术，能根据历史档案专家经验客观依据，实现机械设备状态决策判断自动化研究的风机设备状态自动判别智能专家系统，可克服转速波动影响开发了振动频谱在线时域频域报警新技术。

研究了风机机械设备常见故障特征，建立了风机故障原因集以及故障推理机制。

为对风机设备实行现代预知维护提供科学依据和手段，研究了趋势预测的方法。

除对风机设备整体进行趋势预测外，探讨了对风机设备各重要部件进行趋势预测的方法。

阐述了智能故障诊断系统在风机故障的应用，研究出适于预测用途的新型神经网络模型。

为进行风机机械状态在线监测及预测技术的实验研究，研制完成具有典型机械结构和现代测试分析功能的新型实验系统，该实验系统应能模拟典型旋转机械的运行状态，能再现故障发展过程和预测发展趋势。

以风机机械设备为对象进行了工业现场的实践验证，并对验证结果进行了分析。

第二章风机般旋转机械的常见故障机理研究，主要包括设备故障原因，表现征兆，故障诊断分析办法风机是种将原动机的机械能转换为输送气体给予气体能量的机械，它是冶金企业中不可少的机械设备，在我厂主要有送风机引风机及降温用的轴流风机等，消耗电能约占我厂用电量的。

在实际运行中，风机，特别是引风机由于运行条件较恶劣，故障率较高，据有关统计资料，引风机平均每年发生故障为次，送风机平均每年发生故障为次，从而导致机组非计划停运或减负荷运行。

因此，迅速判断风机运行中故障产生的原因，采取得力措施解决是冶金企业连续安全运行的保障。

虽然风机的故障类型繁多，原因也很复杂，但根据我厂调查实际运行中风机故障较多的是轴承振动过大轴承过热轴承磨损或损坏流量不足或压力不足等。

风机轴承振动过大风机轴承振动是运行中常见的故障，风机的振动会引起轴承和叶片损坏螺栓松动机壳和风道损坏等故障，严重危及风机的安全运行。

风机轴承振动过大导致超标的原因较多，如能针对不同的现象分析原因采取恰当的处理办法，往往能起到事半功倍的效果。

不停炉处理叶片非工作面积灰引起风机振动这类缺陷常见我厂的高炉专用锅炉引风机，现象主要表现为风机在运行中振动突然上升。

这是因为当气体进入叶轮时，与旋转的叶片工作面存在定的角度，根据流体力学原理，气体在叶片的非工作面定有旋涡产生，于是气体中的灰粒由于旋涡作用会慢慢地沉积在非工作面上。

机翼型的叶片最易积灰。

当积灰达到定的重量时由于叶轮旋转离心力的作用将部分大块的积灰甩出叶轮。

由于各叶片上的积灰不可能完全均匀致，聚集或可甩走的灰块时间不定同步，结果因为叶片的积灰不均匀导致叶轮质量分布不平衡，从而使风机振动增大。

在这种情况下，通常只需把叶片上的积灰铲除，叶轮又将重新达到平衡，从而减少风机的振动。

在实际工作中，通常的处理方法是临时停炉后打开风机机壳的人孔门，检修人员进入机壳内清除叶轮上的积灰。

这样不仅环境恶劣，存在不安全因素，而且造成机组的非计划停运，检修时间长，劳动强度大。

经过研究，提出了个经实际证明行之有效的处理方法。

如图所示，在机壳喉舌处点，径向对着叶轮加装排喷嘴个，将喷嘴调成不同角度。

喷嘴与冲灰水泵相连，将冲灰水作为冲洗积灰的动力介质，降低负荷后停单侧风机，在停风机的瞬间迅速打开阀门，利用叶轮的惯性作用喷洗叶片上的非工作面，打开在机壳底部加装的阀门将冲灰水排走。

这样就实现了不停炉而处理风机振动的目的。

用冲灰水作清灰的介质，和用蒸汽和压缩空气相比，具有对喷嘴结构要求低清灰范围大效果好对叶片磨损小等优点。

不停炉处理叶片磨损引起的振动磨损是风机中最常见的现象，风机在运行中振动缓慢上升，般是由于叶片磨损，平衡破坏后造成的。

此时处理风机振动的问题般是在停炉后做动平衡。

根据风机的特点，经过多次实践，总结了以下可在不停炉的情况下对风机进行动平衡试验工作。

在机壳喉舌径向对着叶轮处如图加装个手孔门，因为此处离叶轮外圆边缘距离最近，只有多，人站在风机外面，用手可以进行内部操作。

风机正计算复数运算计算复数运算计算复数运算„„。

时域信号的频谱分析首先要将从外设输入或采集的时域波形数据经抽样量化后，通过类的„„„„等成员函数将其读取到缓存中，并将其转化为复变量存放于复变量数组中，同时需要验证以下数据量的长度是否为的整数次幂，如若不是则必须用来补齐，否则无法用蝴蝶图进行分解运算。

下面代码用于完成对原始采样时域序列的快速傅立叶变换，分别表示指向原始采样数据数组的指针和序列长度的的整数次幂„„在此采用的是时间抽选奇偶分解方式，所以在参加运算前首先要对时间序列进行倒序计算算子的值计算复数运算计算复数运算计算复数运算计算复数运算„„上述代码执行完毕时，原先存放着时域数值的复变量数组内存放的就是经过分析后的频域值了，对此数据可以通过绘图将频域波形直观的显示出来，也可以将其存成数据文件