滚动轴承故障诊断综述
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。
滚动轴承故障诊断
滚动轴承故障诊断工课设备管理看工课141篇原创内容公众号正文 1072 字丨3分钟阅读一、滚动轴承故障诊断的方式及要点对滚动轴承进行状态监测和故障诊断的实用方法是振动分析。
实用中需注意选择测点的位置和采集方法。
要想真实准确反映滚动轴承振动状态，必须注意采集的信号准确真实，因此要在离轴承最近的地方安排测点。
另外必须注意对振动信号进行多次采集和分析，综合进行比较，才能得到准确结论。
二、滚动轴承正常运行的特点与实用诊断技巧滚动轴承在其使用过程中会表现出很强的规律性，并且重复性非常好。
正常优质轴承在开始使用时，振动和噪声均比较小，但频谱有些散乱，幅值都较小，可能是由于制造过程中的一些缺陷，如表面毛刺等所致。
运行一段时间后，振动和噪声维持一定水平，频谱非常单一，仅出现一、二倍频。
极少出现三倍工频以上频谱，轴承状态非常稳定，进入稳定工作期。
继续运行后进入使用后期，轴承振动和噪声开始增大，有时出现异音，但振动增大的变化较缓慢。
此时，轴承峭度值开始突然达到一定数值，此时认为轴承表现为初期故障。
这时，就要求对该轴承进行严密监测，密切注意其变化。
此后，轴承峭度值又开始快速下降，并接近正常值，而振动和噪声开始显著增大，其增大幅度开始加快，当振动超过振动标准时，其轴承峭度值也开始快速增大，当既超过振动标准，而峭度值也超过正常值时，认为轴承已进入晚期故障，需及时检修设备，更换滚动轴承。
轴承表现出晚期故障特征到出现严重故障(一般为轴承损坏如抱轴、烧伤、沙架散裂、滚道、珠粒磨损等)时间大都很短，设备容量越大，转速越快，其间隔时间越短。
因此，在实际滚动轴承故障诊断中，一旦发现晚期故障特征，应果断判断轴承存在故障，尽快安排检修。
三、实用的滚动轴承频谱分析与诊断技巧对于振动不大，轴承峭度不大，频谱复杂的振动信号，在现场难以判断有无故障情况时，需将振动信号采集回来，传到计算机进行精密分析。
此时，先进行常规分析，检查振动速度频谱和轴承峭度是否接近标准，观察频谱中各种频率成份。
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。
滚动轴承故障诊断方法综述
滚动轴承故障诊断方法综述摘要：机械装备的安全运行对于现代工业发展具有重要的现实意义，同时也能有效保障人员安全和降低企业经济损失，因此相关的设备故障诊断技术也得到极大关注。
轴承作为机械装备特别是旋转机械设备中的重要基础部件，各种复杂工况下，容易发生滚动体变形、磨损、腐蚀、裂缝等各种形式的缺陷，因此如何实现对滚动轴承的故障检测和识别具有重要的意义。
关键词：机械；滚动轴承；故障诊断引言轴承故障诊断主要采用的手段是获取设备的振动信号、声发射信号、电磁信号、超声信号等，通过一定的手段从这些信号之中获得轴承的相关故障信息。
通常所采集得到的信号不能直接作为模式识别工具的输入数据，因为这些原始信号不仅数据量大同时对于轴承所处的工况比较敏感，需要对采集的数据进一步处理。
从某种意义上讲，机械故障诊断可视为一个故障模式识别过程，模式识别技术的发展对于机械故障诊断技术的发展有着直接的影响。
通过设计合理的模式分类器来进行故障模式识别是故障诊断的又一关键步骤[2]。
目前在轴承故障诊断领域主要采用统计模式识别方法和人工智能识别方法两大类。
随着人工智能技术的不断发展，为解决滚动轴承的故障诊断问题提供了新的手段和方法，本文主要针对滚动轴承故障模式识别方面的研究工作进行综述，并给出相关的研究趋势。
1基于贝叶斯推理的故障模式识别技术首先采用小波包分解得到峭度特征量；然后，采用主成分分析法、核主成分分析法等降维方法选择合适的特征量，最后将选择的特征量送入到朴素贝叶斯分类器和线性判别分析模型（LDA）中，从而实现对轴承的故障进行分类。
基于红外图像分割的旋转机械故障诊断方法，首先采用图像分割算法对红外图像进行特征提取，然后采用特征融合算法进行故障特征融合，最后将融合后的特征量分别作为朴素贝叶斯分类器和支持向量机分类模型的输入量，对这两种识别模型进行训练并将训练后的模型用于故障识别。
实验结果表明该算法具有故障模式识别分类准确度高、速度快等优势。
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。
- 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)。
摘要：滚动轴承是旋转机械中使用最多，最为关键，同时也是机械设备中最易损坏的机械零件之一。
滚动轴承质量的好坏对机械设备运行质量影响很大，许多旋转机械设备的运行状况与滚动轴承的质量有很大的关系。
滚动轴承作为旋转机械设备中使用频率较高，同时也是机械设备中较为薄弱的环节，因此对滚动轴承进行故障诊断具有重大意义。
引言：故障诊断技术是一门研究设备运行状况信息，查找故障源，研究故障发展趋势，确定相应决策，与生产实际紧密相结合的实用技术。
故障诊断技术是20世纪中后迅速发展起来的一门新型技术。
国外对滚动轴承故障诊断技术的研究开始于20世纪60年代。
美国是世界上最早研究滚动轴承故障诊断技术的国家，于1967年对滚动轴承故障进行研究，经过几十年的发展，先后研制了基于时域分析，频域分析，和时频分析的滚动轴承故障诊断技术。
目前国外已经研制出先进的滚动轴承故障诊断仪器，并且已经应用于工业生产中，对预防机械事故，减少损失起到了至关重要的作用。
国内对故障诊断技术的研究起步较晚，20世纪80年代我过开始研究滚动轴承故障诊断技术，经过多年的研究，先后出现了基于振动信号的滚动轴承故障诊断，基于声音信号的滚动轴承诊断方法，基于温度的滚动轴承诊断方法，基于油膜电阻的滚动轴承诊断方法和基于光钎的滚动轴承诊断方法。
从实用性方面来看，基于振动信号的滚动轴承诊断方法具有实用性强，效果好，测试和信号处理简单等优点而被广泛采用。
在滚动轴承故障诊断中，比较常用的振动诊断方法有特征参数法，频谱分析法，包络分析法，共振解调技术。
其中共振解调技术是目前公认最有效的方法。
振动检测能检测轴承的剥落、裂纹、磨损、烧伤且适于早期检测和在线检测。
因而，振动诊断法得到一致认可。
包络检测是轴承故障振动诊断的一种有效方法,实际中已广泛使用。
当轴承出现局部损伤类故障后，振动信号中包含了以故障特征频率为周期的周期性冲击成分，虽然这些冲击成分是周期出现的，但单个冲击信号却具有非平稳信号的特性。
Fourier变换在频域上是完全局部化的，但由于其基函数在时域上的全局性使它没有任何的时间分辨率，因此不适合非平稳信号的分析。
短时Fourier 变换虽然在时域和频域上都具有一定的分辨率而由于其基函数只能对信号进行等带宽的分解。
因此基函数一旦确定，其时域和频域分辨率也就不能变化，从而不能自适应地确定信号在不同频段的分辨率。
小波变换基函数的伸缩和平移能形成一系列变化的时频窗，低频处时窗变宽，高频处时窗变窄，而频窗的变化正好相反，这样小波变换就具有了可变分辨率的特征，从而满足了时频分析的要求。
因此，可以用小波变换对滚动轴承进行状态监视和故障诊断。
关键词：轴承监测，故障诊断，共振解调，小波分析Abatact:Roller bearings are one of the most used and important mechanical parts in rotating machines, and vninerable to damage. Many faults of rotating mechanism are related to the state of roller bearings. The performance of roller bearings directly affects the performance of the whole machine. Thus , developing state testing and fault diagnosis of roller bearings is necessary.Introduction:Fault diagnosis technology is a practical skill, who research the operation state information of the equipment ,find the source of the error, research the tendency of the error ,and determine how to do next. Fault diagnosis is a new technology ,who quickly develop in the late of the 20’s century. In the foreign countries ,they research the fault diagnosis of rolling bearing begins at 1960.The United States is the first country who research the fault diagnosis technology in the world .at the year of 1967 ,the United State began researching fault diagnosis technology.After several decades of development, they has developed rolling bearing fault diagnosis technology based on time-domain analysis, frequency domain analysis, and time-frequency analysis .At nowadays, the foreign countries have been developed the advanced equipment of the rolling bearing fault diagnosis , and has been used in industrial, and plays a important role in prevent mechanical accidents ,reduce losses. The research of Fault diagnosis technology in China at the late of 1980. After many years of research, we have development the fault diagnosis of rolling bearing based on the vibration signals , based on sound signals diagnostics, based on temperature diagnosis ,based on the film resistance diagnostics and based on fiber-optic diagnosis . From the view of practical, the rolling bearing diagnosis based on vibration signal method is practical, effective, and signal processing is simpler than others, so it has been used widely.In the fault diagnosis of rolling bearing, the more commonly used methods of vibration diagnostic are characteristic parameter method, spectral analysis, envelope analysis, and resonance demodulation technology. Resonance demodulation technique is the method who currently recognized as the most effective method at nowadays. Vibration test can detect bearing spalling, cracks, wear, burns and is suitable for early detection and on-line testing. Thus, the vibration diagnostics was unanimously approved. Envelope bearing fault detection is an effective method of vibration diagnosis, has been widely used in practice. When the bearing failure, after a partial injury of class, the vibration signal contains the fault characteristic frequency cycle to the cyclical nature of the impact of components, although there is a periodic component of these shocks, but the individual impact of the signal does have non-stationary signal features.. Fourier transform in the frequency domain is fully localized, but because of its b-asis functions in the time domain, the global nature of it there is no time resolution a-nd therefore not suitable fornon-stationary signal analysis. Although the short-time F-ourier transform in time domain and frequency domain have a certain degree of resol-ution which can only be due to its basic function such as the signal bandwidth decom-position. Once the basis functions, therefore, its time-domain and frequency domain r-eolution, it will not change, and thus can not determine the adaptive resolution of the signal at different frequency bands. Wavelet transform basis functions of the scaling and translation can form a series of changes of time-frequency window, low frequ-encies widened time window, high-frequency at time window narrows, while the fr-equency of changes in the opposite window, so that the wavelet transform with a v-ariable resolution rate characteristics, to meet therequirements of time-frequency an-alysis. Therefore, we can use wavelet transform for bearing condition monitoring and fault diagnosis.Keywords：Bearing testing ;Fault Diagnosis ;resonance demodulation ;Wavelet Analysis ;参考文献：[1] Xiaoqin,Zhiyi SUN; "Fault diagnosis approach based on fuzzy neural networks and its applocation". Control and Automation .2002.ICCA. Final Program Book OF Abstracts. The 2002 International Conference on ,June 16-19,2002 Pages:217-218[2] Peng Tao ,Gui Weihua,Wu Min,Xie Yong,Tang Zhaohui;"Fault diagnosis based on intelligent information processing technology".TENCON' 02.Proceedings 2002 IEEE Region 10 Conference on Computers,Communication ,Control and POWER Engineering. Volume:3 ,28-31 Oct .2002 Pages:1708-1712 vol.3[3] J.Shiroishi.Y.Li ,S.Liang,S.DANYLUK ,T。