滚动轴承状态监测
滚动轴承状态监测
轴承故障诊断1.1、轴承状态检测的意义：伴随着科学技术的发展，现代化设备日趋大型化、自动化和连续化。
设备一旦发生故障将给产品的质量、乃至人员的生命安全构成严重威胁，因此，企业在设备的维护中花费了大笔费用，以保证其安全运行，如今，保证设备的正常运行，最大限度的减少费用，保证安全，设备故障诊断无疑成为解决这些问题的重要手段。
例如滚动轴承，作为机电系统中非常重要的零件，同时又是极易受损的零件，而滚动轴承的状态对工业生产、交通运输等很多方面有很多影响。
对于工业生产来说，如果能随时地检测到轴承的工作状态，并进行恰当的维护，将会给生产带来更大的经济效益。
然而对于交通运输来说，只有保证列车滚动轴承工作在良好的状态下，才能保证旅客的安全，以及运输系统的正常运作。
据统计，在使用滚动轴承的大多旋转机械中，约30%的机械故障是由滚动轴承造成的。
文献①，由于设计不当和安装工艺不好或者是使用状态不佳，或突发载荷的影响，使轴承在正常运行一段时间之后，产生缺陷，并且在继续运行中进一步恶化，使轴承的运行状态发生变化。
因此，对轴承故障的诊断就显得十分重要。
1.2、轴承状态检测常用方法：1.2.1、温度法：用温度传感器检测轴承座或轴承外的箱体处的温度，来判断轴承的工作状态是否正常。
温度检测对轴承载荷、速度和润滑情况的变化比较敏感，尤其对润滑不良而引起的轴承过热现象很敏感。
但是，当轴承出现早期点蚀、剥落、轻微磨损等比较微小的故障时，温度检测就无能为力了。
因此，这一方法有其明显的不足。
文献①1.2.2、油样分析法：从轴承所使用的润滑油中取出油样，通过收集和分析油样中金属颗粒的大小和形状来判断轴承的受损情况。
但是这种方法只适用于润滑有轴承，对于脂润滑来说，就不适用了。
同时，可能受到从外围部件上掉下的颗粒的影响，使判断结果的准确性受影响。
这种方法也有其局限性。
文献①1.2．3、振动信号分析法：通过安装在轴承底座或箱体恰当位置上的振动传感器检测轴承的振动信号，并对采集到的信号进行分析和处理来判断轴承的状态，振动法具有如下优点：一、适用于各种类型，各种工况的轴承。
滚动轴承运行状态智能化监测[论文]
![滚动轴承运行状态智能化监测[论文]](https://img.taocdn.com/s3/m/d3b01d44fe4733687e21aabe.png)
滚动轴承运行状态智能化监测摘要随着科技的迅速发展，轴承系统在工业生产中广泛应用，使得常规故障诊断技术越来越难以满足人们对轴承系统的可靠性要求，而人工神经网络的智能诊断技术越来越受到青睐，并成为轴承系统故障诊断发展的重点方向。
关键词监测智能诊断轴承系统人工神经网络图分类号：th133.33 文献标识码：a1简介1.1滚动轴承状态监测的意义滚动轴承是各类旋转机械中最常用的通用零部件，在旋转机械中起到关键作用。
据统计，30%的旋转机械故障因滚动轴承故障引起，滚动轴承运行状态的正常与否直接影响到整台机器的性能，滚动轴承的状态监测和故障诊断就显得格外重要。
1.2滚动轴承故障的类型滚动轴承在安装和运转过程中可能导致轴承出现疲劳剥落和磨损等失效状态。
滚动轴承主要的故障类型为：轴承磨损、轴承疲劳、腐蚀失效、断裂失效、压痕失效和胶合失效。
1.3常见滚动轴承故障信号采集常见的轴承故障信号采集方法有：油样分析法、温度监测法、振动法、声发射法。
1.4 人工神经网络在故障诊断中的应用1.4.1神经网络概述神经网络以非线性为基础，模拟人脑细胞的分布式工作特点和自组织功能实现并行处理、自学习和非线性映射等能力，具有高度的学习联想能力。
目前神经网络己经在智能控制、模态识别、非线性优化、自适应滤波、语音识别、机器人工程、生物医学等领域获得了广泛的应用。
1.4.2 bp神经网络在故障诊断中的功能基于神经网络的故障诊断就是利用样本训练收敛稳定后的结点连接权值，向网络输入待诊断的样本征兆参数，计算网络的实际输出值，根据大小排序，从而确定故障类别。
bp网络故障模式识别系统主要包含：数据样本采集、数据处理、特征值的提取、bp神经网络的建立、网络的学习、故障识别几个过程。
2人工神经网络的智能识别2.1人工神经网络概述人工神经网络（artificial neural network，简称ann）是一个由大量简单的处理单元（神经元）广泛连接组成的人工网络，是以工程技术手段模拟人类大脑的神经网络结构与功能特征的一种技术系统，它用大量的非线性并行处理器来模拟众多的人脑神经元。
状态监测在滚动轴承故障诊断方面的应用
状态监测在滚动轴承故障诊断方面的应用摘要:滚动轴承是机械设备中常用的一种回转支承,对机械的运行精度和稳定性有着至关重要的影响。
因此,笔者结合自身的经验,对滚动轴承状态监测技术进行了分析,明确了滚动轴承状态监测的意义;在此基础上,本文分析了滚动轴承的常见故障模式,最后提出了三种常见的滚动轴承状态监测方法,旨在更加系统的了解这一技术，保障滚动轴承平稳的运行。
关键词：滚动轴承；状态监测；故障方式；方法轴承是影响机械设备的关键。
对机组轴承的状态检测、故障诊断和维修势在必行。
随着现代信息技术的进一步发展,信息技术已广泛应用于故障诊断,并成为保证机组轴承运行能力的关键。
一、滚动轴承状态监测的意义滚动轴承是机械旋转中使用的标准部件，作为一种旋转支架,最容易发生操作故障。
滚动轴承具有润滑方便、成本低、效率高、操作灵敏度高、维护快捷方便等诸多优点,在机械行业中得到了广泛的应用。
根据相关统计结果,目前,超过30%的机械故障来自滚动轴承。
由此可见，滚动轴承在工作中能否正常、稳定的运行，对整机运行精度、可靠性及寿命均产生重要影响。
将状态监测技术应用于滚动轴承的故障判断,可以有效降低事故率和维修成本。
因此,如何科学有效地开展滚动轴承的状态监测,对提高滚动轴承的运行稳定性具有重要意义。
二、滚动轴承常见的故障方式目前，滚动轴承主要包含下述几种故障方式：(一)磨损滚动轴承作为一种回转支承,在高速运行状态下,滚道与滚动体之间的相对运动,由于润滑状态不良或外部异物的进入,导致轴承磨损,导致轴承间隙超过标准允许值,增加表面粗糙度,降低轴承本身的精度,并导致轴承运行失败。
(二)疲劳脱落滚动轴承在运行过程中,受载荷的影响,皮料裂缝在最大剪边应力地方集中，随着疲劳裂纹的延伸会逐步接触至零部件表面，导致接触位置处产生斑点式的剥落现象，随后逐步扩大，这是当前导致滚动轴承性能不佳的重要原因。
(三)胶合这种故障模式主要发生在重载、高速工况下。
滚动元件与滚道之间有异物感或轻微不平感,会导致应力不均匀。
滚动轴承的状态监测与故障判断
滚动轴承的状态监测与故障判断展开全文本文中研究滚动轴承故障诊断研究的基本方法将采用滚动轴承的振动信号分析的方法，采取与正常轴承振动信号作对比的方式，抽样选取不同轴承振动的信号，通过比对从而判断该滚动轴承的故障类型并在此基础之上获得其状态监测的方法。
1.监测与诊断的目的和意义滚动轴承是旋转机械的重要组成部分，同时也是旋转机械中最容易出现故障的部件之一。
它具有造价较低、润滑冷却方便、运行灵敏、使用效率较高、维修便捷等优点，在机械行业应用广泛。
据有关统计显示，在旋转机械故障率中有近30%的故障是由于滚动轴承发生故障而引起的，所以，对滚动轴承的状态监测和故障诊断进行研究势在必行。
滚动轴承正常运行与否，对于整机的可靠性、精度以及寿命等性能有很大的影响。
据有关统计显示，在旋转机械故障率中有近30%的故障是由于滚动轴承发生故障而引起的，在将故障诊断技术运用到生产中以后，事故率降低近70%，同时降低的维修费用也有近40%。
利用轴承状态监测技术可以了解轴承的使用性能，并对可能发生的故障进行早期检测，分析和预测可能发生的故障，进一步提高设备的管理水平和维修效率，经济效益十分显著。
2.轴承故障诊断的发展历程轴承故障诊断刚开始主要是依靠人工听觉来诊断，再有就是利用探听棒这种方法在许多企业中仍在使用，一些工具已经被改进到电子听诊器。
例如，当使用电子听诊器检测轴承故障时，具有经验丰富的人员可以凭经验诊断轴承疲劳剥落，有时还可以诊断出损伤发生的位置，但是其它的外部原因，可靠性有时会无法得到保证。
随着科技的发展，越来越多的振动仪器被运用到在滚动轴承的状态监测工作中。
这些仪器利用振动位移、速度和加速度的均方根值或峰值来判断轴承是否有故障。
这些仪器减少我们对经验的依赖，使得监测和诊断的准确性有了很大的提高，但是在故障发生的初始阶段仍然很难及时做出准确的诊断。
瑞典SKF公司在多年研究轴承故障机理的基础上，于1966年发明了脉冲计检测轴承损伤的方法，很大程度上的提高了滚动轴承的故障诊断工作的准确性和及时性。
滚动轴承的状态监测与故障判断
滚动轴承的状态监测与故障判断滚动轴承是工业领域中常见的机械部件之一，主要用于支撑和转动机械设备。
在使用过程中，滚动轴承可能会出现一些故障，如轴承损耗、磨损等问题。
针对这些故障，及时进行状态监测和故障判断是非常必要的。
本文将从滚动轴承的状态监测和故障诊断两个方面进行介绍。
指标监测：通过监测关键指标，如轴承的温度、位置振动、噪声等，可以获得轴承的运行状态。
其中，温度的监测是比较常见的方法，通常使用温度计和红外线测温技术进行监测。
对于高速轴承还可以使用锅炉测温计进行实时监测。
位置振动监测是指通过振动传感器或加速度计获取轴承的振动数据，根据振动数据来分析轴承的状态。
如果轴承的振动频率很高，则说明可能存在故障。
油润滑监测：为了确保轴承的正常运行，需要进行油润滑监测。
在油润滑监测过程中需要测量油温、油压、粘度等指标，同时还需要检查油的浑浊度和金属微粒的含量。
这些指标可以帮助判断油润滑的状态是否正常。
损耗诊断：损耗是指轴承零件表面材料的脱落、烧焦、磨损等现象。
通过损耗诊断可以确定损耗的原因，如材料强度、润滑状况等。
损耗诊断可以使用金相分析和扫描电子显微镜等技术。
磨损诊断：磨损是指轴承零件表面材料被磨损或腐蚀的现象。
磨损可能是由于轴承内部的某些因素引起的，例如材质、润滑状况、工作载荷等。
可以使用虚拟仪器技术、金属磨损颗粒分析等方法对轴承的磨损程度进行诊断。
结论通过对滚动轴承的状态监测和故障诊断，可以提高轴承的可靠性和安全性，延长轴承的使用寿命，减少维修和更换的次数和成本。
因此，对滚动轴承进行状态监测和故障诊断是非常重要的。
滚动轴承的状态监测与故障判断
滚动轴承的状态监测与故障判断滚动轴承作为工业设备中常见的零部件之一，承载着机器运行过程中的重要轴向负荷。
滚动轴承的状态监测与故障判断对于设备的正常运行和维护至关重要。
本文将探讨滚动轴承的状态监测技术、故障判断方法以及相关的应用实例。
一、滚动轴承的状态监测技术1. 振动监测技术振动监测是最常见的滚动轴承状态监测技术之一。
通过在轴承上安装振动传感器，可以实时监测轴承运行时所产生的振动信号。
根据振动信号的频率、幅值和波形等特征参数，可以判断轴承的运行状态，从而及时发现轴承的异常情况。
声音监测是利用特定的声学传感器对轴承运行时产生的声音信号进行监测和分析。
通过分析声音的频谱、频率和幅值等参数，可以判断轴承的工作状态和存在的故障问题。
温度监测是通过在轴承上安装温度传感器，实时监测轴承的工作温度。
当轴承发生异常时，温度会升高，通过监测温度的变化可以及时发现轴承故障的存在。
4. 油膜厚度监测技术滚动轴承常常需要润滑油润滑，在轴承内形成一定厚度的油膜以减少摩擦和磨损。
油膜厚度监测技术可通过超声波传感器或其它传感器测量油膜的厚度，判断油膜的完整性和润滑效果，进而判断轴承的工作状态。
二、滚动轴承的故障判断方法1. 振动特征分析法通过对轴承振动信号的频谱分析、包络分析和趋势分析等方法，判断轴承是否存在异常振动，以及具体的故障类型，如轴承内环、外环或滚动体的故障。
通过监测轴承的工作温度，分析温度的变化趋势和幅值变化，判断轴承是否存在异常，例如摩擦热、润滑不良或局部热点等故障。
1. 航空发动机轴承的状态监测与故障判断航空发动机轴承是航空发动机中的重要部件，其状态的监测与故障的判断对飞机的安全运行至关重要。
航空发动机轴承通常采用振动监测和声音监测技术，通过监测振动信号和声音信号的特征参数，判断轴承的工作状态和可能存在的故障问题。
滚动轴承的状态监测与故障判断是工业生产中的重要课题，通过采用多种监测技术和故障判断方法，可以有效地保障轴承的安全运行，延长其使用寿命，提高设备的可靠性和运行效率。
滚动轴承的状态监测与故障判断
滚动轴承的状态监测与故障判断【摘要】滚动轴承是机械设备中广泛应用的零部件，其状态监测与故障判断对设备的运行稳定性和安全性至关重要。
本文通过介绍滚动轴承的工作原理，常见故障特征的监测方法，故障判断技术，状态监测与诊断系统以及应用案例分析，探讨了滚动轴承状态监测与故障判断的重要性。
未来，随着技术的不断进步，滚动轴承状态监测与故障判断的发展趋势将更加智能化和精准化，为提高设备的运行效率和延长设备寿命提供更好的技术支持。
通过本文的研究总结，我们可以更好地了解滚动轴承状态监测与故障判断的重要性，并为未来的研究和实践提供参考指导。
【关键词】滚动轴承、状态监测、故障判断、工作原理、监测方法、判断技术、诊断系统、案例分析、重要性、发展趋势、总结。
1. 引言1.1 研究背景滚动轴承是机械设备中常见的零部件，其工作状态直接影响到整个设备的运行稳定性和效率。
随着现代工业的发展，对滚动轴承的状态监测与故障判断需求越来越迫切。
在过去，人们通常采用定期检查的方法来维护滚动轴承，但这种方法无法及时发现潜在的问题，也无法有效预防故障的产生。
研究如何实现对滚动轴承状态的实时监测和故障判断成为了当前工程技术领域的热门课题。
在滚动轴承的工作过程中，常常会受到高温、高速、高载等各种因素的影响，从而导致故障的产生。
研究如何准确监测滚动轴承的工作状态，及时发现故障迹象，对于提高设备的可靠性和安全性具有重要意义。
本文将介绍滚动轴承的工作原理，常见故障特征的监测方法，故障判断技术，状态监测与诊断系统以及应用案例分析，以期为工程技术人员提供参考和借鉴。
1.2 研究意义滚动轴承是机械设备中非常重要的零部件，其工作状态直接影响到整个设备的性能和寿命。
对滚动轴承的状态监测与故障判断具有非常重要的意义。
通过及时监测滚动轴承的工作状态，可以帮助预防设备故障的发生，减少因故障导致的生产线停机时间和维修成本。
这对于生产效率的提高和成本的控制都具有重要意义。
滚动轴承是机械设备中易受损的部件之一，其故障往往会导致设备运行异常或甚至危险。
滚动轴承的状态检测与故障诊断
d BSF = 2D [1− ( D cosθ)2 ]× f0 d
d FTF = 1 (1− D cosθ) × f0 2
有时难以测量轴承的几何尺寸，在知道滚动体数目的情况下，可以用以下公 式估算轴承的故障频率：
内
环：
BPFI = ( n +1.2) × f 0 2 BPFO = ( n −1.2) × f 0 2
3.轴承故障频率计算
内环滚动，外环固定，这是滚动轴承最常见的安装方式。其故障 频率分别为： 内 环： 外 环： 滚动体： 保持架： 式中： n——滚动体数目 d——滚动体直径 D——轴承节径，即外环内径与内环外径的平均值 θ——接触角，对于推力轴承，接触角θ为90°。
d BPFI = n (1+ D cosθ ) × f0 2
1）第一阶段：轴承的超声频率振动阶段
轴承最早期的故障是表现在250kHz～350kHz范围的超声频率的振动异常，随着故 障的发展，异常频率逐渐下降移到20kHz～60kHz。
2）第二阶段：轴承的固有频率振动阶段
随着轴承的运转，轴承滚动表面会产生轻微的缺陷，这些轻微缺陷引 起的振动会激起轴承部件的固有频率(fn)振动或轴承支承结构共振，一般振 动频率在500Hz～2kHz。
二、诊断技术和方法
1.滚动轴承的失效形式 1.滚动轴承的失效形式 2.滚动轴承的失效过程 2.滚动轴承的失效过程 3. 故障频率计算 4.振动特征的分析方法 4.振动特征的分析方法
1.滚动轴承的失效形式
1）疲劳剥落
滚动轴承的内外滚道和滚动体交替进入和退出承载区域，这些部件因长时间承 受交变载荷的作用，首先从接触表面以下最大交变切应力处产生疲劳裂纹，继而扩 展到接触表面在表层产生点状剥落，逐步发展到大片剥落，称之为疲劳剥落。疲劳 剥落往往是滚动轴承失效的主要原因，一般所说的轴承寿命就是指轴承的疲劳寿命。
- 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)。
.轴承状态监测姓名：学号：指导老师：学院：机械工程学院班级：专业：测控技术与仪器摘要：轴承是各类机械设备中的常用部件，也是最易损的部件之一。
轴承出现故障而得不到及时更换时，将可能影响整个机械装置的工作，所以要对轴承进行状态监测，以便及时发现轴承的故障。
本文对轴承状态监测的流程及各流程的实现进行了较为详细的阐述，说明了进行轴承状态监测的意义及其技术的发展过程，之后介绍了状态监测的基本步骤及各个步骤的实现法，最终完成对轴承状态的正确判断，并对此项技术进行了总结和拓展。
关键字：滚动轴承；状态检测；时域分析；频域分析；神经网络目录第一章研究背景··第3页1.1 轴承状态监测的意义和重要性··第3页1.2 常见故障形式··第3页1.2.1滚动轴承的基本结构1.2.2 滚动轴承的常见故障形式1.3 滚动轴承诊断的发展与现状··第5页1.3.1 滚动轴承诊断的发展1.3.2 滚动轴承诊断的现状1.4 常见滚动轴承的法··第6页1.4.1 温度监测1.4.2 油液监测1.4.1 振动监测1.4.2 声波发射监测1.5 常见的故障监测传感器··第7页1.6 常见的特征参数提取手段··第7页1.6.1 基于时域和频域特征参数的提取法1.6.2 基于AR模型的特征参数提取法1.6.3 基于分型理论的特征参数提取法1.6.4 基于小波分析的特征参数提取法1.7 常见的模式识别手段··第8页1.7.1 模糊模式识别法1.7.2 灰色系统理论法1.7.3 人工神经网络法1.8 小结··第9页第二章滚动轴承故障的检测与诊断··第10页2.1 特征提取··第10页2.1.1 零均值化2.1.2 时域特征值得提取2.2 频域分析法··第13页2.1.1信号频域分析及特征提取2.2.2 频域特征提取2.3 时域与频域信号归一化··第15页第三章模式识别··第16页3.1 神经网络识别··第16页3.2 神经网络测试··第17页第四章总结··第17页第一章研究背景1.1 轴承状态监测的意义和重要性随着科技的发展，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、保证产品质量等面具有很大的优势。
但是，正如文献[1]所述，由于故障所引起的灾难性事故及其所造成的对生命与财产的损失和对环境的破坏等也是很重的，这就使得人们对诸如航空航天器、核电站、热电厂及其他大型化工设备的可靠性、安全性提出了越来越高的要求。
故障诊断理论就是为了满足对系统可靠性和安全性要求的提高，减少并控制灾难性事故的发生而发展起来的。
我们可以从查阅文献[2]中得知：滚动轴承与其他机械零部件相比，有一个很独特的特点，那就是其寿命的离散性很大。
由于轴承的这一特点，在实际使用中就会出现这样一种情况：有的轴承已大大超过其设计寿命而依然能正常地工作，而有的轴承远未达到其设计寿命就出现各种故障。
因此，如果按照设计寿命对轴承进行定期维修：一面，会造成将超过设计寿命而仍正常工作的轴承拆下来作报废处理，造成浪费；另一面，未达到设计寿命而出现故障的轴承没有被及时的发现，直到定期维修时才被拆下来报废，使得机器在轴承出现故障后和报废前这段时间工作精度降低，或者未到维修时间就出现重故障，导致整部机器陷于瘫痪状态。
因此，进行滚动轴承工作状态及故障的早期检测与故障诊断，对于设备安全平稳运行具有重要的实际意义。
尤其是我国高速发展的列车行业，滚动轴承是列车走行部中应用最为广泛的机械零件，也是最易损坏的元件之一。
状态监测可以及时、准确的掌握设备运行状态、延长轴承的工作寿命。
1.2 常见故障形式1.2.1滚动轴承的基本结构滚动轴承是广泛应用于各类机械中的基础件。
滚动轴承一般由圈,外圈,滚动体和保持架组成。
圈通常装配在轴上，并与轴一起旋转，外圈通常装在轴承座或机械部件壳体中起支承作用。
但是在某些应用场合，也有外圈旋转，圈固定或者，外圈都旋转的。
在推力轴承中，与轴配合的套圈称为轴圈,与轴承座或机械部件壳体相配的套圈称为座圈。
保持架的作用是将轴承中的一组滚动体等距离隔开，保持滚动体，引导滚动体在正确的轨道上运动，改善轴承部载荷分配和润滑性能，与无保持架的满装球或滚子的轴承相比，带保持架轴承的摩擦阻力较小，适用于高速旋转。
1.2.2 滚动轴承的常见故障形式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。
如文献[3]作者维成所述，我们可知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。
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。
（利用轴承故障检测仪对轴承进行诊断）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，从而引起化学腐蚀。
锈蚀产生的锈斑使轴承表面产生早期剥落，同时也加剧了磨损。
6. 电蚀:电蚀主要是转子带电，电流击穿油膜而形成电火化放电，使表面局部熔焊，在轴承工作表面形成密集的电流凹坑或波纹状的凹凸不平。
7. 塑性变形（凹坑及压痕）:对于转速极低（n＜1 r/min）的轴承，或间歇摆动的轴承，其故障形式主要是永久性塑性变形，即在滚道上受力最大处形成凹坑。
发生塑性变形，主要与过大的挤压应力有关，例如，工作载荷过重，冲击载荷过大，热变形影响等。
轴承出现凹坑后，会产生很大的振动和噪声。
此外，当硬颗粒从外界进入滚动体与滚道之间时，会在滚道表面形成压痕。
8. 保持架损坏:润滑不良会使保持架与滚动体或座圈发生磨损、碰撞。
装配不当所造成的保持架变形，会使保持架与滚动体或座圈之间产生卡涩，从而加速了保持架的磨损。
保持架磨损后，间隙变大，与滚动体之间的撞击力增大，以致使保持架断裂。
1.3 滚动轴承诊断的发展与现状1.3．1滚动轴承诊断的发展通过查阅文献[4]，可知机械故障诊断技术最早出现于20世纪六十年代的美国。
1967年，美国宇航局(NASA)创立了机械故障预防小组(MFPG)。
故障诊断在英国的发展也比较早，以R.A.Collacott为首的保健中心与上世纪六年代末七十年代初就开始研究状态监测与故障诊断技术南安普敦大学与英国钢铁公司首次采用无量纲参数一一峭度来判断滚动轴承的工况。
在其他一些欧洲，故障诊断水平也很高，比如瑞典的SPM公司。
在亚洲，日本故障诊断领域处于领先地位。
其主要优势是民用领域，如:交通运输、钢铁、油和化工等。
我国在故障诊断技术面起步较晚，研究的场所主要集中在高校。
在交通大学和西北工业大学一些高校，目前己经在旋转机械的故障诊断面取得了一定的突破，研制出了相关的故障诊断系统。
作为机械设备中一个用途广泛，且十分重要的部件，总体上说，滚动轴承故障诊断技术的发展经历了一个缓慢的过程，目前正日益发展成为多学科交叉的前沿性学科。
具体来说，可以分为如下三个阶段:第一阶段:不借助任监测和诊断仪器，全凭工程技术人员的经验，利用眼、鼻，耳等人体器官识别，这种式局限性大，很难对机械设备的故障进行实时、准确的判断。
第二阶段:利用计算机进行初级的故障诊断。
进入二十世纪六十年代，计算机技术的发展，FFT算法的出现，使计算机的数字信号处理有了坚实的理论基础，频谱分析从理论变成了现实。
在理论计算时，人们根据滚动轴承的特性计算出其振动的特征频率，然后利用FFT 处理振动信号，对照特征频率对振动信号进行分析，从而判断滚动轴承是否存在故障。
但由于噪声的影响，这种法效果不是特别理想。
随后，滚动轴承故障诊断领域出现了共振解调技术，该法可以有效提高信噪比，凸显故障特征。
这一法在滚动轴承故障诊断领域应用很广。
第三阶段:二十世纪九十年代后，信号处理面的小波技术及人工智能面的神经网络技术出现并逐渐发展，对故障诊断产生了很大影响。
将这两项技术应用于滚动轴承故障诊断领域，可以使滚动轴承故障诊断技术由初级化或人工化，走向智能化。
这两项技术的发展空间广阔，实用价值巨大，成为了国外专家和学者研究的热点课题。
随着这两项技术走向高度发展和成熟，滚动轴承的智能化诊断水平也会越来越高。
除了以上提到的各个阶段滚动轴承诊断法外，还有一些滚动轴承故障诊断法也值得注意，它们在某些时候特别有用。
如，滚动轴承的油液分析法，图象分析法等。
这些法对于工况和当时的环境要求比较高，适用围相对较小。
1.3.2 滚动轴承故障诊断的现状通过查阅文献[2]，我们可知故障诊断技术己成为一门独立的跨学科的综合信息处理技术，它以可靠性理论、信息论、控制论、系统论为理论基础，以现代测试仪器和计算机为技术手段，结合各种诊断对象（系统、设备、机器、装置、工程结构、工艺过程等）的特殊规律而逐步形成一门新兴的学科。
随着现代数学、信息科学、计算机技术、电子技术、人工智能技术、网络技术等更加广泛和深入地应用，故障诊断技术与当前前沿科学的融合是故障诊断技术的发展向。