轴承故障诊断与分析
轴承故障的诊断与预测
轴承故障的诊断与预测第一章：引言轴承作为机器中的重要部件，对于机器的运行起着至关重要的作用。
轴承的故障会给生产过程带来不便，甚至导致设备瘫痪、生产中断。
因此，预测和诊断轴承故障至关重要，这不仅能够保障设备的正常运转，还能节省时间和资源。
第二章：轴承故障的分类轴承故障是指轴承在运行过程中出现的故障，根据故障的特征和表现，可以将轴承故障分为以下几类：1.疲劳故障：轴承因长时间的负荷使用而引起的故障，通常与轴承材料的强度有关。
2.过载故障：轴承因承受瞬时过载而发生故障，过载通常由负载增加或轴承受到意外力量引起。
3.润滑故障：轴承因为润滑不足或润滑不良引起的故障。
通常指轴承摩擦表面不能有效地形成油膜，从而导致轴承磨损。
4.灰尘、污垢故障：轴承因进入灰尘、污垢等杂质而发生故障。
5.安装错误故障：轴承因为安装不当引起的故障。
第三章：轴承故障的诊断方法轴承故障的诊断方法可以采用以下几种方法：1.视觉检查：使用工具检查轴承的外观和表面状况，例如检查轴承的表面是否有磨损痕迹、轴承是否有生锈迹象等等。
2.听觉检查：使用专用工具听取轴承滚球的声音，以判断轴承是否正常。
3.振动检查：使用专用仪器来测量轴承振动的强度和频率，以判断轴承是否正常。
4.温度检查：使用温度计测量轴承的温度，判断轴承是否存在过热现象。
第四章：轴承故障的预测方法轴承故障的预测方法可以采用以下几种方法：1.振动分析法：利用振动信号的特点来分析轴承的状态和预测轴承的寿命。
2.声学分析法：利用声学信号的变化来预测轴承的故障。
3.热分析法：利用轴承的温度变化来预测轴承的故障。
4.液压分析法：通过分析液压系统中的压力信号和流量变化等指标来预测轴承的故障。
第五章：结论准确地预测和诊断轴承故障对于设备维修和运行起着至关重要的作用。
诊断和预测方法的选择和应用应综合考虑不同类型的轴承，轴承的工作环境和工作状况，以及设备运行的要求。
这样，在设备维修中选择正确的方法，准确的预测和诊断轴承故障，以保障设备的正常运行，提高生产效率，降低设备故障率，节省更多的时间和资源。
轴承故障诊断与预测技术研究
轴承故障诊断与预测技术研究一、前言轴承是企业生产过程中非常重要的一个部件，如何提高轴承的使用寿命和可靠性是企业工程技术人员关注的重点。
轴承故障是因为在使用的过程中承载超过轴承额定承载能力而产生的，严重影响企业的生产效率和经济效益。
因此，如何有效地诊断轴承故障和预测轴承性能退化状态成为企业工程技术研究的热点和难点。
二、轴承故障诊断技术1.基于信号处理的故障诊断技术信号处理是轴承故障诊断技术最重要的一部分，通过对采集到的振动信号，识别出其中的故障特征信息进行故障诊断。
现阶段已经发展出很多不同的故障诊断方法，包括功率谱密度分析法、小波分析法、时域统计学方法等等。
这些方法都具备一定的优点，但是由于轴承工作环境的复杂性，单一的方法并不能满足所有情况的诊断需要，需要结合多种诊断方法进行综合分析。
2.基于数据融合的故障诊断技术数据融合是指将来自多个传感器的数据进行集成分析，通过提高故障特征的可靠性和准确性来提高轴承的诊断效果。
目前最常用的数据融合方法是主成分分析（PCA）和独立成分分析（ICA），通过这些方法可以将数据降至低维度，提高故障特征的显著性，从而提高轴承故障的诊断能力。
三、轴承故障预测技术由于轴承的寿命和可靠性直接影响企业的生产效率和经济效益，因此对于轴承预测技术的研究日益受到重视。
轴承的预测技术是通过对轴承状态进行持续监测、分析和预测，及时发现轴承的性能下降趋势并采取有效措施，从而提高轴承寿命和可靠性。
1.基于统计学的预测技术统计学方法主要是通过历史数据和经验知识对未来轴承性能进行预测。
目前最常用的统计学方法是基于时间序列分析的ARIMA模型和基于监督学习的支持向量机（SVM）模型。
这些方法通过对历史数据进行建模和预测，可以有效地预测轴承未来可能出现的问题，提高轴承的可靠性和寿命。
2.基于机器学习的预测技术机器学习是最新的一种预测技术，通过对大量数据进行训练和学习，可以准确地预测未来可能出现的轴承故障。
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。
轴承故障检测、诊断、分析技巧
为了尽可能长时间地以良好状态维持轴承本来的性能，必须保养、检测、检修、以求防事故于未然，确保运转的可靠性，提高生产性、经济性。
对长期运行中的设备来讲，平时的检测跟踪尤为重要，检测项目包括轴承的旋转音、振动、温度、润滑剂的状态等，根据检测结果，设备维护人员可以准确地判断设备的问题点，提早作出预防和解决方案。
一、异常旋转音分析诊断异常旋转音检测分析是采用听诊法对轴承工作状态进行监测的分析方法，常用工具是木柄长螺钉旋具，也可以使用外径为20mm左右的硬塑料管。
相对而言，使用电子听诊器进行监测，更有利于提高监测的可靠性。
轴承处于正常工作状态时，运转平稳、轻快，无停滞现象，发生的声响和谐而无杂音，可听到均匀而连续的“哗哗”声，或者较低的“轰轰”声。
异常声响所反映的轴承故障如下：1、轴承发出均匀而连续的“咝咝”声，这种声音由滚动体在内外圈中旋转而产生，包含有与转速无关的不规则的金属振动声响。
一般表现为轴承内加脂量不足，应进行补充。
若设备停机时间过长，特别是在冬季的低温情况下，轴承运转中有时会发出“咝咝沙沙”的声音，这与轴承径向间隙变小、润滑脂工作针入度变小有关。
应适当调整轴承间隙，更换针入度大一点的新润滑脂。
2、轴承在连续的“哗哗”声中发出均匀的周期性“嗬罗”声，这种声音是由于滚动体和内外圈滚道出现伤痕、沟槽、锈蚀斑而引起的。
声响的周期与轴承的转速成正比。
应对轴承进行更换。
3、轴承发出不规律、不均匀的“嚓嚓”声，这种声音是由于轴承内落入铁屑、砂粒等杂质而引起的。
声响强度较小，与转数没有联系。
应对轴承进行清洗，重新加脂或换油。
4、轴承发出连续而不规则的“沙沙”声，这种声音一般与轴承的内圈与轴配合过松或者外圈与轴承孔配合过松有关系。
声响强度较大时，应对轴承的配合关系进行检查，发现问题及时修理。
二、振动信号分析诊断轴承振动对轴承的损伤很敏感，例如剥落、压痕、锈蚀、裂纹、磨损等都会在轴承及振动测量中反映出来。
所以，通过采用特殊的轴承振动测量器（频率分析器等）可测量出振动的大小，通过频率分布可推断出异常的具体情况。
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
滚动轴承故障诊断方法与技术综述
滚动轴承故障诊断方法与技术综述引言：滚动轴承作为机械设备中常用的零部件之一，承担着支撑和传递载荷的重要作用。
然而，由于使用环境的恶劣和工作条件的复杂性，滚动轴承往往容易出现各种故障。
因此，为了保证机械设备的正常运行和延长轴承寿命，对滚动轴承的故障进行准确诊断非常重要。
一、故障诊断方法1. 观察法观察法是最常用的故障诊断方法之一。
通过观察滚动轴承的外观和运行状态来判断是否存在故障。
例如，如果发现滚动轴承有异常噪声、温度升高、润滑油泡沫、振动加剧等现象，很可能是轴承出现了故障。
2. 振动诊断法振动诊断法是一种先进的故障诊断方法，可以通过检测轴承的振动信号来判断轴承是否存在故障。
通过分析振动信号的频谱图，可以确定轴承故障的类型和位置。
常用的振动诊断方法包括时域分析、频域分析和小波分析等。
3. 声音诊断法声音诊断法是一种通过听觉判断轴承故障的方法。
通过专业人员对轴承产生的声音进行听觉分析，可以判断轴承是否存在异常。
常见的轴承故障声音包括金属碰撞声、摩擦声和振动声等。
4. 热诊断法热诊断法是一种通过测量轴承的温度来判断轴承故障的方法。
由于轴承在故障状态下会产生摩擦热，因此轴承的温度可以间接反映轴承的工作状态。
通过测量轴承的温度分布，可以判断轴承是否存在异常。
二、故障诊断技术1. 模式识别技术模式识别技术是一种基于机器学习的故障诊断技术，可以根据轴承的振动信号和声音信号等特征，通过训练模型来识别轴承的故障类型。
常用的模式识别技术包括支持向量机、神经网络和决策树等。
2. 图像诊断技术图像诊断技术是一种通过图像处理和分析来判断轴承故障的技术。
通过对轴承的外观图像进行特征提取和分类，可以实现对轴承故障的自动诊断。
常用的图像诊断技术包括边缘检测、纹理分析和目标识别等。
3. 声音信号处理技术声音信号处理技术是一种通过对轴承声音信号进行滤波、频谱分析和特征提取等处理，来判断轴承故障的技术。
通过对声音信号的频谱图和时域图进行分析，可以判断轴承故障的类型和位置。
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。
- 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)。
轴承故障诊断与分析
LOGO
主要内容
1 2 3 4
轴承相关简介 滚动轴承故障诊断与分析 滑动轴承故障诊断与分析
参考文献
LOGO
轴承（Bearing）是机械中的固定机件。当其他机件在轴上彼此产生 相对运动时，用来保持轴的中心位置及控制该运动的机件，就称之为 轴承。轴承是各种机电设备中的重要组成部件,在各个机械部门有着 广泛的应用。
LOGO
小波包分析
小波包分析(Wavelet Packet Analysis) 是一种比小波分析更精细的分析方 法,它将频带进行多层次划分,并对小波变换中没有细分的高频部分做进一步 分解,从而提高时频分辨率。 小波包分解是一种分解更为精细的分解方法,它不仅对低频段部分进行分解, 而且对高频段部分也进行分解,并能根据分析信号的特征,自适应地选择相应 的频带,使之与信号频谱相匹配,从而提高时频分辨率。因此,小波包分析可以 提取振动信号中能量突出的频带,分析其频率特征,找出故障产生的根源。
故 障 诊 断 技 术
时频域分析 光纤诊断分析 油液诊断分析 轴承润滑状态监测诊断法 声学诊断分析（基于声发射）
热诊断（热成像诊断和温度诊断）
LOGO
基于振动信号诊断技术及分析
基于振动信号的诊断技术能够诊断大多数滚动轴 承故障，其优点是可在运动中测得轴承信号。目 前国内外开发生产的各种滚动轴承故障诊断与监 测仪器大都是根据振动法的原理制成的。 步骤：
LOGO
小波变换
小波变换是时间(空间)频率的局部化分析，它通过伸缩平 移运算对信号(函数)逐步进行多尺度细化，最终达到高频 处时间细分，低频处频率细分，能自动适应时频信号分析 的要求，从而可聚焦到信号的任意细节，有人把小波变换 称为“数学显微镜”。 小波分析是调和分析的重大突破。它继承和发展了Gobor 变换的局部化思想，同时又克服了窗口大小不随频率变化、 缺乏离散正交基的缺点，不仅是比较理想的局部频谱分析 工具，而且在时域也具有良好的局域性。通过小波分解能 够把任何信号(平稳或非平稳)映射到由一个小波伸缩、平 移而成的一组基函数上，在通频范围内得到分布在各个不 同频道内的分解序列，其信息量是完整的。
LOGO
（4）概率密度诊断法
无故障滚动轴承振幅的概率密度曲线是典型的正态分布曲 线；而一旦出现故障，则概率密度曲线可能出现偏斜或分 散的现象，如图所示。
图 滚动轴承的损伤
LOGO
（5）峭度系数诊断法
峭度（Kurtosis）β定义为归一化的4阶中心矩，即：
( x x ) 4 p ( x)dx
疲劳点蚀或剥落
磨 损
胶 合
断 裂
保持架损坏
烧 伤
LOGO
时域分析
振幅值诊断法 波形因数诊断法 波峰因数诊断法 概率密度诊断法 峭度系数诊断法 滚动轴承的冲击脉冲诊断法 频谱分析 细化谱分析 解调谱分析 倒频谱分析 差频谱分析 共振解调法 小波变换（小波包变换） 经验模态分解(EMD)
振动诊断分析
频域分析
LOGO
经验模态分解（EMD）
N E Huang在1998年提出了经验模态分解（Empitical Mode Decomposition，简称EMD）方法。EMD方法从本质上 讲是对非平稳信号进行平稳化处理，它将原始信号分解为 若干个平稳的固有模态函数（IMF）及一个余项之和，分 解出的各个IMF分量更好的体现出了数据的局部特征。选 取与轴承特征相关系数较大的IMF分量（包含了主要故障 信息）进行进一步分析，如采用Hilbert变换获得包络信 号，然后对其进行频谱分析，从中提取出特征参数，从而 为轴承的故障诊断提供依据。EMD信号处理方法具有自适 应分解特性，信噪比高，对非平稳和非线性信号的处理具 有较高的效率。
fc=1.94Hz fc*2=3.88Hz 保持架发生故 障
前3个IMF分量的包络谱
LOGO
光纤监测诊断法
光纤位移传感器的构造如图1所示，它由多根光导纤维组成，可分为发送光纤 束和接收光纤束两种。两束光纤在横截面中的分布方式有多种，在图1(a)中 为随机分布，图1(b)中为相间分布，图1(c)中则为圆环形分布。在这三种分 布中，圆环形分布最常用，等间隔分布最灵敏，但制造最困难。光纤位移传 感器的安装方式如图2所示。
LOGO
共振解调法分析
基于共振解调法的轴承故障诊断方法是目前广泛采用的行 之有效的方法。共振解调法的基本原理为: 当轴承某一元 件表面产生局部损伤时, 在轴承受载运行时要撞击与之相 互作用的其它元件表面, 产生一系列的冲击脉冲力。这些 冲击力会激起轴承系统的高频固有振动。 共振解调法是利用传感器及电路的谐振，将故障冲击引起 的衰减振动放大，提高故障探测的灵敏度，这是与冲击脉 冲法相同之点。但该方法还利用解调技术将故障信息提取 出来，通过对解调后的信号进行频谱分析，可以诊断出故 障的部位，指出故障发生在轴承外圈、内圈滚道或滚动体 上。这是美国波音公司提出的一项技术，称为早期故障探 测法（Incipient Failure Detection）。
c)经滤波、包络检波得到 的波形a1(t)，相当于将 故障引起的脉冲加以放大 和拓宽，并且踢除了其余 的机械干扰；
IFD法的信号变换过程
d)最后作频谱分析可以得 到与故障冲击周期T相对 应的频率成分及其高次谐 波。
LOGO
时频分析法
滚动轴承在工作时，由于载荷、摩擦力和阻尼等因素的存 在，其振动常常是非线性的；另外，在采集过程中，由于 受噪声，环境等因素的影响，实际采集到的包含轴承故障 信息的震动信号往往会具有非平稳、非线性的随机信号特 性。而非平稳信号的统计特性和频率是随时间变化的，此 时若仅仅采用基于平稳信号的时域分析或频域分析，就无 法同时兼顾信号在时域和频域的局部化特征，而这些局部 化特征恰恰是轴承故障的表征。非平稳信号的局部特征需 要使用时域和频域的二维联合表示，称为时频分析。 小波变换（小波包变换） 经验模态分解(EMD)
内圈有剥落频率
z d fi (1 cos ) f 0 2 D
LOGO
各符号意义
LOGO
振动分析中的频域分析
频域分析主要是为了确定信号的频率结构、信号的频 率成分及各频率成分的幅值大小。信号的频域信息包 含了大量的机械运行状态信息，故障的发生、发展都 会引起信号的频率结构的变化。频域分析包括： 频谱分析 细化谱分析 解调谱分析 倒频谱分析 差频谱分析 共振解调，通过中心频率等于该固有频率 的带通滤波器把该振动分离出来。然后，通过包络检波器检波，去除高 频衰减振动的频率成分，得到只包含故障特征信息的低频包络信号，对 这一包络信号进行频谱分析从而诊断出轴承的故障。
LOGO
a)轴承故障引起的冲击脉 冲F(t)；
b)经传感器拾取及电路谐 振，得到放大的高频 衰减振动a(t)；
LOGO
（1）振幅值诊断法
振幅值指峰值、均值 以及均方根值（有效值）。 峰值反映的是某时刻振幅的最大值，因而它适用于像 表面点蚀损伤之类的具有瞬时冲击的故障诊断。另外，对 于转速较低的情况（如300r/min以下），也常采用峰值进 行诊断。 均值用于诊断的效果与峰值基本一样，其优点是检测 值较峰值稳定，但一般用于转速较高的情况（如300r/min 以上）。 均方根值是对时间平均的，因而它适用于像磨损之类 的振幅值随时间缓慢变化的故障诊断。 日本NSK公司生产NB系列轴承监测仪和新日铁研制的 MCV-21A型机械监测仪就是这类仪器。
LOGO
轴承也是机器中最易损坏的零件之一，有资料表明，在旋 转机械中有70%的故障是由滚动轴承引起的，在齿轮箱的 各类故障中轴承的故障仅次于齿轮而占到19%，电机故障 中有80%表现为电机轴承故障。
LOGO
轴承故障诊断的历史
最初的轴承故障诊断是利用棒，靠听觉来判断。 现在仍然在用，且改为电子听诊器。对经验要求 较高，且影响因素较多。 第一阶段：利用通用的频谱分析仪诊断轴承故障。 第二阶段：利用冲击脉冲技术为诊断轴承故障。 第三阶段：利用共振解调技术诊断轴承故障。 第四阶段：开发以微机为中心的滚动轴承监视与 故障诊断系统。
获取振 动信号 信号相 关处理 信号结 果分析
LOGO
滚动轴承的简易诊断（时域分析）
时域诊断方法是发展最早的，基于所采集振动信 号的滚动轴承故障诊断方法。这种方法即使能够 判断出轴承存在故障，也很难确定故障的性质和 部位等关键信息。
振幅值诊断法 波形因数诊断法 波峰因数诊断法 概率密度诊断法 峭度系数诊断法 滚动轴承的冲击脉冲诊断法
图 冲击脉冲值与 轴承寿命的关系
图 冲击脉冲仪示意图
LOGO 滚动体具有缺陷后的故障频率（通过频率）
滚动体剥落频率 保持架故障频率 外圈有剥落频率
fb
D d [1 ( cos ) 2 ] f 0 2d D
fc
fo
1 d (1 cos ) f 0 2 D
z d (1 cos ) f 0 2 D
LOGO
滚动轴承的故障诊断与分析
滚动轴承是各种机电设备中的重要组成部件和常 用件, 它的工作状态直接影响到整台设备正常运 行的质量, 且由于其寿命随机性大, 无法准确预 测, 因而掌握轴承运行的工作状态以及故障的形 成和发展是目前机械故障诊断前沿领域中研究的 重要课题之一。
LOGO
滚动轴承常见的失效形式
LOGO
EMD分析法举例
本实验所用装置主要有滚动轴承实验台、传感器、数据采集系统和计算机。 电机参数:型号A07114 型交流电机, 额定功率为0.55 kW, 额定转速为 1400r/min。轴承参数: 型号6201, 内径d=12mm,外径D=32mm, 厚度B=10mm, 滚珠数z=7,滚珠直径d1=6.5mm。设置采样频率为1024Hz,分析频率为1000 Hz, 采样点数1024,轴承转速为330r/min。通过计算,滚动轴承的故障特征频率为: 滚珠旋转频率f0=8.5Hz,持架旋转频率fc=1.94 Hz,滚珠通过内圈频率 fbi=24.94Hz,滚珠通过外圈频率fbc=13.56Hz。下图为实验装置示意图。