金年会_APP下载

　　人们通过长期观察和实践，发现旋转机械的绝大多数前期故障都会表现出异常的振动，因此掌握机械振动的一般规律就能从振动信号中识别出常见的设备故障。利用金年会的多通道振动分析仪对振动信号波形进行简单的时域、频域以及小波分析。可对振动进行一般的识别，振动的可识别性是对机械故障进行振动噪声测试分析的技术前提。

　　任何机器设备在运行中都会产生振动，机器的振动信号中包含了丰富的机器运行的状态信息当设备发生异常或故障时，振动将会发生变化，一般表现为振幅加大。由不同类型性质原因和部位产生的故障所激发的振动具有不同的特征，这些特征表现为频率成分，幅值大小、相位差别、波形形状和能量分布状况等。振动信号的性质和特征不仅与故障有关,还与系统的固有特性有关，具体表现为同一故障发生的部位不同、故障激励传递通道 (即传递函数)不同,其振动特征和响应亦会有较大的差别。总之，设备的振动是由故障激励和系统特性所共同决定的,但很多情况下,振动特征和故障类型之间并不是一对应的关系，不能简单地对号入座，这就给振动的识别带来一定的困难。因此，振动的识别对于设备诊断技术的完善是至关重要的。

　　因此，采用在设备诊断技术领域较成熟的振动分析仪作为技术的突破口对轧钢机进行日常振动状态监测，就能在设备运行中或基本不拆卸全部设备的情况下，掌握轧机运行状态,判定产生故障的部位和原因，并预测未来的技术状态，从而可在早期有效地发现，以及在后期及时地抑制故障,保障生产的可持续发展。