轴承故障诊断

轴承故障诊断（精选10篇）

轴承故障诊断 篇1

济南钢铁股份有限公司第一炼铁厂6#350m3高炉槽下除尘风机传动组型号Y4-73-No.18D, 叶轮型号Y4-73-No.16D (非标) 。风机运转过程中对风机系统的电机和轴承座进行振动监测, 监测点布置见图1。此风机传动组自2008年3月安装使用, 到2008年9开始出现振动大的现象。从振动值 (表1) 可看出, 测点2的垂直和水平振动较大, 超过了国家标准振动值, 初步判断是叶轮不平衡或轴承出现问题。

1. 故障频率计算

风机转速为990r/min, 电机与传动组为直接连接, 轴承为圆柱滚子轴承, 型号为22232;风机叶轮叶片数为13个。轴频率、轴承故障频率及风机叶片频率见表2。

2. 检测结果及分析

用振通903振动测量仪检测, 振动频谱如图2、3、4所示。从图2可看出, 在频率为102.5Hz处出现峰值, 与轴承故障频率对比知是轴承外圈出现问题;频率112.5Hz处为滚动体故障频率的二倍频, 在50Hz处为滚动体故障频率。从 (图3、图4) 的垂直和水平振动及频谱可以看出, 在437.5Hz处出现振动峰值, 而次频率为内环故障的3倍频, 且在峰值两侧出现以轴频率调制的边频带, 由此推断轴承内圈也出现故障。

Hz

3. 结果验证

在对风机进行检修时, 打开传动组后发现测点2处轴承单侧5个滚动体出现了局部剥落, 而轴承的外圈和内圈有几处磨损, 轴承已处于寿命末期。这证明前述的检测分析基本正确。

4. 原因分析

通过测量发现, 此风机传动组底座比标准传动组两轴承座轴向距离大11mm, 由于当时检修时间紧张, 强行把前端轴承座前移, 才与底座螺栓孔对正。这样就造成前端轴承与轴承座内部台肩挤紧, 按照原设计应该有10mm间隙 (图5) , 因此传动组安装后轴承就出现偏载, 造成内圈和外圈磨损及单边滚动体出现表皮剥落。为了避免同类问题的出现, 在安装新传动组前把前端轴承座内部台肩铣掉10mm, 使轴承与台肩留有间隙。安装找正后启动风机, 所有振动值均在正常范围内。

参考文献

[1]牛阴忠.设备故障的振动识别方法与实例[M].冶金工业出版社.

轴承故障诊断 篇2

摘要：多变量预测模型（Variable predictive ITIOdel based class discriminate，简称VPMCD）分类方法是建立在回归模型为同方差性基础上的，而当模型出现畀方差性时，会导致预测精度降低.基于此，本文提出了WVPMCD（WLS-Variable predictive model based class discriminate，简称VfVPMCD）方法，即用加权最小二乘法（WI_S）代替原方法中的最小二乘法（OLS）进行参数估计，消除异方差性，从而提高了模式识别的精度.endprint

摘要：多变量预测模型（Variable predictive ITIOdel based class discriminate，简称VPMCD）分类方法是建立在回归模型为同方差性基础上的，而当模型出现畀方差性时，会导致预测精度降低.基于此，本文提出了WVPMCD（WLS-Variable predictive model based class discriminate，简称VfVPMCD）方法，即用加权最小二乘法（WI_S）代替原方法中的最小二乘法（OLS）进行参数估计，消除异方差性，从而提高了模式识别的精度.endprint

轴承的故障诊断与保全对策 篇3

公元前2000 ~ 3000 年, 埃及人就知道在搬运大石造金字塔时, 在地面与大石之间涂上动物油或者植物油来减少摩擦, 开创了滑动轴承与润滑剂的起源, 从而使滚木或者台车成为发展转动轴承的先河。轴承是机械部件中重要的组成部分, 也是机器中最易损坏的零件之一。研究表明:在机械运转中, 80% 的电机故障表现为电机轴承故障, 其中, 又有70% 的故障是由滚动轴承引起的。在传动机械中, 齿轮箱发生的各类故障中, 轴承故障仅次于齿轮, 占19%[1]。

起初, 人们通过听音棒接触轴承部位, 依靠听觉来诊断轴承故障, 后来通过电子听诊器诊断故障, 提高了诊断的正确率, 但对操作者的经验要求较高, 且影响因素较多。在检测轴承故障时, 通常检测三方面的问题:轴承的振动情况、轴承的滚动声、轴承工作温度及轴承的润滑状态[2]。因此, 轴承的诊断主要经历了四个阶段:第一阶段, 通过频谱分析仪诊断轴承故障;第二阶段, 运用冲击脉冲技术诊断轴承故障;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[3]。本文以滚动轴承为例, 探讨轴承的主轴诊断与保全技术。

1 滚动轴承故障检测及其诊断技术分析

在实际生产和生活中, 轴承故障产生的原因主要可以归纳为以下几种: (1) 设计时选用轴承发生了错误和偏差; (2) 轴承润滑不良; (3) 轴承组合与保全不当; (4) 轴承精度不良; (5) 轴承超载; (6) 轴承腐蚀等。发生故障率见表1。

1.1 滚动轴承的常见故障

机械设备中较重要的旋转零件是滚动轴承, 因此, 滚动轴承是机械设备中的重要故障源。相关资料研究表明:在使用滚动轴承的旋转机械中, 齿轮箱的各类故障中, 轴承故障率仅次于齿轮, 占20%;大约有30% 的机械故障是由滚动轴承引起的;感应电机故障中的滚动轴承故障约占电机故障的4O% 左右[4]。表2 为滚动轴承引起故障的常见失效形式。

1.2 滚动轴承故障诊断技术

滚动轴承的故障诊断技术有很多, 现就最常见的两种故障诊断技术进行探讨。

冲击脉冲诊断法 (SPM法) :SPM冲击脉冲法 (Shock Pulse Method) 指的是当滚动轴承发生裂纹、疲劳剥落、磨损或者滚道内进入异物时, 运动过程就会发生冲击, 这种冲击通常表现为脉冲性振动。冲击脉冲的强弱反映了故障的程度。图1 为冲击脉冲法实验得到的冲击脉冲与轴承寿命的关系图。

滚动轴承的正常振动信号是包含很多信号成分的低频信号, 由于轴承结构和工作转速不同, 频率范围主要在20 ~ 20000Hz, 可以通过下面公式计算得到。而冲击脉冲的频率一般为30k Hz-40k Hz (核对) , 远远高于这个频率带, 所以, 必须通过带通滤波将冲击脉冲信号从振动信号中提取出来, 来进行轴承运行状态的判断[3]。表3 为轴承故障对应的频率特征计算式。

注:公式中, f为轴承转动频率, Z滚珠个数, D轴承滚到节径, d滚珠直径, α 轴承接触角。

经验模态分解法是对冲击脉冲法的有效补充。冲击脉冲法在判断滚动轴承是否存在故障、故障严重的程度时, 可以通过故障频率有效判断, 但由于固有频率的组成是一簇谱峰, 包含了多种频率信号量, 没有办法通过分析故障的特征频率来判断故障产生的具体位置[3]。这时就可以采用经验模态分析法 (缩写EMD, Empirical Mode Decomposition) 。

要想通过EMD方法来弥补冲击脉冲法的缺点, 必须先计算出各个部件的故障特征频率。可以通过上述公式计算。在任何时候, 每一个复杂的信号都可以是包含若干个固有模态信号, 若干个固有模态信号 (IMF) 叠加在一起形成了可以分解的复杂信号。EMD信号处理方法具有信噪比高、能自适应分解的特性, 对非线性信号和非平稳的信号处理具有较高的效率。它首先通过分解, 提取出最高频分量, 然后是次高频分量, 接着是IMF的特征分量从最高频大盘次高频提取, 直到最后分解出残余量为止。

由于滚动轴承的不同部件上故障产生的故障间隔频率不一样, 根据表3 中的公式, 可以通过轴承的工作转速, 轴承自身的结构尺寸大小 (内径d和外径D) 推导计算出来。滚动轴承在工作过程中一般是将外圈固定安装, 内圈和轴采用过盈连接, 故工作中外圈一般是固定不动的, 内圈的转速则和轴的转速保持一致[3]。如果假设轴的转速为n, 内外圈的转速分别为ne、ni, 此时可得ni=n, ne=0。根据图2 滚动轴承的相对运动关系, 可以计算出轴承各部件之间的相对转速, 各参数的名称如图2 所示。

内圈相对于保持架的转速为:

外圈相对于保持架的转速:

假设滚动体的数量为Z, 那么每分钟通过内圈B点的滚动体数量为:

每分钟通过外圈滚动体数量为:

滚动体自身的转速为:

以滚动轴承6201 为例 (内径d=12mm, 外径D=32mm, 厚度B=10mm, 滚珠数z=7, 滚珠直径d1=6.5mm) 。实验设置采样频率为1024Hz, 分析频率为1000Hz, 采样点数为1024, 轴承转速为330r/min。通过上述公式计算可得, 滚动轴承的故障特征频率:滚珠旋转频率f0=8.5Hz, 保持架旋转频率fc=1.94Hz, 滚珠通过内圈频率fbi=24.94Hz, 滚珠通过外圈频率fbc=13.56Hz。

首先来对轴承外圈故障进行分析, 轴承外圈正常情况与故障波形图对比如图3 所示, 图a为外圈故障时的波形图, 图b为外圈正常时的波形图。从图中可以看出, 相对于正常的轴承, 有故障的轴承振动信号的波形通常会出现比较大幅值的周期脉冲, 可以初步判断轴承外圈已经出现故障。

接着对外圈故障信号进行分解, 分解方式采用工程中常用的三层小波信号分解法, 将信号的低频系数和高频系数同时分解, 经过三层分解后形成8 个节点, 分别定义为节点 (3, 0) 、 (3, 1) 、 (3, 2) 、 (3, 3) 、 (3, 4) 、 (3, 5) 、 (3, 6) 、 (3, 7) 。经分解后的节点信号实际上反映的是原始信号的振动特征。图4 为进行三层分解后的外圈节点信号图。

再对故障的频段能量与正常轴承的频段能量进行对比, 如图5 所示。

对比分析图4 和图5 可知, 8 个节点的信号都反映了轴承周期旋转故障的脉冲特征。正常运转时, 最大能量应在 (3, 0) 处, 频段范围在0 ~ 750Hz;而外圈有故障的轴承能量比较集中、幅值比较大的节点在 (3, 2) 和 (3, 6) 处, 说明外圈故障的冲击振动在该节点处最为明显, 蕴含了大量的故障特征信息。为了对比, 选取能量最小的节点 (3, 2) 和能力最大的节点 (3, 6) 进行包络谱分析, 如图6 所示。

由图5 对能量集中节点的分析可知, 能明确看出轴承的外圈故障频率在103.4Hz, 同时, 在2 倍频率处也能看到明显的谱线幅值, 可见, 包络谱分析精细解调除外圈故障频率外, 与轴承实际外圈的故障情况相符。

现对内圈故障情况进行分析。如图7 所示, 图a为内圈故障时的波形图, 图b为内圈正常时的波形图。

也对其进行三层小波分析, 得到其8 个节点的信号图, 如图8 所示。

接着对比轴承内圈故障的频段能量与正常轴承内圈的频段能量点, 如图9 所示。

对比图7 和图8 可知, 正常运转时, 最大能量应在 (3, 0) 处, 频段范围在0 ~ 750Hz;而内圈有故障的轴承能量比较集中、幅值比较大的节点在 (3, 6) 处, 且频率在3000 ~ 3750Hz, 说明内圈故障的冲击振动在该节点处最为明显, 蕴含了大量的故障特征信息。为了对比, 选取能量最小的节点 (3, 4) 和能力最大的节点 (3, 6) 进行包络谱分析, 如图10 所示。

对轴承内圈的包络谱进行分析可知, 在特征频率为155.1Hz及其2 倍频率处都有明显的谱线, 说明轴承的内圈发生故障, 分析得到的结论和轴承内圈的实际情况完全吻合。

通过上述对6201 轴承内外圈的故障诊断实例分析可以看出, 采用EMD分解的若干个IMF分量中均包含了轴承主要故障的特征信息, 接着以包络谱的方法将其提取出来, 然后跟轴承故障类型的特征频率进行比较, 有效判断出轴承不同部位的故障类型[3]。

2 企业常用保全的策略

所谓保全 (PM) , 指的是凡是生产设备必须经过调查、研究、设计、制作、装置、运转、保全的过程后才能宣布报废。

设备的保全属于设备管理的环节, 在企业管理中如果能够发挥PM的功能, 就能在很大程度上提高企业的经营成果, 减少设备性能的损耗, 避免因设备故障而引起的损失, 降低生产成本。PM相较于事后保全 (BM-Break Maintenance) 更为经济。

2.1 工厂保全作业的理想清单

工厂保全作业的理想清单如表4 所示。

2.2 常用保全办法的选择

企业在运转过程中, 总是追求利益最大化, 因此, 在保全时, 总是会选择最经济的保全措施。表5 为企业的最经济保全方法。

2.3 生产保全的费用

企业设计保全措施的最终目的是为了减少开支, 而实施上述保全计划后, 可以减少保费30% 以上。企业保全时间与故障率、费用的关系如图11 所示。

2.4 轴承的常见的故障及对策综合分析

由上述可知, 在实际生产过程中, 轴承故障的58% (43.1%+14.9%) 是由于轴承保全不良, 32% (13.6%+10%+8.4%) 是由于轴承设计使用不良。表6 列出了轴承故障产生的原因、主要现象和处理对策。

3 结论

本文在对轴承故障诊断的两种基本方法冲击脉冲诊断法 (SPM法) 和经验模态分解法 (EMD法) 进行分析的基础上, 探讨了轴承保全方法。

通过对轴承故障的诊断分析及对保全方法的探讨可知, 在轴承的使用过程中, 针对各种故障产生的现象, 采用恰当的处理措施, 做到事前预防保全、事后及时改良, 兼顾利益最优化, 根据故障现象, 初步估计轴承的故障类型, 根据自身情况, 采用合理的保全办法, 定能提高轴承的使用寿命。

参考文献

[1]李振威.滚动轴承常见故障分析及维护[J].设备管理与维修, 2013, (S1) :32-34.

[2]杨国华.滚动轴承故障诊断及经验总结[J].通用机械, 2011, (5) :19-22.

[3]那琳.旋转机械故障诊断技术的研究及实现[D].北京:北京邮电大学, 2013.

轴承故障诊断 篇4

关键词：轧机轴承；常见故障；日常维护

Abstract： in this paper，based on common faults，Cause analysis and routine maintenanceof rolling mill bearing，studythe characteristics of rolling mill bearing and how to do maintenance work，in order to improve the service life of bearing and keep production running continuously.

Keywords： rolling mill bearing； common faults； routine maintenance

引言

轧机轴承是轧机中的重要部件，也是轧机的主要易损件，其作用是支承转动的轧辊，承受由轧辊传来的轧制力，并保持轧辊在机架中的正确位置。轧机轴承质量的好坏和寿命的长短对轧制成本有重要影响。作为轧机的关键部件，如果因轴承在检修周期内出现故障而导致停产，会给生产厂带来巨大的经济损失。

1. 常见故障及原因分析

轧机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，经过一段时间运转，轴承也会出现疲劳剥落和磨损而不能正常工作。总之，轧机轴承的故障原因十分复杂，现将其常见故障及原因分析如下。

1.1 疲劳剥落

滚动轴承的内外滚道和滚动体表面既承受载荷又相对滚动，由于交变载荷的作用，首先在表面下一定深度处（最大剪应力处）形成裂纹，继而扩展到接触表面使表层发生剥落坑，最后发展到大片剥落，这种现象就是疲劳剥落。疲劳剥落会造成运转时的冲击载荷、振动和噪声加剧。通常情况下，疲劳剥落往往是滚动轴承失效的主要原因。

1.2磨损

由于尘埃、异物的侵入，滚道和滚动体相对运动时会引起表面磨损，润滑不良也会加剧磨损，磨损的结果使轴承游隙增大，表面粗糙度增加，降低了轴承运转精度，同时振动及噪声也随之增大。因而在一定程度上磨损量限制了轴承的寿命。

1.3塑性变形

当轴承受到过大的冲击载荷或静载荷时，或因热变形引起额外的载荷，或有硬度很高的异物侵入时都会在滚道表面形成凹痕或划痕。这将使轴承在运转过程中产生剧烈振动和噪声，而且一旦有了压痕，压痕引起的冲击载荷会进一步引起附近表面的剥落。

2. 日常维护

2.1 运行过程中对轴承的检查

按照维护规程，定期对轴承进行听音、观察和测量。听音就是使用听音棒一端对着轴承轴向端盖和轴承座的径向外壳，另一端贴耳听轴承在运转过程中是否有撞击声和机械摩擦声。观察就是对运行环境、安装位置、震动偏移、润滑情况等进行观察，是否存在不良工况。测量就是使用温度计、振动仪，对轴承座进行定期检测。使用这些方法，对轴承进行周期性检查，确定轴承是否处于正常状态。

2.2 静止状态下对轴承的检查

对相关部件的紧固情况进行检查，确认各部件是否处于正确位置、有无松动异常等。另外，对轴承润滑进行检测，检测润滑油中是否有异物。当异物直径小于轴承最小工作间隙时，异物可以通过间隙随润滑油搅动。使滚动体工作面发生磨擦，当异物直径大于轴承工作间隙时，异物被压碎或被碾成薄尘埃粘附在轴承表面或嵌入其中。而被压碎的异物碎屑若不嵌入工作表面，而进入到润滑油中，会更加剧轴承磨损。从而使轴承发生疲劳剥落。引起工作表面温度升高。润滑油进而失去作用。使轴承失效，异物被压碎或嵌入滚动体中后，即很快破坏油膜，造成在干磨擦状态下工作运行使轴承受到损坏。

2.3 轴承的拆后检查

当轧辊换下后可使用清洗剂，把轴承清洗干净，用压缩空气吹干，然后对滚子、保持架、滚道进行检查。滚子、滚道出现凹痕、点蚀等现象，视具体情况更换。同时，对必要的轴承密封进行更换，防止因密封不良而影响轴承的寿命。如果轴承密封不良，乳化液进入轴承内，就对润滑油或者润滑脂造成水污染，导致轴承材料的疲劳强度降低，易产生裂纹。同时密封不良，轧钢时的氧化铁皮进入轴承内破坏润滑条件，使轴承元件表面出现磨粒磨损。

2.4 轴承的安装

2.4.1压入安装

压入安装一般利用压力机， 也可利用螺栓与螺母， 不得已时可利用手锤敲打安装的场合， 要在内圈上垫上垫块作业。这种做法屡屡成为轴承安装操作损坏的原因， 所以只限于用过盈量小的情况， 不能用于过盈量大或中、大型轴承。如深沟球轴承之类的非分离型轴承， 内圈、外圈都需要过盈量的安装， 则需垫上垫块作业，用螺杆或油压将内圈和外圈同时压入。调心球轴承外圈易倾斜， 既使不是过盈配合， 也最好垫上垫块安装。如圆柱滚子轴承、圆锥滚子轴承之类的分离型轴承， 可以将内圈、外圈分别安装到轴和外壳上， 将分别安装好的内圈和外圈相结合时， 关键的是稳稳地将二者合拢， 以便使二者中心不产生偏离， 勉强压入会造成滚道面卡伤。

2.4.2 热装

大型轴承压入时需要很大的力， 所以很难压入。因此，在油中将轴承加热， 使之膨胀， 然后装到轴上， 在这种热装方法在大型轴承安装过程中广为使用。使用这种方法可以使轴承避免不必要的外力， 在短时间内完成安装作业。轴承的加热温度以轴承的尺寸及所需的过盈量为参考。将轴承加热至100℃～120℃左右， 为使轴承不直接接触油槽底部， 最好考虑将轴承放在金属网台上， 或将轴承吊起来， 将轴承加热至比所需温度高20℃～30℃， 以便操作中不至发生内圈变冷， 难于安装。安装后， 轴承冷却下来， 宽度方向也收缩， 所以要用轴螺母， 或其他适宜的方法使之紧固， 以防内圈与轴承挡肩之间产生缝隙。

2.5 装好轴承后的检查

轴承安装结束后， 为了检查安装是否正确， 要进行运转检查， 可以用手旋转确认是否旋转顺利。检查项目有因异物、伤疤、压痕而造成的运转不畅、因安装不良、安装座加工不良而产生的旋转扭矩不均， 由游隙过小、安装误差、密封摩擦而引起的扭矩过大等。如无异常则可以开始运转。检查有无振动、声响，旋转部件是否有接触等， 确认无异常后进入动力运转。运转检查从无负荷低速开始， 慢慢地提高至额定条件运转。试运转中检查事项为： 是否有异常声响、轴承温度的转移、润滑剂的泄漏及变色等。在试运转过程中如果发生异常， 应立即中止运转， 检查机械设备， 有必要时卸下轴承检查。

3. 结语

通过对轴承常见故障及原因的分析，制定科学合理的维护规程，可以有效提高轴承使用寿命，降低事故发生率，减少备件消耗，保证生产时间，为降本增效提供了有力保障。

4. 参考文献

[1]许柏军.浅淡轴承的使用安装与维护保养[J].内蒙古科技与经济，2010-10.

[2]董连锋.浅谈冷轧机轴承维护[J].科技创新与应用，2013-01.

[3]王风才，李红霞，张洪春，邢永顺.浅析轧机轴承的故障及预防措施[J].河北冶金，2009-02.

[4]耿丽霞，高继明.探究轧机轴承故障的预防措施[J].设备管理与维修，2013-S1.

[5]张鹏远，庞兆夫，陈晓红，高玉明.轧机轴承使用寿命影响因素分析[J].鞍钢技术，2011-02.

滚动轴承的运行噪声故障诊断 篇5

(1) 噪声产生的原因分析与诊断。

轴承运行噪声产生的主要原因有:轴承的固有噪声;因设计、加工误差而产生的噪声;伤痕及污物引起的噪声;缺油脂引起的噪声。其中后两种属于滚动轴承运行过程中出现的异常噪声。

对噪声的度量主要有:强弱大小、噪声频率。

(2) 固有噪声 (正常噪声) 。

这是滚动轴承本身具有的一种噪声, 属正常噪声, 即使加工、装配均为理想尺寸, 也不可避免。特征:轴承旋转时发出的一种平稳、连续的声音, 声音较小。当回转速度发生变化时, 其主频率不变。

(3) 装配误差产生的噪声。

这种噪声的产生主要是轴承设计、制造加工误差所致。是轴承制造厂家在轴承制造、装配过程中产生的问题。

(4) 滚道噪声。

由于轴承加工时, 滚道和滚动体表面产生形状误差、粗糙度、波纹度, 轴承在转动时, 产生随机脉冲和滚道噪声, 它是轴承噪声的主要成分, 特点:滚道噪声会随着滚道和滚动体的加工精度的提高而降低。

(5) 滚动噪声。

滚动轴承容易产生滚动噪声, 滚动体相对于滚动面回转、滑动、摩擦、撞击时产生的噪声。特点:主要发生在滚动体进入、退出承载区的时刻;润滑油脂性能不好或黏度极大时最容易产生;滚动轴承只承受径向力, 而径向游隙比较大时容易产生。

(6) 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, 保持架与滚动体发生相互撞击而产生的声音。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、轴向的弯曲刚度较低, 整体稳定性差, 轴承高速旋转时, 就会因为弯曲变形而产生自激振动, 引起“蜂鸣声”。降噪措施:为使保持架运转稳定, 要求保持引导面的良好润滑;尽量减小轴承的径向游隙;装配和使用时, 提高轴承的清洁度。

(7) 伤痕、夹杂物、缺油引起的噪声 (即运行中的异常噪声) 。

此类噪声的产生原因:装配方法错误而产生的保持架、防尘盖或滚道变形、碰伤;维护的不到位而产生的磨损、疲劳剥落、锈蚀、以及夹杂物进入轴承工作面等等。特点:随着运转频率变化而变化。

(8) 夹杂物噪声。

轴承是个精密元件, 如果轴承与润滑剂不与污物分开, 难以高速运转, 大约有14%的轴承过早损毁是由于污染问题。由于润滑剂含有灰尘、污物或轴承运转时的灰尘、铁屑等杂物进入轴承工作面的非周期性振动和噪声, 可以形容为“断续的嘶哑声”。特点:随机性、不固定, 特别是小型轴承对它很敏感。对策:改善轴承的密封性能, 防止外部灰尘进入轴承工作面, 提高润滑剂 (油、脂) 和轴承清洗的洁净度, 可以降低因为夹杂物产生的轴承噪声。

(9) 伤痕噪声。

据统计, 有16%的轴承过早损毁是由于安装不当或没有使用适当的安装工具。在安装过程中因施力分配不均, 或加热 (或局部) 温度过高, 或由于轴、轴承座尺寸不当产生干涉配合而在装配时出现滚珠传递压力现象, 造成滚道、滚珠、保持架等的损毁。因为滚动轴承内外圈滚动表面的裂纹、碰伤、压坑、锈斑而产生的周期性振动和噪声。特点:当转速不变时, 噪声频率不变, 当转速降低, 周期将变长。如果使用高黏度油脂, 噪声将被覆盖。若其噪声连续不断, 则可能是滚道有伤痕;若其声音或有或无周期性的间断出现, 则为滚动体有伤痕;若滚动体碎裂时, 产生“锉齿声、冲击声”。

(10) 缺油噪声。

精轧机齿轮基座轴承故障诊断 篇6

关键词：轧机,滚动轴承,齿轮基座,故障诊断

邯钢CSP精轧机齿轮机座位于主减速机与齿形传动轴之间, 它的主要功能是将主减速机传递来的动力分配给上下齿形传动轴, 其内部通过人字齿轮进行传动。由于轧机齿轮基座的特殊性 (低速、重载、变速、变载) , 使得及时发现齿轮基座轴承故障显得异常困难。 (1) 利用振动幅值根本无法发现轴承故障。因为轧机齿轮基座轴承转速较低 (最低转速每分钟只有十几转) , 振动值较小, 再加上齿轮基座有较厚的壳体, 使得传递到机壳上的振动能量非常小, 即使轴承已损坏非常严重, 振动值还是很小。 (2) 利用监测轴承温度也不易发现轴承故障。这是因为轧机齿轮基座轴承润滑采用的是集中稀油润滑, 当轴承损坏时由于稀油不仅润滑了轴承还带走了轴承损坏而产生的热量, 所以利用国际通用的温度监测方法也不适用 (经验表明, 2009年10月该厂F1精轧机齿轮机座轴承损坏时轴承温度只有48℃, 而轴承温度超过70℃才进入报警状态) 。以上问题说明必须针对低速重载下工作的轴承采用一种新的故障诊断方案。

一、方案制定

针对轧机齿轮基座的特殊性, 制定以下监测方案: (1) 用位移传感器代替传统的加速度传感器。一般对轴承的故障信号采集, 采用的都是加速度传感器, 但是轧机齿轮基座的转速太低, 振动值很小, 用加速度传感器根本采集不到振动信号。另外, 位移传感器相对于加速度传感器, 灵敏度要高很多。故决定用位移传感器代替加速度传感器进行数据采集。 (2) 在轧机齿轮基座负载的情况下进行振动数据采集。因为有负载时, 轴承所受的冲击更大, 故障频率更高, 信号更明显。 (3) 数据成功采集后, 要立即取得轧机负载下的工作转速, 并通过计算获得轧机齿轮基座转速。 (4) 把采集的振动数据输入到诊断软件中, 利用诊断软件中的速度频谱进行故障分析。

二、故障诊断分析

1. 测点布置

轧机齿轮基座传动示意图如图1所示。在轧机齿轮基座四个轴承座处布置测点, 分别在测点的垂直、水平和轴向三个方向采集振动信号。

2. 故障诊断

2010年1月, 对轧机齿轮基座进行例行检查时发现上轴入口轴承处有异响, 该轴承已服役11年, 型号为TOR240/600YMB, 滚动体数目为29个, 轴承各部件的故障频率:保持架故障频率FTF=0.453Hz, 滚动体故障频率BSF=5.209Hz, 外环故障频率BPFO=13.143Hz, 内环故障频率BPFI=15.857Hz。2010年1月28日, 对该轴承座水平、垂直、轴向三个方向进行振动数据采集。当时轧机齿轮基座转速为22r/min, 转动频率为0.37Hz。轴承水平、垂直、轴向三个方向振动频谱如图2、图3、图4所示。

由图可知, 轴承外圈故障频率的6倍频 (35.16Hz) 、12倍频 (70.28Hz) 幅值突出, 故认为该轴承内圈存在点蚀、剥落或裂纹等缺陷, 建议揭盖检查。

三、检查结果

2010年3月5日, 按照预定的检修计划开始实施该齿轮机座上轴轴承更换。旧的轴承解体后, 可见轴承内圈确实存在非常严重的点蚀现象。按照轴承故障发展的四个阶段来说, 当轴承出现肉眼可见的缺陷时, 是更换轴承的最佳时期。更换轴承后运行正常。

参考文献

[1]盛兆顺, 尹琦岭.设备状态监测与故障诊断技术及应用[M].北京:化学工业出版社, 2003.

轴承故障诊断 篇7

滚动轴承是旋转机械的关键部件,容易发生损坏,30%的旋转机械故障是由滚动轴承故障引起的[1],须对轴承故障进行检测以保证设备可靠运行。当滚动轴承元件出现疲劳、磨损、断裂、腐蚀等故障时,其在工作过程中会产生复杂的振动[2],可采用数字信号处理(Digital signal processing,DSP)技术对此振动信号进行故障诊断,DSP技术是采用数值计算的方法对数字信号进行处理以提取所需的信息。Matlab是由美国The Math Works公司发行的数值分析软件,含有众多专业的附加工具箱,如信号处理工具箱、通信工具箱、控制工具箱等及图形用户界面(Graphial User Interface,GUI)设计工具,编程界面十分友好,用户可快速地构建自己专业的系统界面并进行算法仿真。

利用Matlab软件编程实现了一个便于在计算机上操作的轴承故障诊断图形用户界面(GUI)系统,并采用实际的轴承振动信号在该系统上进行故障频率检测,以判断轴承的故障类型。

2基于希尔伯特变换的轴承故障诊断

2.1故障轴承频率的理论值计算

滚动轴承元件包括外圈、内圈、滚动体和保持架,外圈固定,内圈与轴一体旋转。当其外圈或内圈出现疲劳剥落故障时(设仅有1处缺陷),按以下公式计算故障轴承频率的理论值[3]:

其中:f0和f1---外圈/内圈故障频率;Z---滚动体数;f:回转频率;d---滚动体直径;E----滚道节径;α---接触角。

2.2轴承故障诊断

再对a(t)其进行功率谱分析,功率谱中幅度最大处的频率即故障特征频率,根据该频率值及公式(1)和(2)来判断轴承故障的类型。

3轴承故障诊断系统的Matlab实现

3.1系统界面

为了程序操作方便,采用Matlab中的用户图形界面(Graphical User Interface,GUI)设计[6]功能设计了一个基于Matlab的电机轴承故障诊断系统,其界面如图1所示,包括2个功能模块:(1)轴承故障频率的理论值计算。(2)轴承故障特征频率提取:包括“振动信号时域波形”、“振动信号的功率谱”及“基于Hilbert变换的故障特征频率提取”3个子模块。实现上述图形界面的程序如下:

3.2各功能模块程序

3.1轴承故障频率理论值计算模块

根据公式(1),(2)计算轴承故障频率理论值的程序“chengxu0.m”,如下:

3.2轴承故障特征频率提取模块

(1)子模块1:振动信号的时域波形程序“chengxu1.m”。

(2)子模块2:振动信号的功率谱程序“chengxu2.m”。

(3)子模块3:基于Hilbert变换的故障特征频率提取程序“chengxu3.m”。

4实验结果分析

轴承故障诊断的实验数据来源于凯斯西储大学的测试数据[5],在试验轴承的内圈、外圈上分别加工了一处缺陷,各项技术参数如表1所示。

采集由加速度传感器测得的轴承振动信号,获得多个振动信号文件。在所设计的轴承故障诊断系统中,按下菜单“轴承故障频率的理论值计算”得:外圈和内圈故障频率值分别为:107.37Hz和162.18Hz。首先对轴承数据文件105.mat进行分析,按下菜单“轴承故障特征频率提取”,结果如图2(a)(b)(c)所示。图2(a)(b)为其归一化时域波形及功率谱,从功率谱中可以观察到,该信号幅度较大的频段为3600~3800Hz左右,但这并不是故障频率所出现的频段,故直接对其进行频谱分析是无法准确地检测故障频率的。对原信号进行希尔伯特变换,取其解析信号的幅值再做功率谱,得图2(C),功率谱中幅度最大处的频率f1=161.6Hz,因此该轴承故障类型为内圈故障;再对信号130.mat进行分析,得f1=107.4Hz,该轴承故障类型为外圈故障。

5结语

基于Matlab编程设计了一个轴承故障诊断系统,通过对轴承振动信号进行Hilbert变换与功率谱分析,实现了对轴承外圈和内圈疲劳剥落故障的诊断。该系统的设计过程也可作为教学实例在讲授DSP课程时使用。

参考文献

[1]张振飞,夏利民.基于神经网络的滚动轴承故障诊断智能方法[J].信息技术,2008,(8):53-55.

[2]屈梁生,张西宁,沈玉娣,编著.机械故障诊断理论与方法[M].西安:西安交通大学出版社,2009:40-45.

[3]沈玉娣,刘雄.机械故障诊断FORTRAN源程序汇编[M].西安:西安交通大学出版社,1990:170-171.

[4]屈梁生,著.机械故障的全息诊断原理[M].北京:科学出版社,2008:37-38.

[5]凯斯西储大学电机滚动轴承振动信号数据集[EB/OL].

轴承故障诊断 篇8

马钢彩涂板厂的固化炉排气风机是炉区的重点设备, 其主要作用是将固化炉中大量可燃的挥发性溶剂气体从炉内抽出并送到换热器内换热, 溶剂气体换热到350℃后再送入焚烧炉中燃烧, 从而使废气里的可用成分被再次利用, 以达到节能降耗、降低成本的作用。在生产过程中该排气风机一旦发生故障, 固化炉内的高温气体无法排出, 不仅影响生产, 而且还会造成较大的安全隐患, 因此该机组是重点监控的对象, 它的结构简图及测点布置如图1。

固化炉排气风机为悬臂式风机, 电机、风机轴承座安装在整体钢结构上, 钢结构底部安装有橡胶垫, 电机与风机之间为弹性柱销联轴器。电机功率315kW, 转速1490r/min。电机侧测点3轴承型号为SKF22222-EK/C3, 风机侧测点4轴承型号为SKF22226-EK/C3。

二、故障诊断分析

2007年1月份, 点检员在日常点检中发现1#生产线固化炉排气风机的噪声较大, 利用上海华阳公司的HY-106B型巡检仪对两端轴承进行了跟踪检测, 测点3的轴承温度从1月11日至1月18日平均为42℃, 测点4的轴承温度从1月11日至1月18日平均为62℃, 其中在1月18日达到了71℃, 这在冬季里显得偏高。1月18日检测的振动值见表1。

通过表1可以看出测点4轴承的的振动值较其他轴承偏大, 其中4A达到了6.5mm/s, 通过4A的单趋势图 (图2) 也可以看出该测点振动值有明显增大的趋势。

从图2可以看出, 测点4A从2007年1月11日第一次监控所测得的振动值3.3mm/s到1月18日所测的6.5mm/s, 几天时间内振动值翻了一番。图中位于顶部的直线代表该台设备的报警线, 位于中部的直线则代表其预警线, 6.5mm/s已超过了预警标准且劣化趋势较为明显。将与该机组结构布置完全相同的2#生产线固化炉排气风机同一时期的监测数据调出并进行了对比分析, 从图3可以看出同样的设备及工况状况下, 2#线固化炉排气风机测点4A的振动值基本稳定在1mm/s。

图4和图5是测点4A和4V1月18日的振动频谱图, 图4中212.5Hz时峰值达到了8.4mm/s, 而在其他频率下, 峰值基本在1mm/s左右;图5中同样在212.5Hz时也有最大峰值2.3mm/s, 并且还伴有其高次谐波。对于转频为24.8Hz的风机在212.5Hz时出现峰值, 基本可以排除是叶轮的平衡或对中等问题, 初步判定应该是风机测点4轴承的故障。

通过从SKF的门户网站可查得, SKF22226-EK/C3轴承的故障特征参数为内圈11.439Hz、外圈8.561Hz、保持架0.428Hz、滚动体3.351Hz。因为风机的转速为1490r/min, 所以转频为1490÷60=24.8Hz, 而212.5÷24.8=8.56Hz, 恰为轴承的外圈故障特征参数, 同时结合噪声、温度、振动趋势等几个方面进一步判断测点4轴承的外圈存在着缺陷, 而峰值频率212.5Hz的产生正是由于轴承外圈损伤后与滚动体产生的冲击振动所致。

对照ISO10186国际振动标准 (表2) , 当315kW柔性支撑设备的振动值为6.5mm/s时仍属于范围B, 虽然较为接近临界值7.1mm/s但依然是良好范围, 由此判断虽然轴承存在着缺陷但风机应该可以再继续运行一段时间。为了更好地配合生产, 并未马上对风机进行检修。在后面几天的监测中, 发现该测点的振动值有进一步走高的趋势并始终处在预警线和报警线之间 (图6) , 其中在1月24日的时候达到了7.2mm/s, 已经属于振动标准中范围C, 即“注意”范围, 最终决定在当月生产结束后对风机进行必要的检修。

三、检修结果

检修的结果证实了此前的判断, 测点4轴承的外滚道和滚动体剥落。检修后, 机组重新生产所监测的振动数据见表3。可以看出, 测点4A轴承振动值从检修前的6.5mm/s降到了1.8mm/s, 轴承温度从最高时候的71℃降至27℃, 检修后4A的图谱见图7, 峰值为风机的转频, 故障谱线已完全消失, 说明本次预知性检修是非常成功的。

通过固化炉排气风机轴承的诊断案例可以看出, 进行故障诊断最直观的反映是监测点趋势的变化, 小的变化可能已经是故障萌生的前兆, 同时再结合频谱的分析对比就可以更准确的确定故障位置, 做到有的放矢。

摘要：通过对风机的振动监测结合频谱分析, 诊断故障为轴承外圈存在缺陷, 为设备状态维修提供了必要的依据。

轴承故障诊断 篇9

关键词：推力轴承 推力轴 推力轴盘 推力瓦 冷却模块

中图分类号：U664 文献标识码：A 文章编号：1674-098X（2016）02（b）-0001-02

某新型大型船为新研制的船型，采用的推力轴承亦为新研设备，首次实船应用，是该型船轴系的关键设备，承载着船舶前进和倒退全部轴系动力的传输。在船舶航行中，推力轴承温度过高会造成连锁自动停车、船舶失去动力，严重时会引起烧瓦抱轴等严重的事故。该型船首航过程中，在进行船舶进五工况试验时出现了推力轴承高温故障报警。通过对推力轴承冷却系统检查、推力轴承内部热电偶、油位、推力片检查和推力瓦间距等的测量、推力轴承内置冷却器拆检、推力轴承温升数据分析、热平衡换热计算等一系列的排查和分析计算，确定出是因推力轴承内置冷却器冷却面积不够而导致的高温报警故障，并通过外加冷却器、管路及阀件等手段最终彻底的解决了此故障。

1 故障现象

该型船使用的推力轴承型号为TZ300-00，温度预报警设定值为75℃，分别在机舱机柜、集控室、驾控台进行显示及报警，设定的紧急停车温度值为85℃，达到紧急停车设定值时集控台自动进行紧急连锁停车。在该型船试航过程中进五工况试验约35 min时，出现了2#推力轴承75℃高温报警，报警后集控室人员进行了停车处理，记录了故障温度。及时对推力轴承及其润滑、冷却系统进行了检查，符合图样原理要求且管路无堵塞情况。为进一步查找故障原因，在推力轴承温度降至30℃后，在保障装备安全并有专人对装备数据进行监测的情况下，进行故障重现。对进一至进五、倒一至倒三各工况进行了试验，发现在进一至进四、倒一、倒二工况无故障产生，推力轴承温度保持在66℃范围内，在进五、倒三工况时温度上升幅度很快，1#推力轴承也存在同样问题。

2 故障分析及故障排查

推力轴承是船舶轴系动力传输的关键设备，出现问题处理不当会给航行带来连锁自动停车、船舶失去动力，烧瓦抱轴等一系列的严重事故。高温报警问题出现后，我们第一时间内展开了故障排查和故障分析工作。首先需确定热量的来源。推力轴承结构如图1所示，在工作时推力轴是运动的，前后推力瓦静止的，通过支承块组件调整与推力轴盘的间隙，在间隙内形成油膜。主机输出的扭转力矩，通过推力轴传输给螺旋桨。螺旋桨的推力又通过推力轴承传输到船体，以实现船舶前进和倒车。推力轴承受力复杂。旋转推力轴与螺旋桨的推力又通过静止的前后推力瓦摩擦产生大量热量。推力轴承底部的滑油油液经推力轴的旋转带动，喷洒在推力轴承上方分油盘内，经分油盘分至推力轴和推力瓦上方各部位，对旋转推力轴、静止的推力瓦冷却和润滑，工作后带有热量的滑油靠重力回流至推力轴承底部。外接的冷却海水在底部设置的滑油冷却器内腔流通，通过换热带走滑油油液中的热量，将滑油冷却至工作温度。通过分析推力轴承的热量来源和冷却原理以及出现的故障现象，分析故障原因如下。

第一，检查外部冷却管路的畅通性。故障产生时虽已进行过检查，但考虑到试验过程安全性，没有进行管路拆卸彻底检查，假如管路内部不畅通未及时带走产生的热量也是会造成故障的一个原因。

第二，检查温度传感热电偶工作是否正常。假如热电偶传感过程有故障，其传输到机柜、集控台和驾控台温度就不会是准确的，或者是热电偶在66℃以上区间产生错误信号。

第三，检查推力轴承内部滑油量是否超标或不足。油液过多会导致油液循环不畅，影响滑油冷却器的热交换效果，油液不足也会导致温度超标，无法及时带走热量。

第四，推力轴盘与推力瓦间隙是否满足前后轴瓦总间隙0.50～0.70 mm的要求。调整的间隙过小会产生油膜建立不顺畅，摩擦加剧导致热量增加温度上升。

第五，检查滑油冷却器热交换效果是否良好。冷却盘管表面或内部存在污垢的情况下会造成换热效果不好，另外内部假如有堵塞存在同样会影响换热效果，造成轴承温度上升。

在分析出以上几种可能产生故障的原因后，对以上几方面进行了详细谨慎的排查。

第一步，对外围的管路和温度传感热电偶进行了排查。通过拆检管路及阀件，发现没有阻塞和不畅问题存在，管路符合设计原理、管路安装及垫片选择满足工艺要求，排除了冷却管路的影响。对温度传感热电偶进行检查。将轴承上的热电偶拆卸下来，分别对1#、2#推力轴承的前后轴瓦热电偶通过油液加温的方法模拟进行了温度测量，温度误差控制在±1℃范围内，满足工作要求，排除了传感热电偶的故障原因。

第二步，对推力轴承内部的油位和推力轴盘与推力瓦间隙进行检查。通过油尺检查轴承内部滑油油位未超标和不足，油量控制在160L左右油位范围内，排除了因油量过多或过少导致的滑油换热效果因素。通过塞尺对推力轴盘与推力瓦的间隙进行了实际测量，其间隙满足前后轴瓦总间隙控制在0.50～0.70 mm的要求，油膜建立正常，未发现因温度高造成磨损的痕迹。

第三步，将推力轴承内部滑油排空后，对内置的滑油冷却器进行了拆检。通过检查，发现盘管完好，内外壁光洁无污垢，疏通检查没有堵塞存在。这就又排除了因冷却盘管堵塞和换热表面存在污垢，从而导致的换热效果差的故障因素。

通过以上分析和排查，以上几种因素导致的推力轴承温度过高因素全部排除。最后将故障的焦点落到推力轴承设计是否合理上。因此，对推力轴承的内部结构和生产计算书进行了仔细核查和计算，在核查其计算滑油冷却器盘管热交换面积时发现，推力轴承的换热公式为：

A=Q/K（Tr-△t）

式中：A为换热面积，Q为总换热量，K为导热系数（铜导热系数为401W/mK），Tr为热介质的平均温度，△t为冷却介质的平均温度。

经仔细核对冷却盘管计算书数据发现其采用的△t温度为18℃，而试航过程中海水的平均温度为22℃，通过使用两个温度值计算发现换热面积A的值相差近35%，由此确定为滑油冷却器冷却盘管冷却面积不够，从而导致在进五和倒三工况高转速、力矩作用力大的情况下热量不能及时由冷却海水带走，导致滑油温度上升出现推力轴承在进五和倒三工况高温故障。

3 故障解决措施

故障原因找到后，对冷却盘管冷却面积如何达到满足要求的冷却面积只有两中解决办法：一是重新制作冷却面积达标的滑油冷却器盘管；二是外加一套外置冷却器实现将滑油冷却下来的效果。第一条方案因轴承底部空间设计时未留有加大冷却盘管的足够间隙，且拆装固定盘管需将轴承拆解，对此方案给予了否定。决定采取外加冷却器的方案。由推力轴承厂配套提供一套外置冷却模块，冷却模块包括一用一备两台滑油泵、一台冷却面积符合要求的滑油冷却器，以及集成在模块内部的过滤器、阀件、管路组成（图2中虚线框内即为冷却模块部件）。推力轴承内置冷却器对流回底部的油液进行预冷却。经预冷却后的滑油，由油泵自推力轴承底部预留的接口抽出至模块内滑油冷却器冷却。滑油经冷却后自推力轴承顶部喷入轴承内部的分油器内，经分油器将冷却后的滑油分至推力轴承各润滑部位。实现了加大滑油冷却器冷却面积的同时，将滑油的内循环变成强制外循环，提高冷却效果。冷却模块安装、相应滑油和海水管路更改敷设完毕后，通过各种工况下的航行试验，推力轴承温度在各种工况下控制在了65℃以下范围内，装备工作状况良好。

4 结语

通过对推力轴承高温报警故障的分析和处理可以看出，对某一故障要准确的确定故障点，必须对其结构和工作原理有清晰的了解，从原理入手，先易后难、先外围后系统的去逐步分析排查产生此故障的问题点，排查不到问题时，产品生产计算书也是要重点分析的对象，不能盲目忽略产品生产时计算错误的因素。

参考文献

[1]胡汉平.热传导理论[M].中国科学技术大学出版社，2010.

轴承故障诊断 篇10

滚动轴承是机械设备中最常用且最容易损坏的零件之一,当其发生故障时损失巨大,因此轴承故障诊断技术得到了人们的重视。轴承的内圈、外圈以及滚动体等出现损伤,会在轴承特征频率上产生一系列冲击振动,使得原来的平稳振动信号变成非平稳振动信号。小波变换由于具有“数学显微镜”和多分辨率的特性,在机械故障诊断领域得到了广泛应用[1,2,3]。但是,小波基函数的选择问题是小波分析的一个难题。

Huang等[4]提出的希尔伯特-黄变换(HHT)是一种新的具有自适应的时频分析方法,已经成为机械故障诊断领域研究的热点[5,6,7,8]。目前,基于HHT变换的故障诊断方法大部分是先利用经验模态分解(EMD)方法分解得到内蕴模式函数,再对内蕴模式函数进行分析提取机械故障特征。张超等[5]利用齿轮振动信号EMD分解后得到的内蕴模式函数的能量熵作为特征,对齿轮进行裂纹和断齿故障诊断。高强等[6]利用EMD对轴承振动信号进行分解,将局部损伤轴承产生的高频调幅信号成分作为内蕴模式函数分离出来,然后用Hilbert变换得到其包络信号,通过包络谱提取轴承故障特征频率。程军圣等[7]提出了一种基于内蕴模式函数奇异值分解和支持向量机的故障诊断方法,该方法利用内蕴模式函数形成向量矩阵,然后对该矩阵进行奇异值分解,提取其奇异值作为故障特征向量。相比较而言,利用Hilbert谱进行故障诊断的文献很少,于德介等[8]提出了一种基于Hilbert谱时频熵的齿轮故障诊断方法,该方法将Hilbert谱的时-频平面等分为N个面积相等的时频块,对每块进行能量归一化,然后仿照信息熵的方式定义时频熵,实验表明,不同齿轮状况的时频熵不同。由于Hilbert谱中包含了机械故障中蕴含的非常丰富的信息,因此针对Hilbert谱进行特征提取以便对机械故障进行诊断具有重要的研究价值。

奇异值分解(singular value decomposition,SVD)是一种重要的矩阵分解,奇异值个数反映了原矩阵中独立行(列)矢量的个数。目前,奇异值分解技术已获得了广泛应用,如应用于数据压缩[9]、信号降噪[10]、机器状态监测[11]等。

本文提出一种基于Hilbert谱奇异值分解的特征提取方法,首先利用EMD将轴承振动信号分解为若干个内蕴模式函数(IMF)分量之和,然后对每个IMF分量进行Hilbert变换得到瞬时频率和瞬时幅值,从而得到轴承振动信号的Hilbert谱,Hilbert谱表示了信号完整的时间-频率分布,接着对Hilbert谱进行奇异值分解,得到的奇异值作为轴承故障诊断的特征向量,最后利用支持向量机(support vector machine,SVM)进行故障分类,验证上述特征提取方法的有效性。

1 Hilbert谱

Huang等[4]提出的EMD方法目的是将待分析信号分解为一系列表征时间尺度的IMF分量,使得各IMF分量是窄带信号,满足Hilbert变换的要求,即IMF分量必须满足两个条件:采样数据的极大点和极小点数之和与过零点的个数之差不超过1;在任意点,由局部极大值和局部极小值定义的包络均值必须为零。

EMD的分解过程其实是一个“筛分”过程,在“筛分”的过程中,不仅消除了模态波形的叠加,而且使波形轮廓更加对称。EMD方法通过下面的步骤对信号x(t)进行分解[4,12]:

(1)确定信号所有的局部极值点,然后用三次样条将所有的局部极大值点连接起来形成上包络线。

(2)再用三次样条线将所有的局部极小值点连接起来形成下包络线,上下包络线应该包络所有的数据点。

(3)上下包络线的平均值记为m1,求出:

理想地,如果h1是一个IMF,那么h1就是x(t)的第1个IMF分量。

(4)如果h1不满足IMF的条件,把h1作为原始数据,重复步骤(1)~步骤(3),得到上下包络线的平均值m11,再判断h11=h1-m11是否满足IMF的条件,如不满足,则继续循环,直到得到的h1k满足IMF的条件为止。记c1=h1k,则c1为信号x(t)的第1个满足IMF条件的分量。

(5)将c1从x(t)中分离出来,得到

将r1作为原始数据重复步骤(1)~步骤(4),得到x(t)的第2个满足IMF条件的分量c2,重复循环n次,得到信号x(t)的n个满足IMF条件的分量ci(i=1,2,…,n)。记

当rn成为一个单调函数不能再从中提取满足IMF条件的分量时,循环结束。

式(3)中,rn称为残余函数,代表信号的平均趋势。

将EMD分解得到的每个内蕴模式函数ci(t)作Hilbert变换,得

构造解析信号:

于是得到幅值函数:

相位函数:

可以求出瞬时频率:

这样,可以得到:

其中,RP表示取实部。展开式(9)即称为Hilbert谱[8],记作H(ω,t)。

H(ω,t)精确地描述了信号的幅值在整个频率段上随时间和频率的变化规律。

2 奇异值分解

由Hilbert谱得到的振动信号的时频分布矩阵记为A,假设A为m×n阶矩阵,则由奇异值分解理论可知,存在正交矩阵

使得UTAV=diag[σ1σ2…σp]=S,p=min(m,n)。即

则该式称为A的奇异值分解。其中σ1≥σ2≥…≥σp≥0,σi(i=1,2,…,p)为A的奇异值,U和V中分别是A的奇异向量。

矩阵A的奇异值分解提供了一些关于矩阵A的重要信息,利用奇异值和奇异向量可以刻画矩阵的本身结构,其中大的奇异值包含了矩阵中所蕴含的模式的更多信息。

对机械故障振动信号进行Hilbert-Huang变换得到的Hilbert谱时频矩阵,维数比较高,数据量大,且包含大量的相互关联的特征,不利于下一步的分析计算。可以利用奇异值分解的方法提取故障信号Hilbert谱矩阵的特征,通过对Hilbert谱矩阵进行奇异值分解而得到的奇异值代表了振动信号Hilbert谱的时频结构特征。机械在出现故障的情况下,时频结构会出现变化,因此,Hilbert谱的奇异值可以用来作为机械故障诊断的特征。

3 轴承信号的Hilbert谱分析

试验采用6205-2RS JEM SKF型轴承,轴承的内直径为25.0012mm,外直径为51.9989mm,厚度为0.5906mm,节径为39.0398mm,滚动体直径为15.0012mm,其中内圈故障、滚动体故障、外圈故障直径为0.1778mm,电动机负载0HP,电机转速为1797r/min。试验装置由一个1.5kW电动机、一个扭矩传感器/译码器、一个功率测试计与相应电器控制装置组成。将振动加速度传感器安装在带有磁力基座的机架上,振动信号由16通道数据记录仪采集得到,采样频率为12kHz。选择其中时间长度为0.25s的故障数据,时域信号如图1所示。

对轴承振动信号进行EMD分解,得到内蕴模式函数IMF,然后对得到的IMF进行Hilbert变换,得到Hilbert谱,其中轴承正常、内圈故障、滚动体故障、外圈故障4种工况信号频率范围为0~1200Hz的Hilbert谱如图2所示。从图中可以看出,轴承振动信号的Hilbert谱体现出明显的非平稳特征,其中包含了丰富的信息,能量主要集中在低频0~300Hz范围。从图2还可以看到4种工况振动信号的Hilbert谱有不同之处,但并不容易对4种工况进行区分。

Hilbert谱是轴承振动信号的一种时频域表示方法,为了提取轴承振动信号在时频域的特征,对得到的Hilbert谱使用奇异值分解技术。其中较大的奇异值含有振动信号结构的更多信息。轴承正常状态、内圈故障、滚动体故障、外圈故障振动信号的Hilbert谱的前50个奇异值均值如图3所示。从图3中可以看到,轴承不同工况振动信号的Hilbert谱的奇异值明显不同,轴承在正常情况下的奇异值较小,当故障出现后,其Hilbert谱的奇异值增大,并且,不同故障的奇异值不同,外圈故障时的奇异值最大。从图中可以看出,轴承振动信号Hilbert谱的奇异值可以作为轴承故障诊断的特征。

4 应用

故障诊断试验所用的实测轴承振动加速度数据来自于Case Western Reserve University(CWRU)[13]。利用其中的“Drive End Bearing Fault Data”,故障类型有外圈故障、滚动体故障和内圈故障,采样频率为12kHz,对载荷为0的不同损伤程度的10组数据进行9种不同的故障诊断测试,测试数据集的选择参考文献[14]的方法,其中包含了不同故障状态的组合,数据集的详细描述如表1所示。数据集中每个样本的采样点数为4096。其中轴承正常情况的样本数为59个,随机选择其中29个样本作为训练样本集,其余30个样本作为测试样本集;其余每种故障情况的样本数为29个,随机选择其中14个样本作为训练样本集,其余15个样本集作为测试样本集。故障数据集名称中的3组数字分别代表轴承的3种故障状态所对应的故障直径的大小,如对于D070707数据集,代表内圈、滚动体和外圈的故障直径都为177.8μm(7mils),对于DBALL、DINN和DOUT数据集分别包含了滚动体故障、内圈故障和外圈故障3种故障程度的数据。

支持向量机是在统计学习理论基础上发展起来的一种新型机器学习方法,具有泛化能力强、维数不敏感等优点,适于求解高维、小样本、非线性情况下的模式分类和回归分析等问题。因此,这里选择SVM作为轴承故障诊断的分类器。

试验中选用“一对一”的SVM多类识别方法,核函数选择最常使用的高斯核函数形式,核函数形式为

其中,σ′为控制核函数高宽的参数。对于线性不可分情况,引入惩罚因子C来控制错误分类。参数取值为σ′=1,惩罚因子C=100。

应用Hilbert谱前20个奇异值作为特征对表1的数据集进行训练与识别,故障分类结果如表2所示。从表2中可以看出,在9个故障诊断测试集上都取得了比较高的识别率,说明了基于Hilbert谱奇异值方法用于轴承故障诊断的有效性。

5 结论

本文提出一种基于Hilbert谱奇异值的机械故障特征提取方法。轴承信号的Hilbert谱包含了时间、频率两方面的信息,是分析非平稳信号的有力工具,通过结合奇异值分解方法,较好地实现了Hilbert谱时频特征的有效提取。通过轴承正常、内圈故障、滚动体故障、外圈故障4种工况实测信号的识别试验,验证了本文提出的方法可以准确提取轴承故障特征。本文提供了一种机械故障诊断的新思路。

摘要：针对机械故障振动信号时频特征提取问题,提出一种基于Hilbert谱奇异值的特征提取方法,并将其应用于轴承故障诊断。该方法首先利用经验模式分解方法将振动信号分解为若干个内蕴模式函数之和,接着对每个内蕴模式函数进行Hilbert变换得到振动信号的Hilbert谱,然后对Hilbert谱进行奇异值分解,得到反映机械状态特征的奇异值序列,最后利用奇异值作为特征向量,使用支持向量机进行轴承故障诊断。轴承正常、内圈故障、滚动体故障、外圈故障实测信号实验结果表明,该方法能有效地提取轴承故障振动信号特征。