滚动轴承故障诊断方法与技术综述

XXXX大学本科毕业设计开题报告

专业： 班级： 学号 姓名 XXX 指导教师 报 告 题 目 题目来源（划√） 论文类型（划√） 报 告 日 期 基于混合域的滚动轴承故障诊断方法 科研□ 生产□ 实验室□ 专题研究□ 软件开发类□ 报告地点 企业联合□ 其 他 □ 工程设计类□ 实验研究类□ 年 月 日 开题报告（不少于1000字） 选题目的与背景 滚动轴承是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦，从而减少摩擦损失的一种精密的机械元件。滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成，内圈的作用是与轴相配合并与轴一起旋转；外圈作用是与轴承座相配合，起支撑作用；滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间，其形状大小和数量直接影响着滚动轴承的使用性能和寿命；保持架能使滚动体均匀分布，防止滚动体脱落，引导滚动体旋转起润滑作用。滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件，它的运行状态是否正常往往直接影响到整台机器的性能（包括精度、可靠性及寿命等）。众所周知,机械设备的运行状态监测和故障诊断对保证设备的安全有效运行至关重要

滚动轴承故障诊断

滚动轴承是应用最为广泛的机械零件质疑，同时，它也是机器中最容易损坏的元件之一。许多旋转机械的故障都与滚动轴承的状态有关。据统计，在使用滚动轴承的旋转机械中，大约有30%的机械故障都是由于轴承而引起的。可见，轴承的好坏对机器工作状态影响极大。

通常，由于轴承的缺陷会导致机器产生振动和噪声，甚至会引起机器的损坏。而在精密机械中（如精密机床主轴、陀螺等），对轴承的要求就更高，哪怕是在轴承上有微米级的缺陷，都会导致整个机器系统的精度遭到破坏。

最早使用的轴承诊断方法是将听音棒接触轴承部位，依靠听觉来判断轴承有无故障。这种方法至今仍在使用，不过已经逐步使用电子听诊器来替代听音棒以提高灵敏度。后来逐步采用各式测振仪器、仪表并利用位移、速度或加速度的均方根值或峰峰值来判断轴承有无故障。这可以减少对设备检修人员的经验的依赖，但仍然很难发现早期故障。

随着对滚动轴承运动学、动力学的深化研究，对轴承振动信号中频率成分和轴承零件的几何尺寸及缺陷类型的关系有了比较清楚的了解，FFT级数的发展也使得利用频率域分析和检测轴承故障成为一种有效的途径。也是目前滚动轴承监测诊断的基础。

从发展的历程看，滚动轴承故障检测诊断技术大致经历了以下阶段： 1961年

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f1=r/60 * 1/2 * n(1-d/D *cosα)=107.34Hz 内圈故障频率f2=r/60 * 1/2 * n(1+d/D *cosα)=162.21Hz 滚动体故障频率f3=r/60*1/2*D/d*[1-(d/D)^2* cos^2(α)]=70.53Hz

保持架外圈故障频率f4=r/60 * 1/2 * (1-d/D *cosα)=11.92Hz

2.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：

并求得时域信号的

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f1=r/60 * 1/2 * n(1-d/D *cosα)=107.34Hz 内圈故障频率f2=r/60 * 1/2 * n(1+d/D *cosα)=162.21Hz 滚动体故障频率f3=r/60*1/2*D/d*[1-(d/D)^2* cos^2(α)]=70.53Hz

保持架外圈故障频率f4=r/60 * 1/2 * (1-d/D *cosα)=11.92Hz

2.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：

并求得时域信号的

滚动轴承故障诊断1（之国外专家版） 滚动轴承故障

现代工业通用机械都配备了相当数量的滚动轴承。一般说来，滚动轴承都是机器中最精密的部件。通常情况下，它们的公差都保持在机器的其余部件的公差的十分之一。但是，多年的实践经验表明，只有10%以下的轴承能够运行到设计寿命年限。而大约40%的轴承失效是由于润滑引起的故障，30%失效是由于不对中或“卡住”等装配失误，还有20%的失效是由过载使用或制造上缺陷等其它原因所致。

如果机器都进行了精确对中和精确平衡，不在共振频率附近运转，并且轴承润滑良好，那么机器运行就会非常可靠。机器的实际寿命也会接近其设计寿命。然而遗憾的是，大多数工业现场都没有做到这些。因此有很多轴承都因为磨损而永久失效。你的工作是要检测出早期症状并估计故障的严重程度。振动分析和磨损颗粒分析都是很好的诊断方法。

1、频谱特征

故障轴承会产生与1X基频倍数不完全相同的振动分量——换言之，它们不是同步的分量。对振动分析人员而言，如果在振动频谱中发现不同步分量那么极有可能是轴承出现故障的警告信号。 振动分析人员应该马上诊断并排除是否是其它故障引起的这些不同步分量。（非转频的倍数峰值疑似为故障信息）

如果看到不同步的波峰，那极有可能与轴承磨损相关。

EMD

振动与冲击

第24卷第1期JOURNALOFVIBRATIONANDSHOCKVol.24No.12005

基于EMD与神经网络的滚动轴承故障诊断方法

杨　宇　于德介　程军圣

(湖南大学机械与汽车工程学院,长沙　410082)

3

　　摘　要　针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解(EmpiricalModeDecomposition

,简称EMD)和神经网络的滚动轴承故障诊断方法。该方法首先对原始信号进行了经验模态分解,将其分解为多个平稳

的固有模态函数(IntrinsicModefunction,简称IMF)之和,再选取若干个包含主要故障信息的IMF分量进行进一步分析,由于滚动轴承发生故障时,加速度振动信号各频带的能量会发生变化,因而可从各IMF分量中提取能量特征参数作为神经网络的输入参数来识别滚动轴承的故障类型。对滚动轴承的正常状态、内圈故障和外圈故障信号的分析结果表明,以

EMD为预处理器提取各频带能量作为特征参数的神经网络诊断方法比以小波包分析为预处理器的神经网络诊断方法有

更高的故障识别率,可以准确、有效地识别滚动轴承的工作状态和故障类型。关键词:滚动轴承,EMD,能量,神经网络,故障诊断中图分类号:TH133　　　

神经网络在滚动轴承故障诊断中的应用

第 1卷增刊 7 20年 8 04月

振 动工程

学报

Vo. No S l1 7 .

Junl V bai E gnei o ra o i t n i r g f r o n e n

A g 20 . 4 u 0

神经网络在滚动轴承故障诊断中的应用丁福焰‘邵(铁道科学研究机车车辆研究所’

张生玉‘杜永平“.0 0 1 北京交通大学 10 8 ) 2 (北京，0 0 4 104)

摘要简述了神经网络在机械故障诊断中的主要应用方面，提出了训练样本的数量和质量问题，以铁道车辆滚动轴承为例，用大量精选的现场实测数据作为训练样本，对所建立的 B P网络进行训练，将训练好的网络应用于轴承状态分类，取得了很好的诊断效果。关键词：神经网络；滚动轴承；故障诊断中图分类号： H13 263 T 3 s 0 . T P

人工神经网络已在一些科学研究和工程领域中 显示了很大的威力，其应用范围已扩展到诸如语音

1 P网络模型 B神经网络按其拓扑结构可分为前馈网络和反馈 网络两种类型，前馈网络中神经元分层排列，每一层只接受其前一层的输出作为输人， B如 P网络，因其结构简单、易于实现且不存在稳定性问题而得到广泛应用。反馈网络包括局部反馈和全互联网络

神经网络在滚动轴承故障诊断中的应用

第 1卷增刊 7 20年 8 04月

振 动工程

学报

Vo. No S l1 7 .

Junl V bai E gnei o ra o i t n i r g f r o n e n

A g 20 . 4 u 0

神经网络在滚动轴承故障诊断中的应用丁福焰‘邵(铁道科学研究机车车辆研究所’

张生玉‘杜永平“.0 0 1 北京交通大学 10 8 ) 2 (北京，0 0 4 104)

摘要简述了神经网络在机械故障诊断中的主要应用方面，提出了训练样本的数量和质量问题，以铁道车辆滚动轴承为例，用大量精选的现场实测数据作为训练样本，对所建立的 B P网络进行训练，将训练好的网络应用于轴承状态分类，取得了很好的诊断效果。关键词：神经网络；滚动轴承；故障诊断中图分类号： H13 263 T 3 s 0 . T P

人工神经网络已在一些科学研究和工程领域中 显示了很大的威力，其应用范围已扩展到诸如语音

1 P网络模型 B神经网络按其拓扑结构可分为前馈网络和反馈 网络两种类型，前馈网络中神经元分层排列，每一层只接受其前一层的输出作为输人， B如 P网络，因其结构简单、易于实现且不存在稳定性问题而得到广泛应用。反馈网络包括局部反馈和全互联网络

滚动轴承的故障机理及诊断

朱荣乾 杨涛 刘光勇 陈建宇

吐哈油田公司技术监测中心

摘要：本文介绍了滚动轴承的故障类型和发展历程，轴承故障频率的计算公式和包络分析的原理，并通过实例介绍了滚动轴承的诊断方法。 关键词：轴承；故障；诊断；包络

一、引言 旋转设备约有

30%的故障是因滚动轴承引起的，因滚动轴承抱轴、保持架散落造成转

子严重损坏给设备造成的损失是巨大的。最初的轴承故障诊断是靠有经验的设备管理和维修人员利用听音棒来判断，只能发现处于晚期的故障，不能及时发现处于早、中期的轴承故障，从而造成设备故障的扩展，并延缓维修时间。随着设备监测诊断技术的发展，各种信号分析与处理技术被用于轴承的故障诊断。振动加速度信号的波峰因数是指时域波形的峰值与均方根值之比，这种方法只适用于轴承点蚀故障的诊断；冲击脉冲技术(Shock Pulse Method)是瑞典SKF公司多年对轴承故障机理研究的基础上发明的，它依据滚动轴承在出现疲劳剥落、裂纹、磨损时产生的脉冲性振动强弱判断轴承故障，这种方法受使用者经验、设备干扰因素影响较大。美国Entek-IRD公司的峰值能量(Spike Energy)技术通过检测高频振动的尖峰诊断轴承的故

滚动轴承习题1、A 2、D 3、C 4、D 5、B 6、C 7、A 8、C 9、C 10、D 11、D 12、D 13、A 14、A 15、A 16、C17、D 18、B 19、A 20、A

一、选择题

1、滚动轴承的代号由基本代号及后置代号组成，其中基本代号表示 A 。

A、轴承的类型、结构和尺寸 B、轴承组件 C、轴承内部结构的变化和轴承公差等级 D、轴承游隙和配置 2、同一根轴的两端支承，虽然承受负载不等，但常采用一对相同型号的滚动轴承，这是因为除 B 以外的下述其余三点理由。D A、采购同型号的一对轴承比较方便 B、安装轴承的两轴承孔直径相同，加工方便 C、安装轴承的两轴颈直径相同，加工方便

D、一次镗孔能保证两轴承孔中心线的同轴度，有利于轴承正常工作 3、滚动轴承内圈与轴颈的配合以及外圈与座孔的配合 C 。

A、全部采用基轴制 B、全部采用基孔制 C、前