城轨列车滚动轴承早期故障诊断与状态识别方法研究
(完整word版)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 diagnosisIn 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 paper, the parameters of the extraction, theoretical a nalysis, and process are described in detail. Keywords: Rolling Bearing; Fault Diagnosis; Symptom P arameter; Distinction Index; Distinction Rate0引言：随着科技的发展，现代工业正逐步向生产设备大型化、复杂化、高速化和自动化方向发展，在提高生产率、降低成本、节约能源、减少废品率、保证产品质量等方面具有很大的优势。
(完整word版)(整理)滚动轴承故障诊断分析章节
滚动轴承故障诊断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音棒以提高灵敏度。
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。
随着对滚动轴承运动学、动力学的深化研究，对轴承振动信号中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，FFT级数的发展也使得利用频率域分析和检测轴承故障成为一种有效的途径。
也是目前滚动轴承监测诊断的基础。
从发展的历程看，滚动轴承故障检测诊断技术大致经历了以下阶段：1961年，W.F.Stokey完成了轴承圈自由共振频率公式的推导，并发表；1964年，O.G.Gustafsson研究了滚动轴承振动和缺陷、尺寸不均匀及磨损之间的关系，这与目前诊断滚动轴承故障的方法是基本一致的；1969年，H.L.Balderston根据滚动轴承的运动分析得出了滚动轴承的滚动体在内外滚道上的通过频率和滚动体及保持架的旋转频率的计算公式。
至此，有关滚动轴承监测诊断的理论体系已经基本完成；1976年，日本新日铁株式会社研制了MCV-021A机器检测仪，其方法是通过检测低频、中频和高频段轴承的信号特征来判断轴承的工作状态；1976～1983年之间，日本精工公司也积极在滚动轴承检测仪器方面做工作，相继推出了NB系列轴承检测仪，利用1～15kHz范围内的轴承振动信号的有效值（rms）和峰峰值（p－p）来诊断轴承的故障；1980年代至今，以改良频率分析的方法来精密诊断滚动轴承的故障、确定故障位置，一直是精密诊断采取的必备方法，其中包括细化谱分析、倒频谱分析、共振解调技术、包络分析技术等。
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。
滚动轴承故障的智能诊断方法研究
• 26•针对滚动轴承故障声发射信号的智能识别与诊断问题，提出了一种基于卷积神经网络（Convolutional Neural Networ ks ，CNN ）智能化故障诊断方法。
该方法充分利用声发射信号参数中包含的时域和频域特征信息，构建CNN 模型充分挖掘出滚动轴承处于不同运行状态下的声发射信号特征，并给出故障诊断结果。
实验结果表明，CNN 模型方法对滚动轴承正常、外圈及内圈故障识别准确率可达97.2%以上，证明了该方法的准确性和实际工程价值。
1.引言旋转机械被广泛的应用在生产制造中，滚动轴承是旋转机械的重要组成部件，同时也是最容易损坏与失效的机械零件之一（喻洋洋，周凤星，严保康，基于LabVIEW 的滚动轴承故障诊断系统：仪表技术与传感器，2016）。
声发射检测技术是一种动态无损检测方能诊断学与工程学法，可实现缺陷萌生及扩展过程的在线检测。
将声发射检测技术应用于滚动轴承故障的诊断任务中，不仅可以检测出早期微弱故障及故障类型（郝如江，卢文秀，褚福嘉，等.声发射检测技术用于滚动轴承故障诊断的研究综述：振动与冲击，2008），还可以判断出故障损伤程度。
目前基于声发射检测技术的旋转机械设备故障诊断分析技术，如参数分析、波形分析等方法已经无法满足当前旋转机械连续生产工作中的故障监测任务（沈功田，耿荣生，刘时风，声发射信号的参数分析方法：无损检测，2002）。
赵元喜等人（赵元喜，胥永刚，高立新，等.基于谐波小波包和BP 神经网络的滚动轴承声发射故障模式识别技术：振动与冲击，2010）采用谐波小波包将故障滚动轴承的声发射信号分解到多个频率段并求取各频段的能量，作为特征向量输入BP 神经网络，通过BP 网络模型判别滚动轴承的故障类型。
杨杰等（杨杰，张鹏林，刘志涛，等.基于CEEMD 能量熵与SVM 的低速轴承故障声发射诊断：无损检测，2017）提出了一种采用CEEMD 能量熵提取特征后再利用支持向量机神经网络进行诊断的方法。
滚动轴承故障及其诊断方法
频率为
fo
f Bo Z
1 (1 2
d Dm
) frZ
(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
f RS
f
Bo
(Dm
d
d
)
1 (1 2
d2 Dm2
)
fr
Dm d
滚动轴承的特征频率
(5) 保持架与内外环发生碰磨的频率： 保持架碰外环的频率（等于单滚动体的外环通过频率）
以及轴承套圈在座孔中或轴颈 上微小相对运动造成的微振腐蚀 (是微动磨损与腐蚀协同作用的结果)
1滚动轴承异常的基本形式
(5).断裂
过高的载荷会可能引起轴承零件断裂。 磨削、热处理和装配不当都会引起残余应力， 工作时热应力过大也会引起轴承零件断裂。 另外，装配方法、装配工艺不当，也可能造成 轴承套圈挡边和滚子倒角处掉块。
因为滚动体滚而不滑，所以滚动体与内环滚道接触点A的
速度为
VA Vi
又因外环固定，所以滚动体与接触点C的速度为
VC 0
而滚动体中心B的速度（即保持架的速度）为
VB
1 2
V
A
2
(Dm
d)
fr
单个滚动体（或保持架）相对于外环的旋转频率为
f Bo
VB lm
2
(Dm
滚动体损伤振动情况
当滚动体产生损伤时，如剥落、点蚀等，缺陷部位通过内圈或外 圈滚道表面时会产生冲击振动。 在滚动轴承无径向间隙时，会产生频率为nZfRS（n＝1，2,…） 的冲击振动。 通常滚动轴承都有径向间隙，因此，同内圈存在点蚀时的情 况一样，根据点蚀部位与内圈或外圈发生冲击接触的位置不同， 也会发生振幅调制的情况，不过此时是以滚动体的公转频率fm进 行振幅调制。这时的振动频率为nzfRS±fm，如图所示。
滚动轴承的故障诊断方法研究
滚动轴承的故障诊断⽅法研究滚动轴承的故障诊断⽅法研究第1章绪论1.1研究的⽬的和意义滚动轴承是⽣产机械中的地位⽆可替代，当然也最易损坏的部件。
其运⾏状态会直接影响整台机械⼯作效率、精度寿命和可靠性。
滚动轴承的损坏会导致⽣产机械剧烈振动，并伴有强⼤噪声，不仅会影响产品的加⼯质量，严重时会导致⽣产机械的损坏或机械事故。
随着电机的⼴泛应⽤及其⾃动化程度的不断提⾼，对其安全性、精度和故障诊断的准确性的要求也随之提⾼。
传统的诊断⽅法不仅成本较⾼、准确率偏低，并且更新费⽤⾼，已然不能满⾜⾼科技设备的需求。
基于以上原因，本⽂在虚拟仪器的环境下，利⽤多传感器信息融合技术，实现滚动轴承的故障诊断，会对现在和将来的⽣产技术提供强有⼒的帮助。
1.2国内外电机滚动轴承故障诊断的研究现状近现代以来，国内和国外的研究机构及学者在电机滚动轴承故障诊断的理论、技术与⽅法等⽅⾯进⾏了⼤量的研究分析⼯作，发表了诸多研究成果。
在国外，美国南卡罗林娜⼤学运⽤振动响应的多参数多频率的⽅法，对具有裂纹的和损伤的故障轴承进⾏诊断，⽬前已经取得了良好的成果。
美国宾州⼤学采⽤alpha beta -gamma跟踪滤波器和Kalman滤波器，对轴承故障的智能预⽰实现了完美成功。
⽇本九州⼯业⼤学运⽤基因算法优化组合特征参数，成功诊断出⼯况滚动轴承微弱故障。
意⼤利的Cassino⼤学，使⽤⾃谱技术对出现的轴承进⾏检测，判断故障轴承的初始问题，到⽬前为⽌也取得了有效的研究成果。
国外的这些技术有我们值得借鉴的地⽅，去其糟粕取其精华，研究更有技术的故障轴承诊断系统。
在国内，当滚动轴承存在故障时，⼤都以振动检测为主，因为轴承故障后常伴随巨⼤的声响，以及明显的外观表现。
国内的主要研究成果如下图所⽰。
或⾃⾝故障等多个⽅⾯的原因，会对故障造成误判或错判，如:声级计传感器易受到噪声的⼲扰，不能准确、⽆失真的反映滚动轴承的真实信号，温度传感器由于易受到外界温度的⼲扰，也常会出现误判或者错判等等。
滚动轴承故障诊断
滚动轴承故障诊断滚动轴承故障诊断初步1、故障原因滚动轴承的早期故障是滚⼦和滚道剥落、凹痕、破裂、腐蚀和杂物嵌⼊。
即主要故障形式：疲劳剥落、磨损、塑性变形、锈蚀、断裂、胶合、保持架损坏。
产⽣主要原因包括搬运粗⼼、安装不当、不对中、轴承倾斜、轴承选⽤不正确、润滑不⾜或密封失效、负载不合适以及制造缺陷。
2、频谱和波形特征滚动轴承它是由内圈、外圈、滚动体和保持架四部分组成。
当滚动体和滚道接触处遇到⼀个局部缺陷时，就有⼀个冲击信号产⽣。
缺陷在不同的元件上，接触点经过缺陷的频率是不相同的，这个频率就称为滚动轴承的特征频率。
滚动轴承的故障特征频率的数值⼀般在⼏赫兹到⼏百赫兹之间，在频谱图中的1000Hz以内的低频区域轴承故障特征频率如下：1、滚动轴承故障特征频率（外圈静⽌）式中：Z——滚动体个数fr——转频（Hz）D——轴承节径（mm）d——滚动体直径（mm）α——接触⾓（1）滚动轴承内圈故障特征频率（2）滚动轴承外圈故障特征频率（3）滚动轴承滚动体特征频率（4）滚动轴承保持架特征频率2、滚动轴承故障特征频率的计算经验公式：⼆、滚动轴承故障诊断的要素滚动轴承由内圈、外圈、滚动体和保持架四部分组成，每个轴承部件对应⼀个轴承故障特征频率。
滚动轴承的故障频率分布有⼀个明显的特点，往往在低频和⾼频两个频段内都有表现。
所以在频率分析时，可以选择在这两个频段进⾏分析。
根据滚动轴承的故障形式在频域中的表现形式，将整个频域分为三个频段，既⾼频段、中频段和低频段。
l ⾼频阶段指频率范围处于2000－5000Hz 的频段，主要是轴承固有频率，在轴承故障的早期，⾼频段反映⽐较敏感；中频阶段指频率范围处于800－1600Hz 的频段，⼀般是由于轴承润滑不良⽽引起碰磨产⽣的频率范围；l 低频阶段指频率范围处于0－800Hz 的频段，基本覆盖轴承故障特征频率及谐波；在⾼频段和低频段中所体现的频率是否为轴承故障频率，还要通过其他⽅法进⾏印证加以确认。
滚动轴承频谱分析及故障诊断
广州大学学生实验报告开课学院及实验室： 526 室2015年 12月25日学院机械与电气工程学院年级、专业、班机械124班姓名邓庆青学号1207200145实验课程名称机械故障诊断技术成绩实验项目名称滚动轴承频谱分析及故障诊断指导老师郑文一、实验目的1、进一步熟悉常用信号分析仪器的使用；2、了解常规滚动轴承的结构、特征频率及安装；3、掌握滚动轴承的振动测量及分析方法。
通过运用振动分析手段，完成滚动轴承振动信号的测量及分析，从而提高学生进行数据采集、滚动轴承振动分析及状态评估、故障判断等方面的能力。
二、实验设备正常滚动轴承型号为：NTN6201、加速度传感器、Data line数据采集器、ODYSSEY系统、振动试验台轴承故障模块：故障模块中使用的是6024轴承，并利用特殊方法对轴承进行了故障处理。
轴承模块也设计成方便安装的方式（如图所示），可以快速方便的安装在齿轮箱的输入轴上。
在轴承故障模块的顶部有一个英制螺孔（1/4”-28），用来安装传感器。
轴承型号滚动体个数保持架滚动体外环内环6204 8 0.382 1.996 3.054 4.946三、实验要求1、列出主要结构参数，如电机参数、轴承型号、传动比等；2、测出并得到振动试验台测点布置图，说明测量的位置、方向及传感器安装方法等；3、计算各特征频率，如转速，不平衡、对中不良及轴承损坏等的特征频率。
四、实验步骤1、仪器连接；2、测试参数选择，如频率范围（要求能测量滚动轴承的各主要频率成分）；测量单位用速度 mm/s ；3、取轴承模块MD711X一块，套在齿轮轴上。
4、将压紧垫片置于轴承的内环侧面，用紧固螺钉将其压紧，从而固定轴承模块，防止轴承内环在轴承上转动。
5、启动试验台；6、测量各测点的时域波形、频谱，并存储于分析仪中；7、用软件将测量结果传输至计算机，并显示、打印（要求用线性坐标），标出各频谱图中主要频率峰值的频率、幅值；五、实验结果MD7111轴承外环故障模块测试结果MD7112轴承内环故障模块测试结果MD7113轴承滚动体故障模块的测试结果MD7114轴承保持架故障模块的测试结果六、分析1、测量对象的结构简图2、计算滚动轴承的特征频率外环fi=Zn/2（1-dcos fi=Zn/2（1-dcosąß/D）ß--接触角fo--外环频率内环fo=Zn/2（1+dcos ß /D）fb--滚动体频率f--保持架频率保持架f=n/2（1-dcos ß /D）d--滚动体直径D--节园直径滚动体fb=D/2d（1-d²cos² ß /D）Z--滚动体数n--轴频3、综合判断滚动轴承的运行状态及存在的问题。
- 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)。
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
一 KELM分类效果不佳,提出基于KELM-AdaBoost的集成学习算法对模型性能进
行提升。
通过不同方法的对比分析,表明本文方法能对滚动轴承的状态实现有效识别。