《机械故障诊断滚动轴承故障诊断》由会员分享，可在线阅读，更多相关《机械故障诊断滚动轴承故障诊断（15页珍藏版）》请在金锄头文库上搜索。
1、机械故障诊断技术读书报告滚动轴承的诊断案例分析综述Rolling Bearing Fault Diagnosis ApproachBased on Case-Based Reasoning学院：机械与汽车工程学院专业：机械设计制造及其自动化班级：机制一班姓名：王天宇学号：1102135004指导教师：郑冬学 年 学 期 ： 2014-2015 学 年 第 一 学 期摘要： 针对滚动轴承的故障诊断问题，提出了一种采用案例推理的诊断方法，为了解决 检索相似案例时案例属性多、 人工确定关键属性及其权重困难的问题， 提出了一种复合特征 选择算法， 用领域粗糙集算法粗选属性， 用遗传算法进一步精选属性和
2、优化权重， 并有效地 解决了领域粗糙集算法中需要人工确定领域大小的问题， 以滚动轴承运行时的振动信号为基 本信息， 建立了滚动轴承案例库， 从案例库中检索与问题案例相似的历史案例， 并根据这些 历史案例来判断问题案例的故障类别，试验结果表明，故障诊断的正确率达到100，故障位置诊断的正确率达到 93.3% ，且算法具有较好的稳定性。关键词： 案例推理；滚动轴承；故障诊断Abstract： The case-based reasoning approach is introduced into rolling bearing fault diagnosis. To solve the compl
3、exity of feature selection and weights optimization, a Filter Wrapper integrated features selection algorithm is proposed. Neighborhood rough set algorithm is applied to select essential features from the feature candidate set,then genetic algorithm is applied to refine the essential features subset
4、. This method solves the problem of determining the size of neighborhood manually in neighborhood rough set algorithm. Genetic algorithm is also used in feature weights optimization. With the run time vibration signal of rolling bearing as the basic information, a rolling bearing fault case database
5、 is constructed. The historical cases similar to the problem case are recalled and chosen to decide the fault type. The database experiment shows the higher efficiency and accuracy for essential attributes and weights in fault diagnosis.Keywords ： case-based reasoning； rolling bearing ； fault diagno
6、sis目录引言1. 滚动轴承的主要故障2. 滚动轴承故障监测与诊断方法二 案例分析1）电力机车滚动轴承诊断案例分析2）轴承外圈故障诊断案例3）轴承内圈故障诊断案例4）轴承滚动体故障诊断案例5）轴承滚动体故障定量诊断案例三 结论四 参考文献引言1. 滚动轴承的主要故障 由于滚动轴承的材料缺陷，加工或装配不当，润滑不良，水份和异物侵入， 腐蚀以及过载等原因都可能导致早期损坏。 当然，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等现象影 响机器的正常工作。概括起来滚动轴承的主要故障形式有：1 疲劳剥落 滚动轴承工作时， 浚道和滚动体表面既承受载荷又
7、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 ) 形式裂纹，继而扩展到接触表 层发生剥落坑 j 最后发展到大片剥落，这种现象就叫做疲劳剥落。疲劳剥落会造成运转时的冲击载荷、振动和噪声加剧。在正常工作条件下， 疲劳剥落往往是浚动轴承故障的主要原因。 我们习惯上听说的轴承寿命就是指轴 承的疲劳寿命。2 应损由于滚道和滚动体的相对运动 ( 包括浚动和滑动 )和尘埃异物的侵入等都会 引起表面磨损，而当润滑不良时更会加剧表面磨损。 磨损的结果使轴承游隙增大， 表面粗糙度增加， 从而降低了轴承的运转精度， 因而也降低了机器的整体运动精 度，振动及噪声也随之增大。 对于精密机械中
8、所使用的轴承， 往往就是因为磨损 量限制了轴承的寿命。此外，还有一种所谓的微振磨损。当轴承本身不旋转而受到振动Bf ，由于滚动体和该道接触面问有微小的、 往复的相对滑动， 因而导致微振磨损产生， 其 结果在该渲上形成波纹状的磨痕。3 塑性变形 在工作负荷过重的情况下， 轴承受到过大的冲击载荷或静载荷， 或者因为热 变形引起额外的载荷， 或者当有高硬度的异物侵入时， 都会在滚道表面上形成凹 痕或划痕。 这将使轴承要运转时产生剧烈的振动和噪声。 而且，一旦产生上述凹 痕，由此所引起的冲击载荷可能还会进一步引起附近表面的剥落。4 腐蚀 腐蚀也是滚动轴承的常见故障之一。 当水份直接侵入轴承时就会引起轴
9、承腐 蚀，另一方面，当轴承停止工作时，轴承温度下降达到零点，空气中的水份凝结 成水滴吸附在轴承酌表面上也会引起腐蚀。 此外， 当轴承内部有电流通过时， 在 滚道和滚动体之间的接触点处， 电流通过很薄的泊膜引起火花， 使表面局部熔融， 在表面上形成波纹状的凹凸不平。 高精度的轴承往往由于表面腐蚀， 丧失精度而 破损。2. 滚动轴承故障监测与诊断方法 轴承元件的损伤不可能直接诊断，只能间接诊阮诊断方法有以下几种。(1) 噪声诊断法。这是最原始的方法，由于设备各种噪声和环境噪声的干扰 很大，从监测信号中提取被溯轴承的噪声信息十分困难， 所以现代故障诊断领域 应用较少。 但是用听音棒接触与轴承员接近的
10、部位监听轴承运行时的噪声， 至今 仍在采崩。这是因为这种方法具有简单、方便、快速等优点，适合普通机械设备 的简易诊断。若用电子听诊器提高灵敏度， 有经验的人不仅能识别轴承有无故障， 而且还能估计出发生故障的原因。(2) 振动诊断法。轴承元件损伤，运行时必然产生冲击和振动。根据振动诊 断轴承的状态是日前最适用的方法。 国内外开发生产的轴承监测与诊断仪表绝大 多数都是根据振动诊断原理制成的。由于轴承的结构特点和不可避免的加上与安装误差，正常轴承运行时不避 免地已有相当复杂的振动， 再加上轴承所在设备的各种振动干扰， 所以根据振动 信号判别轴承故障的关镕是排除干扰提高信噪比， 这是一件十分复杂的技术
11、。 因 此目前单独根据振动信息诊断轴承故障还不是十分可靠的技术 最好采用多种方 法进行综合诊断。(3) 温度诊断法。轴承元件损伤，轴承的温度便会升高，所以对轴承可以进 行温度监测。这种方法简单易行使用最早。但是它的灵敏度很低、响应也傻，特 别是工作表面剥落、压痕或裂纹等局部性损伤在初期阶段几乎小 pJ 能根据温度 变化检测出来。 不过温度对轴承载荷、 速度和润滑泊情况的变化还比较灵敏， 所 以温度诊断法对防止轴承故障还有重要意义，至今仍普遍采用。(4) 油膜电阻法。运行中的滚动轴承，由于滚道与滚动体之间形成泊膜，所 以电阻很大常在兆欧以上，若轴承损伤，润滑状态恶化，则油膜破坏，电阻变 小到零酞
12、附近。利用这种变化就可对轴承故障进行诊断。(5) 光纤监测技术。用光纤位移传感器监测轴承的运行状态是“种直接从 轴承套图表面提取信息的诊断技术， 灵敏度高 传递通道的影响小。 用光导纤维 制成的传感器台有发送光纤束与接收光纤束两部分，光线从发射光纤束射出、 经传感器端面和铂敢套图表面间的间隙照射到套图表面上， 然后反射回来， 由接 收光纤束至收： 经光电元件转换为电压输出， 间隙量 d 改变时， 照射在套图表面 的面积也随之改变，接收光纤束接收的光量、光电元件输地的电压也随之改变， 可以判别轴承套圈的径向变化量和轴承的状态。(6) 油污染物分析。 检测润滑油中轴承磨损产物可有效地判断轴承是否损
13、伤。 常用的分析方法有铁谱分析法和磁塞分析法。但这两种方法只适用于油润滑轴 承，局限性大。二、案例分析1) 电力机车滚动轴承诊断案例分析当一个发生局部损伤的轴承运行时， 由于滚动体的不断滚动， 在接触损伤时 会发生周期性的冲击信号， 但在故障的早期阶段， 这些特征往往淹没于噪声之中， 很难分辨， 这为更大的故障发生留下了隐患。 因此需要及时发现故障并排除， 保 证机械设备的安全运行。 本节中将基于改进相邻系数法的多小波降噪方法应用于 机车滚动轴承的早期故障诊断中，致力于提取强噪声背景下的微弱故障特征。这里所检测的客运型电力机车走行部的滚动轴承与 1 节中为同一轴承，轴承 参数如表 1 所示，损
14、伤如图 1 所示。测试时，采样频率为 12800Hz，轴承转速为 481r rain 。可计算外圈的故障特征频率 f=53Hz，而相应的周期即为 189ms。采集到的时域振动信号如图 1所示。可以看到，噪声强度很大， 淹没了特征 信息，通过时域信号很难分辨出存在冲击。图 1 外圈轻微损伤的滚动轴承时域信号首先采用 FFT 与谱峭度方法分析信号。 其中，谱峭度方法是近年来发展起来 的一种有效提取故障特征的方法， 该方法通过对信号进行分解获得多个不同频率 中心与带宽的频带， 并在这样的频带中依据峭度选择敏感频带， 并滤波获得所关 心的信号，从时域及频域分别检测故障。 图2为信号的频谱。 图2中显示
15、频谱中 频率内容非常丰富， 覆盖了从低频到高频的范围， 而这其中没有太突出的频率成 分，因此很难通过频域直接获得故障的特征信息。 图 2 为采用谱峭度方法滤出的 峭度最高的频段，带宽为 800Hz，中心频率为 6000Hz。从图 2 中可以看到，在 o 03s，008s 以及o 16s，023s之间存在较为明显的冲击，而其他位置 的冲击并没有被准确地提取。因而，在图 2 中出现了 53Hz中的谱线，但谱峰并 不是很突出， 而且由于谱峭度运算中的下抽样运算影响了平方包络谱的精度， 造 成频率分辨率下降，因此，通过该结果来判断故障存在并不严密。图 2 振动信号频谱及谱峭度方法处理结果其次，采用 Db8单小波分别结合硬阈值、 软阈值及传统相邻系数法来对该信 号进行降噪。图3为采用 Db8单小波硬阈值的降噪结果。 尽管图 3中冲击特征较 为突出，但在 o 1ls ，015s 之间的特征却在阈值处理时被误认为是噪声而 置零了。而且，在 t=0 21s 附近出现了一条干扰线，这是对噪声不能合理抑制 造成的。图 3为Db8单小波软阈值降噪的结果。在图 3中005s，015s- 内 的冲击均不能分辨出来， 结果比较模糊。图3中采用 Db8单小波传统相邻系数法 降噪的结果要好于上面两种方法， 没有出现无关的干扰冲击， 但 o 1ls ，017s 区间内的冲击仍然比较微弱，难以识别。
