witium’s dynamic
設備故障振動分析的過程是怎樣的？如左邊的圖展示的是幾個信號混合在一張圖上的不同曲線。而在設備振動監測中，通過加速度傳感器采集后看到的信號就會是右側的。如果直接用右側的信號分析，我們就很難判斷設備的振動源頭是來自哪里。
所以，我們使用頻譜分析來進行信號源頭的識別。原理是利用傅里葉變換，我們把混合的波形，投影到頻率的軸。在頻率軸上，不同的波形的速度，(我們稱之為頻率)，就會被分隔開，我們保留了幅度和頻率。
從不同的角度觀察，就可以把混合在原始波形里的諧波分開。便能了解到波形的源頭。從時域波形到頻域波形的轉換，可以想象，電機在25Hz這里，軸承在75Hz附近，葉輪有10片，在250Hz這里。我們也通常認為電機是1倍頻，而葉輪是電機的10倍頻。
所以振動分析師一般會問工廠的運維工程師，該風機是否有10個葉片或者針對水泵是否有10個泵葉。同時，我們發現了解設備的一些基本信息是有必要的。
因此，利用頻譜分析的透射原理，再根據設備的這些基本信息，我們就可以知道振動的源頭，來做出設備故障診斷。
另外我們也會去了解設備的健康狀態下，他們健康的波形是怎么樣的。通過不斷的觀察這些頻率，我們可以知道從健康狀態到功能失效的劣化趨勢是怎么樣的，由此實現設備智能運維與全生命周期的健康管理。我們增加測量頻次，是為了了解設備的失效時間。
比如下圖表示了設備從健康-故障的劣化頻譜變化：
通過觀察，我們判斷這臺設備可能會產生噪音，或者質量問題。同樣的我們也會去考慮下這個會不會對軸承造成傷害。我們通過一個月的趨勢變化，發現不平衡在增加，同時軸承也開始受到了損害。這也是軸承失效的根本原因之一。這是一種不平衡導致的軸承故障的變化。但是我們運用了在線振動監測的方式，就能發現軸承故障是不平衡導致的主因。
以上這些是頻譜分析的基本思想。設備故障預測性維護系統使得我們可以觀察設備狀態是如何隨時間變化的。從而幫助我們分析得到設備故障的主因。
工業設備故障預測系統
工業物聯網振動傳感器
工業邊緣計算網關
AI自診斷
空壓機設備
風機設備
泵機設備
水泥設備
減速機設備
更多行業
輝泰動態
行業資訊
公司介紹
專利資質
招賢納士
聯系方式
在線留言
公安備案號： 31011202009248號