Page 62 - 机电自动化在工程机械制造中的应用

机电自动化在工程机械制造中的应用
Application of Electromechanical Automation in Engineering Machinery Manufacturing

的主要划分依据，直接形成故障振动信号以及无故障振动信号两大类型，了解故
障信号的特征，将其进行随机信号或是确定信号的分类。工作人员要想确定故障
类型，需要提前固定时间，掌握振动瞬时产生的信号情况。正常状态下，故障信
号主要为简谐振动，基于正弦函数规律而形成，具有一定的周期性质；在信号运

动的同时，也在同时进行周期性振动，振动波形以矩波形为主，一般不存在周期
性质，振动频率表现为无理数。工作人员对振动速度以及位移情况进行深入分析
并掌握后，即可划分振动信号类型，选用专用的振动信号采集设备进行振动信号
采集工作，利用采集的振幅数据对机械自动化设备运行状态进行判断。如果设备

存在运行风险，将加大随机与确定信号的振幅，并导致频率阈值范围呈现逐渐扩
大的状况，故障信号导致的振动也在逐渐上升。故障信号波形将会表现明显的变
化情况，可将波形变化情况作为信号初步分类的主要依据。若设备处于正常的运
行期间内，其随机振动信号表现为幅值低、波形变化弱的特点，而若机械自动化

设备存在故障或隐患时，随机和确定信号都会同时加大，振动波形变化呈现周期
性特点，设备的齿轮部件存在脱落行为，波形变化中存在脉冲，进一步加大了设
备故障风险，信号振动期间，产生明显的谐波情况。
（三）时域分解设备振动信号

以上述 DANN 模型为基础，能够采集到机械自动化设备的高级特征，收集
设备故障振动期间信息中产生的时域信号，在时间的不断变化期间，设备振动信
号中将会产生大量的机械故障信息。
检测人员需要将采集装置收集到的所有信号数据，进行全面的分解预处理，

即可收获初步时域信号；工作人员同步进行原始波形的监测工作，这一环节能够
获得相关的脉冲与谐波数据，为设备振动现象提供精准的判断依据。维修管理人
员在进行机械自动化设备的故障检修时，不同故障成因形成的振动信号将会产生
不同特征的波形变化趋势，如转子性能异常，将导致时域信号的波形变化体现为

正弦函数的形式。此时，工作人员需要以傅里叶变换算法分解振动信号中的频率，
然后使用分析仪分析信号信息。实际测量信号时，时域分解设备产生的振动信号
一般不太会被外界因素干扰，且信号波形变化也不大。
机械自动化装置故障最常见的原因之一是机械转子不平衡。这种现象主要是

由于转子的质量问题或转子的弯曲变形，其根本是转子材料质量和安装质量的问
题。当从同一信号分析随时间变化的信息时，监测人员往往会将其相关性作为分

46