CN104614182B - 一种轴承故障检测方法 - Google Patents
一种轴承故障检测方法 Download PDFInfo
- Publication number
- CN104614182B CN104614182B CN201510073195.7A CN201510073195A CN104614182B CN 104614182 B CN104614182 B CN 104614182B CN 201510073195 A CN201510073195 A CN 201510073195A CN 104614182 B CN104614182 B CN 104614182B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- bearing
- line
- failure
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Rolling Contact Bearings (AREA)
Abstract
一种轴承故障检测方法,包含采集信号、获取故障特征频率、分析、滤波处理、提取门限、故障判别六个步骤。其有益效果是综合利用功率谱与小波变换提取包络谱的特征结果,判断在轴承检测过程中的线谱为干扰线谱还是故障线谱,有效地提高了轴承检测的效率和准确度。方法简单,计算量小,易于实现,可以在电脑中实时显示检测结果,完全实现轴承检测的自动化和智能化。
Description
技术领域
本发明涉及一种轴承故障检测方法,特别是一种利用轴承线谱提取、判别进行轴承故障检测的方法。
背景技术
滚动轴承是机械设备中常用的关键零部件,其工作状态是否正常直接关系到整台机组乃至整条生产线的生产质量和安全。与其他机械零部件相比,滚动轴承有一个突出的特点:其寿命离散性大,即有的轴承已大大超过设计寿命而依然完好无损地工作,而有的轴承远未达到设计寿命就出现故障。在实际工作中,不检测轴承的好坏而直接使用,当设备出现故障需要维修时,将极大地增加故障检测难度以及维修成本。所以在轴承出厂后以及使用前都会抽样检测,一些严格的厂商更是令轴承检测成为必检项。因而研究滚动轴承的故障检测和诊断技术,可以提早检测到轴承的故障问题,进而分析出是独立的轴承问题还是生产过程中产生的共有问题,对于避免重大事故、减少人力物力损失以及变革维修体质等具有重要的理论研究价值和实际应用意义。
目前,越来越多的人加入到轴承故障检测方法的研究中,在实际数据分析中,故障检测常用的方法通常为:根据轴承参数计算理论故障频率;提取实测数据频谱特征,观察故障频率处有无特征线谱,但这种观察通常是基于人们视觉判定,往往存在一定误差,而且现有方法距离实现轴承检测的自动化、智能化还有一定距离。
中国专利公开一种申请号为200610017613.1的滚动轴承故障自动诊断系统,涉及到了功率谱、倒谱、小波变换等多种方法,将最终结果与计算的故障特征频率比对,得出故障类型,但故障判别阶段仍需人工比对。
发明内容
本发明的目的在于提供一种计算量小,无需人工参与,具有自动判别的轴承故障检测方法。
本发明的技术方案如下:
一种轴承故障检测方法,包含以下步骤:
(1)利用采集系统采集轴承振动信号,将振动传感器和待检测轴承固定在测试机床上,振动传感器与待检测轴承外环相接触,待检测轴承内环可随机床工件转动,振动传感器的输出与计算机采集卡电连接,采集卡将接收的轴承振动信号X(k)实时输入到计算机中;
(2)根据轴承参数设定轴承故障特征频率,将轴承回转频率(Hz),滚动体个数z,滚动体直径d(mm),轴承节圆直径D(mm),接触角β输入到计算机中,利用如下公式获取轴承故障特征频率:
内圈故障频率:
外圈故障频率:
滚动体故障频率:
保持架故障频率:
(3)对采集的轴承振动信号进行功率谱分析和小波变换分析,以1s数据为分析长度,对采集的信号进行傅里叶变换:,再令,其中X*(k)为X(k)的共轭,得到信号的功率谱;利用‘db5’小波对数据做四重小波分解,对小波分解后的各频段做希尔伯特变换,去掉均值后在取其模值,对模值再次求其功率谱得到各频段的包络谱;
(4)利用计算机对步骤(3)中得到的功率谱和包络谱进行滤波处理,得到功率谱和包络谱的连续谱,滤波处理利用的数学公式为双向α滤波器,其具体计算式如下:
其中为数据序列,它是由连续谱和一系列线谱组成的,为其倒转序列,为正向滤波的输出,为反向滤波输出,为双向滤波器的输出,=0.9为递归系数;
(5)在计算机中设置初始门限VH为3dB~6dB,利用步骤(4)中提取的功率谱以及包络谱的连续谱作为动态门限,将动态门限与初始门限VH相加,即可分别得到功率谱以及包络谱的线谱特征提取门限,判断轴承故障特征频率处的幅值是否大于线谱特征提取门限,从而判定特征频率处是否存在线谱;
(6)根据功率谱和包络谱中是否存在线谱,计算机自动判别轴承故障,具体方法如下:
(i)当检测轴承外圈、内圈故障时,振动传感器与待检测轴承外环相接触,功率谱存在线谱,而小波变换提取的包络谱中无线谱,则认为该线谱为干扰线谱,判定不存在故障;小波变换提取的包络谱中存在线谱则认为该线谱为故障特征线谱,判定存在故障;
(ii)当检测轴承滚动体、保持架故障时,振动传感器与待检测轴承外环相接触,功率谱或小波变换提取的各包络谱存在线谱,则认为该线谱为故障特征线谱,利用故障特征线谱的有无,判定轴承滚动体、保持架的故障,即有故障特征线谱则认为存在故障,无故障特征线谱则认为不存在故障。
本发明的有益效果是:
本发明可以综合利用功率谱与小波变换提取包络谱的特征结果,判断在轴承检测过程中的线谱为干扰线谱还是故障线谱,有效地提高了轴承检测的效率和准确度。能够分别对轴承各部分即轴承内圈、外圈、滚动体和支架存在的故障进行检测,实现轴承故障的精细化检测。方法简单,计算量小,易于实现,可以在电脑中实时显示检测结果,完全实现轴承检测的自动化和智能化。
附图说明
图1是本发明的原理框图;
图2是本发明的轴承检测功率谱曲线示意图;
图3是本发明轴承检测包络谱曲线示意图;
图4是本发明另一实施例的轴承检测功率谱曲线示意图。
具体实施方式
实施例1
如图1所示,轴承故障检测的步骤是:
1、将振动传感器(HD-ST-3)、固定支架、功率放大器固定在测试机床的工作台上,待测轴承固定在机床平台的回转轴上,用固定支架固定轴承位置,保持外环静止不动,内环随回转轴转动。调节振动传感器,使之与轴承的外环轻轻触碰。功率放大器用于将振动传感器收集的振动信号放大,利于后续软件分析。用数据传输线将振动传感器与采集卡(NI9234)连接,采集卡输出端与计算机连接,振动传感器输送的信号经采集卡送入到计算机中。
2、测试参数设置,将待检测轴承的参数输入到计算机中,其中:滚动体个数z=9、滚动体直径d=12mm、轴承外径80mm、轴承内径40mm、接触角0°、轴承节圆直径D=(轴承外径+轴承内径)/2=60mm、机床的回转频率f=25Hz(即轴承回转频率)。
计算机按下面的计算公式计算出故障特征频率为:=135Hz、=90Hz、=120Hz、=10Hz
内圈故障频率:
外圈故障频率:
滚动体故障频率:
保持架故障频率:
3、故障分析及结果输出,开启机床,回转轴的回转速度为1500r/min即25Hz,采集卡将振动传感器获取的数据输入到计算机中,计算机软件以每一秒数据自动分析长度,在计算机中设置初始门限VH为6dB,对采集的信号进行傅里叶变换:,再令,其中X*(k)为X(k)的共轭,得到信号的功率谱。利用‘db5’小波对数据做四重小波分解,对小波分解后的各频段做希尔伯特变换,去掉均值后在取其模值,对模值再次求其功率谱得到各频段的包络谱。利用计算机对得到的功率谱和包络谱进行滤波处理,得到功率谱和包络谱的连续谱,滤波处理利用的数学公式为双向α滤波器,其具体计算式如下:
其中为数据序列,它是由连续谱和一系列线谱组成的,为其倒转序列,为正向滤波的输出,为反向滤波输出,为双向滤波器的输出,=0.9为递归系数。
利用提取的功率谱以及包络谱的连续谱作为动态门限,将动态门限与初始门限VH相加,即可分别得到功率谱以及包络谱的线谱特征提取门限,判断轴承故障特征频率处的幅值是否大于线谱特征提取门限,从而判定特征频率处是否存在线谱,并实时显示数据的时域信号、频谱特征。计算机检测判断的条件是:当检测轴承外圈、内圈故障时,功率谱存在线谱而小波变换提取的包络谱中无线谱,则认为该线谱为干扰线谱,判定不存在故障。如果小波变换提取的包络谱中存在线谱则认为该线谱为故障特征线谱,判定存在故障。当检测轴承滚动体、保持架故障时,功率谱或小波变换提取的各包络谱存在线谱,则认为该线谱为故障特征线谱,利用故障特征线谱的有无,判定轴承滚动体、保持架的故障存在与否:有故障特征线谱则认为存在故障;无故障特征线谱则认为不存在故障。从而实现实时判决故障类型。本实施例中,小波变换以及功率谱分析中,频率135Hz处均存在线谱,说明该轴承为内圈故障,见图2、3。
实施2:
按照实施例1中的步骤和条件对另一轴承进行检测,其中:滚动体个数z=7、滚动体直径d=3.969 mm、轴承外径22mm、轴承内径8mm、接触角0°、轴承节圆直径D=(轴承外径+轴承内径)/2=15mm、机床的回转频率f=25Hz(即轴承回转频率)。
计算机按计算公式计算出故障特征频率为:=110.7Hz、=64.3Hz、=87.9Hz、=9.2Hz。功率谱分析得出在频率9.2Hz处存在线谱,说明该轴承为保持架故障,见图4。
Claims (1)
1.一种轴承故障检测方法,包含以下步骤:
(1)利用采集系统采集轴承振动信号,将振动传感器和待检测轴承固定在测试机床上,振动传感器与待检测轴承外环相接触,待检测轴承内环可随机床工件转动,振动传感器的输出与计算机采集卡电连接,采集卡将接收的轴承振动信号X(k)实时输入到计算机中;
(2)根据轴承参数设定轴承故障特征频率,将轴承回转频率(Hz),滚动体个数z,滚动体直径d(mm),轴承节圆直径D(mm),接触角β输入到计算机中,利用如下公式获取轴承故障特征频率:
内圈故障频率:
外圈故障频率:
滚动体故障频率:
保持架故障频率:
(3)对采集的轴承振动信号进行功率谱分析和小波变换分析,以1s数据为分析长度,对采集的信号进行傅里叶变换:,再令,其中X*(k)为X(k)的共轭,得到信号的功率谱;利用‘db5’小波对数据做四重小波分解,对小波分解后的各频段做希尔伯特变换,去掉均值后在取其模值,对模值再次求其功率谱得到各频段的包络谱;
(4)利用计算机对步骤(3)中得到的功率谱和包络谱进行滤波处理,得到功率谱和包络谱的连续谱,滤波处理利用的数学公式为双向α滤波器,其具体计算式如下:
其中为数据序列,它是由连续谱和一系列线谱组成的,为其倒转序列,为正向滤波的输出,为反向滤波输出,为双向滤波器的输出,=0.9为递归系数;
(5)在计算机中设置初始门限VH为3dB~6dB,利用步骤(4)中提取的功率谱以及包络谱的连续谱作为动态门限,将动态门限与初始门限VH相加,即可分别得到功率谱以及包络谱的线谱特征提取门限,判断轴承故障特征频率处的幅值是否大于线谱特征提取门限,从而判定特征频率处是否存在线谱;
(6)根据功率谱和包络谱中是否存在线谱,计算机自动判别轴承故障,具体方法如下:
(i)当检测轴承外圈、内圈故障时,振动传感器与待检测轴承外环相接触,功率谱存在线谱,而小波变换提取的包络谱中无线谱,则认为该线谱为干扰线谱,判定不存在故障;小波变换提取的包络谱中存在线谱则认为该线谱为故障特征线谱,判定存在故障;
(ii)当检测轴承滚动体、保持架故障时,振动传感器与待检测轴承外环相接触,功率谱或小波变换提取的各包络谱存在线谱,则认为该线谱为故障特征线谱,利用故障特征线谱的有无,判定轴承滚动体、保持架的故障,即有故障特征线谱则认为存在故障,无故障特征线谱则认为不存在故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510073195.7A CN104614182B (zh) | 2015-02-11 | 2015-02-11 | 一种轴承故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510073195.7A CN104614182B (zh) | 2015-02-11 | 2015-02-11 | 一种轴承故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104614182A CN104614182A (zh) | 2015-05-13 |
CN104614182B true CN104614182B (zh) | 2019-01-25 |
Family
ID=53148729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510073195.7A Expired - Fee Related CN104614182B (zh) | 2015-02-11 | 2015-02-11 | 一种轴承故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104614182B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106017925B (zh) * | 2016-05-09 | 2019-01-25 | 北京信息科技大学 | 基于小波包分解的回转窖托轮轴承故障诊断方法 |
CN106323635B (zh) * | 2016-08-04 | 2018-10-19 | 中国航空综合技术研究所 | 一种滚动轴承故障在线检测与状态评估方法 |
CN106419320A (zh) * | 2016-08-12 | 2017-02-22 | 无锡尊宝电动车有限公司 | 一种可显示轴承性能的轴承销售用展示柜 |
CN108507788A (zh) * | 2018-01-22 | 2018-09-07 | 内蒙古久和能源装备有限公司 | 一种滚动轴承故障程度判断方法 |
CN110646201B (zh) * | 2018-06-08 | 2021-10-01 | 西门子股份公司 | 轴承缺陷检测系统和方法 |
CN111060317A (zh) * | 2020-01-03 | 2020-04-24 | 上海电器科学研究所(集团)有限公司 | 一种矿用扇风电动机滚动轴承故障信号的判断方法 |
CN111307461A (zh) * | 2020-04-13 | 2020-06-19 | 郑州恩普特科技股份有限公司 | 一种基于特征向量基线法的滚动轴承故障检测方法 |
CN112033679A (zh) * | 2020-10-13 | 2020-12-04 | 济南重工集团有限公司 | 一种盾构机主轴承无损检测装置及检测方法 |
CN113138081B (zh) * | 2021-04-28 | 2022-10-21 | 北京化工大学 | 一种基于接触角变化量的滚动轴承故障安全识别方法 |
CN113295417B (zh) * | 2021-05-21 | 2022-05-03 | 中国人民解放军国防科技大学 | 一种轴承故障特征频率计算方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6408696B1 (en) * | 1999-12-06 | 2002-06-25 | Ai Signal Research, Inc. | Coherent phase line enhancer spectral analysis technique |
CN1825082A (zh) * | 2006-03-31 | 2006-08-30 | 洛阳轴研科技股份有限公司 | 滚动轴承故障自动诊断系统 |
CN103914617A (zh) * | 2014-03-25 | 2014-07-09 | 北京交通大学 | 地铁车辆转向架轴承的故障诊断方法 |
-
2015
- 2015-02-11 CN CN201510073195.7A patent/CN104614182B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6408696B1 (en) * | 1999-12-06 | 2002-06-25 | Ai Signal Research, Inc. | Coherent phase line enhancer spectral analysis technique |
CN1825082A (zh) * | 2006-03-31 | 2006-08-30 | 洛阳轴研科技股份有限公司 | 滚动轴承故障自动诊断系统 |
CN103914617A (zh) * | 2014-03-25 | 2014-07-09 | 北京交通大学 | 地铁车辆转向架轴承的故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
基于包络谱分析的航空发动机主轴轴承故障诊断;梁先芽;《沈阳航空航天大学学报》;20130831;第30卷(第4期);第18-22页 |
Also Published As
Publication number | Publication date |
---|---|
CN104614182A (zh) | 2015-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104614182B (zh) | 一种轴承故障检测方法 | |
CN109506921B (zh) | 一种旋转机械故障诊断与预警方法 | |
CN108982107B (zh) | 一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法 | |
TWI504478B (zh) | Monitoring System of Ball Screw Pre - pressure and Its Monitoring Method | |
CN108181105B (zh) | 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统 | |
CN103323244B (zh) | 轴承精度性能测试装置及测试方法和确定轴承精度早期失效部件的方法 | |
CN104634570A (zh) | 基于振动检测的便携式轴承故障诊断装置及诊断方法 | |
CN103969046A (zh) | 一种与轮对轴承磨合机联用的轴承声学诊断系统和方法 | |
CN103941722B (zh) | 通过部件特征倍频幅值趋势监测和诊断设备故障的方法 | |
JPH1026580A (ja) | 変速型回転機械設備の診断方法および装置 | |
CN109708884B (zh) | 一种万向轴故障检测方法及设备 | |
CN108956142A (zh) | 一种轴承故障识别方法 | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
CN105521997B (zh) | 一种基于振动信号诊断轧机辊系故障的方法 | |
CN109883705A (zh) | 电机滚动轴承局部点蚀故障诊断方法及其诊断系统 | |
CN113607415A (zh) | 一种变转速下基于短时随机共振的轴承故障诊断方法 | |
CN106198008B (zh) | 一种电机轴承外圈故障辨识方法 | |
CN109934136A (zh) | 基于Duffing振子和本征模式分量的滚动轴承故障诊断方法 | |
CN204346711U (zh) | 一种基于振动检测的便携式轴承故障诊断装置 | |
CN106552824B (zh) | 基于信号自相关性的轧机辊系故障自动判断方法及系统 | |
CN108303465A (zh) | 一种基于机床振动的故障检测方法及系统 | |
CN105628380B (zh) | 一种可调式中智模型轴承故障分类器的故障分类方法 | |
CN115931399A (zh) | 一种实时在线检测高速列车轮多边形故障的方法 | |
Thanagasundram et al. | Autoregressive based diagnostics scheme for detection of bearing faults | |
Li et al. | Study on a novel fault diagnosis method of rolling bearing in motor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190125 Termination date: 20200211 |