滾动轴承的故障诊断.docVIP

滚动轴承状态检测与故障分析 【摘要】滚动轴承是旋转机械中的重要零件,在各个机械部门有着广泛的应用。然而滚动轴承也是机器中最易损坏的零件之一有资料表明,在旋转机械中有70%的故障是由滚动轴承引起的，故研究滚动轴承的状态检测和故障诊断技术具有重要意义。本文通过分析研究轴承损坏的原因，选择合适的振动传感器来监测，对采集到的数据信号通过FFT频谱分析，利用MATLAB软件编程处理数据，再利用BP神经网络进行模式识别判断故障类型。本文的主要研究内容如下： 第一部分论述了关于此课题提出的意义，已经现有的监测方法以及信号分析方法。 第二部分是介绍轴承状态监测的装置。 第三部分是介绍对采集到的信号进行分析处理。 第四部分是建立BP神经网络并对其进行训练，从而实现模式识别。 第五部分是总结全文，表明提高对于轴承故障监测的诊断正确率具有重要意义。 关键词：滚动轴承；状态监测；FFT；信号分析处理；BP神经网络；模式识别 — 关于滚动轴承的状态检测综述 滚动轴承故障检测的重要性 在国民经济中——滚动轴承被称为“工业的关节”。轴承工业作为机械 工业的基础产业和骨干产业，其发展水平的高低，往往代表或制约着一个国家机械工业和其他相关产业的发展水平。在日本，人们常把轴乘称作工业的食粮，轴承工业被称为“机械工业的核心产业”、“提高国民生活的基础产业“，受到日本政府振兴政策的保护与支持，是14个”特定机械工业“行业之一。 ,在旋转机械中有70%的故障是由滚动轴承引起的,在齿轮箱的各类故障中轴承的故障仅次于齿轮而占到19%,电机故障中有80%表现为电机轴承故障。而滚动轴承的失效必然导致机械装置运行的不正常,甚至引发灾难性的后果,因此,对滚动轴承常见故障的研究显得十分重要。 轴承常见故障和轴承状态信号的采集 2.1滚动轴承常见故障以及产生原因 滚动轴承常见的故障主要有如下几种：（1）承受负荷的内外圈、滚动体(滚珠、滚柱等)表面磨损和剥落。造成滚动轴承的径向间隙、轴向间隙增大；（2）磨损（由于滚道和滚动体的相对运动以及尘埃异物的侵入引起表面磨损。磨损的结果是配合间隙变大，表面出现刮痕或凹坑，使振动和噪声加大）；（3）塑性变形。轴承的滚道与滚子接触面上出现不均匀的凹坑（受到过大的冲击载荷、静载荷，或因热变形增加载荷，或硬度很高的异物侵入，产生凹陷和划痕）；（4）断裂（残余应力及过大的载荷引起轴承零件的破裂）；（5）锈蚀（有水分或腐蚀性化学物质进入，以致在轴承元件表面上产生斑痕或点蚀）；（6）轴承烧伤（由于润滑不良，或者高速重载，造成高温使表面烧伤及胶和）。 2.2状态信号的采集 轴承的振动来源是在轴承运作过程中，其他的零构件作用于或传输到轴承上的力是不稳定的，随时间的变化也在不停改变；即使是一个加工非常精密的轴承也会产生振动。但对于一个完好的轴承来说，轴承的接触力是时间连续的，此时的振动信号是一个普通的振动信号，要提取出其中特征。然而，当轴承元件的工作表面出现疲劳剥落、压痕或局部腐蚀时，轴承的性能就会大大降低，轴承运行中会出现表征故障的周期性的脉冲信号，当然，同样需要进行特征提取以便准确识别。这种周期性信号可由安装在轴承座上的传感器(速度计或加速度计)来接收，但其中也包含了机械振动，所以必须通过对振动信号的分析和处理来诊断轴承的故障。 应用于轴承状态的信号分析方法 信号分析的目的是提取出轴承的运行信息，有效地信号处理和运行信息提取是完成状态监测和故障诊断的关键。在滚动轴承的状态监测中，对于信号特征的提取，采用的发放也是多样的。而通常的方法有以下一些： 3.1 Fourier变换 傅立叶分析提供了信号的频域分析方法，通过变换将时域和频率联系在一起，使在时域内隐藏的现象和特征在频域内显示出来。Fourier变换将信号由时域转换为频域分析。对于平稳性时间序列而言，这种方法物理意义明确、实时性也较高，到目前为止，FFT谱分析仍是对振动信号进行处理，提取回转部件运行状态变化和故障信息，实现大型旋转机械的故障诊断和运行状态监测。 3.2 小波变换(WaveletTransformation，WT) 小波变换是近年来出现的一种研究非平稳信号有力的时频域分析工具，在不同尺度下由粗到精的处理方式，使其不仅反映信号的整体特性，同时也能反映信号的局部信息。由于小波变换的分析精度可调，使其既能对信号中的短时高频成份进行定位，又能对信号中的低频成分进行分析，克服了Fourier分析在时域上无任何分辨率的缺陷，并较短时Fourier变换能提取更详尽的信号信息。 滚动轴承故障信号的模式识别 采用BP神经网络技术，即误差反传误差反向传播算法的学习过程，由信息