故障诊断课程设计-滚轴.doc

滚动机械轴承的故障诊断 1 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%是因为滚动轴承引起的，由此可见滚动轴承故障诊断工作的重要性。随着对滚动轴承的运动学、动力学的深入研究，对于轴承振动信号中的频率成分和轴承零件的几何尺寸及缺陷类型的关系有了比较清楚的了解，加之快速傅里叶变换技术的发展。开创了用频域分析方法来检测和诊断轴承故障的新领域。其中最具代表性的有对钢球共振频率的研究，对轴承圈自由共振频率的研究。本文主要着重于对滚动轴承滚动体磨损的故障研究，主要研究方法为傅里叶变换，功率谱分析，自相关分析，倒频谱分析，Hilbert包络谱，小波理论等方法。 2 轴承内圈故障特征频率 对滚动轴承实施振动诊断的基本方法是频率分析。滚动轴承的振动频率成分非常丰富，每一个元件都有各自的故障特征频率。由于滚动轴承早期故障的诊断信号十分微弱，往往淹没在其它强烈的振动信号之中。因此，若检测信号的振动幅值往往难以发现故障的存在，容易造成漏检。通过对振动信号作频率分析可以部分避免这种情况。为了顺利地进行频率分析，需要计算出滚动轴承的主要特征频率。 滚动体故障的特征频率： 上式中D节径，d滚动体直径，为接触角，为内圈的转频。 代入具体的数据， 当=5HZ时，可得=25.38HZ，当=10HZ时，可得=50.77HZ，当=15HZ时，可得=76.15HZ，当=20HZ时，可得=101.54HZ。 3 FFT运算 FFT是离散傅里叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。 3.1 时域波形 时域波形图如下： 由上述图1和图2观察比较可以发现，正常时的振动信号要平稳很多，振幅较小，而故障信号则振动剧烈，振幅较大，具有明显的冲击信号，呈现出周期性的特点，但得不到具体的频率方面的信息。 3.2 FFT运算波形 从上述图4中可以看出，正常状态下，轴承的低频段谱峰突出。图3与图4比较发现，在发生故障的情形下，轴承的振动信号，不仅在低频段表现突出，而且在高频段谱峰突出比较明显，而且有多个谱峰，这主要是因为滚动体有损伤时，在转动一周内，有时损伤点位于载荷区内，有时位于损伤区外；当损伤点位于载荷区内时，它与滚动体接触时产生脉冲力；当损伤点位于载荷区外时，如果不考虑运动时惯性力的作用，则不产生脉冲力；由此分析可以看出，滚动体损伤引起的脉冲力的大小和方向受损点位置的影响，当产生的脉冲力较大时，能够引起高频共振，当产生的脉冲力较小时，引起中低频共振。 从故障信号的频谱图形，很难得出轴承发生故障的特征频率。 4 功率谱 功率谱估计是数字信号处理的主要内容之一，主要研究信号在频域中的各种特征，目的是根据有限数据在频域内提取被淹没在噪声中的有用信号。功率谱是从能量的观点对信号进行研究。 从上述两个图中，比较可以发现，正常信号的功率谱图形与故障信号的功率谱图形的差别是很明显的。正常信号的功率谱主要集中在0~500Hz低频范围内，振幅也较小；而故障信号的功率谱主要集中在高频带，振幅也较大。这主要是因为，滚动体有损伤时，在转动过程中，会产生冲击信号，叠加在正常信号上，使得幅度增加，而且产生了高频共振。 5 自相关分析 从上述两个图中比较可以看出，故障信号的自相关运算和正常信号的自相关运算的差别是很明显，主要表现在：（1）幅值大小不一样，正常信号的幅值范围比故障信号的幅值范围小；（2）故障信号的自相关程度呈现出一种由弱到强，再到弱的特点，没有周期性；而正常信号的则呈现出一种随着时间的变化，自相关程度逐渐减小的特点；（3）故障信号有一些很明显的冲击信号，幅值很高，而正常信号则没有。 6数据分析 正常时数据 故障时数据 均值 0.0015 0.0065 有效值 0.2569 0.8313 方差 6.3854e-005 6.4979e-004 歪度 -0.1337 -0.1063 峭度 3.7211 7.2483 该数据是在转速为300转/分钟，采样频率20K情况下的正常数据与故障数据的分析比较。从表中可以看出，故障情况下，均值、有效值、方差、歪度和峭度的值均远高于正常时的数据。 7 倒频谱 300转/分钟时的信号倒频谱 450转/分钟时的信号倒频谱 600转/分钟时的信号倒频谱 750转/分钟时的信号倒频谱 从图中可知，正常信号的倒频谱没有明显的冲击信号，故障信号的倒频谱可以观察到明显的冲击信号，由此可以判断设备是否存在故障。另外，在300转/分钟时，故障信号的冲击信号不明显，随