完整word版滚动轴承故障诊断分析.docx

完整word版滚动轴承故障诊断分析.docx

《完整word版滚动轴承故障诊断分析.docx》由会员分享，可在线阅读，更多相关《完整word版滚动轴承故障诊断分析.docx（15页珍藏版）》请在冰点文库上搜索。

完整word版滚动轴承故障诊断分析

滚动轴承故障诊断分析

学院名称：

机械与汽车工程学院

专业班级：

学生姓名：

学生学号：

指导教师姓名：

摘要

滚动轴承故障诊断

本文对滚动轴承的故障形式、故障原因、常用诊断方法等诊断基础和滚动轴承故障的振动机理作了研究，并建立了相应的滚动轴承典型故障（外圈损伤、内圈损伤、滚动体损伤）的理论模型，给出了一些滚动轴承故障诊断常见实例。

通过对滚动轴承故障振动机理的研究可以帮助我们了解滚动轴承故障的本质和特征。

本文对特征参数的提取，理论推导，和过程都进行了详细的阐述， 

关键词:

滚动轴承；故障诊断；特征参数；特征； 

ABSTRACT ：

The Rolling fault diagnosis 

In the thesis ,the fault types,diagnostic methods and vibration principle of rolling bearing are 

discussed.the thesis sets up a series of academic models of faulty rolling bearings and lists some symptom parameters which often used in fault diagnosis of rolling bearings . the study of vibration principle of rolling bearings can help us to know the essence and feature of rolling bearings.In this paper, the parameters of the extraction, theoretical analysis, and process are described in detail. 

Keywords:

 Rolling Bearing; Fault Diagnosis; Symptom Parameter; Distinction Index; Distinction Rate

0引言：

随着科技的发展，现代工业正逐步向生产设备大型化、复杂化、高速化和自动化方向发展，在提高生产率、降低成本、节约能源、减少废品率、保证产品质量等方面具有很大的优势。

　　但是，由于故障所引起的灾难性事故及其所造成的对生命与财产的损失和对环境的破坏等也是很严重的，这就使得人们对诸如航空航天器、核电站、热电厂及其他大型化工设备的可靠性、安全性提出了越来越高的要求。

除了在设计与制造阶段，通过改进可靠性设计、研究和应用新材料、新工艺以及加强生产过程中的质检控制措施提高系统的可靠性与安全性外，提高系统可靠性与安全性的另一个重要途径就是对系统的工作状态进行实时的监测与诊断，从而实现对设备的有效控制，并对灾难性故障的发生进行预警，为采取相应的补救措施提供有效的信息。

故障诊断理论就是为了满足对系统可靠性和安全性要求的提高，减少并控制灾难性事故的发生而发展起来的。

因此，故障诊断理论的发展必将促进故障监测和监控系统的快速发展与广泛应用，从而可以进一步的提高系统运行的可靠性与安全性，并由此产生巨大的经济和社会效益。

而滚动轴承是旋转机械最重要的零部件之一,也是旋转机械中的易损零件。

据统计旋转机械的故障有30%是由轴承故障引起的,轴承的故障会导致机器剧烈振动和产生噪声,甚至会引起设备的损坏。

因此,对滚动轴承故障的诊断分析,在生产实际中尤为重要。

滚动轴承诊断方法有倒频谱分析、特征参数分析法、冲击脉冲法、包络分析法、小波分析等。

振动分析是对滚动轴承进行状态监测和故障诊断的常用方法。

一般方式为：

利用数据采集器在设备现场采集滚动轴承振动信号并储存，传送到计算机，利用振动分析软件进行深入分析，从而得到滚动轴承各种振动参数的准确数值，进而判断这些滚动轴承是否存在故障。

1滚动轴承的故障形式

滚动轴承在正常情况下，长时间运转也会出现疲劳剥落和磨损。

而制造缺陷、对重偏差大、转子不平衡、基础松动、润滑油变质等因素会加速轴承的损坏。

疲劳剥落

滚动轴承的内外滚道和滚动体交替进入和退出轴承区域，这些部件因长时间承受交变载荷的作用，首先从接触表面以下最大交变切应力处产生疲劳裂纹，继而扩展到接触表面在表面产生点状剥落，逐步发展到大片剥落，称之为疲劳剥落。

磨损

长时间运转使轴承的内外滚道和滚动体表面不可避免的产生磨损，持续的磨损使轴承间隙增大，振动和噪声增加。

润滑不良和硬质颗粒进入滚道会加速轴承的磨损。

断裂

当轴承所受载荷、震动过大时，内外圈的缺陷位置在滚动体的反复冲击下，缺陷逐步扩展而断裂。

锈蚀

水分或酸碱性物质直接侵入会引起轴承锈蚀。

当轴承内部有电流通过时，在滚道和滚动体的接触点处引起电火花而产生电腐蚀，在表面上形成搓板状的凹凸不平。

擦伤

由于轴承的内外滚道和滚动体表面上的微观凸起或硬质颗粒使接触面受力不均，在润滑不良、高速重载工况下，因局部摩擦产生的热量造成接触面局部变形和摩擦焊合，严重时表面金属可能局部融化，接触面上作用力将局部摩擦焊接点从基体上撕裂。

2滚动轴承的失效形式

轴承失效通常划分为四个阶段：

第一阶段：

在轴承失效的初始阶段，故障频率出现在超声频段。

有多种信号处理手段能够检测到这些频率，如峰值能量gSE、应力波PeakVue、包络谱ESP、冲击脉冲SPM等。

此时，轴承故障频率在加速度谱和速度频谱图上均无显示。

第二阶段：

轻微的轴承故障开始激起轴承元件的固有频段，一般在500～2KHz范围内。

同时该频率还作为载波频率调制轴承的故障频率。

起初只能观察到这个频率本身，后期表现为在固有频率附近出现边频。

此时，轴承仍可安全运转。

第三阶段：

轴承故障频率的谐波开始出现，边频带数目逐渐增多。

谐波有时会比基频更早被发现。

峰值能量gSE、应力波PeakVue、包络谱ESP、冲击脉冲SPM所测故障频率幅值显著升高。

加速度频谱图上也可能观察到轴承故障的高次谐波。

此时需要停机检修。

第四阶段：

在加速度和速度频谱图上均能看到轴承故障频率的基频和高次谐波，并伴随有转速频率的边频带，各种手段所测频谱图的基底噪音水平升高，继而轴承故障频率开始消失被随机振动或噪音代替。

能明显听到故障轴承产生的噪声。

此时轴承已处于危险状态。

3故障分析方法

3.1倒频谱分析法

倒频谱分析也称为二次频谱分析，是对信号x（t）作进一步的谱分析而得到的，通过对滚动轴承典型故障的振动信号功率谱和倒频谱的比较分析,可知倒频谱能将主要的信息从复杂的频率成分和噪声中识别出来,能较好地辨别出故障特征频率和其它特征频率。

在相关文献中采用倒频谱分析技术准确，快速地判定故障发生在轴承滚动体上。

3.2特征参数分析法

3.2.1时域特征参数分析

时域的特征参数分析包括有效值、峰值、峰值因子、峭度指标等方法。

有效值是指振动振幅的均方根值，表现滚动轴承振动的瞬时值随着时间在不断地进行变化，可用于检测表面皱裂无规则振动波形的异常，但对表面剥落或伤痕等具有瞬变冲击振动的异常是不适用的；峰值是在某个时间内振幅的最大值，对瞬时现象也可得出正确的指示值，对滚动体对保持架的冲击及突发性外界干扰或灰尘等原因引起的瞬时振动比较敏感；峰值因子是峰值与有效值的比，该值适用于点蚀类故障的诊断。

通过对峰值因子值随时间变化趋势的监测,可以有效地对滚动轴承进行早期预报,并能反映故障的发展趋势；峭度指标Kv定义为归一化的4阶矩，对于其振幅满足正态分布规律的无故障轴承，其峭度指标值约为3，随着故障的出现和发展，峭度指标值具有与峰值因子类似的变化趋势；

3.2.2频域特征参数分析

当轴承无故障运行时,能量基本上集中在低频段;有故障时,故障引起的冲击力或摩擦力激发起轴承的高频振动,能量向中频段及高频段转移。

信号的功率谱反映了信号的能量随频率的分布情况,即反映了信号中的频率成分以及各频率成分的能量大小情况。

由此可以看出,通过描述功率谱中主频带位置的变化及谱能量分布的分散程度,可以较好地描述信号频域特征的变化。

频域参数主要有重心频率、均方频率、均方根频率、频率方差、频率标准差等。

3.3冲击脉冲法（SPM法）

滚动轴承存在缺陷时，如有疲劳剥落、裂纹、磨损和滚道进入异物时，会发生冲击，引起脉冲性振动。

冲击脉冲的强弱反映了故障的程度，它还和轴承的线速度有关。

目前，基于该原理的故障诊断设备还广泛应用于工厂之中。

在有关文献中，作者对传统SPM的检测方法进行改进，成功地建立聚丙烯造粒机滚动轴承的在线监测仪器系统，并在现场运行中成功检测出轴承的运行故障，避免重大事故的发生。

3.4包络分析法

包络分析是目前诊断轴承和齿轮故障的最有效方法。

包络分析是一种基于滤波检波的振动信号处理方法。

包络分析在进行频谱分析之前，首先对振动信号进行高通或带通滤波，滤掉低频成分，然后对信号进行包络解调，提取附载在高频载波信号上的低频调制信号。

最后经过低频滤波，滤掉高频载波，剩下包络之后的低频振动信号。

目前，常用的包络解调分析方法有:

宽带解调技术、共振解调技术、选频解调技术、Hilbert解调技术等。

3.5小波分析

小波分析是继傅里叶分析之后，在20世纪80年代开始逐渐发展成熟起来的一个有力的信号分析工具。

滚动轴承的故障特征信号比较弱，被淹没在高频振动和噪声中不容易分辨，然而经典的功率谱方法又难以检测出信噪比较低的故障特征信号，并且对微弱的故障特征信号不敏感，影响了诊断的可靠性和精确性。

小波分析具有多尺度性和“数学显微镜”特性，这使得小波分析能识别振动信号中的突变信号。

并且小波变换的空间局部化性质用来来分析信号的奇异性是非常有效的。

小波变换可以对振动信号进行不同层度的分解,获取信号不同尺度的轮廓信息和细节信息,其反映了信号的本质信息从而为识别故障特征信号和其干扰信号提供了可能。

四、案例分析 

4.1电力机车滚动轴承诊断案例分析 

当一个发生局部损伤的轴承运行时，由于滚动体的不断滚动，在接触损伤时会发生周期性的冲击信号，但在故障的早期阶段，这些特征往往淹没于噪声之中，很难分辨，这为更大的故障发生留下了隐患。

因此需要及时发现故障并排除，保证机械设备的安全运行。

本节中将基于改进相邻系数法的多小波降噪方法应用于机车滚动轴承的早期故障诊断中，致力于提取强噪声背景下的微弱故障特征。

     这里所检测的客运型电力机车走行部的滚动轴承与1节中为同一轴承，轴承参数如表1所示，损伤如图1所示。

测试时，采样频率为12800Hz，轴承转速为481r／rain。

可计算外圈的故障特征频率f=53Hz，而相应的周期即为18．9ms。

     采集到的时域振动信号如图1所示。

可以看到，噪声强度很大，淹没了特征信息，通过时域信号很难分辨出存在冲击。

首先采用FFT与谱峭度方法分析信号。

其中，谱峭度方法是近年来发展起来 的一种有效提取故障特征的方法，该方法通过对信号进行分解获得多个不同频率 中心与带宽的频带，并在这样的频带中依据峭度选择敏感频带，并滤波获得所关心的信号，从时域及频域分别检测故障。

图2为信号的频谱。

图2中显示频谱中频率内容非常丰富，覆盖了从低频到高频的范围，而这其中没有太突出的频率成分，因此很难通过频域直接获得故障的特征信息。

图2为采用谱峭度方法滤出的峭度最高的频段，带宽为800Hz，中心频率为6000Hz。

从图2中可以看到，在[o．03s，0．08s]以及[o．16s，0．23s]之间存在较为明显的冲击，而其他位置的冲击并没有被准确地提取。

因而，在图2中出现了53Hz中的谱线，但谱峰并不是很突出，而且由于谱峭度运算中的下抽样运算影响了平方包络谱的精度，造成频率分辨率下降，因此，通过该结果来判断故障存在并不严密。

其次，采用Db8单小波分别结合硬阈值、软阈值及传统相邻系数法来对该信 号进行降噪。

图3为采用Db8单小波硬阈值的降噪结果。

尽管图3中冲击特征较为突出，但在 [o．1ls，0．15s]之间的特征却在阈值处理时被误认为是噪声而置零了。

而且，在t=0．21s附近出现了一条干扰线，这是对噪声不能合理抑制造成的。

图3为Db8单小波软阈值降噪的结果。

在图3中[0．05s，0．15s-]内的冲击均不能分辨出来，结果比较模糊。

图3中采用Db8单小波传统相邻系数法降噪的结果要好于上面两种方法，没有出现无关的干扰冲击，但[o．1ls，0．17s]区间内的冲击仍然比较微弱，难以识别。

接下来GHM多小波用于对该轴承信号分解并降噪。

阈值降噪的结果。

图4中冲击较为明显，但无关的冲击也较多，这些无关信息干扰了对故障的判断。

其中，采用GHM多小波软阈值的结果与图4中类似，由于软阈值对系数的收缩作用，特征不够突出。

而图4中相邻系数法有效地抑制了无关冲击，但对于几个微弱冲击的提取仍然不够好。

    最后，采用基于改进相邻系数法的多小波降噪方法对该信号进行分析，如 图4所示。

可以看到，该方法不仅准确地提取出所有的冲击特征，而且对于无关的干扰信息的抑制也很成功，清晰地体现出外圈故障造成的周期性冲击特征，周期18．9ms也验证了该方法的有效性。

4.2轴承振动分析实例

在长期生产过程的状态监测中发现，滚动轴承的运转状态在其使用过程中有一定的规律性，并且重复性非常好。

正常优质轴承在开始使用时，振动幅值和噪声均比较小，但频谱有些散乱（图1）这可能是由于制造过程中的一些缺陷，如表面毛刺等所致。

图1

运行一段时间后，振动幅值和噪声维持一定水平，频谱非常单一，仅出现一、二倍频。

极少出现三倍工频以上频谱（图2），轴承状态非常稳定，进入稳定工作期。

图2

继续运行一段时间后，轴承幅值和噪声开始增大（图3），有时出现异响，但振动增大的变化较缓慢，此时，轴承峭度值由2.303突然达到33.47，可认为轴承出现初期故障。

这时，就要对该轴承进行严密监测，密切注意其变化。

图3

4.3滚动轴承实际诊断要点

在实际状态监测中，往往只需判断滚动轴承好坏，能用多长时间。

我们在现场诊断中，采用有量纲参数与无量纲参数相结合，可快速判断出轴承故障，即采用振动速度结合轴承峭度值进行综合诊断。

当两个条件均超过标准时，我们判断轴承存在故障。

。

　　另外，当监测到滚动轴承低频振动非常大时，排除机组不对中、不平衡、结构松动、基础共振等结构性因素后，即使无滚动轴承特征频率，也应对滚动轴承进行检修。

4.4轴承滚动体故障诊断案例 

    图11为含有一个滚动体损伤时采集的振动数据波形，此时滚动体的损伤程 度是直径0．18mm、深0．28mm。

此时，轴承的回转速度为1798r／min，则轴承回转频率f=29．97Hz，根据式（3．4．17）计算得到的滚动体损伤特征频率f=119．49Hz。

图12为振动信号分解到尺度3的8个第二代小波包的能量分布。

图12中序号为8的小波包能量最大，它所对应的频带为5250～6000Hz，图13为该小波包的包络谱，最大谱峰对应的频率正是滚动体损伤特征频率厂f。

当滚动体表面出现损伤时，如点蚀，损伤部分通过轴承内圈和外圈滚道时，会产生冲击振动，由

于滚动轴承通常具有径向间隙，根据损伤部分与内圈或外圈发生的位置不同，会发生振幅调制。

4.5轴承滚动体故障定量诊断案例 

一滚动轴承在轴承试验台上进行测试，滚动轴承型号为552732QT，振动加速度传感器安装于轴承外圈的垂直朝上位置，轴的转速为503r／min，采样频率为12．8kHz。

用3．4．1节的第二代小波包解调方法进行三层分解分析测得的振动信号。

图14为振动信号八个分解频带的时域重构信号，d31、d32、…、d38分别表示第三层的第一个频带、第二个频带、……、第八个频带的重构信号。

图15为振动信号由小到大依次为轴承保持架、轮对踏面、轴承滚动体、轴承外圈和轴承内圈故障特征频率处对应的解调谱分贝值。

由图15可以看出，在第六频带fd36的解调谱中轴承滚动体故障特征频率对应分贝值为23．8854dB，超出了预警值，表明滚动轴承的滚动体存在缺陷。

结论

滚动轴承是各种旋转机械中应用最广泛的一种通用机械零件，它是机器最易损坏的零件之一。

旋转机械的故障有30％是由轴承引起的。

可见轴承的好坏对机器的工作状况影响很大。

我们应重视滚动轴承故障诊断技术的发展，更好的运用故障诊断理论涉及到实践中去而解决困难。

【参考文献】

[1]钟秉林,黄仁.机械故障诊断学[M].北京机械工业出版社,2007

[2]朱泉.滚动轴承状态监测与故障诊断实用技巧.论文，2007

[3]郑洋.小波变换在旋转机械故障检测中的应用研究[J].机械应用与研究,2008

[4]朱荣乾.滚动轴承的故障机理及诊断.论文，2007

[5]段晨东,何正嘉.基于提升模式的特征小波构造及其应用[J].振动工程学报,2007

（1）.

[6]严志伟.滚动轴承的故障诊断.轴承报，1999

[7]张中民,卢文祥,杨叔子,张英堂,张培林,郑海起.基于小波系数包络谱的滚动轴承故障诊断.振动工程学报,1998

[8]史东锋,鲍明,屈梁生.小波包络分析在滚动轴承诊断中的应用.中国机械工程,2000

[9]郑传桥.浅析振动分析技术在滚动轴承故障诊断中的应用.中国工控网，2005

[10]屈梁生,何正嘉.机械故障诊断学.上海科学技术出版社，1986

[11]雷继尧,何世德.机械故障诊断基础知识.西安交通大学出版社,1991

[12]崔硕.基于振动信号的滚动轴承故障诊断的方法研究.太原理工大学，2007

[13]李卓彦，周强强，李志雄.滚动轴承故障诊断技术的研究.科技信息，2008年第36期

[14]王步宇.结构损伤的小波分形神经网络检测[J].工业控制计算机,2006

[15]孔亚林.基于振动信号的滚动轴承故障诊断方法研究.大连理工大学报,2006

[16]王卓，田振华，赵丁选.滚动轴承的振动监测与故障诊断系统研究.机电工程报，2001年06期