滚动轴承的振动信号特征分析报告DOC.docx

1、滚动轴承的振动信号特征分析报告DOC南昌航空大学实验报告课程名称： 数字信号处理实验名称：滚动轴承的振动信号特征分析实验时间： 2013年5月14日班 级 ： 100421学 号 ： * * * *成 绩 ： 滚动轴承的振动信号特征分析一、实验目的利用数字信号处理课程中学习的序列运算、周期信号知识、DFT知识，对给定的正常轴承数据、内圈故障轴承数据、外圈故障轴承数据、滚珠故障轴承数据进行时域特征或频域特征提取和分析，找出能区分四种状态（滚动轴承的外圈故障、内圈故障、滚珠故障和正常状态）的特征。二、实验原理振动机理分析：机械在运动时，由于旋转件的不平衡、负载的不均匀、结构刚度的各向异性、间隙、润

2、滑不良、支撑松动等因素，总是伴随着各种振动。振动的幅值、频率和相位是振动的三个基本参数，称为振动三要素。幅值：幅值是振动强度的标志，它可以用峰值、有效值、平均值等方法来表示。频率：不同的频率成分反映系统内不同的振源。通过频谱分析可以确定主要频率成分及其幅值大小，从而寻找振源，采取相应的措施。相位：振动信号的相位信息十分重要，如利用相位关系确定共振点、测量振型、旋转件动平衡、有源振动控制、降噪等。对于复杂振动的波形分析，各谐波的相位关系是不可缺少的。 在振动测量时，应合理选择测量参数，如振动位移是研究强度和变形的重要依据；振动加速度与作用力或载荷成正比，是研究动力强度和疲劳的重要依据；振动速度决

3、定了噪声的高低，人对机械振动的敏感程度在很大频率范围内是由速度决定的。速度又与能量和功率有关，并决定动量的大小。提取振动信号的幅域、时域、频域、时频域特征，根据特征进行故障有无、故障类型和故障程度三个层次的判断。三、实验内容Step1、使用importdata（）函数导入振动数据。Step2、把大量数据分割成周期为单元的数据，分割方法为：设振动信号为xk(k=1,2,3,n)采样频率为fs，传动轴的转动速率为Vr。采样间隔为： （1）旋转频率为： （2）传动轴的转动周期为： （3）由式（1）和（3）可推出振动信号一个周期内采样点数N： （4）由式（2）可得到传动轴的转动基频fr=29.95Hz

4、，再由式（3）可得到一个周期内采样点数N=400.67，取N=400。Step3、提取振动信号的特征，分析方法包括：1、时域统计分析指标（波形指标(Shape Factor)、峰值指标(Crest Factor)、脉冲指标(Impulse Factor)、裕度指标(Clearance Factor)、峭度指标(KurtosisValue) ）等，相关计算公式如下：（1）波形指标： (5)其中，为峰值，为均值。计算公式如下：（2）波峰指标： (6)其中，为均方根值。均方根值计算如下： (7)（3）峭度指标： (8)其中，为峭度，计算式如下： (9)（4）脉冲指标： (10)（5）偏度指标： (1

5、1)其中，为偏度，计算式如下： (12)（6）裕度指标： (13)其中，为方根幅值，计算公式如下： 2、频域分析，包括离散频谱序列统计分析指标，阶次分析等。滚动轴承的理论特征频率计算公式如下：（1）内圈故障频率： =161.73 Hz（2）外圈故障频率： =107.82 Hz（3）滚珠故障频率： =141.17 Hz其中，N 为滚珠数，d为滚珠直径， 为接触角,D为轴承节径。Step4（提高要求）、提取未知信号的特征，与已知信号的特征进行比对分类，诊断信号是否存在故障以及故障类型。未知故障类型信号：1.mat四、实验的程序代码（1）、待测信号1function y1,y2,y3,y4=Kutt

6、osisFactor();s=importdata(E:原始信号内圈故障105.mat);s_value=s.X105_DE_time;s_cutvalue=s_value(1:24000);tree=wpdec(s_cutvalue,3,sym6);det=wpcoef(tree,2);sigma=median(abs(det)/0.675;alpha=2;thr=wpbmpen(tree,sigma,alpha);keepapp=1;xd=wpdencmp(tree,s,nobest,thr,keepapp);T=400;Vaule1=zeros(1,50);for n=1:1:50 B=

7、sum(xd(1+(n-1)*T):(n*T).4)/T; Rms=sqrt(sum(xd(1+(n-1)*T):(n*T).2)/T); Vaule1(n)=B/(Rms4);end; s=importdata(E:原始信号正常97.mat);s_value1=s.X097_DE_time;s_cutvalue=s_value1(1:24000);tree=wpdec(s_cutvalue,3,sym6);det=wpcoef(tree,2);sigma=median(abs(det)/0.675;alpha=2;thr=wpbmpen(tree,sigma,alpha);keepapp=1

8、;xd=wpdencmp(tree,s,nobest,thr,keepapp);Vaule2=zeros(1,50);for n=1:1:50 B=sum(xd(1+(n-1)*T):(n*T).4)/T; Rms=sqrt(sum(xd(1+(n-1)*T):(n*T).2)/T); Vaule2(n)=B/(Rms4);end; s=importdata(E:原始信号外圈故障130.mat);s_value1=s.X130_DE_time;s_cutvalue=s_value1(1:24000);tree=wpdec(s_cutvalue,3,sym6);det=wpcoef(tree,2

9、);sigma=median(abs(det)/0.675;alpha=2;thr=wpbmpen(tree,sigma,alpha);keepapp=1;xd=wpdencmp(tree,s,nobest,thr,keepapp);Vaule3=zeros(1,50);for n=1:1:50 B=sum(xd(1+(n-1)*T):(n*T).4)/T; Rms=sqrt(sum(xd(1+(n-1)*T):(n*T).2)/T); Vaule3(n)=B/(Rms4);end; s=importdata(E:原始信号滚珠故障118.mat);s_value1=s.X118_DE_time

10、;s_cutvalue=s_value1(1:24000);tree=wpdec(s_cutvalue,3,sym6);det=wpcoef(tree,2);sigma=median(abs(det)/0.675;alpha=2;thr=wpbmpen(tree,sigma,alpha);keepapp=1;xd=wpdencmp(tree,s,nobest,thr,keepapp);Vaule4=zeros(1,50);for n=1:1:50 B=sum(xd(1+(n-1)*T):(n*T).4)/T; Rms=sqrt(sum(xd(1+(n-1)*T):(n*T).2)/T); Va

11、ule4(n)=B/(Rms4);end; s=importdata(E:待诊断信号1.mat);s_value1=s;s_cutvalue=s_value1(1:24000);tree=wpdec(s_cutvalue,3,sym6);det=wpcoef(tree,2);sigma=median(abs(det)/0.675;alpha=2;thr=wpbmpen(tree,sigma,alpha);keepapp=1;xd=wpdencmp(tree,s,nobest,thr,keepapp);T=400;Vaule5=zeros(1,50);for n=1:1:50 B=sum(xd(

12、1+(n-1)*T):(n*T).4)/T; Rms=sqrt(sum(xd(1+(n-1)*T):(n*T).2)/T); Vaule5(n)=B/(Rms4);end; y1(1)=(Vaule1(1)+Vaule1(2)+Vaule1(3)/3;y2(1)=(Vaule2(1)+Vaule2(2)+Vaule2(3)/3;y3(1)=(Vaule3(1)+Vaule3(2)+Vaule3(3)/3;y4(1)=(Vaule4(1)+Vaule4(2)+Vaule4(3)/3;y5(1)=(Vaule5(1)+Vaule5(2)+Vaule5(3)/3;y1(50)=(Vaule1(50)

13、+Vaule1(49)+Vaule1(48)/3;y2(50)=(Vaule2(50)+Vaule2(49)+Vaule2(48)/3;y3(50)=(Vaule3(50)+Vaule3(49)+Vaule3(48)/3;y4(50)=(Vaule4(50)+Vaule4(49)+Vaule4(48)/3;y5(50)=(Vaule5(50)+Vaule5(49)+Vaule5(48)/3;for n=2:1:49 y1(n)=(Vaule1(n-1)+Vaule1(n)+Vaule1(n+1)/3; y2(n)=(Vaule2(n-1)+Vaule2(n)+Vaule2(n+1)/3; y3

14、(n)=(Vaule3(n-1)+Vaule3(n)+Vaule3(n+1)/3; y4(n)=(Vaule4(n-1)+Vaule4(n)+Vaule4(n+1)/3; y5(n)=(Vaule5(n-1)+Vaule5(n)+Vaule5(n+1)/3; end;%绘图k=linspace(1,50,50);plot(k,y1(k),-.k,k,y2(k),-r,k,y3(k),-pb,k,y4(k),-*g,k,y5(k),m:d);legend(内圈故障,正常外圈故障,故障,诊断信号);小结：通过现象观察可以看出，以上得到的图形都是外圈故障。五、实验总结这个实验室研究直升机中可能出现的滚动轴承的振动信号特征分析，用到的工具是MATLAB软件，可以对图形做更好的分析。由于直升机在运动过程中轴承会摩擦，导致磨损，这对直升机来说是致命的，所以要做故障检测，通过现在所学的傅里叶函数的知识再结合软件绘图，我们就可以很好的解决这个问题。六、参考文献 1.蔡旭晖.刘卫国.蔡立燕. MATLAB基础与应用教程.人民邮电出版社.2009