机械故障诊断大作业滚动轴承
滚动轴承故障及其诊断方法
滚动轴承故障及其诊断方法
滚动轴承是一种很常见的机械元件，广泛用于工业和消费市场，用于
转动机械装置的旋转部件。
它们的主要功能是支撑和稳定轴，允许轴在指
定的位置和方向上旋转，以及在转动时减少摩擦和重复负载。
滚动轴承可
以在各种不同类型的机械设备中找到，例如汽车，风能发电机，摩托车，
电机，空调，电气箱等。
滚动轴承可以长期高效工作，但如果不适当地维护和维修它，可能会
导致故障。
常见的滚动轴承故障包括损坏，轴承旋转变慢，轴承外壳发热，内部损坏，轴键变形，低速磨擦，扭矩问题等。
解决这些问题的关键是找
出故障的根本原因，并根据现场条件采取正确的解决方案。
要有效诊断滚动轴承故障，可以采用以下方法。
1.检查外壳：检查轴承外壳表面，以及固定螺丝和轴承挡圈是否松动、弯曲或破损。
检查底座是否正确安装，轴是否紧固，以及轴承应用的负载
是否正确。
2.状态检查：检查轴承内部和外壳的温度，查看是否有油漆和碳垢，
并检查轴承内部有无异响和异常磁性。
3.拆卸检查：仔细检查轴承内部的轴承衬套、滚珠和圆柱滚道，查看
是否有损坏、磨损或异物。
滚动轴承故障诊断实例
滚动轴承故障诊断实例
滚动轴承故障诊断实例可以包括以下几种情况：
1. 声音异常：当滚动轴承出现故障时，可能会出现异常的噪音，如嘶嘶声、刮擦声或者咔咔声等。
这种情况下，可以通过听觉判断故障的类型和位置。
噪音一般源于滚珠或滚道表面的损伤或者磨损。
2. 振动异常：故障的滚动轴承会导致轴承运行不稳定，产生过大的振动。
可以通过振动传感器来检测振动的频率和幅度，进而判断故障的严重程度和位置。
振动异常可能是由于轴承内部松动、滚子损伤或滚道不平整等问题引起的。
3. 温度异常：滚动轴承运行时，由于磨擦和摩擦产生的热量，轴承温度会有所上升。
但是，如果滚动轴承的温度明显高于正常值，可能表明存在故障。
可以通过红外测温仪或接触式温度计来测量轴承的温度，判断是否存在异常。
4. 润滑问题：滚动轴承需要得到正确的润滑以保持正常运行。
如果滚动轴承出现故障，润滑不足或者污染等问题，会导致滚动轴承的寿命缩短。
可以通过观察润滑脂或润滑油的颜色、黏度以及滚动轴承周围是否有渗漏等来判断润滑是否正常。
上述实例中的故障诊断需要依靠专业的设备和工具，同时需要具备相应的专业知识和经验，建议请专业人士进行诊断和修复。
滚动轴承常见故障及故障程度诊断方法
(6)座圈产生裂纹和保持架碎裂
轴承座圈产生裂纹的原因可能是 轴承配合过紧、轴承外圈或内圈 松动、轴承的包容件变形、安装 轴承的表面加工不良等。保持架 碎裂的原因是润滑不足、滚动体 破碎、座圈歪斜等。座圈滚道严 重磨损可能是座圈内落入异物、 润滑油不足或润滑油牌号不符合
要求引起的。
3．故障诊断
⑤保持架噪声。产生原因：滚动 体和保持架、保持架与引导面之 间的滑动摩擦，以及保持架与滚 动体发生相互撞击而发出的噪声。
特点：具有周期性；当采用滚动 体引导保持架时，这种运动的不 稳定性更加严重，深沟球轴承的 冲压保持架较薄，径向、轴向的 刚度较低，整体稳定性差，轴承 高速旋转时，因弯曲变形而产生
1．故障识别
运转中的检查项目有轴承的滚动 声、振动、温度等，主要识别方
法如下：
(1)噪声识别
这需要有丰富的经验，应尽量由 专人进行这项工作。用听音器或 听音棒贴在外壳上可清楚地听到 轴承的声音，也可采用测声器对 运转轴承的滚动声的大小及音质 进行检测，分辨出不同的故障。
轴承噪声主要有以下几种：
现振动。
表面疲劳剥落的初期是表面上出 现麻点，最后发展成片状的表层 脱落。轴承滚动体和内外圈滚道 面上均承受周期性脉动载荷的作 用，产生周期性变化的接触应力。 当应力循环次数达到一定数量后， 在滚动体或内外圈滚道工作面上 就产生疲劳剥落。如果轴承的负
荷过大，会使这种疲劳加剧。
另外，轴承安装不正、轴弯曲， 也会产生滚道剥落现象。轴承滚 道的疲劳剥落会降低轴的运转精
自激振动，发出“蜂鸣声”。
⑥夹杂物噪声。大约14%的轴承过 早损毁是污染所致，外部杂质进 入轴承工作面引起非周期性振动 和噪声。特点：随机性强，特别
是小型轴承对此很敏感。
滚动轴承故障及其诊断方法
而一旦有了压痕，压痕引起的冲击载荷会进一步引起附近 表面的剥落。
这样，载荷的累积作用或短时超载就有可能引起轴承塑性 变形。
1滚动轴承异常的基本形式
(4).腐蚀
润滑油、水或空气水分引起表 面锈蚀（化学腐蚀）
轴承内部有较大的电流通过造 成的电腐蚀
2.3 滚动轴承的振动及其故障特征
2. 幅值域中的概率密度特征 滚动轴承正常时和
发生剥落损伤时的轴 承振动信号的幅值概 率密度分布如图。
轴承振动的概率密度分布
从图中可以看出，轴承发生剥落时，幅值分布的幅 度广，这是由于存在剥落的冲击振动。这样，从概率 密度分布的形状，就可以进行异常诊断。
3 滚动轴承故障诊断方法
2.2 滚动轴承的特征频率
➢ 为分析轴承各部运动参数，先做如下假设： (1)滚道与滚动体之间无相对滑动； (2)每个滚道体直径相同，且均匀分布在内外滚道之间 (3)承受径向、轴向载荷时各部分无变形；
方法： 研究出不承受轴向力时轴承缺陷特征频率，进而，推导出 承受轴向力时轴承缺陷特征频率
1. 不承受轴向力时 轴承缺陷特征频率
d Dm
)
fr
滚动轴承的特征频率
➢ (3) 轴承内外环有缺陷时的特征频率：
➢ 如果内环滚道上有缺陷时，则Z个滚动体滚过该缺陷时的
频率为
fi
f Bi Z
1 (1 2
d Dm
) frZ
➢ 如果外环滚道上有缺陷时，则Z个滚动体滚过该缺陷时的
频率为
fo
f Bo Z
1 (1 2
d Dm
)
f
r
Z
➢ (4) 单个滚动体有缺陷时的特征频率：如果单个有缺陷的 滚动体每自传一周只冲击外环滚道（或外环）一次，则其 相对于外环的转动频率为
滚动轴承的故障诊断
滚动轴承的故障诊断一、滚动轴承的常见故障滚动轴承是转动设备中应用最为广泛的机械零件，同时也是最容易产生故障的零件。
据统计，在使用滚动轴承的转动设备中，大约有30%的机械故障都是由于滚动轴承而引起的。
滚动轴承的常见故障形式有以下几种。
1. 疲劳剥落（点蚀）滚动轴承工作时，滚动体和滚道之间为点接触或线接触，在交变载荷的作用下，表面间存在着极大的循环接触应力，容易在表面处形成疲劳源，由疲劳源生成微裂纹，微裂纹因材质硬度高、脆性大，难以向纵深发展，便成小颗粒状剥落，表面出现细小的麻点，这就是疲劳点蚀。
严重时，表面成片状剥落，形成凹坑；若轴承继续运转，将形成大面积的剥落。
疲劳点蚀会造成运转中的冲击载荷，使设备的振动和噪声加剧。
然而，疲劳点蚀是滚动轴承正常的、不可避免的失效形式。
轴承寿命指的就是出现第一个疲劳剥落点之前运转的总转数，轴承的额定寿命就是指90%的轴承不发生疲劳点蚀的寿命。
2. 磨损润滑不良，外界尘粒等异物侵入，转配不当等原因，都会加剧滚动轴承表面之间的磨损。
磨损的程度严重时，轴承游隙增大，表面粗糙度增加，不仅降低了轴承的运转精度，而且也会设备的振动和噪声随之增大。
3. 胶合胶合是一个表面上的金属粘附到另一个表面上去的现象。
其产生的主要原因是缺油、缺脂下的润滑不足，以及重载、高速、高温，滚动体与滚道在接触处发生了局部高温下的金属熔焊现象。
通常，轻度的胶合又称为划痕，重度的胶合又称为烧轴承。
胶合为严重故障，发生后立即会导致振动和噪声急剧增大，多数情况下设备难以继续运转。
4. 断裂轴承零件的裂纹和断裂是最危险的一种故障形式，这主要是由于轴承材料有缺陷和热处理不当以及严重超负荷运行所引起的；此外，装配过盈量太大、轴承组合设计不当，以及缺油、断油下的润滑丧失也都会引起裂纹和断裂。
5. 锈蚀锈蚀是由于外界的水分带入轴承中；或者设备停用时，轴承温度在露点以下，空气中的水分凝结成水滴吸附在轴承表面上；以及设备在腐蚀性介质中工作，轴承密封不严，从而引起化学腐蚀。
滚动轴承故障诊断分析全解
滚动轴承故障诊断分析全解
滚动轴承是机械设备中的重要元件，也是故障率最高的构件。
其突发的故障可能会严重影响机械设备的正常运行，即使是轻微的故障，也会降低设备的使用寿命。
因此，对滚动轴承的故障进行及时诊断和维修，是确保轴承的正常运行的关键。
本文将对滚动轴承故障诊断进行全面阐述，以便于有助于轴承的可靠运行。
一般来讲，滚动轴承的故障可以归结为以下几类：
(1)疲劳损坏:由于长期的使用，滚动轴承中的滚动体和锥形齿轮等内部零件可能会因疲劳而损坏，最终导致轴承的故障;
(2)腐蚀破坏:由于设备运行时的温度、湿度及磨损较大，滚动轴承容易受到空气、油品及其他化学性腐蚀剂的作用，从而造成内部零件的磨损;
(3)水分侵入:滚动轴承组装后，如果存在漏油现象，则滚动轴承内部容易污染，从而导致滚动体及锥形齿轮等内部零件受损;
(4)润滑油工作性能不佳:润滑油在机械设备运行时，若由于品质或温度等原因，润滑油的性能不佳，轴承容易受到损坏;
(5)安装不良:滚动轴承安装后，若没有正确地调整轴的负荷和动转瞬间，将会对轴承组件产生振动和噪音，从而导致故障。
机械故障诊断大作业滚动轴承
课程名称：机械故障诊断设计题目：基于FFT的轴承故障诊断学院：机械工程系班级：学号：姓名：指导老师：李奕璠2017年12月23日摘要滚动轴承是旋转机械中重要的零件，以往的动检工作对滚动轴承强烈振动原因分析不足，不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测，根据所测数据做出诊断分析，及时发现滚动轴承强烈震动情况。
傅里叶变换在故障诊断技术中是重要的工具，但傅里叶变换及其逆变换都不适合数字计算机计算，要进行数字计算机处理，必须将连续性信号离散化，无限长数据有限化，再进行采样和截断。
这种算法称为有限离散傅里叶变换（DFT），为了提高效率，在DFT的基础上，运用快速傅里叶变换（FFT）对滚动轴承进行故障诊断。
通过FFT方法分析轴承的信号图，对滚动轴承振动的产生原因进行深入分析，不断总结经验，提高故障分析能力，掌握造成滚动轴承强烈振动的原因，及时消除振动，为设备安全提供可行性措施。
关键词：滚动轴承；故障诊断；FFT23第1章 绪论1.1 滚动轴承概述滚动轴承（rolling bearing ）是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦，从而减少摩擦损失的一种精密的机械元件。
滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成，内圈的作用是与轴相配合并与轴一起旋转；外圈作用是与轴承座相配合，起支撑作用；滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间，其形状大小和数量直接影响着滚动轴承的使用性能和寿命；保持架能使滚动体均匀分布，引导滚动体旋转起润滑作用。
图1 滚动轴承结构滚动轴承是各类旋转机械中最常用的通用零件之一，也是旋转机械易损件之一。
据统计，旋转机械的故障越有30%是由轴承故障引起的，它的好坏对机械的工作状况影响很大。
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。
1.2 本次任务本次总共给出了4组通过现场测试得到的滚动轴承运行数据，包括1组正常轴承数据，1组内圈故障数据，1组外圈故障数据，1组滚动体故障数据。
机械故障诊断大作业滚动轴承
机械故障诊断大作业滚动轴承(共15页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--课程名称：机械故障诊断设计题目：基于FFT的轴承故障诊断学院：机械工程系班级：学号：姓名：指导老师：李奕璠2017年12月23日摘要滚动轴承是旋转机械中重要的零件，以往的动检工作对滚动轴承强烈振动原因分析不足，不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测，根据所测数据做出诊断分析，及时发现滚动轴承强烈震动情况。
傅里叶变换在故障诊断技术中是重要的工具，但傅里叶变换及其逆变换都不适合数字计算机计算，要进行数字计算机处理，必须将连续性信号离散化，无限长数据有限化，再进行采样和截断。
这种算法称为有限离散傅里叶变换（DFT），为了提高效率，在DFT的基础上，运用快速傅里叶变换（FFT）对滚动轴承进行故障诊断。
通过FFT方法分析轴承的信号图，对滚动轴承振动的产生原因进行深入分析，不断总结经验，提高故障分析能力，掌握造成滚动轴承强烈振动的原因，及时消除振动，为设备安全提供可行性措施。
关键词：滚动轴承；故障诊断； FFT第1章绪论滚动轴承概述滚动轴承（rolling bearing）是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦，从而减少摩擦损失的一种精密的机械元件。
滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成，内圈的作用是与轴相配合并与轴一起旋转；外圈作用是与轴承座相配合，起支撑作用；滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间，其形状大小和数量直接影响着滚动轴承的使用性能和寿命；保持架能使滚动体均匀分布，引导滚动体旋转起润滑作用。
图1滚动轴承结构滚动轴承是各类旋转机械中最常用的通用零件之一，也是旋转机械易损件之一。
据统计，旋转机械的故障越有30%是由轴承故障引起的，它的好坏对机械的工作状况影响很大。
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。
机械故障诊断大作业滚动轴承
机械故障诊断大作业滚动轴承TYYGROUP system office room 【TYYUA16H-TYY-TYYYUA8Q8-课程名称：机械故障诊断设计题目：基于FFT的轴承故障诊断学院：机械工程系班级：学号：姓名：指导老师：李奕璠2017年12月23日摘要滚动轴承是旋转机械中重要的零件，以往的动检工作对滚动轴承强烈振动原因分析不足，不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测，根据所测数据做出诊断分析，及时发现滚动轴承强烈震动情况。
傅里叶变换在故障诊断技术中是重要的工具，但傅里叶变换及其逆变换都不适合数字计算机计算，要进行数字计算机处理，必须将连续性信号离散化，无限长数据有限化，再进行采样和截断。
这种算法称为有限离散傅里叶变换（DFT），为了提高效率，在DFT的基础上，运用快速傅里叶变换（FFT）对滚动轴承进行故障诊断。
通过FFT方法分析轴承的信号图，对滚动轴承振动的产生原因进行深入分析，不断总结经验，提高故障分析能力，掌握造成滚动轴承强烈振动的原因，及时消除振动，为设备安全提供可行性措施。
关键词：滚动轴承；故障诊断； FFT第1章绪论滚动轴承概述滚动轴承（rolling bearing）是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦，从而减少摩擦损失的一种精密的机械元件。
滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成，内圈的作用是与轴相配合并与轴一起旋转；外圈作用是与相配合，起支撑作用；滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间，其形状大小和数量直接影响着滚动轴承的使用性能和寿命；保持架能使滚动体均匀分布，引导滚动体旋转起润滑作用。
图1滚动轴承结构滚动轴承是各类旋转机械中最常用的通用零件之一，也是旋转机械易损件之一。
据统计，旋转机械的故障越有30%是由轴承故障引起的，它的好坏对机械的工作状况影响很大。
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。
(完整word版)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Rolling Bearing Fault Diagnosis ApproachBased on Case-Based Reasoning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：The case—based reasoning approach is introduced into rolling bearing fault diagnosis。
To solve the complexity of feature selection and weights optimization， a Filter Wrapper integrated features selection algorithm is proposed。
Neighborhood rough set algorithm is applied to select essential features from the feature candidate set，then genetic algorithm is applied to refine the essential features subset. This method solves the problem of determining the size of neighborhood manually in neighborhood rough set algorithm. Genetic algorithm is also used in feature weights optimization. With the run time vibration signal of rolling bearing as the basic information， a rolling bearing fault case database is constructed。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
机械故障诊断大作业滚动轴承-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII课程名称：机械故障诊断设计题目：基于FFT的轴承故障诊断学院：机械工程系班级：学号：姓名：指导老师：李奕璠2017年12月23日摘要滚动轴承是旋转机械中重要的零件，以往的动检工作对滚动轴承强烈振动原因分析不足，不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测，根据所测数据做出诊断分析，及时发现滚动轴承强烈震动情况。
傅里叶变换在故障诊断技术中是重要的工具，但傅里叶变换及其逆变换都不适合数字计算机计算，要进行数字计算机处理，必须将连续性信号离散化，无限长数据有限化，再进行采样和截断。
这种算法称为有限离散傅里叶变换（DFT），为了提高效率，在DFT的基础上，运用快速傅里叶变换（FFT）对滚动轴承进行故障诊断。
通过FFT方法分析轴承的信号图，对滚动轴承振动的产生原因进行深入分析，不断总结经验，提高故障分析能力，掌握造成滚动轴承强烈振动的原因，及时消除振动，为设备安全提供可行性措施。
关键词：滚动轴承；故障诊断； FFT第1章绪论1.1 滚动轴承概述滚动轴承（rolling bearing）是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦，从而减少摩擦损失的一种精密的机械元件。
滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成，内圈的作用是与轴相配合并与轴一起旋转；外圈作用是与轴承座相配合，起支撑作用；滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间，其形状大小和数量直接影响着滚动轴承的使用性能和寿命；保持架能使滚动体均匀分布，引导滚动体旋转起润滑作用。
图1滚动轴承结构滚动轴承是各类旋转机械中最常用的通用零件之一，也是旋转机械易损件之一。
据统计，旋转机械的故障越有30%是由轴承故障引起的，它的好坏对机械的工作状况影响很大。
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。
1.2 本次任务本次总共给出了4组通过现场测试得到的滚动轴承运行数据，包括1组正常轴承数据，1组内圈故障数据，1组外圈故障数据，1组滚动体故障数据。
这4组数据的文件名分别为1. mat， 2. mat， 3. mat， 4. mat。
但是，1. mat并不意味其为正常轴承，2. mat并不意味其为内圈故障轴承，以此类推。
轴承型号为SKF 6205-2RS JEM。
转速1750 rpm。
信号采样频率为12000 Hz。
选用合适的信号分析方法，利用Matlab软件编程，对上述4组信号进行分析，得到每一组数据分别代表哪一类状态的轴承，从而实现滚动轴承的状态判断与故障诊断。
1.3 滚动轴承故障诊断方法最初轴承故障诊断是利用听棒，靠听觉判断。
继听棒、电子听诊器之后，又引入了各种测振仪。
随着对滚动轴承的运动学、动力学的深入研究，加之快速傅里叶变换技术的发展，人们开创了用频域分析方法来检测和诊断轴承故障诊断的新领域。
离散傅立叶变换(Discrete Fourier Transform，DFT)及其快速算法快速傅里叶变换(Fast Fourier Transform，FFT)算法很多，分别依照数据的组合方式和抽取方式可以分为时域法和频域法，基2和基4算法等。
其实现方法主要有两种，一种是用硬件实现，用硬件实现时速度较快，但系统的成本很高；另一种是用软件实现，用软件在PC 机或工作站上实现时虽然速度较慢，但成本非常低。
本文中采用软件实现。
第2章快速傅里叶变换（FFT）算法2.1 FFT简介FFT是一种DFT的高效算法，称为快速傅立叶变换（fast Fourier transform），它根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。
FFT算法可分为按时间抽取算法和按频率抽取算法。
2.1 FFT的原理先简要介绍DFT的基本原理，再介绍FFT。
DFT的运算为：其中由于序列和它的离散傅里叶变换都是复数，并且随着序列长度k 的增大，运动量将急剧增加。
因为离散傅里叶变换的应用十分广泛，因此寻求一种可以使运算量减少的改进算法势在必行。
就目前的情况来看，使用最多的算法是基于Cooley和Tukey提出的基2算法。
该算法可以分为按时间抽取DIT 和按频率抽取DIF。
这里以DIT为例来说明。
在DFT运算中，系数具有对称性和周期性，因此下列各式成立:采用基2算法时，N通常都是2的M次方，即(不满足该条件的可以通过加0等方式来处理)。
x(n)的DFT为:把上式按n的奇偶分为两组，得:由于，所以：和具有周期性，因此：这样，我们就可以根据两个N/2点序列来求x(n)的DFT，用蝶形表示就是图一所示的形式。
图2 经典FFT算法的蝶形第3章故障诊断的结果3.1滚动轴承的故障机理因为滚动轴承在运动过程中，由于滚动体与内圈、外圈或滚动体冲击而产生振动，该振动有其固有频率。
而初期故障往往表现为内圈、外圈或者滚动体上的局部点蚀。
点蚀部位对与其接触轴承部件产生冲击作用，产生的冲击力激励轴承座及其支承结构，形成一系列由冲击激励产生的减幅振荡，这种减幅振荡是一种低频脉动，称之为滚动轴承的通过振动，这种因周期冲击而产生的频率称之为通过频率。
通过振动发生周期是有规律的，可以从转速和轴承的几何尺寸求得。
并且，损伤发生在内、外圈或滚动体上时，频率不同。
这一轴承通过振动发生的频率也称为轴承的故障特征频率。
这是损伤类故障引起的振动信号的基本特点。
3.2 滚动轴承的故障特征频率根据不同的损伤部位，按以下公式分别计算轴承故障的特征频率，如下所示：设轴承外圈固定，内圈（即轴）的旋转频率为,轴承节径为D,滚动体直径为d,接触角为，滚动体个数为z；再假设滚动体与内外圈之间纯滚动接触。
可以得到，滚动体的公转频率为滚动体自转频率为外圈故障特征频率：内圈故障特征频率：滚动体故障特征频率：由轴承型号为SKF 6205-2RS JEM，转速1750 rpm可知：滚珠个数；滚动体直径；轴承节径；滚动体接触角；所以，第4章 FFT后的结果4.1 故障诊断的图像根据4组数据，得到以下四张图。
图1 第一组数图2 第二组数据图3 第三组数据图4 第四组数据4.2 分析及结论图1的频谱中，在全频率段基本都有较高阶谐波，且呈对称状态，最大幅值在0Hz和12000Hz左右。
图2的频谱中，在频率为0-2000Hz和10000-12000Hz的频段有较高阶谐波，且呈对称状态，幅值较大，最大幅值在2000Hz和10000Hz左右。
在2000Hz-10000Hz的频段中，幅值很小。
图3的频谱中，在频率为2000Hz-4000Hz和8000Hz-10000Hz的频段有较高阶谐波，且呈对称状态，最大幅值在3000Hz和9000Hz左右。
在0Hz-2000Hz、4000Hz-8000Hz和10000Hz-12000Hz的频段中，波形振幅也不太平稳。
图4的频谱中，在频率为0Hz-4000Hz和8000Hz-12000Hz的频段有较高阶谐波，且呈对称状态。
在4000Hz-8000Hz的频段中，波形幅值较小。
由于正常轴承的频率比较集中，所以，图2为正常轴承，主要集中在0-2000Hz和10000-12000Hz的频段。
故障轴承的频率较为分散，又由于外圈的轴承的高阶谐波段比内圈的轴承的高阶谐波段更加分散点，而图3除了高阶谐波段之外，其余波段都略显起伏，故较之图4在4000Hz-8000Hz波段的平稳，图3为外圈故障，图4为内圈故障。
对于图1，由于其在全波段都有很大的起伏，且在信号时域图中，与其余三图相差太大，故为滚动体故障。
附录x=y(:，1);;%信号数组subplot(2，1，1);plot(x);%时域波形xlabel('时间序列');ylabel('幅值');title('信号时域图');fs=12000;%采样频率N=length(x);n=0:N-1;y=fft(x，N);%进行fft变换m=abs(y(1:N))*2/N;%求信号的真实幅值f=n*fs/N; %进行对应的频率转换subplot(2，1，2)stem(f(1:N)，m(1:N));%绘出频谱图xlabel('频率/Hz');ylabel('幅值');title('信号频谱图');grid on;x=y(:，2);;%信号数组subplot(2，1，1);plot(x);%时域波形xlabel('时间序列');ylabel('幅值');title('信号时域图');fs=12000;%采样频率N=length(x);n=0:N-1;y=fft(x，N);%进行fft变换m=abs(y(1:N))*2/N;%求信号的真实幅值f=n*fs/N; %进行对应的频率转换subplot(2，1，2)stem(f(1:N)，m(1:N));%绘出频谱图xlabel('频率/Hz');ylabel('幅值');title('信号频谱图');grid on;x=y(:，3);;%信号数组subplot(2，1，1);plot(x);%时域波形xlabel('时间序列');ylabel('幅值');title('信号时域图');fs=12000;%采样频率N=length(x);n=0:N-1;y=fft(x，N);%进行fft变换m=abs(y(1:N))*2/N;%求信号的真实幅值f=n*fs/N; %进行对应的频率转换subplot(2，1，2)stem(f(1:N)，m(1:N));%绘出频谱图xlabel('频率/Hz');ylabel('幅值');title('信号频谱图');grid on;x=y(:，4);;%信号数组subplot(2，1，1);plot(x);%时域波形xlabel('时间序列');ylabel('幅值');title('信号时域图');fs=12000;%采样频率N=length(x);n=0:N-1;y=fft(x，N);%进行fft变换m=abs(y(1:N))*2/N;%求信号的真实幅值f=n*fs/N; %进行对应的频率转换subplot(2，1，2)stem(f(1:N)，m(1:N));%绘出频谱图xlabel('频率/Hz');ylabel('幅值');title('信号频谱图');grid on;。