滚动轴承故障诊断文献综述

《滚动轴承故障诊断文献综述》由会员分享，可在线阅读，更多相关《滚动轴承故障诊断文献综述（5页珍藏版）》请在金锄头文库上搜索。

1、滚动轴承故障诊断文献综述2008-4-2 14:38:00 | By: mp2 0推荐文献综述滚动轴承故障诊断1. 前言滚动轴承是各种旋转机械中应用最广泛的一种通用机械零件，它是机器最易损坏的零件之一。据统计。旋转机械的故障有 30%是由轴承引起的。可见轴承 的好坏对机器的工作状况影响很大。轴承故障诊断就是要通过对能够反映轴承工 作状态的信号的测取，分析与处理，来识别轴承的状态。包括以下几个环节： 信 号测取；特征提取；状态识别：故障诊断；决策干预 o滚动轴承故障诊断传统的分析方法有冲击脉冲法，共振解调法，倒频谱分析技术。在现代分析方法中，小波分析是最近几年才出现井得以应用和发展的一种时 频信

2、号分析方法。它具有时域和频域的局部化和可变时频窗的特点.用它分析 非平稳信号比传统的傅里叶分析更为最著。由于滚动轴承的故障信号中禽有非稳态成分，所以刚小波分析来处理其振动信号. 可望获得更为有效的诊断特征信息2。滚动轴承故障的智能诊断技术就是把神经网络、专家系统、模糊理论等技术 与滚动轴承的特征参数有机地结合起来进行综合分析的故障诊断技术。2. 故障信号诊断方法2.1冲击脉冲法（spm）SPM术（Shock Pulse Method），是在滚动轴承运转中，当滚动体接触到内 外道面的缺陷区时，会产生低频冲击作用，所产生的冲击脉冲信号，会激起 SPM 传感器的共振，共振波形一般为 20kHz60k

3、Hz,包含了低频冲击和随机干扰的 幅值调制波，经过窄带滤波器和脉冲形成电路后， 得到包含有高频和低频的脉冲 序列。SPM方法是根据这一反映冲击力大小的脉冲序列来判断轴承状态的。此种方法目前被公认为对诊断滚动轴承局部损伤故障工程实用性最强的。此方法虽然克服了选择滤波中心频率和带宽的困难，但这种固定中心频率和带宽的方法也有 其局限性，因为，一些研究结果表明，滚动轴承局部损伤故障所激起的结构共振 频率并不是固定不变的，在故障的不同阶段可能激起不同结构的共振响应，而不同部位的故障（内、外圈、滚子）也会激起不同频率结构的共振响应。 显然，固定 的滤波频带有其局限性。实际使用情况表明，当背景噪声很强或有其

4、他冲击源时，SPM诊断效果很差，失去实用价值。2.2 共振解调技术共振解调法 (Demodulated Resonance Analysis) 也称包络分析法或高频共 振技术是处理机械冲击引起的高频响应信号的有效方法。 当机械故障引起等间隔 的高频冲击脉冲响应信号时， 用硬件进行高通滤波， 检波和低通滤波提取信号的 包络，或对用硬件或软件进行高频带通滤波后的信号进行 Hilbert 变换求包络； 对包络信号检测其峰值P、均值R或P/R值，可诊断滚动轴承的某些故障。当 以轴承结构系统的共振频率为滤波器的中心频率时， 包络分析方法存在着如何确 定带通滤波器的中心频率和带宽的问题。 由于预先难以确定

5、设备结构系统的共振 频率，不同设备结构系统共振频率的变化范围又较大， 为了使滤波器具有较大的 适应性，只好选择较宽的滤波频带， 但是，较宽的频带势必引入大量的干扰噪声， 降低信噪比； 若带宽选得过窄则有可能漏掉结构系统的共振频率。 对包络信号进 行谱分析可识别出冲击产生的频率， 但是当出现谐波或由于包络信号存在幅值调 制而引起和频、差频时，包络谱变得十分复杂，难以识别；而此时，包络谱单一 谱峰的峰值也不能用于评价故障的严重程度。2.3 小波分析小波变换是近年来发展起来的一种新的时频信号分析方法， 由于其良好的时 频特性，被国内外广大科研工程人员应用于故障诊断领域。文献21 以 Haar 小波变

6、换为基础， 采用脉冲指标为诊断参数， 对滚动轴承进行故障诊断。 对经过小 波变换方法处理后的滚动轴承振动信号进行谱分析， 以自定义的诊断参数作为识 别滚动轴承损伤类故障的特征量， 但是，由于该方法采用的变换尺度较小， 当存 在其他低频段强能量干扰时， 该特征量的有效值得怀疑。 小波变换与其他分析方 法的结合对滚动轴承进行故障诊断， 取得了良好的诊断效果。 文献22 对振动信 号进行小波分解， 然后再进行包络解调分析， 减小了计算量， 提高了诊断准确率。 文献23 利用小波包对滚动轴承的振动加速度信号进行分解，得到振动信号在不同频带的能量， 并以此作为特征向量， 然后采用加权 k 近邻法对滚动轴

7、承进行故 障诊断。文献24 利用小波包得到的滚动轴承在不同频带的能量特征与径向基函 数网络(RBFN相结合，同样得到了理想的检测结果。2.4 倒频谱诊断滚动轴承故障在对齿轮箱类设备进行故障诊断时 为更准确地找出故障特征频率。 往往需 要进行频率细化分 昕。但在实际分析时发现，仅进行频率细化分析有时还无法 看清频率结构。还需要进一步做倒频谱分析倒频谱能较好地检测出功率谱上的周 期成分通常在功率谱上无法对边频的总体水平做出估计 而倒频谱则具有 “概 括”能力。能较明显地显示出功率谱上的周期成分， 使之定量化。 将原来谱上成 族的边频带简化为单根谱线。 便于观察。 而齿轮、轴承等零部件发生故障时，

8、振 动频谱具有的边频带一般都具有等间隔 (故障频率 ) 的结构，利用倒频谱的这个优 点。可以检测出功率谱中难以辨识的周期性信号。3. 故障信号的智能诊断技术 滚动轴承的智能诊断技术就是利用人工智能技术中的专家系统、知识工程、 遗传算法、模糊理论和人工神经网络等技术和滚动轴承的特征参数或其他信号处 理方法相结合对轴承故障进行诊断与监测。 文献25 利用滚动轴承中状态监测中 的几个特征量，即峰值、有效值、峭度值，轴承外圈、内圈和滚动体的特征频率 幅值等参数作为神经网络的输入参数， 对滚动轴承的故障进行诊断， 试验表明该 方法可以对轴承故障进行有效的监测和诊断。 文献 26 将分形维数概念与多层感

9、知器神经网络结合， 以分形维数作为特征量输入的分形神经网络诊断方法， 应用 到轴承系统实例诊断分析， 获得了明显的诊断结果。 文献 27 构造了基于 P 一范 数模糊神经网络， 算法可以对 Sugeno Takagi 模型进行逼近， 因而更便于学习， 克服了单纯前向神经网络训练中容易陷入局部极小及收敛速度较慢的缺点。 文献28 将小波包和神经网络相结合， 先利用小波包分解对滚动轴承的动态信号进行 分析、提取特征，然后采用Kohonen神经网络进行滚动轴承故障诊断。文献29 利用遗传规划的方法对滚动轴承的振动信号幅值特征参数进行自组织， 生成了高 分辨率的用于逐次诊断的最佳特征参数， 以提高轴承

10、故障诊断的准确率。 明延锋 在文献 30 中提出了一种基于并行组合模拟退火算法的故障识别方法。 此算法是 将模拟退火算法较强的局部搜索能力和遗传算法对搜索过程总体较强的把握能 力相结合， 相互取长补短， 而构成的一种性能优越的全局搜索算法。 试验表明该 算法在滚动轴承早期故障信号 ( 弱信号) 识别应用中非常有效， 但存在运算速度慢 的缺点。3 总结近几年，新技术和新方法层出不穷， 人工智能和计算机在轴承故障诊断中的 应用越来越广泛，今后的发展方向主要体现在以下方面：(1) 时域分析和频谱分析在轴承故障诊断中的应用将日趋完善；(2) 对于轴承故障诊断的理论和方法进一步深入研究，并且各种研究成果

11、将会逐 步应用到实际生产；(3) 故障诊断智能系统进一步的深入研究，多种轴承故障分析方法相结合，如小 波神经网络、 模糊识别与小波分析相结合等新分析方法应用智能专家系统， 提高 诊断的效率和准确率；(4) 随着计算机和网络技术的发展，远程故障诊断将是现代故障诊断发展的一个 重要的方向。参考文献1 王军.滚动轴承故障诊断.中国高教论丛，2002,24(2):27302 秦香敏，潘宏侠 . 滚动轴承故障诊断方法研究 . 科技情报开发与经济 ,2007, 17(2):150 1513 仇学青, 张鑫. 滚动轴承故障诊断研究的国内现状与发展方向 . 煤矿机械 ,200 7,28(6):6 84 金晓光

12、，高德柱 . 倒频谱分析在滚动轴承故障诊断中的应用 . 冶金动力 ,200 7,4:93 975 岳建海, 裘正定. 信号处理技术在滚动轴承故障诊断中的应用与发展 . 信号处 理,2005,21(2):185 1906 周晓凯。机械设备故障诊断理论方法及其应用的研究，天津大学博士论文， 1993。7 钟秉林黄仁机械故障诊断学 M 北京：机械工业出版社 19978 中国机械工程学会设备管理与维修杂志川 2001 年 8月9 韩庆大.设备状态监测与故障诊断技术 【M耽阳：东北大学设备诊断工程中 心。200510 盛兆顺，尹琦玲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， 20031

13、1 王江萍机械设备故障诊断技术及应用U1.西安：西北工业大学出版社， 200112 刘惟信机械可靠性设计M 北京：清华大学出版社，199613 孔瑞莲航空发动机可靠性工程M 北京：航空工业出版社，199514 李涛，贺永军，刘志俭.Matlab工具箱应用指南一应用数学篇M 北京： 电子工业出版社， 200015 张志涌，徐彦琴.Matlab教程一基于6. X版M 北京：北京航空航天大 学出版社， 200116 杨福生小波变换的工程分析及应用M 北京：科学出版社，1999.17 沈松，刘进明.用小波变换识别机械故障中的通过振动 J .振动与冲击， 1999， 18(2) .18 张贤达.现代信号

14、处理M.北京：清华大学出版社，200219 张贤达，保铮.非平稳随机信号分析与处理.北京：国防工业出版社， 19 99. 31532020 吴今迈.设备诊断实例.上海：上海科学技术文献出版社.1997. 18218721 Yan Yuling ， Shimogo Taro. Application of the impulseindex in rolling element beating fault diagn osisMechanical systems and signalprocessing ，1 992 ，6(2) 22 Rubibi R and Meneghetti U Appli

15、cation of the envelopeand wavel et tran sforin an alyses for the diagnosis ofincipient faults in ball bearings Mechanical Systems andSignal Processing，2001，15(2) ，28730223 夏利民，谷士文等。基于小波包分析的货车滚动轴承故障诊断，中国铁道 科学， 2002，23(6) 。24 李世玲，李治等。基于小波包能量特征的滚动轴承故障监测方法，系统仿 真学报， 2003， 15(1) 。25 Bo Li and Mo Yuen Chow，etc Neural network basedmotor rollin g bearing fault diagn osis， IEEE tran sactionson industrial electronics ，October,2000 ，47(5) 26 侯祥林，李永强等。非线性机械设备系统的分形神经网络诊断方法，振动 工程学报， 2001，14(2)27 许锋，鲍明。 p