CN101726413B - 通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法 - Google Patents

Abstract

本发明公开了一种通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法，运用振动信号分析和油脂液分析对炼钢转炉耳轴轴承进行故障诊断。首先在轴承外圈圆周上选择均匀分布的测点，然后在测点处将轴承座打孔；对采集的轴承振动信号进行共振解调和小波降噪分析；首先根据频谱图中共振峰出现的频段选择中心频率和带宽进行带通滤波，再对滤波后的信号作小波降噪和希尔伯特解调处理；在检测油液(脂)常规理化指标的基础上，应用光谱、铁谱分析对油样中金属磨损物的成分和含量进行定性和定量分析，根据检测结果做出判断；将两种分析结果进行比较和综合，做出故障诊断报告；能有效提高故障诊断的准确率，便于尽早发现故障隐患，避免重大事故的发生。

Description

通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法 

技术领域

本发明涉及一种轴承的故障诊断方法，特别是一种综合运用振动信号分析和油液(脂)分析对炼钢转炉耳轴轴承进行故障诊断的方法。 

背景技术

作为大型低速重载设备的炼钢转炉是现代钢铁企业生产过程中的关键设备。这类设备的主要特点是工作转速低，承受载荷大。由于低速运转，载荷复杂多变，设备长时间运行，加上生产环境恶劣、润滑不良的原因，设备容易发生故障。这类设备一旦突发故障，将引起生产的中断，严重时甚至造成人员伤亡，而设备结构的复杂性使得维修起来十分困难，维修费用很高，给企业造成巨大的经济损失和不良影响。作为支撑机构中的关键部件的轴承，是炼钢转炉中最易发生故障的部件。因此，轴承一直是生产中的重点监测对象，对其进行状态监测和故障诊断具有十分重要的现实意义。 

目前，以轴承的振动信号分析在故障诊断中的应用最为广泛。但设备故障早期振动信号的微弱性、生产现场强噪声对轴承故障振动信号的干扰给通过这种方法进行成功故障诊断带来了很大的困难。运用油液(脂)分析技术可以获取设备的润滑和损伤状态，确定设备发生故障的部位和类型。但相比对振动信号的实时采集和分析，采用定期提取油液(脂)进行分析的方法在及时发现设备故障方面存在局限性。因此，应用共振解调和小波降噪相结合的振动信号分析方法对微弱故障信号进行特征提取，并将其与油液(脂)分析进行综合，能有效地克服单一方法进行故障诊断的不足，提高诊断的准确率。 

发明内容

本发明的目的在于，通过提供一种对炼钢转炉耳轴轴承进行故障诊断的方法，及时发现炼钢转炉耳轴轴承的故障隐患，提高故障诊断的准确率，为钢铁企业提供有效的维修建议，为炼钢转炉耳轴轴承进行成功的故障诊断提供重要的理论基础和实现方法。 

为实现上述目的，本方法采用技术方案如下： 

一种综合运用振动信号分析和油液(脂)分析对炼钢转炉耳轴轴承进行故障诊断的方法，包括如下步骤： 

1)轴承上测点的选择、传感器的安装方式和传感器的固定方式： 

测点的选择采用在轴承外圈圆周上均匀分布四个分别与水平面和垂直面成45°倾角的测点。传感器的安装方式是通过在轴承座上打孔，在选择好的测点位置将轴承座按照比传感器形状略大的尺寸打穿，使加速度传感器底座与轴承外圈直接接触。传感器的固定方式采用高强度磁力座进行固定。 

2)振动信号分析： 

按照步骤1安装传感器，将加速度传感器实时采集到的轴承振动信号经电缆传输至数据采集器中进行抗混滤波、放大和A/D转换后上传至计算机中，对信号进行共振解调和小波降噪分析。首先作频谱分析，根据信号频谱图中共振峰出现的频段选择中心频率和带宽进行带通滤波。将滤波后的信号进行小波降噪处理。具体步骤为：先选择一个小波基和分解层数，对信号进行小波分解；确定阈值函数，选择通过阈值规则得到的阈值对分解得到的高频系数进行量化；根据量化后的最低层低频近似信号和各层高频细节信号，作小波重构。最后，对经过共振带通滤波和小波降噪处理后的信号进行希尔伯特解调分析。找出低频段突出的频率成分，判断这些频率成分是否存在基频和倍频的关系。如果存在，判断为有故障隐患。再根据基频成分，对比依照理论和公式计算得到的轴承故障特征频率，判断故障发生的部位。 

3)油液(脂)分析： 

定期提取炼钢转炉耳轴轴承中的油样。在检测油液(脂)常规理化指标的基础上，应用光谱、铁谱分析技术对油样中金属磨损物的成分和含量进行定性和定量分析。根据检测结果做出判断：油样中的金属磨损物中有任一成分的含量超过设定值， 判断为有故障隐患；油样中的金属磨损物中无一成分的含量超过设定值，判断为无故障隐患。 

4)综合分析： 

在通过步骤2判断轴承存在故障隐患的基础上，立即进行步骤3并得出分析结果。综合比较两种分析结果，如果均判断轴承发生故障，则写出故障诊断报告，建议厂方检修；如果油液(脂)分析判断轴承尚无故障隐患，则近期密切关注炼钢转炉耳轴轴承的运行状态，并再次进行综合分析。 

通过将轴承座打穿使传感器与轴承外圈直接接触，减少了轴承座这一振动信号的传递界面，有效地减少了信号的衰减。 

对炼钢转炉耳轴轴承进行振动信号分析，采用共振解调和小波降噪相结合的方法，两次对被工业生产现场强噪声淹没的信号进行降噪处理，能有效地提高信噪比。同时，由于是实时采集和分析，有利于发现早期故障。 

对炼钢转炉耳轴轴承进行油液(脂)分析，能得到与实际运行状态相吻合的结果。 

综合运用振动信号分析和油液(脂)分析的方法，可以克服单一方法进行故障诊断时出现误诊的局限性，能有效地提高诊断的准确率。同时，应用这一综合方法，有利于进行早期故障诊断，实现预知维修。 

与现有技术相比，本发明的有益效果在于： 

1)在轴承座上打孔使传感器底座与轴承外圈直接接触，与现有的将传感器安装于轴承座的方式相比，减少了轴承振动信号经过轴承座这一传递界面时的衰减，可得到更接近反映轴承运行状态的振动信号。 

2)采用共振解调和小波降噪的振动信号分析方法，通过带通滤波和高频系数阈值处理先后两次对振动信号进行降噪处理，有效地提高了信噪比，有利于被强大工业现场噪声淹没的微弱故障信号特征的提取。 

3)将振动信号分析和油液(脂)分析综合起来对炼钢转炉耳轴轴承的运行状态进行判断，能有效提高故障诊断的准确率，便于尽早发现故障隐患，避免重大事故的发生。 

附图说明

图1是本发明的总体流程图； 

图2是振动信号分析流程图； 

图3是炼钢转炉炉体结构的示意图； 

图4是传感器的安装示意图； 

图5是油液(脂)分析流程图。 

具体实施方式

下面结合附图对本发明进行详细说明。 

如图1所示，一种综合运用振动信号分析和油液(脂)分析对炼钢转炉耳轴轴承进行故障诊断的方法的流程为：分别对炼钢转炉耳轴轴承进行振动信号分析和油液(脂)分析，然后综合两者的结果进行最终的故障诊断。 

如图2所示，振动信号分析主要有三个步骤： 

1)测点的选择、传感器的安装和固定。图3为炼钢转炉的炉体结构图。图中标号4即为耳轴轴承和轴承座。由于耳轴转速低，承载大，因此耳轴轴承是故障易发部位，成为监测的重点部件。如图4所示，其中，10为加速传感器，11为轴承座穿孔，12为轴承外圈圆周，13为轴承座；首先在轴承外圈圆周上选择四个分别与水平面和垂直面成45°倾角的均匀分布的测点，然后在测点处将轴承座打孔，按照比传感器形状略大的尺寸打穿，使传感器底座与轴承外圈直接接触。最后用高强度磁座将传感器固定。 

2)将传感器采集的振动信号通过电缆线一端接口传入数所采集器中，进行抗混滤波、放大和A/D转转换。将处理后的信号导入到计算机中进行振动信号的分析。 

3)对信号进行频谱分析，判断谱图中是否存在共振谱峰。没有则初步判断轴承未出现异常，再次进行实时振动信号采集。否则以共振峰幅值最大的频率点为中心频率，轴承内圈故障特征频率至少三倍频的边频带频率范围为带宽进行带通滤波。选取最常用的db小波基、sym小波基和coif小波基对带通滤波后的信号进行 分别三至五层分解，选用硬阈值、软阈值和折衷阈值三种阈值函数和heursure阈值对分解得到的高频细节信号进行阈值量化处理，然后进行小波重构。由于存在小波基、分解层数、阈值函数和阈值的不同选择，这样一共可以得到二十七种小波降噪的结果。为选出降噪效果最好的结果，以信噪比为衡量标准，取信噪比最大的一组作为最终降噪结果。信噪比的计算公式如下： 

式中，x(n)为经过带通滤波的信号， 

为经小波降噪后的信号，N为采样点数。 

对降噪后的信号作希尔伯特解调分析，判断是否有明显的基频及倍频成分存在。不存在则继续实时采集振动信号并再次按照上述流程进行分析。存在则初步判断轴承发生故障。将基频与轴承的各个故障特征频率进行比较。当基频与轴承的某一故障特征频率接近时，可进一步判断故障发生的部位。 

如图5所示，油液(脂)分析主要有三个步骤： 

1)以炼钢转炉耳轴轴承的出油口为油液取样点，应用专业采样工具提取油液。取样的时间间隔根据设备运行的实际状态进行调整。在设备处于磨合时期、振动信号分析发现故障隐患以及设备接近维修期时缩短取样时间间隔；在设备正常运行期间，可延长取样周期。基于炼钢转炉的运转特点，确定设备正常运行时期的油液提取周期为两个月。 

2)对提取的油样进行常规理化指标检测。选取粘度、水分、杂质颗粒、酸值、氧化和闪点作为分析指标，判断油液(脂)的劣化变质程度。将检测结果与设定值进行比较。当结果超过设定值，判定油液(脂)润滑性能下降，继续进行光谱和铁谱分析；否则润滑性能良好，依照取样周期再次提取油样。 

3)应用光谱、铁谱分析技术对经过常规理化指标检测的油样进行定性和定量检测。将检测到的油样中的金属磨损物的成分和含量与设定值比较。当油样中的金 属磨损物中无一成分的含量超过设定值，判断为无故障隐患，依照取样周期再次提取油样；当油样中的金属磨损物中有任一成分的含量超过设定值，判定为存在故障隐患。 

如图1所示，振动信号分析和油液(脂)分析的综合运用主要有两个步骤： 

1)应用振动信号分析判断轴承尚未存在故障隐患时，再次实时采集振动信号，并进行图5所示的油液(脂)分析流程。 

2)应用振动信号分析判断轴承存在故障隐患时，缩短既定的油液(脂)取样周期，立即进行图5所示的油液(脂)分析步骤并得到分析结果。将两种分析结果进行比较和综合，若油液(脂)分析得到的结论为无故障隐患，则近期对炼钢转炉耳轴轴承的运行状态进行密切监测，并再次综合分析。若结论均为轴承存在故障隐患，则确定炼钢转炉耳轴轴承发生了故障，写出故障诊断报告，并向厂方提出维修的建议。 

Claims (3)

1.一种通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法，运用振动信号分析和油脂液分析对炼钢转炉耳轴轴承进行故障诊断，其特征在于，包括以下步骤：

首先在轴承外圈圆周上选择数个分别与水平面和垂直面成倾角的均匀分布的测点，然后在测点处将轴承座打孔，按照比传感器形状略大的尺寸打穿，使传感器底座与轴承外圈直接接触，采用高强度磁座固定传感器；

所述的振动信号分析包括：将加速度传感器实时采集到的轴承振动信号经电缆传输至数据采集器中进行抗混滤波、放大和A/D转换后上传至计算机中，对信号进行共振解调和小波降噪分析；首先作频谱分析，根据信号频谱图中共振峰出现的频段选择中心频率和带宽进行带通滤波，将滤波后的信号进行小波降噪处理；具体步骤为：

a、选择一个小波基和分解层数，对信号进行小波分解；

b、确定阈值函数，选择通过阈值规则得到的阈值对分解得到的高频系数进行量化；

c、根据量化后的最低层低频近似信号和各层高频细节信号作小波重构；

d、对经过共振带通滤波和小波降噪处理后的信号进行希尔伯特解调分析，找出低频段突出的频率成分，判断这些频率成分是否存在基频和倍频的关系；如果存在，判断为有故障隐患；再根据基频成分，对比依照理论和公式计算得到的轴承故障特征频率，判断故障发生的部位；

所述的油脂液分析包括：

定期提取炼钢转炉耳轴轴承中的油样；

在检测油脂液的粘度、水分、杂质颗粒、酸值、氧化和闪点的理化指标的基础上，应用光谱、铁谱分析对油样中金属磨损物的成分和含量进行定性和定量分析，根据检测结果做出判断：油样中的金属磨损物中有任一成分的含量超过设定值，判断为有故障隐患；油样中的金属磨损物中无一成分的含量超过设定值，判断为无故障隐患；

通过振动信号分析判断轴承存在故障隐患时，进行油脂液分析并得到分析结果；将两种分析结果进行比较和综合，如果均判断为存在故障隐患，则确定轴承发生故障，写出故障诊断报告；如果油脂液分析得到的结论为无故障隐患，则近期对炼钢转炉耳轴轴承的运行状态进行密切监测，并再次综合分析。

2.根据权利要求1所述的通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法，其特征在于：所述的均匀分布的测点为四个。

3.根据权利要求1所述的通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法，其特征在于：所述的倾角的角度为45°。

Images