首页 优秀范文 机械故障论文

机械故障论文赏析八篇

发布时间:2023-03-23 15:14:09

序言:写作是分享个人见解和探索未知领域的桥梁,我们为您精选了8篇的机械故障论文样本,期待这些样本能够为您提供丰富的参考和启发,请尽情阅读。

机械故障论文

第1篇

机械故障诊断技术,顾名思义,就是采用某种技术手段来预测即将发生的机械故障,判断故障发生位置,为预防故障发生及排除故障提供技术支持,降低故障带来的损失。早期,人们主要通过听声音、触摸等方式判断故障是否产生以及故障产生位置,随着计算机技术的发展,各种计算机技术特别是现代信号处理技术被不断的应用到故障诊断技术中来,机械故障诊断技术已逐渐成为一门系统学科。

1)通用机械故障诊断技术研究现状。最早开展机械故障诊断技术研究的是美国。20世纪60年代以后,随着航天及航空技术的发展,对故障的预判及诊断提出了更高的要求,传统故障诊断方法已不能满足技术发展的需要,促使美国积极开展故障诊断技术的研究和开发工作。随后,欧洲、日本等发达国家相继开展机械故障诊断技术研究[1]。20世纪80年代,在相关部门的支持下,国内大学和科研机构也开始机械故障诊断方面的研究。在部件摩擦碰撞、松动等故障方面,清华大学裙福嘉课题组对其非线性动力学行为进行理论和实验研究,已取得重要进展[2]。小波变换为故障诊断时频域重要方法之一,西安交通大学何正嘉课题组[3,4]即采用小波技术进行故障诊断技术研究。在机械监测诊断领域,西安交通大学屈梁生课题组[5]创立了全息谱技术,采集机器振动过程中的幅、频、相信息,显著提高机器运行中故障的识别率,此外还有东南大学的钟秉林等学者均长期从事于机械故障诊断研究,出版了大量学术著作和论文,为推动通用机械故障诊断技术做出了重要贡献。

2)农业机械故障诊断技术研究现状。农业机械故障诊断方面,陈芳等在对农业机械故障发生的原因及征象进行分析的同时,应用希尔伯特一黄变换方法对农业机械的故障点进行了观测和诊断,通过经验模式分解(EMD)分离噪声,然后从希尔伯特谱中分析出故障振动信号的时频分布情况,从而确定故障发生的时间以及故障前后信号频率和幅值随时间变化的各种信息,以达到提取较为完整的故障特征的目的,实现对这类系统的某些特殊故障的诊断。刘明涛,孙斐采用小波变换技术分析农业机械运行过程中产生的振动信号,有效地检测出齿轮箱系统信号的变化,实现对齿轮箱系统的故障诊断。李杰,赵艳针对目前农业机械故障诊断采用人工方法排除步骤冗长、速度慢、效率低、准确率低等问题,提出并实现了一个基于正向推理的农业机械故障诊断、安全评价专家系统。该系统具有农业机械知识查询、农业机械故障诊断和农业机械安全评价等功能,有较好的稳定性与鲁棒性。李晓敏,李杰等在农业机械故障诊断中引入计算机动态模拟技术。

3)状态监测技术研究现状。在设备关键部件状态监测方面,应用最为成熟的是故障自诊断系统又称OBD(OnBoardDiagnosties)系统,该系统通过传感器监测控制系统各部件的工作状态,并根据传感器数值监测部件运行状态以及安装位置来确定故障产生位置,并自动形成故障代码,存储故障信息,为故障的排除提供线索。OBD系统最早用于汽车尾气排放监测,后来逐渐扩展到发动机故障检测,最后发展到刹车系统、气囊、车门等整车部件状态检测,甚至关键部件的螺钉松动都可以检测出来,以便及时发现隐患,保证汽车的安全运行。现在OBD系统又逐渐扩展到空调、冰箱、彩电等家用电器故障诊断中,这些设备中均安装微处理器控制单元(ECU),当设备出现故障时,一方面采用声光报警,另一方面产生故障代码,故障代码中包含故障类型、故障位置等信息,为排除故障提供方便。OBD系统比较复杂,其功能由软件和硬件共同实现。现有汽车OBD有超过150个可能的故障代码。汽车OBD系统经历OBDI、OBDII,现已发展到OB-DIII。现在汽车上的OBD系统已全部集成在汽车电子控制单元(ECU)中。国际上生产ECU系统品牌主要有,博世、摩托罗拉、德尔福、马瑞利、西门子。国内康佳、比亚迪等国产车开发商开始研发自主ECU系统品牌。据报道,潍柴自主研发的高压共轨电控ECU(含OBD系统)已开始小批量投放市场。

2机械故障诊断技术研究方法

机械故障诊断方法非常多,经过近半个世纪的发展,已形成机器振动和噪声信号测定、油磨损碎片测定、温升测定等方法。在故障信号处理方面采用时域分析法、频域分析方法及时频分析法等。故障识别方面采用专家系统、模式识别以及神经网络等技术。故障预警方面主要采用状态监测方法,借鉴在汽车上运用相对成熟的故障自诊断系统(OBD系统)。现简要介绍与农业机械故障诊断相关,较多应用于农业机械故障诊断的方法。

1)采用时域信号分析的故障诊断技术。在机械设备的特定部位安装振动传感器,采集、记录并显示设备在运行过程中随时间变化的振动信息,如振幅、相位、频率等,得到机械设备特定部位的时间历程,也就是时域信号。时域信号中包含的信息量大,直观且易于理解,是机械故障诊断的原始依据,但时域信号数据十分庞杂,很难一眼看出故障特征,需要采用特定方法处理。时域信号处理技术主要包括,时域统计分析及相关分析等。

2)采用频域信号分析的故障诊断技术。频域分析实质上是将时域信号进行快速傅里叶变换,转化为频域信号,采用频域信号处理技术分析信号,并得出故障特征的分析方法。许多故障的发生和发展,振动信号的频率成分会发生非常明显的变化。例如,齿轮发生断齿、表面疲劳剥落等都会引起周期性的冲击信号,相应在频域就会出现不同的频率成分。监测这些信号频率变化,可有效预测故障发生与发展。频域信号处理技术主要包括频谱分析、倒频谱分析及包络分析等。

3)采用时频域信号分析的故障诊断技术。机械产生故障后,运行过程中的振动信号会产生显著的频域或时域故障特征,然而这些特征并不是不变的,而是随着时间变化的,即动态信号的非平稳性。特别是剥落、松动、裂纹等故障,非平稳尤其明显。实际故障检测过程中,非平稳性往往是普遍的,平稳性只是一种简化或近似。非平稳信号的相关函数、功率谱等统计量是时变函数,必须要得到这些信号的频谱随时间的变化情况才能更好的判断故障情况。因此,一般采用时间和频率的联合函数来表达这些信号,该方法称为信号的时频表示。实际应用中,时频域信号分析技术主要包括傅里叶变换、Wigner-Ville分布、小波变换等。

3农业机械故障诊断技术发展趋势

1)通用机械领域相对成熟的故障诊断技术逐步移植到农业机械故障诊断中来。可用于农业机械故障诊断的一是基于振动信号特征提取的故障诊断技术,二是关键部件工作状态监测故障诊断技术。基于振动信号特征提取的故障诊断技术大部分用于化工、电力等大型机械设备故障诊断,理论发展非常早,许多现代控制理论,计算机技术,信号处理技术均被应用基于振动信号特征提取的故障诊断技术中。关于关键部件工作状态监测方面,最成功的例子是汽车故障自诊断系统(OBD),以传感器监测关键部件状态,采集到的数据送汽车电子控制单元(ECU)处理,主要用于汽车发动机及汽车其他关键部件工作状态监测,技术发展已比较成熟。农业机械越来越复杂,对故障诊断的实效性、准确性要求越来越高,上述两种故障诊断与监测技术正逐渐移植到农业机械上来。

2)现代智能化技术不断运用到农业机械故障诊断中来。随着农业机械复杂程度加大以及对智能化水平提高的需求,农业机械状态检测与故障诊断技术将日趋完善。针对农业机械故障特征的专家系统、神经网络、模糊逻辑、遗传算法等智能诊断方法将不断的运用到农业机械故障诊断中来,在当前技术基础上,将新的理论和技术引入到农业机械故障诊断领域,不断出现不同智能故障诊断技术,形成综合性能更好的融合智能故障诊断技术。

第2篇

变压器故障通常是伴随着电弧和放电以及剧烈燃烧而发生,随后电力设备即发生短路或其他故障,轻则可能仅仅是机器停转,照明完全熄灭,严重时会发生重大火灾乃至造成人身伤亡事故。因此如何确保变压器的安全运行受到了世界各国的广泛关注。

美国HSB公司工程部总工程师WilliamBartley先生,主要负责对大型电力设备尤其是发电机和变压器的分析和评估工作,并负责重大事故的调查、检修程序的改进及新型检测技术方面的研究。自70年代以来,他负责调查了数千起变压器故障并进行了几十年的科学统计研究。

在中国高速的现代化发展中,电力工业的安全运行更起着关键作用。本文从介绍美国1988年至1997年10年间变压器故障的统计数据进行分析,为国内提供参考资料及可借鉴的科学统计方法,以达到为电力部门服务的目的。

1变压器故障的统计资料

1.1各类型变压器的故障

过去10年来,HSB发生几百起变压器故障造成了数百万美金的损失。图1中列出了按变压器类型显示的变压器故障统计数。从图中的显示可以看出除1988年外,电力变压器故障始终占据主导位置。

1.2不同用户的变压器故障变压器使用在不同的部门,故障率是不同的。为了分析变压器发生故障的危险性,可将用户划分为11个独立类型:(1)水泥与采矿业;(2)化工、石油与天然气;(3)电力部门;(4)食品加工;(5)医疗;(6)制造业;(7)冶金工业;(8)塑料;(9)印刷业;(10)商业建筑;(11)纸浆与造纸业。按照HSB的RickJones博士风险管理的方法,将“风险”定义为发生频率与损失程度。损失程度可以被定义为年平均毛损失,而发生频率(或称为概率)则可定义为故障发生平均数除以总数。所以,对于每一个给定的独立组来说:频率=故障数/该组中的变压器台数(举例来说,如果每年平均有10起故障,在一个给定的独立组中有1,000个用户,在该组中任何地点故障的概率就是0.01/年。)因此,可以采用产品的故障频率与程度将变压器的风险按用户加以划分。(风险=频率×程度)。

图2中给出的是10年中10个独立组中变压器风险性的频率—程度“分布图”。每组曲线中,X轴表示频率、Y轴表示程度(或平均损失),X-Y的关系就形成了一个风险性坐标系统。其中的斜线称为风险等价曲线(例如,对于$1,000的0.1的可能性与$10,000的0.01的可能性可认为是同等风险的)。坐标中右上角的象限是风险性最高的区域。当考虑到频率和程度时(如图2所示),电力部门的风险是最高的,冶金工业及制造业分别列在第二和第三位。

1.3各种使用年限变压器的故障

按照变压器设计人员的说法,在“理想状况下”变压器的使用寿命可达30~40年,很明显的是在实际中并非如此。在1975年的研究中,故障时的变压器平均寿命为9.4年。在1985年的研究中,变压器平均寿命为14.9年。通常有盆形曲线显示使用初期的故障率以及位于右端的老化结果,然而故障统计数据显示变压器的使用寿命并非无法预测。图3中显示了该研究中使用寿命的统计数据,这些数据可以用来确定对变压器进行周期检查的时间和费用。

在电力工业中变压器的使用寿命应当给予特别地关注。美国在二战后经历了一个工业飞速发展的阶段,并导致了基础工业特别是电力工业大规模的发展。这些自50年代到80年代安装的设备,按其设计与运行的状况,现在大部分都已到了老化阶段。据美国商业部的数据,在1973~1974年间电力工业在新设备安装方面达到了顶峰。如今,这些设备已运行了近25年,故必须对已安装变压器的故障可能性给予特别的关注。

2变压器故障原因分析

HSB收集了有关变压器故障10年来的资料并进行分析的结果表明,尽管老化趋势及使用不同,故障的基本原因仍然相同。HSB公司电气部的总工程师J.B.Swering在论文中写到:“多种因素都可能影响到绝缘材料的预期寿命,负责电气设备操作的人员应给予细致地考虑。这些因素包括:误用、振动,过高的操作温度、雷电或涌流、过负荷、对控制设备的维护不够、清洁不良、对闲置设备的维护不够、不恰当的以及误操作等。"下表中给出了在过去几十年中HSB公司总结出的有关变压器故障的基本原因,表中列出了分别由1975、1983以及1998年的研究得出的关于故障通常的原因及其所占百分比。

2.1雷击

雷电波看来比以往的研究要少,这是因为改变了对起因的分类方法。现在,除非明确属于雷击事故,一般的冲击故障均被列为“线路涌流”。

2.2线路涌流

线路涌流(或称线路干扰)在导致变压器故障的所有因素中被列为首位。这一类中包括合闸过电压、电压峰值、线路故障/闪络以及其他输配(T&D)方面的异常现象。这类起因在变压器故障中占有显著比例的事实表明必须在冲击保护或对已有冲击保护充分性的验证方面给与更多的关注。

2.3工艺/制造不良

在HSB于1998年的研究中,仅有很小比例的故障归咎于工艺或制造方面的缺陷。例如出线端松动或无支撑、垫块松动、焊接不良、铁心绝缘不良、抗短路强度不足以及油箱中留有异物。

2.4绝缘老化

在过去的10年中在造成故障的起因中,绝缘老化列在第二位。由于绝缘老化的因素,变压器的平均寿命仅有17.8年,大大低于预期为35~40年的寿命!在1983年,发生故障时变压器的平均寿命为20年。

2.5过载

这一类包括了确定是由过负荷导致的故障,仅指那些长期处于超过铭牌功率工作状态下的变压器。过负荷经常会发生在发电厂或用电部门持续缓慢提升负荷的情况下。最终造成变压器超负荷运行,过高的温度导致了绝缘的过早老化。当变压器的绝缘纸板老化后,纸强度降低。因此,外部故障的冲击力就可能导致绝缘破损,进而发生故障。

2.6受潮受潮这一类别包括由洪水、管道渗漏、顶盖渗漏、水分沿套管或配件侵入油箱以及绝缘油中存在水分。

2.7维护不良

保养不够被列为第四位导致变压器故障的因素。这一类包括未装控制其或装的不正确、冷却剂泄漏、污垢淤积以及腐蚀。

2.8破坏及故意损坏

这一类通常确定为明显的故意破坏行为。美国在过去的10年中没有关于这方面变压器故障的报道。

2.9连接松动

连接松动也可以包括在维护不足一类中,但是有足够的数据可将其独立列出,因此与以往的研究也有所不同。这一类包括了在电气连接方面的制造工艺以及保养情况,其中的一个问题就是不同性质金属之间不当的配合,尽管这种现象近几年来有所减少。另一个问题就是螺栓连接间的紧固不恰当。

3变压器维护建议

根据以上统计分析结果,用户可制订一个维护、检查和试验的计划。这样不但将显著地减少变压器故障的发生以及不可预计的电力中断,而且可大量节约经费和时间。因为一旦发生事故,不仅修理费用以及停工期的花费巨大,重绕线圈或重造一台大型的电力变压器更需要6到12个月的时间。因而,一个包括以下建议的良好维护制度将有助于变压器获得最大的使用寿命。超级秘书网

3.1安装及运行

(1)确保负荷在变压器的设计允许范围之内。在油冷变压器中需要仔细地监视顶层油温。

(2)变压器的安装地点应与其设计和建造的标准相适应。若置于户外,确定该变压器适于户外运行。

(3)保护变压器不受雷击及外部损坏危险。

3.2对油的检验

变压器油的介电强度随着其中水分的增加而急剧下降。油中万分之一的水分就可使其介电强度降低近一半。除小型配电变压器外所有变压器的油样应经常作击穿试验,以确保正确地检测水分并通过过滤将其去除。

应进行油中故障气体的分析。应用变压器油中8种故障气体在线监测仪,连续测定随着变压器中故障的发展而溶解于油中气体的含量,通过对气体类别及含量的分析则可确定故障的类型。每年都应作油的物理性能试验以确定其绝缘性能,试验包括介质的击穿强度、酸度、界面张力等等。

3.3经常维护

(1)保持瓷套管及绝缘子的清洁。

(2)在油冷却系统中,检查散热器有无渗漏、生锈、污垢淤积以及任何限制油自由流动的机械损伤。

(3)保证电气连接的紧固可靠。

(4)定期检查分接开关。并检验触头的紧固、灼伤、疤痕、转动灵活性及接触的定位。

(5)每三年应对变压器线圈、套管以及避雷器进行介损的检测。

(6)每年检验避雷器接地的可靠性。接地必须可靠,而引线应尽可能短。旱季应检测接地电阻,其值不应超过5Ω。

(7)应考虑将在线检测系统用于最关键的变压器上。目前市场上有多种在线检测系统,供应商将不同的探测器与传感器加以组装,并将其与数据采集装置相连,同时提供了通过调制解调器实现远距离通讯的功能。美国SERVERON公司的TrueGas油中8种故障气体在线监测仪就是极好的选择。此系统监测真实故障气体含量,结合“专家系统”诊断将无害情况与危险事件加以区分,保证变压器的安全运行。

第3篇

西安交通大学机械装备诊断与控制研究所所长、机械基础实验教学国家级示范中心主任何正嘉,长期从事工矿企业设备状态监测、故障诊断研究及应用40余年,在机械设备结构裂纹定量识别、非平稳信号故障诊断和智能预示等方面开展了基础理论研究和重要工程应用,取得了诸多创新性成果,对推动我国机械设备故障诊断与运行安全保障作出了突出贡献。

潜心探索提出故障诊断新方法

重大装备的各类故障中,因结构裂纹导致的失效占60%以上。裂纹这一“隐形杀手”被形象地称为重大装备安全运行的“癌症”,具有难发现、易扩展、强破坏的特点。何正嘉带领课题组于上世纪90年代中后期重点研究裂纹动态定量诊断新技术,经过10余年的潜心研究和探索,发现并揭示了裂纹位置、裂纹深度与裂纹动态响应信号之间的内在联系,发明了基于小波有限元模型的三线相交结构裂纹的动态定量诊断方法,实现了大型回转机械结构裂纹动态定量诊断,解决了裂纹动态定量诊断这一国内外故障诊断领域的前沿与挑战性难题。

在研究过程中,何正嘉首先建立了适宜结构裂纹故障诊断的小波有限元理论,采用多分辨多尺度小波函数替代传统有限元的多项式插值函数,实现了结构裂纹的高精度建模。最终何正嘉研发出了机械结构裂纹定量诊断仪,可应用于汽轮机和航空发动机转子等结构的裂纹诊断,对关键设备安全运行与避免灾难性事故产生意义重大。

目前,该成果从基础理论、技术实现到仪器开发,已经形成了一整套技术,在东方汽轮机公司、某航空发动机维修厂、西门子信号有限公司、上海宝钢等50余家企业得到应用,获得了良好的经济效益与社会效益。针对某型号航空发动机高压转子内部裂纹因探头不可到达而难以无损探伤的问题,利用小波有限元建模和动态测试,实现了裂纹定量诊断,成为某厂航空发动机安全保障中一种重要检测技术。实践证明,何正嘉所研制的机械结构裂纹定量诊断仪对裂纹位置与深度的定量识别误差均在5%以内。这一成果填补了国内外在机械结构裂纹动态定量诊断领域的技术空白,能够确保设备安全运行,避免因裂纹引起的灾难性事故发生。

在裂纹动态定量诊断新技术研究的同时,何正嘉的主攻方向是机械故障非平稳高精度诊断领域。他在长期的研究中发现,傅里叶变换、小波变换、第二代小波变换、多小波变换等的共同本质是数学上的内积变换,由此揭示了不同机械故障高精度诊断的内积变换数学原理,并指出,构造和运用性能优良的基函数与动态信号进行内积变换,是提高机械监测诊断合理性和准确性的关键技术。

何正嘉率先将先进的非平稳信号处理方法引入机械监测诊断领域,提出了变工况非平稳机械设备运行故障诊断方法,从多尺度、多分辨时频域提取故障信号特征,克服了采用传统平稳信号诊断方法难以准确提取变工况运行设备非平稳故障特征的不足;最终开发了机械故障非平稳高精度诊断系列新技术。开发了机车走行部、发电机组等关键机械设备运行监测诊断系列实用技术和在线监测诊断网络系统,开拓了机械故障非平稳高精度诊断的新领域。

继往开来科研团队促发展

何正嘉教授治学严谨,倡导团队精神,在学术梯队建设方面成绩突出。担任机械制造系统工程国家重点实验室系统监控与诊断方向学术带头人,负责建设机械基础实验教学国家级示范中心。创建的“装备智能诊断与控制”科研教学团队拥有教授16名,其中教育部长江学者1名、教育部新世纪优秀人才6名、全国百篇优秀博士论文获得者1名、交大腾飞教授3人;承担国家级精品课程3门。为装备制造学科发展凝聚了CAD/CAM、数控技术、故障诊断和减振降噪等一批骨干力量。他为人师表,举贤荐能,甘为人梯,乐于奉献,扶持青年学者成长为学科发展带头人,支持和帮助青年骨干教师主持或参与各类重大项目申报,在教学科研方面多次取得国家级成果奖励。教学中,他负责并组织建设了机械基础实验教学国家级示范中心和3门国家级精品课程,何正嘉教授获2008年陕西省师德标兵称号、2010年全国优秀科技工作者称号。

何正嘉在指导研究生的过程中投入巨大的精力,同步严格要求研究生不断提升道德品质和学术水准。培养的博士研究生陈雪峰获得了2007年全国百篇优秀博士学位论文,2008年入选教育部新世纪人才、2009年入选陕西省科技新星、2010年入选西安交通大学腾飞人才,陈雪峰教授已成为我校机械工程学科的教学科研骨干,主持2项国家自然科学基金、1项863项目以及多项横向合作课题。培养的博士研究生訾艳阳教授2010年入选教育部新世纪人才,主持3项国家自然科学基金、1项863项目以及多项横向合作课题,2009年当选机械工程学院分党委副书记。培养的博士研究生向家伟先后以德国洪堡学者和日本JSPS学者的身份,出国深造。培养的胡桥博士2006年毕业后在西安705所工作,工作业绩突出,目前担任总工程师助理;祁克玉博士在212所勤奋工作,获得了单位高度好评。

在科研中,他以西安交通大学机械装备诊断与控制研究所所长、机械制造系统工程国家重点实验室系统监控与诊断方向学术带头人的身份,领导开创了诸多创新性理论、技术与系统,推动了中国机械设备故障诊断的发展,被评为“全国优秀科技工作者”。他从事工矿企业设备状态监测、故障诊断研究及应用四十余年,在机械设备结构裂纹定量识别、非平稳信号故障诊断和智能预示等方面开展基础理论研究和重要工程应用,取得创新性成果。主持2项国家自然科学基金重点项目“大型复杂机电系统早期故障智能预示的理论与技术”(50335030,2004―2007)和“关键设备故障预示与运行安全保障的新理论和新技术”(51035007,2011―2014)以及4项国家自然科学基金面上项目;主持2项高等学校博士学科点专项科研基金资助项目“小波有限元理论与转子横向裂纹故障诊断的研究”(20040698026,2005―2007)和“优良特性多小波构造原理与机电设备复合故障诊断”(200806980011,2009―2011);参加2项国家973项目“数字化制造基础研究(2005CB724100, 2006―2010)”和“超高速加工及其装备基础研究”(2009CB724405,2009-2014);负责20余项与企业合作项目。以第一完成人获国家技术发明二等奖1项(2009年)、国家科技进步三等奖1项(1999年)和省部级一等奖2项、二等奖1项。授权发明专利6项。出版著作7部,350篇,其中SCI收录72篇、EI收录100篇,论著被国内外引用3613次。

“天时不如地利,地利不如人和”何正嘉和他的科研团队,淋漓尽致的诠释了这一真理。正是他执着探索、无私奉献,才有了我国机械故障诊断事业的发展。中国机械设备故障诊断的进步是一个的长期艰巨的过程,这漫漫路程中深深地烙着他们艰辛的脚印,这是历史的见证,未来的阶梯,而这样的精神,需要我们继续传承、创新,并肩求索下去。

第4篇

关键字:故障振动;振动监测;振动信号

一、 机械振动与故障设备

机械振动是日常工作中最常见的物流现象,一般情况下机械振动都是有害的,振动会破坏机械的正常运作。振动所产生的动载荷重会对机械本身造成损伤甚至降低机械的使用寿命。事物都有相对的一面,振动并不是没有优点,比如输送、夯实、脱水、振动筛等振动机就是利用了振动的优点去工作的。无论机器大小、精度高低,在日常的工作中都会产生不同的振动,振动的大小以及振动成分变化都会直接影响机器的运作,不同的机器对应着不同的振动特点。正是因为机器普遍存在着振动的这些特性,所以应用振动信号去监测设备故障已经成为了一种方法,一种手段。

二、 振动信号的诊断

一般的情况下,振动的时域信号总是杂乱无章的,无论是正常状态还是非正常状态,故障信息并不是直接显示出来的,并不是直接表露在外表让我们一眼就可以发现,所以要获得故障信息必须要对信号进行分析处理才可以。下面介绍几种常用的振动信号的分析方法。

1.时域分析。时域分析原理简单而且容易实现,它是信号分析方法中最基础的一个。主要包含时域波形、相关分析、概率密度、滤波处理等。主要是对振动时域信号的时间历程进程分析,适宜对信号中含有周期信号、谐波信号或短脉冲信号进行分析。利用时域波形分析可识别出共振现象和拍频现象。时域分析具有广泛的应用,主要面对的是一些变速、低速、重载的设备。由于某些机械设备的振动信号所包含的频率成分比较低,受诊断分析仪器的下限、分辨率及分析软件功能的限制,频谱分析的方法运用的就不是特别好。然而通过时域分析就很容易提取出信号的特征,随之它也成为了最直接、最有效的故障诊断方法。

2.倒谱分析。倒谱分析也叫二次谱分析,它在机械传动系统的故障诊断中展现出了非常特殊的优越性。它是检测复杂的图谱中周期分量的重要工具。由于机械设备中轴承和齿轮比较多,振动信号中调制现象普遍,肉眼难以识别谱图中谱线所展示出来的周期性,然而利用倒谱可以将谱图上的变频带谱线转变为单谱线,这样就便于识别系统特征的频率。当混有异族谱频、同族谱频、多成分多频和功率谱的成分比较复杂时,应用倒谱分析就最好的方法。

3.频谱分析。频谱分析是指对变化的信号在频率范围内进行分析,分析得出的结果是以频率为坐标的物理量的曲线和谱线,并得到以频率为变量的频谱函数。机械的振动信号一般是多种信号合成的复杂信号,它可以分解为一系列的谐波分量。这些谐波分量代表着各自对应的频率激励力和某些特定频率。通过频谱分析可以求出动态信号中的各个频率的分布范围;通过对测试波形的分析可得出频率的幅值,通过这些幅值的变化来校正测试波形;我们可以通过频谱分析提供的幅值、频率值、各种谱密度求得被测结构的模态参数和传递函数,为幅振、消振等问题提供解决的条件。

三、振动诊断的应用优势

(1)振动现象伴随着机械设备的运行而发生,机械设备一旦开启就会产生振动信号,故障信息就包含在振动信号内。

(2)振动问题在高速、重载荷的机械设备内时有发生,事故率极高。

(3)许多振动故障都会有明显的特征,非常容易识别。

(4)目前针对振动问题的检测方法、理论都比较成熟。

(5)振动诊断易于实现全程监控和在线诊断。

四、机械故障的特征分析

机械设备的故障诊断主要是针对旋转件的故障诊断,预先掌握故障的特征是对故障做出准确诊断的前提条件。故障特征主要包括以下几种。

(1)不对中故障。不对中故障是机械设备的一种常见的故障。迫使机械设备停机检修的原因有一半的原因是由不对中引起的。不对中分为两种情况,分别为转子不对中和轴承不对中。转子不对中的故障形式有可能是轴线形成的夹角角度不对中,也有可能是轴线平行偏移的高度不对中,还有可能是两者的结合。由于不对中所引起的故障的主要特征是二阶转速频率下的振动分量和轴向振动。

(2)动静件碰摩故障

转子质量的不平衡、转子不对中、转子弯曲、静止部件的不对中都有可能引起动静件碰摩。动静件碰摩分为两种情况,主要是径向碰摩和轴向碰摩。在机械运转时,局部的摩擦一般发生在整周摩擦前面,它会引起机械的不规则振动。随着振动的愈演愈烈,局部摩擦就会过渡到整周摩擦,从而导致机器发生严重的破坏。

(3)齿形误差。由于齿形误差产生的振动,使振动信号呈现出明显的调制现象。观察频谱可以看出,以齿轮的啮合频率及其倍频为频率的中心,在它的周围分布着以齿轮旋转频率为调制频率的边带。当齿轮的误差比较严重时,激振能力较大就会产生齿轮所在轴和其倍频为调制频率的齿轮共振频率调制现象。

(4)齿轮磨损严重。当齿轮的磨损发展到一定的程度时,啮合频率谐波幅值增大,阶数也会变得越来越高,谐波增大的幅度也越来越大。与此同时,振动的能量也有较大幅度的上升。

(5)断齿。它的时域波形表现为冲击型振动,频率相当于断齿轴的转频。在频域上多出现间隔为断齿轴转频的边频地带,它数量多、分布宽、幅值较大。

(6)轴不平衡。当轴的不平衡比较严重时,就会在齿轮传动中导致严重的齿轮误差,形成以啮合频率为载波频率,以齿轮所在轴方向的转频为调制频率的频率调制现象。但是在一般的谱图上边带的数量比较少。

五、结语

由于现代化生产机械设备的连续化、高速化、连续化,设备发生问题也时有发生,设备状态的检测与故障诊断也变得尤为重要,通过对振动信号的分析处理去解决机械故障存在的问题已经成为主要的方法之一。尽管近年来兴起的神经网络法、时频分析法仍不够成熟,但是随着研究工作的深入,这些方法也会变得越来越成熟。

参考文献

[1]郭伟,贺佳.时域波形分析在故障诊断中的重要性[J].设备管理与维修,2010,1:50-52.

[2]鲍明,赵淳生.齿轮故障诊断技术的研究[J].南京航空学院学报,1992(5):56-57

[3]赵中敏.以振动信号分析方法诊断机械故障[J].中国设备工程,2006,11

第5篇

中图分类号: C35 文献标识码: A

矿井提升机系统的故障现象形形,故障原因也多种多样,许多故障现象只能凭操作人员的语言描述,可实时利用的传感器信号较少,为了建立提升机故障诊断系统,综合考察故障树分析法、专家系统、神经网络和信息融合等人工智能的故障诊断方法是必要的。矿井提升机历来有“矿井咽喉”之称,主要担负着提升矿石、下放材料、升降人员和设备等任务,在矿井工作中起着至关重要的作用,因此做好对矿井提升机故障的诊断和安全保障措施尤为重要。故障检测与诊断系统应该采用的故障诊断方案,是由诊断对象的性质及系统的功能要求决定的。提升机故障诊断系统首先要能对常见故障和曾经发生过的故障做出准确诊断,并给出故障处理的建议方案;对历史上虽不曾发生、但实际上可能发生的故障也要具有一定的处理能力。

一、矿井提升机的使用现状

矿井提升机是煤矿行业中重要设备,在经济发展和生产技术上起着重要作

用。矿井提升机的功能实现主要取决于传动系统,液压制动系统,监控系统,电气控制系统和加载系统和其他子系统。我国当前的提升机电控系统大多仍由继电器与由电子元件组成的控制单元组成,虽然设有安全电路,但系统内外电缆众多,联锁点密集,再加上矿井工作环境恶劣,粉尘污染和点蚀较多,常导致触电闭合或断开异常,频繁发生线路故障,极大的影响了整个系统的可靠性,与国际先进水平还有较大的差距。西方的先进工业国如英国、德国对矿井提升机的安全性十分重视,大多已通过PLC设计了矿井提升机的电控系统,通过多种方式构成了能独立工作的双通道安全监控与安全回路,且在有关软件的设计中也采用了多种监视保护手段,系统安全性与可靠性大为增加。矿井提升系统通常由机械、电气和液压三部分组成,矿井提升机发生的故障大致可分为机械故障与电气故障两类,机械故障主要包括制动事故、过卷事故和断绳事故,电气故障主要包括主回路电流、低压电源漏电和控制电源失压等。这些事故不仅会影响矿井的正常作业,也造成矿井设备的损坏和人员的伤亡[1]。

二、故障分析法

提升机主要故障现象的故障严重机械故障主要有制动事故、断绳事故和过卷事故;电气故障如主回路过流、控制电源失压、低压电源漏电等。这些故障不仅会严重影响矿井提升机运行,还会造成提升系统装备严重损坏及人身伤亡事故,后果是非常严重的。故障分析法以不希望系统发生的事件为分析目标,逐层向下追究所有可能的原因,找出系统元件失效、环境影响、人为失误及程序处理硬件和软件因素与系统失效顶事件之间的逻辑关系。故障可用来定性分析各底事件对顶事件发生影响的组合方式和传播途径,识别可能的系统故障模式,也可用来定量计算各组成部分对系统的影响程度,算出整个系统或某一个顶事件的失效概率。位于顶事件和底事件之间的中间事件又称故障事件;底事件位于故障的底端,其失效数据不再分解。

三、矿井提升机故障分类

矿井提升机的故障可分为电气故障与机械故障两类。电气故障需要测量和检测提升机设备上的工况参数和数据信息,并将这些工矿参数和数据信息进行数据处理和综合分析才能诊断出提升机设备的故障位置、故障问题和原因。机械故障是指矿井提升机设备上的某些参数超过了正常运行时的额限,是一种提升机设备的外在表现形式,主要解决方法是给提升机设备增加一些保护装置,防止机械故障发生。如果电气故障不能有效而快速的得到解决,会导致提升机设备机械故障的发生。由于矿井提升机的电气故障往往与很多的设备变量和参数有关联,从而降低了提升机故障诊断的准确率[2]。

四、矿井提升机故障诊断存在的问题

当提升机控制系统中的传感器或执行器发生故障问题, 将会严重影响提升机系统的安全可靠运行;对矿井提升机系统中的工矿参数和数据信息处理准确度不高,提升机设备智能化程度相对较低,也是目前矿井提升机故障诊断中存在的问题;对于以开发的矿井提升机智能故障诊断系统还存在自适应能力弱,实时性不强等缺点。目前关于提升机故障诊断研究还相对较少,现有的提升机故障诊断系统也存在一些不足和缺陷。

五、基于模糊理论的矿井提升机故障诊断方法

1、基于人工智能的矿井提升机故障诊断方法

基于免疫粒子群算法的矿井提升机故障诊断方法是将人工免疫模型和离散粒子群进化算法相结合的一种矿井提升机故障诊断方法。该方法提高了矿井提升机故障诊断的执行效率,并且能够适应提升机故障诊断过程中出现的不确定性,还可以实现多种提升机故障诊断。

基于遗传神经网络算法的矿井提升机故障诊断方法是将遗传算法和人工神经网络相结合的一种新的提升机故障诊断方法。该方法将遗传算法的全局特性和神经网络的并行处理信息能力强等优点相接合,能够有效的克服人工神经网络收敛速度慢以及容易陷入局部极小等缺点,从而更加准确的建立矿井提升机故障诊断系统,快速地判断出矿井提升机的故障。

2、基于小波变换的矿井提升机故障诊断方法

小波变换是时间频率的局部化分析,它通过平移伸缩运算对信号进行多尺度细化,从而达到在信号低频处频率细分,高频处时间细分,进而可以观察到信号的任意特性细节。其最显著的特点是能够进行信号的多分辨率分析,对于正常信号中夹带的瞬态反常现象,不仅能检测出来,还能够展示该反常信号的成分,因此基于小波变换技术在矿井提升机的故障诊断中得到了广泛应用。利用小波变换对矿井提升机的动态系统的故障检测与诊断也具有很好的效果,为矿井提升机的智能故障诊断技术提供了一种强而有力的分析手段。

3、基于神经网络的矿井提升机故障诊断方法

人工神经网络具有容错能力、自学习和自适应能力以及并行处理信息能力强等特点。由于人工神经网络具有以上特点,目前将人工神经网络应用到矿井提升机故障诊断的研究也逐渐增多,主要研究有基于BP神经网络或基于Elman神经网络的矿井提升机故障诊断方法。该方法的主要思想是将矿井提升机的故障特征向量作为人工神经网络的输入,将矿井提升机的故障分类模式向量作为人工神经网络的输出。输入特征信号的提取方法主要有:时域特征法、频域特征法以及幅值域特征法;时间序列法;小波变换特征提取法等[3]。

矿井提升机的模糊诊断法是将数学集合论的概念应用到提升机设备的故障诊断中,进行模糊推理,实现矿井提升机的故障诊断,从而解决提升机设备征兆与故障间的不确定关系。该诊断方法模糊推理逻辑严谨,但是由于较难确定矿井提升机故障的模糊关系,模糊诊断知识获取困难等原因,因此矿井提升机的模糊诊断法还缺乏一定的准确性。

结束语:

随着现代科技的发展,越来越多的新型智能诊断理论开始应用于矿井提升机的故障诊断,如小波分析、人工神经网络、免疫算法以及遗传算法等。将故障树引入专家系统,通过运用故障树分析法对所建的故障树进行定性分析,再根据简化了的故障树建立专家系统知识库,不但很好地解决了建立知识库知识获取难的问题,还保证了诊断知识获取的完整性。开展对矿井提升机的智能故障诊断的研究,将会极大地提高提升机运行的安全可靠性,避免矿井事故的发生,减少不必要的损失,为矿井提升机设备的经济、高效以及安全运行提供强而有力的技术支持。

参考文献:

[1]张平.矿用机电设备常见故障及其解决策略[J].硅谷,2012(6):88.

第6篇

【关键词】天然气发动机;燃料转换;故障模拟;试验系统

通过对某城市天然气出租车的实际考察、收集资料和分析,发现天然气汽车的多发故障是燃气系统。燃气系统包括储气系统、供气管路、燃料转换开关、高频电磁阀等主要部件。其中故障率高发出现在燃料转换开关、减压器出口压力及点火提前角设置。针对上述现象,本章在意大利OMVEL燃气系统发动机试验台架上进行燃料转换故障模拟试验,并对试验结果进行了分析总结[1]。

1、燃料转换过程试验原理

此试验系统的燃料转换开关[2],有汽油档和天燃气档两个档位。将开关放置在汽油档位,发动机汽油启动,燃用汽油工作,汽油指示灯亮。放置在天燃气档位,点燃发动机的燃料仍是汽油,但踩下油门踏板使发动机转速达到燃料转换转速(1800r/min)以上时,燃料转换状态指示灯闪烁,然后减速到燃料转换转速(1800r/min)时,减压器截止电磁阀工作,天燃气指示灯亮。此过程就是汽油/CNG两用燃料发动机的燃料转换过程。

燃料转换的故障主要包括机械故障和电器故障。机械故障多出现在燃料转换开关,电器故障多出现在电路及传感器部位。燃料转换故障模拟试验主要针对相关传感器进行故障设置,如减压器出口温度传感器、储气瓶压力传感器、喷气压力传感器和减压器出口压力,通过模拟试验结果来分析判断这些传感器对燃料转换系统产生的影响[3]。

2、试验方法

2.1减压器出口温度传感器故障模拟试验设计

将温度传感器设置为断开状态,模拟温度传感器信号丢失,进行发动机燃料转换,来判断其对发动机燃料转换的影响。其故障模拟电路设计如图1所示。用滑动电位器来替代温度传感器,橙色线属于信号线,与滑动电阻滑动档位相连,黑一白线是搭铁线,连接电位器搭铁端子。温度传感器属于NTC(负温度系数)的热敏电阻。燃气ECU的电阻与滑动电位器串联,当热敏电阻值发生变化时,所得的THW值也随之变化。但在常温下,测量温度传感器电阻值 最大值为1.6kΩ。此设计选用2kΩ的电位器,改变电位器的电阻值,橙色信号线可以得到0到2.IV的分压值。

2.2储气瓶压力传感器故障模拟试验设计

将压力传感器装在减压器高压管路的进口处。将压力信号线与燃气ECU相联接,将信号线断开,进行燃料转换模拟试验,观察对发动机燃料转换的影响。

2.3喷油器喷气压力传感器故障模拟试验设计

喷气压力传感器模拟电路的设计如图2所示。喷气压力传感器用滑动电位器来替代,

图中的红一黑线属于电源线,可以向电位器提供5V电压,黑一白线属于搭铁线,紫色线属于信号线,当滑动电位器移动时,紫色信号线可以得到的信号电压在O到5V之间变化。

2.4减压器出气口压力模拟试验方法

将减压器稳压腔与―1.5升真空泵相联接,这样可以给减压器提供一个真空调节力,调节稳压腔出口压力,使其在0.01一0.09MPa范围内变化,来模拟减压器出口压力在低压状态下对发动机燃料转换的影响;当出口压力较高时(0.1一0.2MPa),可以利用减压器稳压腔压力调整螺钉来模拟在高压力情况,压力对发动机燃料转换的影响,通过在低压管路接真空表来测量减压器出口的压力值大小。

3、结论

(l)减压器温度传感器无信号时,对发动机运转无影响,原因是当燃气ECU接受不到减压器温度传感器,燃气ECU在故障模式下工作;当减压器温度传感器信号不正确时,当分压值两端的信号电压超过1.8v时,表明水温低于40℃,此状态导致发动机燃料转换异常,无法转换到燃用天然气状态;当转换开关自动跳转到汽油状态,表明燃气ECU接收减压器传感器发出的低温信号,此温度状态下发动机无足够的热量提供给减压器。

(2)气瓶压力信号只是指示燃气量的多少,在信号丢失的情况下不会对燃料转换过程产生影响。

(3)喷气压力传感器无信号时,燃料转换过程失控,不管是燃用天然气还是燃用汽油都不能互相转换;当传感器信号电压降到0.7V时,燃料状态自动转到燃用汽油,原因是燃气ECU接收到信号电压过低,判断燃气喷射压力较小,不能保证发动机运转正常,自动保护功能开启,跳转到汽油燃料状态。

(4)当减压器出口压力小于0.02MPa时,转换开关处于燃气档,发动机转速下降明显,燃料状态跳转到汽油状态;当减压器出口压力小于0.01Mpa时,出现熄火现象。原因是喷气压力传感器电压信号值偏小,燃气ECU接收到信号电压过低,判断燃气喷射压力过小,不能维持发动机正常运转,自动保护功能开启,跳转到汽油燃料状态。

参考文献

[1]南涛.汽油/CNG两用燃料发动机燃气系统故障诊断研究[D].长安大学硕士学位论文,2009

[2]李阳阳.汽油/CNG两用燃料发动机传感器故障模拟系统研究[D].长安大学硕士学位论,2012.3.

[3]黄海波主编.《燃气汽车结构原理与维修》[M].机械工业出版社,2002.3

作者简介

李强(1981-),女,山东省济南市人,硕士,实验师。

第7篇

关键词:小波变换;齿轮故障诊断;信号

引言

机械故障诊断技术是本世纪六七十年代出现发展起来的一门综合性边缘学,近20年来,故障诊断技术已发展成为集数学,物理,力学,化学,电子技术,计算机技术,信息处理,工智能等各种现代技术于一体的新兴交叉技术[1]。

1.小波变换

小波变换(即WT)是一种窗口大小固定但其形状可改变,时间窗和频率窗都可改变的时频局部化分析方法。即在低频处具有较高的频率分辨率,而在高频段具有较高的时间分辨率。正是这种特性,使小波变换具有对信号的自适应性,这也是它优于经典的Fourie:变换和短时Fourier变换的地方[2][3]。

2.齿轮振动分析

齿轮的故障可以分为局部的和分布的,其中有齿面磨损,齿面胶合和擦伤,齿面接触疲劳,弯曲疲劳与断齿是常见的齿轮故障形式。"由于齿轮故障信号基本都能反映在齿轮的振动信号上,因此故障信息需要从齿轮的振动信号中提取"。

2.1齿轮振动信号的调制

在工程中,有时会遇到两个简谐振动信号相乘的情况,其结果我们称为调制现象。调质主要可分为调幅和调相这两种。一般来说,齿轮振动信号既有幅值调制又有相位调制。

2.1.1调幅

调幅就是载频时域信号的幅值受到调制信号的调制。幅值调制的典型原因通常有两个即齿轮偏心和齿轮的加工误差。

假设X(t)=acos2 t为啮合振动信号,若对其幅度调制,即幅值a变为r(t):

r(t)=a(1+mcos2 t) (3.1)

其幅度已调波为:

X(t)= a(1+mcos2 t)cos2 t (3.2)

2.1.2调相

调相就是载频信号的相位受到调制信号的调制。若设载波信号为X(t),调制信号为: (t)= cos2 t,则相位调制后的信号为:

X(t)= a cos(2 t+ cos2 t) (3.3)

2.2齿轮故障振动模型

齿轮的振动主要是齿轮啮合激励振动,振动信号的主要成分是啮合频率及其谐波分量,所以可用以下公式来描述:

x(t)= cos(2 m t+ ) (3.4)

而经过调制齿轮故障振动信号可以表示为:

y(t)= [1+ (t)] ・cos[2 m t+ + (t) ] (3.5)

上式所描述的是啮合齿轮本身的振动,但是齿轮振动信号中除了存在啮合频率,边频成分外,还存在包括附加脉冲,隐含成分和交叉调制成分等其它的振动成分。

3.小波的应用

齿轮传动是机械设备之中最常用的传动方式,而齿面点蚀是引起故障的重要因素之一。因为在齿轮工作过程之中,由于点蚀原因齿轮会产生突变的冲击脉冲信号,如果不及时发现可能会造成严重的设备事故。我们利用小波变换就可以检测齿轮点蚀故障,通过突变信号就可以确定故障的位置,从而避免故障的发生。但是在实际之中往往还会有噪声的干扰,但是小波具有消噪功能,从而可以改善这一情况。

首先我们对齿轮点蚀声音信号进行分析处理,得到采集的齿轮的点蚀故障信号时域波形图。接下来我们必需利用db5正交小波基对其进行4层分解,其中d1-d4分别表示1,2,3,4层细节信号。最后经过仔细观察 ,从细节信号d3中我们已经能够看出周期性突变信号的存在,它对应点蚀信号故障引起的周期性冲击信号。由于小波变换的检测我们能够及时发现故障防止突发事故的发生 降低经济损失,所以对齿轮运行状态进行在线监测和故障诊断具有重要意义。

4.结论

虽然到目前为止对于怎样选择小波基函数还没有一个理论标准。但是小波变换的小波系数为其提供了依据,我们可以依此来解决一系列的问题。因为小波变换后的小波系数能够清楚的表现出小波与被处理信号之间的相似关系。另外,我们还能够根据信号处理的目的从而决定尺度的大小。由于小波的种类有很多种,目前还没有一个通用的标准来支持我们对不同的小波进行选择。但是从实际经验之中我们能够进行一定的区分,例如Morlet小波主要用来信号的分类,图像的识别和特征的提取。墨西哥草帽小波主要适用于系统识别。而样条小波用于材料探伤,Shannon正交基用于差分方程求解等等。所以对于不同的目的,我们应该有针对性的对小波进行选择。

参考文献:

[1]杨国安.齿轮故障诊断实用技术[M]中国石化出版社,2012年7月.

第8篇

论文关键词:硬件系统,固态硬盘,改造教学机房

教学用计算机的升级换代一直是学校固态资产投入的重要组成部分。一般一个机房的硬件大概使用(3-4)年的时间,按规律就要报费。通过研究发现,硬盘一直是制约电脑整体性能的最大瓶颈,可以利用现在广泛使用的固态硬盘来代替原有的机械硬盘,最大程度的提高系统、常用软件的运行速度。例:一标准教学用机房(06年购入),配置:处理器:赛扬336-2.8G,内存:512MB,硬盘80G 5400转,显卡、声卡集成。计划升级硬盘为金士顿 SSD 32G V系列SV100S2D/32G固态硬盘台式机套装。市场报价:390元、50台。技术特点:传输接口— SATA 1.5 Gb/秒及 3.0 Gb/秒、存储容量*— 32GB、尺寸— 69.85mm x 100mm x 9.5 mm、重量— 78 克、连续读取速度—32GB – 160MB/秒读取,连续写入速度—32GB – 70MB/秒写入。

固态硬盘(Solid State Disk、IDE FLASH DISK)是由控制单元和存储单元(FLASH芯片)组成,简单的说就是用固态电子存储芯片阵列而制成的硬盘,固态硬盘的接口规范和定义、功能及使用方法上与普通硬盘的完全相同,.在产品外形和尺寸上也完全与普通硬盘一致。

固态硬盘的存储介质分为两种,一种是采用闪存(FLASH芯片)作为存储介质,另外一种是采用DRAM作为存储介质。

固态硬盘的优点

1.启动快:没有电机加速旋转的过程。

2.读取延迟小:不用磁头,快速随机读取,读延迟极小。根据相关测试:两台主流电脑在同样配置的电脑下,搭载固态硬盘的笔记本从开机到出现桌面一共只用了18秒,而搭载传统硬盘的笔记本总共用了31秒,两者几乎有将近一半的差距。

3.碎片不影响读取时间:相对固定的读取时间。由于寻址时间与数据存储位置无关,因此磁盘碎片不会影响读取时间。

4.写入速度快:基于DRAM的固态硬盘写入速度极快。

5.无噪音:因为没有机械马达和风扇,工作时噪音值为0分贝。某些高端或大容量产品装有风扇,因此仍会产生噪音。

6.发热量较低:低容量的基于闪存的固态硬盘在工作状态下能耗和发热量较低,但高端或大容量产品能耗会较高。

7.不会发生机械故障:内部不存在任何机械活动部件,不会发生机械故障,也不怕碰撞、冲击、振动。这样即使在高速移动甚至伴随翻转倾斜的情况下也不会影响到正常使用,而且在电脑发生意外掉落或与硬物碰撞时能够将数据丢失的可能性降到最小。

8.工作温度范围更大:典型的硬盘驱动器只能在5到55℃范围内工作。而大多数固态硬盘可在-10~70℃工作,一些工业级的固态硬盘还可在-40~85℃,甚至更大的温度范围下工作(e.g: RunCore军工级产品温度为-55~135℃)。

9.体积小重量轻:低容量的固态硬盘比同容量硬盘体积小、重量轻。但这一优势随容量增大而逐渐减弱。直至256GB,固态硬盘仍比相同容量的普通硬盘轻。

10.抗震动:比起传统硬盘,固态硬盘抗震能力要强很多,使得数据能更加安全地保存。

体验速度的感觉固态硬盘性能测试

和众多SSD系列产品一样,稍带剧齿状的直线,性能稳定,最终成绩显示平均值为83.7MB/s,较现时最快的2.5英寸硬盘希捷7200.2 200GB和日立 7K200 200GB的50多MB/s均超过50%以上,而0.2毫秒的寻道时间更是比上述两者快出数十倍。

HD Tune测试截图

Sandra 2008 SP1的硬盘读性能测试:同样是一条较为平稳的直线,成绩为86.62MB/s,与HD Tune的成绩相差很小,也从另外一个侧面说明HD Tune是侧重于硬盘的读性能。

Sandra 2008 SP1测试截图(1)

Sandra 2008 SP1的硬盘写性能测试:相对平稳,成绩超过100MB/s,不但比现时最快的笔记本硬盘远远超出,还令现时主流的台式机硬盘汗颜,这个优异的写性能,确实是SSD产品的一大特色。

Sandra 2008 SP1测试截图(2)

Sandra 2008 SP1的文件系统性能测试:成绩85.05MB/s,从对比图来看,比台式机硬盘中的希捷SATA300 320GB要快,而寻道时间则是那些台式机硬盘根本无法比拟的。

Sandra 2008 SP1测试截图(3)

HDTach测试截图

HD Tach测试:平均读取成绩80.9MB/s,很是平稳的直线,与其它软件的读性能测试相差不大。