滚动轴承故障诊断实验
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。
滚动轴承和齿轮振动信号分析与故障诊断方法
滚动轴承和齿轮振动信号分析与故障诊断方法目录一、内容综述 (2)二、滚动轴承振动信号分析 (3)1. 滚动轴承工作原理及结构特点 (4)2. 振动信号产生机制 (5)3. 振动信号采集与处理 (6)三、齿轮振动信号分析 (7)1. 齿轮工作原理及故障类型 (8)2. 振动信号特征提取 (10)3. 齿轮故障识别与诊断 (11)四、滚动轴承与齿轮振动信号分析方法 (12)1. 时域分析 (13)2. 频域分析 (14)3. 时频域联合分析 (16)五、故障诊断方法 (17)1. 基于振动信号特征的故障诊断 (18)2. 基于模型的故障诊断 (20)3. 基于智能算法的故障诊断 (21)六、实验与应用实例 (22)1. 实验设计 (24)2. 实验结果与分析 (25)3. 应用实例介绍 (26)七、结论与展望 (28)1. 研究结论 (29)2. 展望未来发展趋势 (29)一、内容综述本文档旨在全面阐述滚动轴承和齿轮振动信号分析与故障诊断方法的研究现状、发展趋势及其重要性。
随着工业领域的快速发展，滚动轴承和齿轮作为机械设备中的关键部件，其运行状态的正常与否直接关系到整个系统的稳定性和效率。
针对滚动轴承和齿轮的振动信号分析以及故障诊断方法的研究具有极其重要的实际意义。
滚动轴承和齿轮的故障诊断主要依赖于振动信号分析，通过对振动信号的特征提取和模式识别，实现对设备状态的实时监测和故障诊断。
随着信号处理技术和人工智能技术的不断进步，滚动轴承和齿轮振动信号分析的方法日趋成熟，为设备的故障诊断提供了有力的技术支持。
本文首先概述了滚动轴承和齿轮的基本结构、工作原理及其在机械设备中的重要地位。
然后重点介绍了振动信号分析的基本原理和方法，包括信号采集、特征提取、模式识别等关键环节。
接着详细阐述了基于振动信号的故障诊断方法，包括传统方法如频谱分析、包络分析等，以及近年来新兴的基于机器学习和深度学习的诊断方法。
对滚动轴承和齿轮振动信号分析与故障诊断方法的未来发展趋势进行了展望。
滚动轴承故障智能诊断系统及故障测试实验
（） ２多传感器信息融合功能
信息融合是将来 自某 一 目标 的多源信 息加 以智能化合并 ， 产生 比单一信源更精确更完全的估 计和判决 。轴承故障诊断实 际上是典型的信 息融合过程 ， 如图 ２所示 ， 系统信息融合采用 该 五级 ， 第一个层次为检测 、 判决融合 ， 采用树状结构 ， 融合从树枝 传来的局部判决 和 自己的检测 ， 出全局判决 ； 做 第二个层次为位 置融合 ， 采用分布式融合 ， 中心根据各节点 的故障趋势数据完成 故障趋势关联 和故 障趋势融合 ， 形成全局估计 ； 第三个层次为 目 标识别 （ 属性 ） 信息融合 ， 采用数据层属性融合 ， 以获取更高的精 度 ； 四个层次为态势 评估 ， 五个层次为威胁估计 ， 四和 五 第 第 第
峭度特 征 、 裕度 因子 、 冲因子等 ６类 特 脉 征作为基本辨识框架 中的元素 ＿ 引 。振动信 图 １ 滚动轴承故 障智能诊断 系统原理框 图 号 和声音信号各有特点 ， 同一特征用于识 别 机 器 的声 音 和 加 速 度 信 号 时 “ 子 损 滚
——
墼
设 管 与 值 ２２ ７ 备 理 维 ０ № 固 １
系统 可以量化 故障 ，并 通过 逻辑 推理 的方式智能地判断 出故 障
发 生 的部 位 。
２滚动轴承故 障智能诊断系统构成 ．
（ ） 本 构 成 １基
故 障智能诊 断系统硬 件构成 如图 １ 示 ，１ 所 ６个监测传 感
器分布在轴承或轴承系各监测点 ，振动加速度传感器采用了 内
装微 型 Ｉ一 ｃ 集成 电路放 大器的压 电式传感器 ，它将传统 的传 感 器与 电荷放大器集于一体 ， 简化 了测试 系统 ， 提高了测试 精度和 可靠性 ， 由于滚动轴 承一旦失效 ， 温度将 急剧上升 ， 因此 温度 监
铁路货车滚动轴承故障诊断方法研究
铁路货车滚动轴承故障诊断方法研究铁路货车作为重要的铁路运输工具，其安全运行对于货运行业的发展至关重要。
而滚动轴承作为货车的重要部件之一，其状态对货车运行的安全性和经济性有着重要的影响。
对铁路货车滚动轴承的故障诊断方法进行研究，对于提高货车的安全性和可靠性具有重要的意义。
本文将介绍铁路货车滚动轴承故障诊断方法的研究。
2. 滚动轴承的故障诊断方法滚动轴承的故障诊断方法主要包括振动诊断、声音诊断、温度诊断、润滑油诊断等多种方法。
这些方法可以单独使用，也可以相互综合使用，以提高故障诊断的准确性和可靠性。
2.1 振动诊断振动诊断是一种常用的滚动轴承故障诊断方法，通过对轴承振动信号的分析，可以判断轴承的运行状态。
振动诊断主要包括轴承振动加速度、速度和位移的测量和分析。
通过对振动信号的频谱分析、波形分析等手段，可以判断轴承的故障类型和严重程度。
2.2 声音诊断声音诊断是一种通过对轴承工作时产生的声音进行分析，来判断轴承状态的方法。
轴承在工作时会产生一定的声音，当轴承出现故障时，其工作时产生的声音会发生变化。
通过对轴承工作时的声音进行分析，可以判断轴承的故障类型和严重程度。
2.4 润滑油诊断润滑油诊断是一种通过对轴承润滑油的监测和分析，来判断轴承状态的方法。
轴承故障时会产生金属颗粒和磨损粉末，这些颗粒和粉末会污染润滑油。
通过对轴承润滑油中的金属颗粒和磨损粉末进行分析，可以判断轴承的故障类型和严重程度。
3.1 综合诊断方法的优势综合诊断方法可以克服单一故障诊断方法的局限性，对轴承的故障进行全面、准确的诊断。
通过多个参数的综合分析，可以提高故障诊断的准确性和可靠性，为轴承的维护和保养提供科学依据。
3.2 综合诊断方法的实现综合诊断方法的实现需要通过先进的监测设备和分析技术。
目前，市场上已经有多种先进的轴承故障监测设备，可以对振动、声音、温度和润滑油等多个参数进行监测和分析，实现轴承的综合诊断。
4. 结论铁路货车滚动轴承的故障诊断对于提高货车的运行安全性和经济性具有重要的意义。
基于时域和频域分析的滚动轴承故障诊断
基于时域和频域分析的滚动轴承故障诊断一、本文概述随着工业技术的不断发展，滚动轴承作为旋转机械中的关键部件，其运行状态直接影响到设备的性能与安全性。
然而，由于工作环境的恶劣、长时间运行以及维护不当等因素，滚动轴承常常会出现各种故障，如疲劳剥落、磨损、裂纹等。
这些故障不仅会降低设备的运行效率，还可能引发严重的安全事故。
因此，对滚动轴承进行故障诊断技术的研究具有重要意义。
本文旨在探讨基于时域和频域分析的滚动轴承故障诊断方法。
文章将简要介绍滚动轴承的工作原理及其常见故障类型，为后续的分析和诊断奠定基础。
然后，重点阐述时域分析和频域分析的基本原理及其在滚动轴承故障诊断中的应用。
时域分析主要关注轴承振动信号的时序特征，通过提取信号中的幅值、相位、频率等信息，揭示轴承的运行状态。
而频域分析则通过对信号进行频谱转换，分析轴承在不同频率下的振动特性，进一步识别潜在的故障特征。
通过结合时域和频域分析，本文旨在提供一种全面、有效的滚动轴承故障诊断方法。
这种方法不仅能够准确识别轴承的故障类型，还能对故障程度进行定量评估，为设备的维护和管理提供有力支持。
本文还将对现有的故障诊断方法进行比较和评价，探讨各种方法的优缺点及适用范围，为相关领域的研究和实践提供参考和借鉴。
二、滚动轴承故障类型及原因滚动轴承作为机械设备中的重要组成部分，其运行状态直接影响到整个设备的性能和稳定性。
因此，对滚动轴承的故障诊断至关重要。
滚动轴承的故障类型多种多样，主要包括疲劳剥落、磨损、腐蚀、裂纹和塑性变形等。
这些故障的产生往往与多种因素有关，如材料质量、制造工艺、运行环境、操作维护等。
疲劳剥落是滚动轴承最常见的故障类型之一，主要是由于轴承在循环应力作用下，材料表面发生疲劳破坏，形成剥落坑。
疲劳剥落的原因主要包括轴承材料的疲劳强度不足、循环应力过大、润滑不良等。
磨损是轴承在运行过程中，由于摩擦力的作用导致材料逐渐损失的现象。
磨损的原因主要包括润滑不良、异物侵入、材料耐磨性不足等。
- 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)。
滚动轴承故障诊断实验
一、实验目的
1·了解滚动轴承常见故障形式与诊断方法。
2·学习解调谱分析技术。
3·通过实验进行信号采集和分析，了解滚动轴承故障特点。
二、实验装置
本实验装置为轴承故障模拟实验台，如图1-1所示，该装置主要包括控制箱、电机、皮带轮、联轴器、轴等。
轴的支撑方式为双支撑，故障轴承为非驱动侧的滚动轴承，轴承外圈有一缺口。
图1-1 轴承故障模拟实验台
图1-2为该实验台结构简图。
图中1为电机，2为皮带轮（1:1传动），3为联轴器，4为轴，5为滚动轴承。
图1-2 实验台结构简图
三、实验原理
旋转机械是设备状态监测与故障诊断工作的重点，而旋转机械的故障有相当大比例与滚动轴承有关。
滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障约有30%是因滚动轴承引起的，由此可见滚动轴承故障诊断工作的重要性。
滚动轴承在运转过程中可能会由于各种原因引起损坏，如装配不当、润滑不良、水分和异物侵入、腐蚀和过载等都可能会导致轴承过早损坏。
即使在安装、润滑和使用维护都正常的情况下，经过一段时间的运转，轴承也会出现疲劳剥落和磨损而不能正常工作。
总之，滚动轴承的故障原因是十分复杂的。
滚动轴承的主要故障形式包括：疲劳剥落、磨损、塑性变形、锈蚀、断裂、胶合以及保持架损坏等。
本次实验中所用轴承型号为6205，其结构如图1-3。
图1-3 6205型轴承
6205中的代号6表示其为深沟球轴承，2是尺寸系列代号，表示轴承直径系列或宽度系列的组合，05是内径代号。
它由内圈、外圈、滚动体和保持架四部分组成。
该型轴承的结构参数为：节径为39.04mm，滚子直径7.93mm，滚子数9个。
本实验中非驱动侧轴承外圈有一切口，轴承的频率与内圈转速n和滚动体数量有关，轴承各部件的特征频率可由相关软件计算得出。
由于轴承中各部件特征频率不同，因此很难从频谱图中获得故障频率，运用解调谱分析技术可以从频谱图中分离出实验所需的频率成分。
四、实验步骤
1、安装调试好实验台，先手动盘车，确保无干涉存在，打开电机，将转速调至1500r/min，通过加速度传感器测量故障轴承的振动信号，通过数字采集器将振动信号转变为数字信号，传入计算机，在相关软件中分析。
2、将转速调至1200r/min，通过加速度传感器测量轴承的振动信号，通过数字采集器将振动信号转变为数字信号，传入计算机，在相关软件中分析。
3、实验结束，关闭电机，离开前整理好实验台。
五、实验结果
1、当电机转速为1500r/min时的频谱图如图1-4。
图1-4 转速为1500rpm时的频谱图
图1-5 转速为1500rpm时的解调谱
由图1-5中第一条线可知故障频率为87Hz，后面的线为第一条线的倍频线。
经计算可得，当转速为1500rpm时，轴承内圈通过频率为135.35Hz，外圈通过频率为89.64Hz，棍子通过频率58.99Hz，保持架通过频率9.96Hz。
2、当电机转速为1200r/min时的频谱图如图1-6。
图1-6 转速为1200rpm时的频谱图
图1-7转速为1200rpm时的解调图
由图1-7中第一条线可知故障频率为70Hz，后面的线为第一条线的倍频线。
经计算可得，当转速为1200rpm时，轴承内圈通过频率为108.28Hz，外圈通过频率为71.71Hz，滚子通过频率47.19Hz，保持架通过频率7.96Hz。
六、实验结论
当电机转速为1500r/min时，轴承外圈频率为89.64Hz，得到的故障频率为87Hz，与外圈频率接近，且误差在允许范围内，可知轴承故障出现在外圈。
当电机转速为1200r/min时，轴承外圈频率为71.71Hz，得到的故障频率为70Hz，与外圈频率接近，且误差在允许范围内，可知轴承故障出现在外圈。
相应转速下的故障频率均与轴承外圈在相应转速下的频率接近，因此通过解调谱分析可以确定轴承故障出现在外圈，为轴承故障诊断提供了依据。
七、注意事项
1、传感器的布置应遵循一定原则，避免受到其他振动的影响。
2、在通电之前并确保在断电状态下进行手动盘车，以确保旋转元件与其他部件无干涉存在，防止发生危险。