基于LabVIEW的滚动轴承故障诊断系统实现详解.docx

基于LabVIEW的滚动轴承故障诊断系统实现详解.docx

《基于LabVIEW的滚动轴承故障诊断系统实现详解.docx》由会员分享，可在线阅读，更多相关《基于LabVIEW的滚动轴承故障诊断系统实现详解.docx（14页珍藏版）》请在冰点文库上搜索。

基于LabVIEW的滚动轴承故障诊断系统实现详解

东北大学

研究生考试试卷

考试科目：

动态信号分析与处理

课程编号：

阅卷人：

考试日期：

2015.1

姓名：

王万振

学号：

1400494

注意事项

1．考前研究生将上述项目填写清楚

2．字迹要清楚，保持卷面清洁

3．交卷时请将本试卷和题签一起上交

东北大学研究生院

基于LabVIEW的滚动轴承故障诊断系统实现

摘要滚动轴承是机械设备旋转机械中最常用的部件，在生产中起着关键性作用，因此其运行状态是否正常往往直接影响整台机器的性能。

据统计旋转机械中由于滚动轴承损伤而引起的故障占到大约30%，因此对滚动轴承故障诊断的研究有很大的实际意义。

本文先对滚动轴承的故障诊断技术按发展阶段进行了概述。

接着介绍了本诊断系统是如何搭建的，同时介绍了轴承诊断的一些方法以及它们的优缺点。

第三部分是基于LabVIEW的滚动轴承故障诊断系统的实现，也是本文的重点。

最后通过对测量数据和处理数据的分析，判断出轴承的故障类型。

本文的目的是建立一套基于LabVIEW的比较完整和可行的滚动轴承故障诊断系统，并对实践起到一定的指导作用。

关键词：

滚动轴承；故障诊断；LabVIEW；诊断系统

1引言

滚动轴承是旋转机械中应用最广泛的机械部件，在旋转机械中起着关键的作用，同时也是机械设备中最易损故障零件之一，其结构如图1所示。

滚动轴承运行状态是否正常直接影响整机的性能。

所以正确诊断轴承故障，对延长旋转机械的使用寿命、节省维修费用、保证机器设备正常运行、避免事故有很大的实际意义。

本文将实验数据读入到在LabVIEW中搭建的系统中，通过时域分析、倒频分析、功率谱分析、FFT分析、短时FFT分析、Hilbet分析、小波分析等方法对滚动轴承进行了故障诊断，并确定了滚动轴承的故障类型。

2滚动轴承故障诊断技术概述

最原始的方法是将听音棒（或螺丝刀）接触轴承座部，靠听觉来判断有无故障。

虽然训练有素的人能觉察到轴承刚发生的疲劳剥落与损伤部位，但受主观因素的影响较大。

后来出现了各种测振仪，可用振动位移、速度或加速度的均方根值和峰值来判断轴承有无故障，这可以减少对人为经验的依赖，但仍很难发现早期故障

随着对滚动轴承的运动学、动力学的深入研究，加之，快速傅立叶变换技术的发展，开创了用频域分析方法来检测和诊断轴承的故障。

（就技术手段而言，故障诊断已逐步形成以振动测试、油样分析、温度监测等为主，其他技术或方法为辅的局面。

这其中又以振动诊断涉及的领域最为广泛，理论基础最为雄厚、研究最为充分。

振动监测方法分为时域分析和频域分析，时域分析方法比较简便，适宜于噪声干扰小的场合，是简易诊断的好方法；频域诊断方法中，共振解调方法最为可靠，而且非常成熟，适宜于轴承故障的精密诊断）

随着滚动轴承信号处理技术的发展，现已有多种信号处理技术应用于滚动轴承的故障诊断和监测。

如频率细化技术、倒频谱等，在信号预处理上采用了各种滤波技术，如相干波，自适应滤波等，提高了诊断灵敏度。

但是先进的理论需要先进的监测技术和仪器仪表的支持，否则其研究、设计、应用都很难发展。

目前，用于诊断轴承故障的仪器设备采用的故障诊断信号识别主要是模拟检测系统，如FFT分析仪、幅值分析仪、电平记录仪等。

但是，这些传统的诊断仪器仪器功能单一、价格昂贵。

随着计算机技术的发展，以软件为核心的虚拟仪器弥补了传统测试仪器的不足，虚拟仪器是计算机系统与仪器系统有机结合的产物。

虚拟仪器利用计算机系统的强大功能和突出的性价比，结合相应的硬件，大大突破了传统仪器在数据处理、显示、传输和存储等方面的限制。

虚拟仪器技术在国外发展很快，以美国Nl公司为代表的一批厂商己经在市场上推出了基于虚拟仪器技术而设计的商业化仪器产品。

在国内已有部分院校的实验室引入了虚拟仪器系统,如清华大学汽车系利用虚拟仪器技术构建了汽车发动机检测装置等。

国内有几十家企业在研制PC虚拟仪器，如哈工大仪器王电子有限责任公司就是其中之一。

3诊断系统的总体设计

3.1滚动轴承的振动机理

当滚动轴承在运转时，一般是外圈与轴承座或机壳相连接，固定或相对固定，内圈与机械的传动轴相连接，随轴一起转动。

当轴以一定速度并在一定荷载下运转时，轴承滚动表面损伤的形式和轴承轴的旋转速度，决定了激振力的频率，轴承和外壳决定了振动系统的传递特性。

因此，振动系统的最终频率，由以上二者共同决定。

引起滚动轴承振动的因素很多，有本身轴承转动引起的振动，有由于人为因素引起的振动，也有由于轴承产生故障以后引起的故障。

3.2滚动轴承的故障类型

磨损失效。

磨损是滚动轴承中最常见的一种失效形式，在滚动轴承运转过程中，滚动体和套圈之间存在滑动，这些滑动会引起零件接触面的磨损。

当磨损量较大时，轴承便产生游隙噪声，振动增大。

疲劳失效。

在滚动轴承中，滚动体或套圈滚动表面由于接触负荷的反复作用，从表面下形成细小裂纹，随着以后的持续负荷运转，裂纹逐步发展到表面，致使材料像岩块一样裂开，直至金属表面层产生片状或点坑状剥落。

轴承的这种失效形式叫疲劳失效。

轴承运转时，一旦发现疲劳剥落，其振动和噪声都将急剧恶化。

腐蚀失效。

腐蚀失效包括化学腐蚀和电腐蚀。

压痕失效。

压痕失效也称为塑性失效，这种失效会在轴承的表面形成凹坑。

断裂失效。

这种失效形式是比较严重的失效类型，不仅是轴承自身不能再使用，而且会对其他零部件造成损坏。

胶合失效。

这种失效形式一般产生在高速运转中。

点蚀失效。

这种失效比较常见，而且轴承外圈、内圈、滚动体都会产生点蚀失效。

3.3LabVIEW的主要特点

（1）人机界面友好，操作简单（基于G语言），能够直观的显示轴承振动信号的时频域波形、参数值、频域波形和诊断结论，完成检测波形的存储和查询。

（2）利用第三方软件，实现系统的远程监测，体现虚拟仪器和PC机结合的优势。

（3）能同时采用多种手段进行诊断，可以提高诊断的准确性。

另外，虚拟仪器相比硬件分析设备，节省的经济成本。

3.4本课题的分析方法

本课题分析的方法主要有时域法、倒频分析、功率谱分析、FFT分析、短时FFT分析、Hilbet分析、小波分析。

时域分析法。

时域波形反映信号的幅值随着时间变化而变化的关系，时域波形直观、易于观察，可以通过对时域波形特征参数的监测实现滚动轴承早期故障的诊断。

使用的数字特征有：

峰值、均方根植、方差等有量纲特征参量和自相关函数、互相关函数以及峰值因子、波形因子、脉冲因子、峭度系数等无量纲特征参量。

峰值反映的是某时刻振幅的最大值，因而它适用于像表面点蚀损伤之类的具有瞬时冲击的诊断。

另外，对于转速较低（如300r/min以下）的情况也采用峰值进行诊断。

均值在工程测试中描述的是静态物理量，如静力等，其优点是检测较峰值稳定，但一般用于转速较高的情况（如300r/min）。

均方根值应用于像磨损之类的振幅值随时间缓慢变化的故障诊断。

峭度系数对滚动轴承的点蚀很敏感，是滚动轴承诊断的重要参数。

比如：

滚动轴承的振动信号是正态分布的，其峭度值约为3，当轴承出现故障时，其峭度值大于3。

频域分析法。

频域分析法是把复杂的振动信号分解为多个不同频率的简谐振动信号，以频率为变量来描述信号的方法。

轴承的振动频谱分为低频、中频和高频三个频段。

低频信号是指频率低于IKHz的振动，由于实际工作中的滚动轴承的故障频率通常都在IKHz以下，因此，可以直接通过振动信号的波形图或根据频谱图上相应的特征谱线状况对可能的故障原因加以确定；中频信号的频率范围为IKHz一ZOKHz，在此频段可采用共振解调方法进行故障诊断；高频信号的频率范围是20KHz一80KHz，可利用加速度传感器的谐振或专门设计谐振电路来放大由于冲击而形成的衰减振动信号，以获得早期诊断信息。

频谱图的幅值有两种表示法：

一种以振幅（均方根值或峰值）形式表示，称为幅值谱。

幅值谱分析是直接对采样所得的时域信号进行傅立叶变换，求得关于该时域信号的频率构成信息，在各种分析方法中，傅立叶变换是频谱分析的基础；另一种以能量形式表示，称为功率谱。

这里重点介绍一下Hilbert变换和小波分析方法。

Hilbert变换是一种线性变换，代表线性系统，如果输入是平稳的，那么输出信号也应该是平稳的；Hilbert变换强调局地属性，用它可以得到瞬时频率，这就避免了用Fourier变换时为了拟合原序列而产生的多余的、事实上并不存在的高、底频成分。

Hilbert变换有自身的优势，比如对于轴承的外圈的点蚀，如果用FFT变换是发现不了它的故障的，但用Hilbert变换就可以清楚的诊断出轴承外圈的点蚀故障。

3.5轴承诊断经验公式

当内圈、外圈、滚珠出现点蚀故障时,会产生一定（特征）频率的冲击,引起轴承振动,机器运行会出现周期性脉冲。

这种周期性脉冲作用时间短,形状陡峭。

根据轴承产生缺陷零件的不同,元件的故障特征频率也不相同。

滚动轴承的故障缺陷频率为:

内滚道有缺陷时：

（1）

外滚道有缺陷时:

（2）

　滚动体有缺陷时:

（3）

式中:

d为滚动体直径;D为中径;fr为主轴旋转频率，z为滚动体个数。

通过测量滚动轴承尺寸就可计算出滚珠、内圈、外圈故障的特征频率。

该轴承为6207深沟球轴承，内径35mm，外径72mm，宽度17mm，中径53.5mm，d=18.5mm，z=9，n=1450r/min，经计算，内滚道的故障频率（特征频率）为39.12HZ，外滚到的故障频率为146.35HZ，滚动体的故障频率为71.12HZ。

3.6系统的搭建

本系统选用型号为CA-YD189的加速度传感器，其具体参数为：

灵敏度1000mv/（m/s2），频率范围0.2~3kHz，量程20

，抗冲击500

。

因为加速度传感器是用于旋转机器的最常用的传感器。

这种传感器坚固耐用，结构紧凑，重量轻频率响应范围宽。

加速度计广泛的用于很多状态监测的工作。

滚动轴承在检测时残生很高的振动频率。

安装法采用磁性安装法，安装在轴承座上。

信号调理设备为NI公司的便携式信号调理模块（SCC），通过SC-2345屏蔽盒与数据采集卡相连。

数据采集卡选用了NI公司的PCIe-6251，24位的模拟输入分辨率，最高1.25MS/s的采样率，24通道的模拟输入。

该系统在LabVIEW中的程序框图如下：

图3.1轴承故障诊断程序框图

该程序的设计思路是先将采集到的数据输入测试系统，同时进行切比雪夫滤波，这里设计了三种滤波方式，进行了比较，最后觉得切比雪夫进行滤波比较理想。

将原始波形滤波后，相应的进行功率谱、互功率谱、倒谱、FFT、STFT、Hilbert变换和分析，将相应波形图与轴承内圈、外圈、滚动体相应的特征频率结合在一起进行轴承的故障诊断。

因为还需要时域的一些参数进行辅助诊断（比如最大最小值、均值、峰峰值、均方根值），所以有对过滤后的信号进行了时域参数的程序编制。

。

该系统在LabVIEW中的显界面如下：

图3.2轴承故障诊断程序框图

图3.3轴承故障诊断程序框图

4轴承故障诊断分析

4.1时域分析

采集数据的原始信号和经过滤波后的信号如下图：

图4.1原始信号和经过滤波后的信号

时域分析中的一些参数如下：

图4.2时域分析参数

信号的均值反映信号振幅的总体水平．有效值反映信号总体能量大小。

而信号的峰值反映信号冲击的最大值。

滚动轴承在故障状态下振动信号的均值、有效值以及峰值都将发生变化。

尤其是有效值和峰值会显著增大。

通过观测滚动轴承的均值、有效值以及峰值的变化可判断滚动轴承是否存在故障。

由时域图可以看出该信号在一些特点的时间，也就是特定的位置有较大幅值。

较大的幅值预示着滚动轴承可能会有故障。

该信号的峰峰值相比正常故障较大，而峰值反映的是某时刻振幅的最大值，因而它适用于像表面点蚀损伤之类的具有瞬时冲击的诊断，但该轴承主轴的转速是1450r/min，由于转速较大，所以不适用于用峰峰值来判断轴承的故障。

峭度值是滚动轴承故障诊断的一个重要参数．峭度值对冲击信号特别敏感．通常用于滚动轴承的早期故障诊断。

对于一个给定的滚动轴承振动信号．峭度值的定义为

式中

－振动信号

x－振动信号的均值

－振动信号的标准差

N－振动信号的强度

经计算，该轴承的峭度大于10，而峭度系数对滚动轴承的点蚀很敏感，是滚动轴承诊断的重要参数。

当滚动轴承不存在故障时，其峭度值约为3，当轴承出现故障时，其峭度值大于3。

所以可以判断，该轴承很可能存在故障。

具体的故障类型，要根据频域分析进行判断。

4.2频域分析

该轴承信号的功率谱如下：

图4.3信号功率谱

由功率谱可以看出，在70到80HZ之间，有尖峰值出现，对比轴承内圈、外圈、滚动体的特征频率，发现该频率和滚动体的特征频率71.1HZ很接近，所以可以判断出该故障是滚动体出现点蚀。

该轴承信号的自功率谱如下：

图4.4信号自功率谱

自功率谱的图像与横轴围成的面积表示信号的平均功率，在一定程度上表示该信号能量的大小，从自功率谱中可以看出，在某些特定的频率处，能量比较大，也就预示着振幅比较大，可以初步判定该轴承内圈表面可能有表面脱落等故障。

该轴承信号的倒谱如下：

图4.5信号的倒谱

倒频谱分析可把边带信号分离出来．使在功率谱中难以分辨的周期分量在倒频谱图中变为离散的线谱。

倒频谱的定义为

式中

——经变换得到的倒频谱；

——原信号的自功率谱;

倒谱是用来诊断轴承的磨损故障。

由该倒谱图中可以看出在30HZ到40HZ之间幅值较大，而内圈的故障频率是39.12HZ，所以可以诊断出存在故障为轴承的内圈磨损。

该轴承信号的Hilbert图如下：

图4.6信号的Hilbert图

Hilbert包络谱是一种常用于分析具有调制特性的齿轮故障信号和滚动轴承故障信号．是旋转机械振动信号分析的一种常用方法。

在滚动轴承故障诊断中，通常利用滚动轴承故障信号的包络谱来确定滚动轴承的故障特征频率。

Hilbert包络谱是先将信号进行Hilbert变换

得解析信号

对

进行傅里叶变换即可得到信号的包络谱。

Hilbert变换就可以清楚的诊断出轴承外圈的点蚀故障。

从Hilbert图中可以看出，在700HZ左右信号振幅较大，这正好和外圈信号特征频率的5倍频接近，所以可以判断出是轴承外圈出现了点蚀。

5结论

通过时域分析，尤其是其峭度值，可以判断出该滚动轴承很可能出现了故障。

在频域分析中，通过功率谱可以诊断出存在故障是滚动体出现点蚀；通过自功率谱可以诊断出轴承内圈表面可能有表面脱落等故障；通过倒谱可以诊断故障为轴承的内圈磨损；通过Hilbert图可以诊断出轴承外圈出现了点蚀。

参考文献

[1]柴慧霞.基于LabVIEW的轴承状态监测及故障诊断系统实现.太原理工大学，2008，6.

[2]葛新峰，王志豪，顾青，唐澍.基于信号分析的滚动轴承故障诊断.数据采集与处理，2010,12.

[3]刘海生，刘学江，王会刚.基于LabVIEW的滚动轴承故障诊断系统.煤矿机械，2011,1.

[4]朱可恒.滚动轴承振动信号特征提取及诊断方法研究.大连理工大学，2013,10.

[5]肖文斌.基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究[D].上海:

上海交通大学,2011.

[6]李力,王红梅.滚动诊断故障程度诊断的HMM方法研究[J].轴承,2012,6:

42-45.

[7]付新哲,张优云,朱永生.滚动轴承故障诊断的案例推理方法[J].西安交通大学学报,2011,45（11）:

79-84.