矿山设备运转时要产生相应的振动，而振动与机器设备的状态有密切的关系。因此在众多故障信息中，振动信息由于包含信息丰富，具有“广泛性，多维性，遥感性和适应性”，被广泛用于机械状态监测中。可以说，机械设备中的故障主要从振动信息中分析得到。
矿山设备发生故障时，可以采取不同类型的传感器取其振动，声响，温度，位移等多种信息，相应就形成了多种门类的诊断技术和预测方法，例如：基于振动噪声信号检测的振动诊断技术；基于磨损残留物的光谱，铁谱分析技术；基于温度检测的红外热成像分析技术和基于多种传感器检测的信息融合诊断技术等。近年来，以神经网络技术，专家测系统为代表的智能化故障诊断技术也受到了大量的重视。
时域和幅值域中分析技术：时域波形分析是通过观察信号的时间历程，对信号的周期性和随机性给基本的评价，对于分析不稳定状态和故障冲击非常有效。通过分析其振动波形，诸如齿轮损伤，轴承内外围剥落等造成的重复冲击特征很容易识别。
幅值域统计分析以振动信号的概率密度和概率分布来描述振动信号的统计特性，它提供了随机振动号沿着幅值域分布的信息。对一些设备，当其运行状态发生较大的变化时，其幅值概率密度曲线一般也有较大的变化。特别是当系统工作状态的优劣取决于振动幅值的大小时，就可以用概率密度和概率分布作为矿山设备是否出现异常的简易证据。
当前位置 >