轴承不对中诊断要点

轴承不对中诊断要点

来源：大连轴研科技有限公司https://www.wendangku.net/doc/2611431927.html,/

一、不对中情况的谱图特征。

1 角不对中故障

角度不对中特征谱的特点:

( 1) 会产生较大的轴向振动, 频谱为基频和2 倍频为主, 还常见基频和2 倍、3 倍频都占优势的情况。

(2) 如果3 倍频超过30% ~ 50%, 则可认为是存在角度不对中。

( 3) 联轴节两侧轴向振动相位相差180°。

2 平行不对中故障

平行不对中特征谱的特点:

( 1) 振动特性类似于角度不对中, 但径向振动较大。

( 2) 频谱中2 倍频较大, 常常超过基频。

( 3) 角度不对中和平行不对中严重时, 会产生较多谐波的高谐次( 4~ 8 倍频) 振动。

( 4) 联轴节两侧相位相差也是180°。

3 轴承不对中故障

轴承不对中实际上反映的是轴承坐标高和左右位置的偏差。由于结构上的原因。轴承在水平方向和垂直方向具有不同的刚度和阻尼，不对中的存在加大了这种差别。虽然油膜既有弹性又有阻尼，能够在一定程度上弥补不对中的影响，但当不对中过大时，会使轴承的工作条件改变，使转子产生附加的力和力矩，甚至使转子失稳和产生碰摩。轴承不对中会产生基频、2 倍频, 振动以轴向为主;找对中无法消除振动, 只有卸下轴承重新安装。

轴承不对中使轴颈中心的平衡位置发生变化，使轴系的载荷重新分布。负荷大的轴承油膜呈现非线型，在一定条件下出现高次谐波振动，负荷较轻的轴承易引起油膜涡动进而导致油膜振荡，支承负荷的变化还使轴系的临界转速和振型发生改变。

二、不对中诊断要点

1.频域：

① 确认轴向和径向在1、2、3倍频处有稳定的高峰，特别注意2倍频分量。

②径向振动信号以1倍频和2倍频分量为主，轴系不对中越严重，其2倍频分量就越大，多数情况下会超过1倍频。

③轴向振动以1倍频分量幅值较大，幅值和相位稳定。

④联轴节两侧相临轴承的油膜压力反方向变化，一个油膜压力变大，另一个则变小。相位基本上成180度。

⑤4-10倍频分量较小。

2) 时域：

确认以稳定的周期波形为主，每转出现1个、2个或3个峰，没有大的加速度冲击现象。如果轴向振动径向振动一样大或者比径向还大，则说明情况非常严重3）振动信号的原始波形是畸变的正弦波。

4）轴心轨迹呈香蕉形或8字形，正进动。

5）振动对负荷变化较为敏感，一般振动幅值随负荷的增大而升高。

提示：

1)在确认不对中的若干特征时，如果出现：轴向振动小且4-10倍频分量较大，则有可能是机械松动。

2)在诊断不对中时，如果1倍频分量比其他分量占优势，可能存在角不对中；2倍频分量比其他分量占优势，可能存在平行不对中。

3)如果时域波形不稳定或出现较大的冲击现象，可能是其他故障。

4)对于电机，如果基频及其他倍频分量大的同时，其振动时域波形有调制现象，或基频处出现边频，可能存在机电故障，如转子断条或轴承倾斜导致的偏心。

5)对于齿式联轴器在2倍频下，还可能出现3、4、5等倍频分量。

转子不对中通常指相邻两转子的轴心线与轴承中心线的倾斜或偏移程度。转子不对中可分联轴器不对中和轴承不对中，联轴器不对中又可分为平行不对中、偏角不对中和平行偏角不对中三种情况。

补充轴承不对中故障特征：

1。轴承不对中时径向振动较大，可能出现高次谐波，振动不稳定。

2。振动对负荷变化敏感，当负荷改变时，由联轴器传递的扭矩立即发生改变，如果联轴器不对中，则转子的振动状态也立即发生变化。由于温度分布的变化，轴承座的热膨胀不均匀而引起轴承不对中，使转子的振动也要发生变化。但由于热传导的惯性，振动的变化在时间上要比负荷的改变滞后一段时间

三、对心不良的征状

轴承、轴封、联轴器、转轴提早损坏。

轴承在轴向与径向产生一、二倍频的大振动。

轴承位置有高温甚至大量排出润滑油等现象。

基础桩螺丝有松脱现象。

联轴器间隙过大或破损。

联轴器有高温现象且橡塑料联轴器会有粉末排出。

马达运转电流偏高。

轴承损坏在轨道上有180度与内外对称磨损现象。

案例：误将100HZ看做是2X得出了不对中的故障，而当仔细查看之后会发现，2X不在最高点处，说明最高处并不是2X，而是2倍线频。同时对应泵子的频谱一起查看就会发现没有不对中现象，所以此处的高点应该是2倍线频而非2X，通过查看对应的速度频谱，发现2倍线频的偕频，说明这个电机是气隙不均而非不对中。

城轨列车滚动轴承早期故障诊断与状态识别方法研究

城轨列车滚动轴承早期故障诊断与状态识别方法研究 城市轨道交通作为一种高效的公共交通方式,逐渐成为了我国各大城市的交通命脉。然而在日益增长的运营压力下,列车安全问题愈发重要。 滚动轴承是城轨列车的重要部件之一,广泛应用于车辆的各个设备中,其运行状态直接影响着列车的安全运行。因此对滚动轴承进行实时监测、分析,准确把握滚动轴承的工作状态,对防止事故发生、保障列车可靠运行具有重大意义。 鉴于此,本文针对滚动轴承的早期故障诊断、特征提取、故障模式识别方法展开了系统研究,主要内容如下:(1)研究了基于变分模态分解(VMD)的滚动轴承早期故障诊断算法。针对传统经验模态分解(EMD)处理信号受噪声影响较大、易出现模态混叠的缺陷,本文提出采用VMD方法对轴承早期故障信号进行分析。 研究了 VMD算法中关键参数的选取对结果的影响,并改进了混沌粒子群算 法(CPSO),使其适用于VMD参数寻优。通过轴承早期故障仿真信号和全寿命疲劳加速实验数据进行分析对比,证明了所提方法能对轴承早期微弱故障进行有效识别,比传统方法具有更大的优势。 (2)研究了基于双树复小波包变换(DT-CWPT)的滚动轴承特征提取技术。本文首先对轴承振动信号进行时域特征参数提取,随后采用DT-CWPT对信号进行分解,求取节点重构系数的多尺度排列熵(MPE)。 为避免特征冗余对识别结果造成不良影响,通过随机森林(RF)算法进行特征选择,选取重要性较高的特征参数作为最终的模式识别算法的输入集。(3)研究了基于KELM-AdaBoost的滚动轴承故障模式识别方法。 在基本极限学习机(ELM)的基础上重点研究核极限学习机(KELM)算法,采用CPSO算法和交叉验证方法结合的方式对核极限学习机的参数进行寻优。针对单

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 an d vibration principle of rolling bearing are discussed.the thesis sets up a series of academic m odels of faulty rolling bearings and lists some sym ptom parameters which often used in fault diagnosis of rolling bearings . the study of vibration prin ciple of rolling bearings can help us to know the essence and feature of rolling bearings.In this pa

简析滚动轴承故障诊断方法及要点

简析滚动轴承故障诊断方法及要点 滚动轴承是应用最为广泛的机械零件质疑，同时，它也是机器中最容易损坏的元件之一。许多旋转机械的故障都与滚动轴承的状态有关。据统计，在使用滚动轴承的旋转机械中，大约有30%的机械故障都是由于轴承而引起的。可见，轴承的好坏对机器工作状态影响极大。 通常，由于轴承的缺陷会导致机器产生振动和噪声，甚至会引起机器的损坏。而在精密机械中（如精密机床主轴、陀螺等），对轴承的要求就更高，哪怕是在轴承上有微米级的缺陷，都会导致整个机器系统的精度遭到破坏。 最早使用的轴承诊断方法是将听音棒接触轴承部位，依靠听觉来判断轴承有无故障。这种方法至今仍在使用，不过已经逐步使用电子听诊器来替代听棒以提高灵敏度。后来逐步采用各式测振仪器、仪表并利用位移、速度或加速度的均方根值或峰峰值来判断轴承有无故障。这可以减少对设备检修人员的经验的依赖，但仍然很难发现早期故障。 滚动轴承在设备中的应用非常广泛，滚动轴承状态好坏直接关系到旋转设备的运行状态，尤其在连续性大生产企业，大量应用于大型旋转设备重要部位，因此，实际生产中作好滚动轴承状态监测与故障诊断是搞好设备维修与管理的重要环节。我们经过长期实践与摸索，积累了一些滚动轴承实际故障诊断的实用技巧。 一、滚动轴承故障诊断的方式及要点： 对滚动轴承进行状态监测和故障诊断的实用方法是振动分析。 实用中需注意选择测点的位置和采集方法。要想真实准确反映滚动轴承振动状态，必须注意采集的信号准确真实，因此要在离轴承最近的地方安排测点，在电机自由端一般有后风扇罩，其测点选择在风扇罩固定螺丝有较好监测效果。另外必须注意对振动信号进行多次采集和分析，综合进行比较。才能得到准确结论。 二、滚动轴承正常运行的特点与实用诊断技巧： 我们在长期生产状态监测中发现，滚动轴承在其使用过程中表现出很强的规律性，并且重复性非常好。正常优质轴承在开始使用时，振动和噪声均比较小，但频谱有些散乱，幅值都较小，可能是由于制造过程中的一些缺陷，如表面毛刺等所致。 运动一段时间后，振动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，轴承状态非常稳定，进入稳定工作期。 继续运行后进入使用后期，轴承振动和噪声开始增大，有时出现异音，但振动增大的变化较缓慢，此时，轴承峭度值开始突然达到一定数值。我们认为，此时轴承即表现为初期故障。

滚动轴承早期故障在线监测与诊断

第32卷第6期1998年6月 西安交通大学学报 JOURNAL OF XI c AN JIAOTONG UN IVERSITY Vol.32l6 Jun.1998滚动轴承早期故障在线监测与诊断 王丽丽王超 (西安交通大学,710049,西安) 摘要对滚动轴承早期故障的诊断提出了一种简便有效的方法.阐明频域和时域分离故障信息的原理,讨论了窄带滤波器设计参数选取的方法,特别是对窄带滤波器的中心频率及带宽与故障特征频率之间的关系给出了定量的描述,对窄带信号峰值包络包含的低频分量的放大作用给出了定量的分析.最后以5套307轴承为例进行了成功的诊断.采用文中提出的方法可由功率谱直接判读故障谱峰,该方法直观、快速、简便,非常适用于滚动轴承的在线监测与诊断. 关键词轴承故障诊断希尔伯特变换窄带滤波功率谱密度 中国图书资料分类法分类号TB123 The O n-Line Inspection and Diagnosis for the Rolling Bearing.s Tiny Fault Wang L ili Wang Chao (Xi c an J i aotong University,710049,Xi c an) Abstract An effective method based on the H ilbert transform and narrow-band filtration is proposed to dig nose the rolling bearing.s tiny fault.The theory for ex tracting the fault signal in both frequency-domain and time-domain is ex pounded.The envelope signal of the rolling bearing w ith fault sig nal is calculated using the H ilbert transform and narrow-band filtration,and then the com ponent of it caused by the fault is am plified using mathematical transformation.In discussing the choice of the narrow-band filter.s parameters,the relationship betw een the filter.s parameters(center freqency and band range)and the fault.s characteristic freqency is described quantitalively.Ex amples show that this method is valid w ith high accuracy.T he method proposed is very suitable for the rolling bearing.s on-line inspection and diagnosis. Keywords bearing f ault diagnosis H ilbert tr ansf or m nar row-band f iltr ation p ower sp ectrum density 滚动轴承是旋转机械的基础部件,也是旋转机械振动的主要激振源之一,它的状态直接影响到系统的正常运行.因此,对滚动轴承故障实现早期监测和诊断,可以预防事故的发生,在生产上具有重大的经济和社会效益. 文献[1]主要针对滚动轴承的局部缺陷,如内外 收到日期:1997O03O04.王丽丽:女,1968年7月生,建筑工程与力学学院工程力学系,博士生,讲师.

滚动轴承故障诊断与分析..

滚动轴承故障诊断与分析Examination and analysis of serious break fault down in rolling bearing 学院：机械与汽车工程学院 专业：机械设计制造及其自动化 班级：2010020101 姓名： 学号： 指导老师：王林鸿

摘要:滚动轴承是旋转机械中应用最广的机器零件，也是最易损坏的元件之一, 旋转机械的许多故障都与滚动轴承有关，轴承的工作好坏对机器的工作状态有很大的影响，其缺陷会产生设备的振动或噪声，甚至造成设备损坏。因此, 对滚动轴承故障的诊断分析, 在生产实际中尤为重要。 关键词：滚动轴承故障诊断振动 Abstract: Rolling bearing is the most widely used in rotating machinery of the machine parts, is also one of the most easily damaged components. Many of the rotating machinery fault associated with rolling bearings, bearing the work of good or bad has great influence to the working state of the machine, its defect can produce equipment of vibration or noise, and even cause equipment damage. Therefore, the diagnosis of rolling bearing fault analysis, is especially important in the practical production. Key words: rolling bearing fault diagnosis vibration 引言：滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障约有30％ 是因滚动轴承引起的，由此可见滚动轴承故障诊断工作的重要性。如何准确判断出它的末期故障是非常重要的，可减少不必要的停机修理，延长设备的使用寿命，避免事故停机。滚动轴承在运转过程中可能会由于各种原因引起损坏，如装配不当、润滑不良、水分和异物侵入、腐蚀和过载等。即使在安装、润滑和使用维护都正常的情况下，经过一段时间运转，轴承也会出现疲劳剥落和磨损。总之，滚动轴承的故障原因是十分复杂的，因而对作为运转机械最重要件之一的轴承，进行状态检测和故障诊断具有重要的实际意义，这也是机械故障诊断领域的重点。 一滚动轴承故障诊断分析方法 1滚动轴承故障诊断传统的分析方法 1.1振动信号分析诊断 振动信号分析方法包括简易诊断法、冲击脉冲法（SPM法）、共振解调法（IFD 法）。振动诊断是检测诊断的重要工具之一。 （1）常用的简易诊断法有：振幅值诊断法，反应的是某时刻振幅的最大值，适用于表面点蚀损伤之类的具有瞬时冲击的故障诊断；波峰因素诊断法，表示的

滚动轴承故障诊断(附MATLAB程序)

第二组实验 轴承故障数据： Test2.mat 数据打开后应采用 X105_DE_time 作为分析数据，其他可作为参考，转速 1797rpm 轴承型号： 6205-2RS JEM SKF, 深沟球轴承 采样频率： 12k Hz 1、确定轴承各项参数并计算各部件的故障特征频率通过以上原始数据可知次轴承的参数为： 轴承转速 r=1797r/min；滚珠个数 n=9；滚动体直径 d=7.938mm；轴承节径 D=39mm；：滚动体接触角α=0 由以上数据计算滚动轴承不同部件故障的特征频率为：外圈故障频率 f1=r/60 * 1/2 * n(1-d/D *cos α )=107.34Hz 内圈故障频率 f2=r/60 * 1/2 * n(1+d/D *cos α)=162.21Hz 滚动体故障频率 f3=r/60*1/2*D/d*[1-(d/D)^2* cos^2( α)]=70.53Hz 保持架外圈故障频率 f4=r/60 * 1/2 * (1-d/D *cos α )=11.92Hz 2.对轴承故障数据进行时域波形分析 将轴承数据Test2.mat导入 MATLAB 中直接做 FFT 分析得到时域图如下：

并求得时域信号的各项特征： 1）有效值：0.2909； 3）峰值因子：5.2441；2）峰值： 1.5256；4）峭度： 5.2793；6）裕度因子：

3.包络谱分析 对信号做 EMD 模态分解，分解得到的每一个 IMF 信号分别和原信号做相关分析，找出相关系数较大的 IMF 分量并对此 IMF 分量进行 Hilbert 变换。 Empirical Mode Decomposition im 由图中可以看出经过 EMD 分解后得到的９个 IMF 分量和一个残余量。 IMF 分量分别和原信号做相关分析后得出相关系数如下： 由上表得：IMF1 的相关系数明显最大，所以选用 IMF1 做 Hilbert 包络谱分析。所得 Hilbert 包络谱图如下：

滚动轴承故障诊断综述

摘要：滚动轴承是旋转机械中使用最多，最为关键，同时也是机械设备中最易损坏的机械零件之一。滚动轴承质量的好坏对机械设备运行质量影响很大，许多旋转机械设备的运行状况与滚动轴承的质量有很大的关系。滚动轴承作为旋转机械设备中使用频率较高，同时也是机械设备中较为薄弱的环节，因此对滚动轴承进行故障诊断具有重大意义。 引言：故障诊断技术是一门研究设备运行状况信息，查找故障源，研究故障发展趋势，确定相应决策，与生产实际紧密相结合的实用技术。故障诊断技术是20世纪中后迅速发展起来的一门新型技术。国外对滚动轴承故障诊断技术的研究开始于20世纪60年代。美国是世界上最早研究滚动轴承故障诊断技术的国家，于1967年对滚动轴承故障进行研究，经过几十年的发展，先后研制了基于时域分析，频域分析，和时频分析的滚动轴承故障诊断技术。 目前国外已经研制出先进的滚动轴承故障诊断仪器，并且已经应用于工业生产中，对预防机械事故，减少损失起到了至关重要的作用。国内对故障诊断技术的研究起步较晚，20世纪80年代我过开始研究滚动轴承故障诊断技术，经过多年的研究，先后出现了基于振动信号的滚动轴承故障诊断，基于声音信号的滚动轴承诊断方法，基于温度的滚动轴承诊断方法，基于油膜电阻的滚动轴承诊断方法和基于光钎的滚动轴承诊断方法。从实用性方面来看，基于振动信号的滚动轴承诊断方法具有实用性强，效果好，测试和信号处理简单等优点而被广泛采用。在滚动轴承故障诊断中，比较常用的振动诊断方法有特征参数法，频谱分析法，包络分析法，共振解调技术。其中共振解调技术是目前公认最有效的方法。 振动检测能检测轴承的剥落、裂纹、磨损、烧伤且适于早期检测和在线检测。因而，振动诊断法得到一致认可。包络检测是轴承故障振动诊断的一种有效方法,实际中已广泛使用。当轴承出现局部损伤类故障后，振动信号中包含了以故障特征频率为周期的周期性冲击成分，虽然这些冲击成分是周期出现的，但单个冲击信号却具有非平稳信号的特性。Fourier变换在频域上是完全局部化的，但由于其基函数在时域上的全局性使它没有任何的时间分辨率，因此不适合非平稳信号的分析。短时Fourier 变换虽然在时域和频域上都具有一定的分辨率而由于其基函数只能对信号进行等带宽的分解。因此基函数一旦确定，其时域和频域分辨率也就不能变化，从而不能自适应地确定信号在不同频段的分辨率。小波变

滚动轴承故障诊断与分析

滚动轴承故障诊断与分析 Examination and analysis of serious break fault down in rolling bearing

学院：机械与汽车工程学院 专业：机械设计制造及其自动化 班级：2010020101 姓名： 学号： 指导老师：王林鸿 :摘要,滚动轴承是旋转机械中应用最广的机器零件，也是最易损坏的元件之一 轴承的工作好坏对机器的工作状态有很旋转机械的许多故障都与滚动轴承有关，对滚动甚至造成设备损坏。因此, 大的影响，其缺陷会产生设备的振动或噪声， 轴承故障的诊断分析, 在生产实际中尤为重要。关键词：振动滚动轴承故 障诊断 Rolling bearing is the most widely used in rotating Abstract:easily machinery of the machine parts, is also one of the most damaged components. Many of the rotating machinery fault associated with rolling bearings, bearing the work of good or bad has great influence to the working state of the machine, even and of vibration or noise, produce its defect can equipment cause equipment damage. Therefore, the diagnosis of rolling bearing fault analysis, is especially important in the practical production. Key words: rolling bearing fault diagnosis vibration 引言：％30滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障约

声发射检测技术用于滚动轴承故障诊断的研究综述_郝如江

振 动 与 冲 击 第27卷第3期 J OURNAL OF V IBRAT I ON AND SHOCK Vo.l 27No .32008 声发射检测技术用于滚动轴承故障诊断的研究综述 基金项目:863计划(2006AA04Z438)资助;河北省自然科学基金(E2007000649)资助 收稿日期: 2007-06-25 修改稿收到日期:2007-07-12 第一作者郝如江男,博士生,副教授,1971年生 郝如江1,2 , 卢文秀1 , 褚福磊 1 (1.清华大学精密仪器与机械学系,北京 100084;2.石家庄铁道学院计算机与信息工程分院,石家庄 050043) 摘 要:声发射是材料受力变形产生弹性波的现象,故障滚动轴承在运转过程中会产生声发射。从几个方面综合 阐述了国内外轴承故障声发射检测技术的研究和发展现状,即轴承故障声发射信号的产生机理,故障声发射信号的传播衰减特性,声发射信号的参数分析法和波形分析法对故障特征的描述,轴承故障声发射源的定位问题,根据信号特征进行 故障模式识别以及声发射检测和振动检测的比较问题。通过分析总结出滚动轴承声发射检测技术下一步的研究方向,并指出滚动轴承故障的声发射检测是振动检测的有力补充工具,特别是在轴承低转速和故障早期的检测中更能发挥作用。 关键词:声发射;滚动轴承;故障诊断 中图分类号:TH 113,TG 115 文献标识码:A 滚动轴承是各种旋转机械中最常用的通用零部件之一,也是旋转机械易损件之一。据统计,旋转机械的故障有30%是轴承故障引起的,它的好坏对机器的工 作状况影响极大[1] 。滚动轴承主要损伤形式有:疲劳、 胶合、磨损、烧伤、腐蚀、破损、压痕等[2] 。轴承的缺陷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,对重要用途的轴承进行工况检测与故障诊断是非常必要的。 滚动轴承故障的检测诊断技术有很多种,如振动信号检测、润滑油液分析检测、温度检测、声发射检测等。在各种诊断方法中,基于振动信号的诊断技术应用最为广泛,该技术分为简易诊断法和精密诊断法两种。简易诊断利用振动信号波形的各种参数,如幅值、波形因数、波峰因数、概率密度、峭度系数等,以及各种解调技术对轴承进行初步判断以确认是否出现故障;精密诊断则利用各种现代信号处理方法判断在简易诊断中被认为是出现了故障的轴承的故障类别及原因。振动信号检测并非在任何场合都很适用,例如在汽轮机、航空器变速箱及液体火箭发动机等鲁棒性较低的系统中,轴承的早期微弱故障就会导致灾难性的后果,但是早期故障的振动信号很微弱,又容易被周围相对幅度较大的低频环境噪声所淹没,从而无法有效检测出故障的存在[3] 。由于声发射是故障结构本身发出的高频应力波 信号,不易受周围环境噪声的干扰[4] ,因此声发射检测方法在滚动轴承的故障诊断中得到了应用。 1 滚动轴承故障声发射检测机理 111 声发射检测技术原理 材料受到外力或内力作用产生变形或者裂纹扩展 时,以弹性波的形式释放出应变能的现象称为声发射[5] 。用仪器检测、分析声发射信号和利用声发射信号推断声发射源的技术称为声发射检测技术,它是20世纪60年代发展起来的一种动态无损检测新技术,其利用物质内部微粒(包括原子、分子及粒子群)由于相对运动而以弹性波的形式释放应变能的现象来识别和了解物质或结构内部状态。 声发射信号包括突发型和连续型两种。突发型声发射信号由区别于背景噪声的脉冲组成,且在时间上可以分开;连续型声发射信号的单个脉冲不可分辨。实际上,连续型声发射信号也是由大量小的突发型信号组成的,只不过太密集而不能分辨而已。目前对于声发射信号的分析方法主要包括参数分析法和波形分析法。112 滚动轴承故障声发射源问题 滚动轴承在运行不良的情况下,突发型和连续型的声发射信号都有可能产生。轴承各组成部分(内圈、外圈、滚动体以及保持架)接触面间的相对运动、碰摩所产生的赫兹接触应力,以及由于失效、过载等产生的诸如表面裂纹、磨损、压痕、切槽、咬合、润滑不良造成的的表面粗糙、润滑污染颗粒造成的表面硬边以及通过轴承的电流造成的点蚀等故障,都会产生突发型的声发射信号。 连续型声发射信号主要来源于润滑不良(如润滑油膜的失效、润滑脂中污染物的浸入)导致轴承表面产生氧化磨损而产生的全局性故障、过高的温度以及轴承局部故障的多发等,这些因素造成短时间内的大量突发声发射事件,从而产生了连续型声发射信号。 滚动轴承在运行过程中,其故障(不管是表面损伤、裂纹还是磨损故障)会引起接触面的弹性冲击而产生声发射信号,该信号蕴涵了丰富的碰摩信息,因此可利用声发射来监测和诊断滚动轴承故障。与振动方法不同的是,声发射信号的频率范围一般在20kH z 以上,而振动信号频率比较低,因此它不受机械振动和噪声

滚动轴承故障诊断频谱分析

滚动轴承故障诊断1（之国外专家版） 滚动轴承故障 现代工业通用机械都配备了相当数量的滚动轴承。一般说来，滚动轴承都是机器中最精密的部件。通常情况下，它们的公差都保持在机器的其余部件的公差的十分之一。但是，多年的实践经验表明，只有10%以下的轴承能够运行到设计寿命年限。而大约40%的轴承失效是由于润滑引起的故障，30%失效是由于不对中或“卡住”等装配失误，还有20%的失效是由过载使用或制造上缺陷 等其它原因所致。 如果机器都进行了精确对中和精确平衡，不在共振频率附近运转，并且轴承润滑良好，那么机器运行就会非常可*。机器的实际寿命也会接近其设计寿命。然而遗憾的是，大多数工业现场都没有做到这些。因此有很多轴承都因为磨损而永久失效。你的工作是要检测出早期症状并估计故障的严重程度。振动分析和磨损颗粒分析都是很好的诊断方法。 1、频谱特征 故障轴承会产生与1X基频倍数不完全相同的振动分量——换言之，它们不是同步的分量。对振动分析人员而言，如果在振动频谱中发现不同步分量那么极有可能是轴承出现故障的警告信号。 振动分析人员应该马上诊断并排除是否是其它故障引起的这些不同步分量。 如果看到不同步的波峰，那极有可能与轴承磨损相关。如果同时还有谐波和边频带出现，那么轴承磨损的可能性就非常大——这时候你甚至不需要再去了解轴承准确的扰动频率。 2、扰动频率计算 有四个与轴承相关的扰动频率：球过内圈频率（BPI）、球过外圈频率（BPO）、保持架频率（FT）和球的自旋频率（BS）。轴承的四个物理参数：球的数量、球的直径、节径和接触角。其中，BPI 和BPO的和等于滚珠/滚柱的数量。例如，如果BPO等于3.2 X，BPI等于4.8 X，那么滚珠/滚柱 的数量必定是8。

轴承运行状态监测与故障诊断方法研究【开题报告】

毕业设计开题报告 测控技术与仪器 轴承运行状态监测与故障诊断方法研究 一、选题的背景、意义 装备制造业是为国民经济和国防建设提供技术的重要产业，而振兴装备制造业的重中之重是提高装备的创新和产品的国产化，轴承产品作为装备制造业中重大装备的基础零件，也必须实现其自主创新和国产化。从文献所知，国务院在《关于加快振兴装备制造业若干意见》中提出,选择16个对国家经济和国防建设有重要影响的关键领域，以重大装备为重点，尽快扩大自主装备的市场占有率[1]。而在这16个关键领域中的重大技术装备中,绝大部分都要装用轴承，并且需要高技术的轴承来保证其精度、性能、寿命和可靠性。据数据显示,至2010年，这16个关键领域每年要配套轴承约 550.5万套，产值约 116.5亿元。滚动轴承作为机械设备中重要的零件，是机械设备的重要故障源之一。统计表明：在使用滚动轴承的机械中，大概有 30%的机械故障是由滚动轴承引起的。在感应电机故障中，滚动轴承故障约占电机故障的40%左右,而齿轮箱各类故障中的轴承故障率仅次于齿轮占20%。有关资料表明，我国现有的机车用的滚动轴承，每年约40%要经过下车检验，其中的33%左右被更换。 因此，改定期维修为状态监控维修，研究机车轴承故障监测和诊断，有重要的经济效益和实用价值[2]。据统计，对机械设备应用状态监测与故障诊断技术，事故发生率可降低75%，维修费用可减少25～50%。滚动轴承的状态监测与故障诊断技术在了解轴承的性能状态和及时发现潜在故障等方面起着至关重要的作用，并且可以有效提高机械设备的运行管理水平及维修效能，具有显著的经济效益。 二、相关研究的最新成果及动态 现在，我国在滚动轴承监测与故障诊断技术方面的研究经历了2个重要阶段:从70年代末到80年代初，主要吸收国外先进技术，并对一些故障原理和诊断方

轴承故障诊断中的信号处理技术研究与展望

!专题综述# 轴承故障诊断中的信号处理技术研究与展望 董建宁,申永军,杨绍普 (石家庄铁道学院机械工程分院,河北石家庄050043) 摘要:讨论了各种信号处理技术在滚动轴承故障诊断中的应用,如平稳信号处理技术、非平稳信号处理技术,非高斯和非白色噪声信号处理技术、非线性信号处理技术、奇异值分解技术以及各种智能诊断技术。详细比较了各种信号处理技术的特点、应用范围和研究进展,并指出了今后的若干研究方向,为轴承的故障诊断和在线监测提供了依据。 关键词:滚动轴承;故障诊断;信号处理 中图分类号:T H133.33;T N911.7文献标识码:B文章编号:1000-3762(2005)01-0043-05 Study and Prospect on S ignal Process Technique of Bearing Fault Diagnosis DONG Jian-ning,SHEN Yong-jun,YANG Shao-pu (Department of M echincal Eng ineering,Shijiazhuang Railway Inst itute,Shijiazhuang050043,China) Abstract:T he application of several signal process techniques are discussed in failur e diagnosis of the rolling bearing, such as steady signal,non-steady sig nal,non-g auss-s and non-w hite no ise signal,non-linear signal process tech-nique,oddity value decompositio n technique and so me kinds of intelligent diagnosis technique.T he characterist ics,ap-plied area and development trend of the signal process techniques ar e compared in detail.A nd t he study dir ections in t he futur e are pointed out. Key words:ro lling bearing;fault diagnosis;signal process 对重要轴承进行工况监视与故障诊断,不但可以防止机械工作精度下降,减少或杜绝事故发生,而且可以最大限度地发挥轴承的工作潜力,节约开支,在工程上具有重要意义。 本文以轴承系统为研究对象,重点介绍轴承的振动诊断技术中常见的信号处理方法。现代信号分析和处理的本质可以作一个/非0字高度概括:研究和分析非线性、非因果、非最小相位系统、非高斯、非平稳、非整数维信号和非白色的加性噪声[1]。其中非最小相位和非因果信号处理技术目前尚未在故障诊断中得到应用。现介绍其他信号处理技术在轴承故障诊断中的应用情况。 收稿日期:2004-03-12;修回日期:2004-04-22 基金项目:河北省科学技术研究与发展计划项目(01547019D) 作者简介:董建宁,(1977-),女,研究生,专业方向:滚动轴承的故障诊断技术研究。1平稳信号处理技术 111平稳信号的Fourier谱分析技术 目前振动信号分析工程上常用的信号处理方法是FFT频谱分析。在对轴承的故障诊断中,将振动信号进行频谱分析,查看谱图中有无明显的故障频率谱峰存在,从而可以判断轴承是否完好。这种方法具有很大的局限性,诊断出来的轴承一般都已有较严重的损害,并且对轴承早期故障的分析不够灵敏。 112平稳信号的时间序列分析 对于直接进行频谱分析比较困难的情况,如采集的信号序列较短,或者Fourier变换不能将相互靠近的两个频率分开,采用时间序列分析(也称参数模型的谱分析)是一种较好的方法。常用的时间序列模型有ARMA模型、AR模型以及MA 模型。关于各种模型的特点、算法以及适用领域 ISSN1000-3762 CN41-1148/T H 轴承 Bear ing 2005年第1期 2005,No.01 43-47

滚动轴承故障诊断的频谱分析

滚动轴承故障诊断的频谱分析 滚动轴承在机电设备中的应用非常广泛，滚动轴承状态的好坏直接关系到旋转设备的运行状态，因此在实际生产过程中作好滚动轴承的状态监测与故障诊断是搞好设备维修与管理的重要环节。 滚动轴承在其使用过程中表现出很强的规律性，并且重复性强。正常优质轴承在开始使用时振动和噪声均比较小，但频谱有些散乱，幅值比较小。运动一段时间后，振动和噪声保持在一定水平，频谱比较单一，仅出现一，二倍频，极少出现三倍工频以上频谱，轴承状态非常平稳，进入稳定工作期。持续运行后进入使用后期，轴承振动和噪声开始增大，有时出现异音，但振动增大的变化比较缓慢，此时，轴承峭度值开始突然到达一定值。可以认为此时轴承出现了初期故障。这时就要对轴承进行严密监测，密切注意其变化。此后轴承峭度值又开始快速下降，并接近正常值，而振动和噪声开始显著增大，其增大幅度开始加快，其振动超过标准时（ISO2372），其轴承峭度值也开始快速增大，当轴承超过振动标准，峭度值也超过正常值时，可认为轴承已进入晚期故障，需要及时检修设备，更换滚动轴承。 1、滚动轴承故障诊断方式 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。采用恩递替公司的Indus3振动测量分析系统进行大中型电机滚动轴承的状态监测和故障诊断，经过近几年实际使用，其效果令人非常满意。要想真实准确反映滚动轴承振动状态，必须注意采集信号的准确真实，因此要在离轴承最近的地方安排测点。 2、滚动轴承正常运行特点与诊断技巧 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。例如，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。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。继续运行一段时

滚动轴承故障诊断 文献综述

滚动轴承故障诊断文献综述 [ 2008-4-2 14:38:00 | By: mp2 ] 推荐 文献综述 ——滚动轴承故障诊断 1.前言 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。据统计。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。轴承故障诊断就是要通过对能够反映轴承工作状态的信号的测取，分析与处理，来识别轴承的状态。包括以下几个环节：信号测取；特征提取；状态识别：故障诊断；决策干预[1]。 滚动轴承故障诊断传统的分析方法有冲击脉冲法，共振解调法，倒频谱分析技术。 在现代分析方法中，小波分析是最近几年才出现井得以应用和发展的一种时—频信号分析方法。它具有时域和频域的局部化和可变时频窗的特点．用它分析非平稳信号比传统的傅里叶分析更为最著。由于滚动轴承的故障信号中禽有非稳态成分，所以刚小波分析来处理其振动信号．可望获得更为有效的诊断特征信息[2]。 滚动轴承故障的智能诊断技术就是把神经网络、专家系统、模糊理论等技术与滚动轴承的特征参数有机地结合起来进行综合分析的故障诊断技术。 2.故障信号诊断方法 2.1冲击脉冲法(spm) SPM技术(Shock Pulse Method)，是在滚动轴承运转中，当滚动体接触到内外道面的缺陷区时，会产生低频冲击作用，所产生的冲击脉冲信号，会激起SPM 传感器的共振，共振波形一般为20kHz～60kHz，包含了低频冲击和随机干扰的幅值调制波，经过窄带滤波器和脉冲形成电路后，得到包含有高频和低频的脉冲序列。SPM 方法是根据这一反映冲击力大小的脉冲序列来判断轴承状态的。此种方法目前被公认为对诊断滚动轴承局部损伤故障工程实用性最强的。此方法虽然克服了选择滤波中心频率和带宽的困难，但这种固定中心频率和带宽的方法也有其局限性，因为，一些研究结果表明，滚动轴承局部损伤故障所激起的结构共振频率并不是固定不变的，在故障的不同阶段可能激起不同结构的共振响应,而不同部位的故障(内、外圈、滚子)也会激起不同频率结构的共振响应。显然，固定的滤波频带有其局限性。实际使用情况表明，当背景噪声很强或有其他冲击源时，

滚动轴承故障诊断技术

目录 摘要 (3) 第1章绪论 (4) 1.1滚动轴承故障诊断技术的发展现状 (4) 1.2滚动轴承故障诊断技术的发展趋势 (6) 1.3滚动轴承诊断基础 (7) 1.3.1滚动轴承的常见故障形式 (7) 1.3.2滚动轴承的诊断方法 (8) 1.4本课题的研究意义和内容 (9) 第2章滚动轴承振动机理 (11) 2.1滚动轴承的基本参数 (11) 2.1.1滚动轴承的典型结构 (7) 2.1.2滚动轴承的特征频率 (11) 2.1.3滚动轴承的固有频率 (13) 2.2滚动轴承故障诊断常用参数 (14) 2.2.1时间领域有量纲特征参数 (14) 2.2.2时间领域的无量纲特征参数 (15) 2.2.3频率领域的无量纲特征参数 (16) 第3章滚动轴承故障诊断实验系统及实验方案 (17) 3.1滚动轴承故障诊断实验系统 (17) 3.1.1滚动轴承故障实验机械平台 (18) 3.1.2设备的组成: (19) 3.1.3设备的主要参数: (19) 3.1.4实验平台信号采集及故障诊断系统 (21) 3.2实验方案 (23) 3.2.1轴承的故障状态 (23) 3.2.2实验步骤 (23) 第4章实验的操作过程及数据的提取 (25) 4.1装拆轴承 (25)

4.1.1实验前期准备 (25) 4.1.2试机 (25) 4.1.3拆卸并安装轴承 (25) 4.2信号的采集过程 (27) 4.2.1前期准备 (27) 4.2.2数据采集过程 (28) 4.3数据信号的处理过程 (30) 第5章结论 (35) 致谢 (36) 参考文献 (37)

旋转机械故障诊断特征参数的提取 摘要：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用的特征参数。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，本文所提出的方法不仅仅适用滚动轴承故障的诊断，还可推广适用旋转机械其它故障的诊断。 关键词:滚动轴承；故障诊断；特征参数；分辨指数；识别率 The Extraction on Fault Diagnosis Symptom Parameters of Rotating Machinery ABSTRACT：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, the paper by the way not only to the Rolling fault diagnosis, but also promote the application of other rotating machinery fault diagnosis. Keywords:Rolling Bearing; Fault Diagnosis; Symptom Parameter; Distinction Index; Distinction Rate

轴承故障诊断技术及发展现状和前景

轴承故障诊断技术及发展现状和前景 摘要 本文分析了轴承故障信号的基本特征,并将共振解调技术的原理和基于振动信号的信号处理方法用于滚动轴承的故障诊断. 在实践中运用该技术手段消减了背景噪声的干扰,提高了轴承的信噪比, 取得了与实际情况完全吻合的诊断结果。并概述了滚动轴承故障监测和诊断工程与试验应用技术的现状，并预测了滚动轴承故障监测和诊断技术应用新进展和发展方向。 关键词：滚动轴承；共振解调；小波 分析；信噪比(SN R )；变速箱；故障监测；信号处理；故障诊断；应用技术。 1 轴承故障信号的基木 特征 机器在正常工作的条件下其转轴 总是匀速转动的. 由轴承的结构可知, 当轴承某元件的工作而产生缺陷时, 由加速度传感器所测取到的轴承信号 具有周期性冲击的特征，由信号理论 可知, 时域中短暂而尖锐的冲击信号 变换到频域中去时必具有宽频带的特 性, 而非冲击的干扰信号则不具有上 述特性，所以时域中的周期性冲击与 频域中的宽频带特性构成了轴承故障 信号区别于其它非冲击性干扰信号的 基木特征。 2 用共振解调技术提高 轴承信号的信噪比 我们来考察一下用共振解调技术提高轴承信号信噪比的过程。传感器拾取到的轴承信号包含两部分内容, 即轴承的故障信号和干扰噪声两部分。带通滤波器的中心频率与传感器的安装片振圆频率相一致, 它将保存被传感器的共振响应所加强了的冲击性故障信号, 滤除掉频率较低的干扰噪声信号, 这种保留下来的瞬态冲击信号经过包络检波器后就形成了一个与故障冲击重复频率相一致的包络脉冲串, 然后对该脉冲串进行普分析便在低频域内得到一个与冲击币复频率相一致的峰值。峰值的大小反映了冲击的强弱即故障的严重程度这样我们就借助共振解调技术实现了故障信号与干扰信号的分离, 并在低频域内重新得到了故障冲击的信息。而在常规的信号分析与处理过程中一开始就使用了抗混频滤波器(低通滤波器这种分析方法没有利用轴承故障信号的特点, 经抗混频滤波器后将被传感器的共振以加强放大了的故障特征信号无情地滤除了, 所剩下的只是强大的背景噪声信号及微弱的故障特征信号, 因此用常规的信号分析方法难以排除干扰信号的影响而采用共振解调技术就可以排除背景噪声的干扰, 提高轴承故障诊断的有效率。