机械故障诊断 滚动轴承故障诊断DOC.docx

机械故障诊断 滚动轴承故障诊断DOC.docx

《机械故障诊断 滚动轴承故障诊断DOC.docx》由会员分享，可在线阅读，更多相关《机械故障诊断 滚动轴承故障诊断DOC.docx（13页珍藏版）》请在冰豆网上搜索。

机械故障诊断滚动轴承故障诊断DOC

《机械故障诊断技术》读书报告

滚动轴承的诊断案例分析综述

RollingBearingFaultDiagnosisApproach

BasedonCase-BasedReasoning

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：

机制一班

姓名：

王天宇

学号：

1102135004

指导教师：

郑冬

学年学期：

2014-2015学年第一学期

摘要：

针对滚动轴承的故障诊断问题，提出了一种采用案例推理的诊断方法，为了解决检索相似案例时案例属性多、人工确定关键属性及其权重困难的问题，提出了一种复合特征选择算法，用领域粗糙集算法粗选属性，用遗传算法进一步精选属性和优化权重，并有效地解决了领域粗糙集算法中需要人工确定领域大小的问题，以滚动轴承运行时的振动信号为基本信息，建立了滚动轴承案例库，从案例库中检索与问题案例相似的历史案例，并根据这些历史案例来判断问题案例的故障类别，试验结果表明，故障诊断的正确率达到100％，故障位置诊断的正确率达到93.3%，且算法具有较好的稳定性。

关键词：

案例推理；滚动轴承；故障诊断

Abstract：

Thecase-basedreasoningapproachisintroducedintorollingbearingfaultdiagnosis.Tosolvethecomplexityoffeatureselectionandweightsoptimization,aFilterWrapperintegratedfeaturesselectionalgorithmisproposed.Neighborhoodroughsetalgorithmisappliedtoselectessentialfeaturesfromthefeaturecandidateset,thengeneticalgorithmisappliedtorefinetheessentialfeaturessubset.Thismethodsolvestheproblemofdeterminingthesizeofneighborhoodmanuallyinneighborhoodroughsetalgorithm.Geneticalgorithmisalsousedinfeatureweightsoptimization.Withtheruntimevibrationsignalofrollingbearingasthebasicinformation,arollingbearingfaultcasedatabaseisconstructed.Thehistoricalcasessimilartotheproblemcasearerecalledandchosentodecidethefaulttype.Thedatabaseexperimentshowsthehigherefficiencyandaccuracyforessentialattributesandweightsinfaultdiagnosis.

Keywords：

case-basedreasoning；rollingbearing；faultdiagnosis

目录

一引言

1.滚动轴承的主要故障

2.滚动轴承故障监测与诊断方法

二案例分析

1）电力机车滚动轴承诊断案例分析

2）轴承外圈故障诊断案例

3）轴承内圈故障诊断案例

4）轴承滚动体故障诊断案例

5）轴承滚动体故障定量诊断案例

三结论

四参考文献

一引言

1.滚动轴承的主要故障

由于滚动轴承的材料缺陷，加工或装配不当，润滑不良，水份和异物侵入，腐蚀以及过载等原因都可能导致早期损坏。

当然，即使在安装、润滑和使用维护都正常的情况下，经过一段时间的运转，轴承也会出现疲劳剥落和磨损等现象影响机器的正常工作。

概括起来滚动轴承的主要故障形式有：

1．疲劳剥落

滚动轴承工作时，浚道和滚动体表面既承受载荷又相对滚动，由于交变载荷的作用，首先在表面下一定深度处（最大剪应力处）形式裂纹，继而扩展到接触表层发生剥落坑j最后发展到大片剥落，这种现象就叫做疲劳剥落。

疲劳剥落会造成运转时的冲击载荷、振动和噪声加剧。

在正常工作条件下，疲劳剥落往往是浚动轴承故障的主要原因。

我们习惯上听说的轴承寿命就是指轴承的疲劳寿命。

2．应损

由于滚道和滚动体的相对运动（包括浚动和滑动）和尘埃异物的侵入等都会引起表面磨损，而当润滑不良时更会加剧表面磨损。

磨损的结果使轴承游隙增大，表面粗糙度增加，从而降低了轴承的运转精度，因而也降低了机器的整体运动精度，振动及噪声也随之增大。

对于精密机械中所使用的轴承，往往就是因为磨损量限制了轴承的寿命。

此外，还有一种所谓的微振磨损。

当轴承本身不旋转而受到振动Bf，由于滚动体和该道接触面问有微小的、往复的相对滑动，因而导致微振磨损产生，其结果在该渲上形成波纹状的磨痕。

3．塑性变形

在工作负荷过重的情况下，轴承受到过大的冲击载荷或静载荷，或者因为热变形引起额外的载荷，或者当有高硬度的异物侵入时，都会在滚道表面上形成凹痕或划痕。

这将使轴承要运转时产生剧烈的振动和噪声。

而且，一旦产生上述凹痕，由此所引起的冲击载荷可能还会进一步引起附近表面的剥落。

4腐蚀

腐蚀也是滚动轴承的常见故障之一。

当水份直接侵入轴承时就会引起轴承腐蚀，另一方面，当轴承停止工作时，轴承温度下降达到零点，空气中的水份凝结成水滴吸附在轴承酌表面上也会引起腐蚀。

此外，当轴承内部有电流通过时，在滚道和滚动体之间的接触点处，电流通过很薄的泊膜引起火花，使表面局部熔融，在表面上形成波纹状的凹凸不平。

高精度的轴承往往由于表面腐蚀，丧失精度而破损。

2.滚动轴承故障监测与诊断方法

轴承元件的损伤不可能直接诊断，只能间接诊阮诊断方法有以下几种。

（1）噪声诊断法。

这是最原始的方法，由于设备各种噪声和环境噪声的干扰很大，从监测信号中提取被溯轴承的噪声信息十分困难，所以现代故障诊断领域应用较少。

但是用听音棒接触与轴承员接近的部位监听轴承运行时的噪声，至今仍在采崩。

这是因为这种方法具有简单、方便、快速等优点，适合普通机械设备的简易诊断。

若用电子听诊器提高灵敏度，有经验的人不仅能识别轴承有无故障，而且还能估计出发生故障的原因。

（2）振动诊断法。

轴承元件损伤，运行时必然产生冲击和振动。

根据振动诊断轴承的状态是日前最适用的方法。

国内外开发生产的轴承监测与诊断仪表绝大多数都是根据振动诊断原理制成的。

由于轴承的结构特点和不可避免的加上与安装误差，正常轴承运行时．不避免地已有相当复杂的振动，再加上轴承所在设备的各种振动干扰，所以根据振动信号判别轴承故障的关镕是排除干扰提高信噪比，这是一件十分复杂的技术。

因此目前单独根据振动信息诊断轴承故障还不是十分可靠的技术．最好采用多种方法进行综合诊断。

（3）温度诊断法。

轴承元件损伤，轴承的温度便会升高，所以对轴承可以进行温度监测。

这种方法简单易行使用最早。

但是它的灵敏度很低、响应也傻，特别是工作表面剥落、压痕或裂纹等局部性损伤在初期阶段几乎小pJ能根据温度变化检测出来。

不过温度对轴承载荷、速度和润滑泊情况的变化还比较灵敏，所以温度诊断法对防止轴承故障还有重要意义，至今仍普遍采用。

（4）油膜电阻法。

运行中的滚动轴承，由于滚道与滚动体之间形成泊膜，所以电阻很大．常在兆欧以上，若轴承损伤，润滑状态恶化，则油膜破坏，电阻变小到零酞附近。

利用这种变化就可对轴承故障进行诊断。

（5）光纤监测技术。

用光纤位移传感器监测轴承的运行状态是—“种直接从轴承套图表面提取信息的诊断技术，灵敏度高．传递通道的影响小。

用光导纤维制成的传感器台有发送光纤束与接收光纤束两部分，光线从发射光纤束射出、

经传感器端面和铂敢套图表面间的间隙照射到套图表面上，然后反射回来，由接收光纤束至收：

经光电元件转换为电压输出，间隙量d改变时，照射在套图表面的面积也随之改变，接收光纤束接收的光量、光电元件输地的电压也随之改变，可以判别轴承套圈的径向变化量和轴承的状态。

（6）油污染物分析。

检测润滑油中轴承磨损产物可有效地判断轴承是否损伤。

常用的分析方法有铁谱分析法和磁塞分析法。

但这两种方法只适用于油润滑轴承，局限性大。

2、案例分析

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。

图1外圈轻微损伤的滚动轴承时域信号

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。

图2振动信号频谱及谱峭度方法处理结果

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。

图3Db8单小波降噪结果

接下来GHM多小波用于对该轴承信号分解并降噪。

图4为采用GHM多小波硬阈值降噪的结果。

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。

图4改进相邻系数法的多小波降噪方法分析结果

2）轴承外圈故障诊断案例

图5为滚动轴承外圈存在一个直径为0．53mm、深为0．28mm的损伤时采集的一组振动信号。

当滚动轴承外圈上存在损伤时，损伤点的位置与承载方向之间的位置关系是一定的，所以主要是脉冲调制，从时域波形上可以看到一系列的高频衰减振动。

此时，轴承的回转速度为1797r／min，则轴承的回转频率f=29．25Hz，可通过式（3．4．16）计算得到的外圈损伤特征频率为91．44Hz。

图5轴承外圈损伤为0.53mm的振动信号

采用基于第二代小波包的轴承损伤监测诊断方法处理振动信号，得到尺度3的小波包能量分布图如图6所示。

能量最大的小波包对应的频带范围为5250～6000Hz，它的第二代小波包包络谱如图7所示。

可以看到，谱图上显示出外圈损伤特征频率^及其二倍频分量；同时，轴承回转频率厂及其倍频分量也出现在包络谱上，这是滚动轴承通常存在间隙而使振动信号的振幅发生调制所致。

图6外圈损伤的尺度3小波包能量分布

图7图6中能量最大小波包的包络谱

3）轴承内圈故障诊断案例

图8为轴承内圈存在一个直径为0．18mm、损伤深度为0．28mm的内圈损伤时测到的一组振动信号，此时，测得轴承的回转速度为1796r／min，则轴承回转频率f=29．93Hz，可通过式（3．4．15）计算得到的内圈损伤特征频率f=148．1Hz。

图8滚动轴承内圈损伤时的振动信号

尺度3的8个第二代小波包的能量分布如图9所示。

图9中序号为7的第二代小波包能量最大，它所对应的频带为4500～5250Hz。

该小波包的包络谱示于图10中。

在图10上，最大谱峰对应的频率为148Hz，该频率正是轴承内圈损伤的特征频率^。

另外，轴承回转频率厂的1倍频、2倍频、3倍频等倍频分量也出现在第二代小波包的包络谱上。

当轴承内圈存在表面损伤时，由于滚动轴承通常都有径向间隙，且单边受载，根据损伤点和滚动体发生冲击的位置不同，振动的振幅会发生强弱变化，其中多数与回转频率和滚动体的公转频率的振幅调制有关，最主要的是通过固有频率的脉冲调制。

图9内圈损伤的尺度3小波包能量分布

图10图10中能量最大小波包的包络谱

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。

图11含有滚动体损伤的滚动轴承振动信号

图12轴承滚动体损伤的尺度3小波包能量分布

图13图12能量最大小波包的包络谱

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14第二代小波包重构信号

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。

图15第二小波包络解调谱分贝值

滚动轴承解体后，发现轴承一个滚动体的端部存在周向擦伤，而手感并不明

显，如图16所示。

图16滚动轴承滚子端部周向擦伤

三结论

以上例举了在实践中遇到的三个典型实例,可得出以下几点结论。

（1）轴承故障特征频率是诊断滚动轴承缺陷的有效方法。

（2）利用包络谱、倒频谱分析技术可较准确地判断滚动轴承缺陷的部位及损伤程度。

（3）滚动轴承滚道内单一剥落坑,在频谱图上表现为轴承故障特征频率峰值较高,其倍频峰值较低。

（4）滚动轴承滚道多处损伤,在频谱图上表现为轴承故障特征频率的峰值与其倍频的峰值相差不大、并呈衰减趋势。

（5）滚动轴承内圈滚道故障,在频谱图上表现为内圈故障特征频率及其倍频两旁均出现被转频调制的边频带。

而外圈滚道故障,在外圈故障特征频率及倍频两旁基本不出现边频带。

（6）发现轴承早期故障特征频率信号,要引起足够重视,否则将酿成重大事故。

四参考文献

[1]李臻．第二代小波理论及其在故障诊断中的应用研究（博士学位论文）．西安：

西安交通大学，2008．

[2]何正嘉，陈进，王太勇，等．机械故障诊断理论及应用．北京：

高等教育出版社，2010．

[3]段晨东．基于第二代小波变换的故障诊断技术研究（博士学位论文）．西安：

西安交通大学，2005．

[4]王晓冬．基于多小波变换的机械设备早期故障与复合故障诊断研究（博士学位论文）．西安：

西安交通大学，2009．

[5]袁宏义，牛明忠，叶潦秀《设备振动诊断技术基础》，国防工业出版社出版1991年7月.

[6]邪朴生，刘五军，《现代机器故障诊断学》，农业出版社出版，1991年7月