LC100SA的振動分析與故障診斷系統
機組運行的臨時數據、歷史數據、報警數據、標準頻譜數據等數據，都為機器的狀態離線分析提供了豐富的信息。為了讓用戶對機組的各種工況狀態和運行狀態發展趨勢充分了解，本系統提供了狀態趨勢圖。
圖. 1狀態趨勢圖
時域波形分析
顯示數據不同時刻的幅值變化曲線，同時可進行任意波形段擴展，方便觀察。同時系統自動計算振幅、有效值、峰峰值、峭度、歪度、通頻值，給與直觀時域判斷
對時域信號進行頻譜分析可以得到信號中10個蕞大諧波分量的頻率和幅值，頻譜圖是目前進行故障分析和診斷的普遍使用的圖形，從中可以得到有關信號所含頻率成分的重要信息。包括工程中常用的對數功率譜、頻譜校正、頻譜擴展以及定頻、頻譜FFT-FS細化等功能；頻譜分析中，運用三點卷積校正法、比值校正法及相位校正法理論進行頻譜校正，準確地自動識別出離散頻譜中的單頻成分和間隔較遠的多頻率成分，并自動校正其頻率、幅值和相位。
倒譜具有檢測和分離頻譜中周期性成分的能力，頻譜中的周期分量在倒譜中簡化為單根譜線。采用倒譜分析技術可以分離出邊帶信號，倒譜圖中的離散譜線高度就反映原功率譜中周期分量的大小。當功率譜圖中包含許多大小和周期都不同的周期成分時，功率譜圖很難直觀地看出其特點，此時，應用倒譜來分析具有很大的優點。
當顯示頻譜時，該功能將工況譜圖與正常譜圖做差譜分析，對不具備診斷知識的巡檢人員也能明顯看出譜圖間的差別，很容易提取故障特征，得出故障原因。
小波變換的實質是把原始信號不同頻率段的信息抽取出來，并將其顯示于時間軸上，這樣既可以反映信號的時域特征也可反映信號的頻域特征。小尺度的變換包含信號的高頻成分，大尺度的信號包含信號的低頻成分。這樣，我們就可以根據需要，選取不同尺度的變換來找出故障特征。
在滾動軸承和齒輪箱故障診斷中，低頻段包含有豐富的故障信息，但其能量較小，往往被噪聲中所淹沒。包絡是通過分離出原信號中的低頻信息進行解調，因此，由包絡分析得到的結果用于診斷滾動軸承和齒輪往往比較清晰直觀。
因為隨機噪聲的自相關函數隨時間衰減得很快，所以可以利用自相關函數來檢測混于隨機噪聲中的確定性信號和隱含在信號中的周期性。還可同時對兩個不同測點振動信號數據文件做互相關分析或者互譜分析。相關分析適用于降噪、提取周期成分、確定故障源等。
會員登錄
會員注冊
在線留言
售后服務