滚动轴承故障诊断.docxVIP

(完整版)滚动轴承故障诊断(附MATLAB 程序) 第二组实验 轴承故障数据： Test2。mat 数据打开后应采用 X105_DE_time 作为分析数据,其他可作为参考，转速 1797rpm 轴承型号：6205-2RS JEM SKF, 深沟球轴承采样频率：12k Hz 1、确定轴承各项参数并计算各部件的故障特征频率 通过以上原始数据可知次轴承的参数为: 轴承转速 r=1797r/min；滚珠个数 n=9;滚动体直径 d=7.938mm; 轴承节径 D=39mm；:滚动体接触角α=0 由以上数据计算滚动轴承不同部件故障的特征频率为： 外圈故障频率 f =r/60 ＊ 1/2 ＊ n（1—d/D *cosα）=107.34Hz 1 内圈故障频率 f =r/60 ＊ 1/2 * n（1+d/D *cosα）=162。21Hz 2 滚动体故障频率 f =r/60＊1/2＊D/d＊［1—(d/D)^2＊ cos^2(α）]=70。53Hz 3 保持架外圈故障频率 f =r/60 * 1/2 ＊ （1-d/D *cosα）=11。92Hz 4 对轴承故障数据进行时域波形分析 将轴承数据Test2.mat 导入 MATLAB 中直接做 FFT 分析得到时域图如下： 1 / 7 (完整版)滚动轴承故障诊断(附MATLAB 程序) 并求得时域信号的各项特征： （1）有效值：0.2909； （2）峰值:1。5256; （3)峰值因子：5。2441；（4)峭度：5.2793; （5）脉冲因子：7.2884；（6）裕度因子：9。1083： 包络谱分析 2 / 7 (完整版)滚动轴承故障诊断(附MATLAB 程序) 对信号做EMD 模态分解，分解得到的每一个 IMF 信号分别和原信号做相关分析, 找出相关系数较大的 IMF 分量并对此 IMF 分量进行 Hilbert 变换。 inla g s1 i n fm ei 2fm i 3fm i 4fm i 5fm i 6fm i 7fm i 8fm i e .s r Empirical Mode Decomposition 由图中可以看出经过EMD 分解后得到的９个IMF 分量和一个残余量.IMF 分量分别和原信号做相关分析后得出相关系数如下： EMD 分量 IMF1 IMF2 IMF3 IMF4 IMF5 相关系数 0.9596 0。1990 0。1096 0。0062 0。0230 EMD 分量 IMF6 IMF7 IMF8 IMF9 IMF10 相关系数 0。0032 0。0045 0.0055 0。0060 0.0062 由上表得：IMF1 的相关系数明显最大，所以选用 IMF1 做 Hilbert 包络谱分析。所得 Hilbert 包络谱图如下： 3 / 7 (完整版)滚动轴承故障诊断(附MATLAB 程序) 对包络谱图中幅值较大区域局部放大得到下图 由以上包络图的局部放大图中可以看出包络图中前三个峰值最大也最明显，三个峰值频率由小到大排列分别为 58.59Hz、105。5Hz、164.1Hz。把这三个频率数值和前文计算所得的理论值进行比较可知：频率值最大为164.1Hz 和内圈的故障理论 计算特征频率 f 162.21Hz 相近，说明此轴承的故障发生在轴承的内圈。 2= clc 程序 1：原始信号时域分析及小波去噪处理 clear all z=importdata(C：\Users\wangkun\Desktop\轴承诊断\test2.mat）； 4 / 7 (完整版)滚动轴承故障诊断(附MATLAB 程序) x1=z.X105_DE_time（1：4096）; clear z； N=4096； fs=12000; n=0：N-1； t=n/fs； f=n＊fs/N； figure(1); plot（t,x1); xlabel（’t’）; ylabel（幅值）； title（’原信号时域图’） %小波去噪[thr,sorh,keepapp]=ddencmp（’den’,wv，x1）; xd=wdencmp(’gbl,x1,db3’，2,thr，sorh，keepapp）； figure(2); plot（t，xd）； xlabel(t’)； ylabel(’ 幅 值 )； title（’小波去噪后时域图） 程序 2:EMD 分解及 Hilbert 包络 clc clear all 5 / 7 (完整版)滚动轴承故障诊断(附MATLAB 程序) z=load（C：\Users\wangkun\Desktop\轴承诊断\test2。mat); x=z。X105_DE_time（1:1024); N=1024; fs=12000； n=0：N—1； f=n＊fs/N；