CN104884926A - 轴承装置振动分析方法、轴承装置振动分析装置和滚动轴承状态监视装置 - Google Patents

Abstract

振动分析方法包括下列步骤：输入滚动轴承的损伤数据(S10)；通过动力分析程序计算当滚动轴承的转轴转动时由于损伤而发生在滚动轴承中的激励力的历史(S40)；通过模式分析程序计算轴承装置的振动特性模型(S60)；以及通过将在计算激励力的历史的步骤(S40)中计算出的激励力的历史应用到振动特性模型而计算轴承装置的预定位置中的振动波形(S80)。

Description

轴承装置振动分析方法、轴承装置振动分析装置和滚动轴承状态监视装置

技术领域

本发明涉及一种轴承装置振动分析方法、轴承装置振动分析仪以及滚动轴承状态监视系统，尤其涉及一种通过计算机分析包括滚动轴承及其壳体的轴承装置的振动的技术，并涉及使用该分析结果的滚动轴承状态监视系统。

背景技术

日本特开No.2006-234785(专利文献1)披露了一种用于滚动轴承的异常诊断装置。通过这种异常诊断装置，对来自振动传感器的电信号执行频率分析，基于从频率分析获得的频谱计算基准值。大于基准值的频谱峰值被采样。然后将峰值之间的频率与基于回转速度计算出的、并作为轴承损坏起因的频率分量相互比较和对照。基于对照结果，判断滚动轴承是否存在异常以及异常出现在哪里(参见专利文献1)。

引用列表

专利文献

专利文献1：日本专利特许公开No.2006-234785

发明概述

技术问题

当振动波形的峰值大小超出预定阈值时，前述异常诊断装置确定轴承有异常。同时，为了选择用于异常诊断的该阈值，需要事先识别当轴承有异常时的振动状态。识别当轴承有异常时的振动状态的技术例如可以是如下技术：有意地将损坏的轴承纳入到实际机器中或使实际机器保持运作直到轴承损坏为止，由此采集关于轴承有异常时表现出的振动的数据。

然而，这种技术难以应用在设备具有大尺寸或长使用寿命或者是昂贵的状态下。特别是，风力发电设施满足这种条件，并难以选择阈值，该阈值被用于通过状态监视系统作出关于轴承异常的判断，所述状态监视系统监视风力发电设施的状态。因此，对于诸如风力发电设施的大尺寸设施，用于作出关于异常的判断的阈值是通过统计地处理所采集的实际数据而无视例如结构细节的差别和机器类型的差别地而确定的。

因此希望当轴承发生异常时所表现出的振动状态可事先通过计算机被分析。如果轴承设备的振动状态能通过计算机借助分析而被预测，则能够容易地设定用于作出关于大尺寸设施(例如风力发电设施)的异常的判断的阈值。此外，在同样要重定位用于检测轴承装置的振动的传感器的情形下，可设定作出关于异常的判断的阈值而不需要用实际机器新采集数据。

作出本发明以解决上述问题，并且本发明的目的是提供一种振动分析方法和振动分析仪，用于通过计算机分析包括滚动轴承和其壳体的轴承装置的振动。

本发明的另一目的是提供一种滚动轴承状态监视系统，其使用根据该振动分析方法的分析结果。

问题的解决手段

根据本发明，轴承装置振动分析方法是通过计算机分析包括滚动轴承和滚动轴承的壳体的轴承装置的振动的轴承装置振动分析方法。该方法包括下列步骤：输入关于给予接触部分的损坏的形状的数据，在该接触部分，滚动轴承的滚动元件和滚道表面彼此接触；通过动力分析程序计算激励力的历史以执行滚动轴承的动力分析，发生在滚动轴承上的激励力的历史是由当滚动轴承的回转轴转动时的损坏造成的；通过模式分析程序计算振动特性模型以分析轴承装置的振动模式，该振动特性模型代表轴承装置的振动特性；以及通过将计算激励力的历史的步骤中所计算出的激励力的历史应用到振动特性模型而计算轴承装置上预定位置处的振动波形。

优选地，在计算振动波形的步骤中，激励力的历史被应用到振动特性模型中的滚动轴承的旋转环的中轴线上的至少一个点。应当注意，为了将转矩的影响考虑在内，它可被应用到旋转环(例如内环)的中轴线上的多个点。

优选地，轴承装置振动分析方法还包括步骤：使用在计算振动波形的步骤中计算出的振动波形确定振动大小的阈值以便确定滚动轴承是异常的。

优选地，滚动轴承是球轴承。计算激励力的历史的步骤包括下列步骤：通过用于分析滚动轴承的滚动元件和滚道表面之间的接触的接触分析程序计算由给定的损坏造成的滚动元件和滚道表面之间的接近量的变动；并通过动力分析程序计算当滚动轴承的回转轴转动时由于接近量的变动而发生在滚动轴承上的激励力的历史。

优选地，滚动轴承是滚子轴承。对于动力分析程序，使用切分方法，藉此对于每个微小宽度分段计算接触负载，所述微小宽度分段是通过对沿滚子的轴向在滚子和滚道表面之间的接触部分作切分而获得的。轴承装置振动分析方法还包括步骤：对于每个切片，计算由给定的损坏造成的滚子和滚道表面之间的接近量的变动。计算激励力的历史的步骤包括步骤：通过对其使用切分方法的动力分析程序来计算激励力的历史。

优选地，接近量是弹性接近量。

优选地，在计算激励力的历史的步骤中，滚动轴承的固定环是模拟通过线性弹簧沿轴承径向在负载施加区内的滚动元件的位置处被连接至壳体的。

优选地，在计算振动波形的步骤中，激励力的历史被作用至负载施加区内的滚动元件，这依赖于由负载施加区内每个滚动元件支承的力的份额。

根据本发明，轴承装置振动分析方法是是通过计算机分析包括滚动轴承和滚动轴承的壳体的轴承装置的振动的轴承装置振动分析方法。该方法包括下列步骤：输入关于给予接触部分的损伤的形状的数据，在该接触部分，滚动轴承的滚动元件和滚道表面彼此接触；以及通过动力分析程序计算振动波形，由于滚动轴承的转轴转动时的损伤，所述振动波形出现在轴承装置上的预定位置，所述动力分析程序基于动力分析模型执行滚动轴承的动力分析，借助能够将弹性变形考虑在内的技术向动力分析模型引入滚动轴承的转轴和壳体的振动特性，该技术包括模式合成方法。

根据本发明，轴承装置振动分析仪是用于分析包括滚动轴承和滚动轴承的壳体的轴承装置的振动的轴承装置振动分析仪。该分析仪包括：输入单元，用于输入关于给予接触部分的损伤的形状的数据，在该接触部分，滚动轴承的滚动元件和滚道表面彼此接触；激励力计算单元，其通过动力分析程序计算激励力的历史，所述动力分析程序执行滚动轴承的动力分析，由于滚动轴承的转轴转动时的损伤，所述激励力的历史出现在轴承装置上；振动特性计算单元，其通过模式分析程序计算振动特性模型，所述模式分析程序分析轴承装置的振动模式，所述振动特性模型代表轴承装置的振动特性；以及振动波形计算单元，其通过将由激励力计算单元计算出的激励力的历史应用到由振动特性计算单元计算出的振动特性模型而计算轴承装置上的预定位置处的振动波形。

根据本发明，滚动轴承状态监视系统包括振动传感器和判断单元。振动传感器测量包括滚动轴承和滚动轴承的壳体的轴承装置的振动。判断单元被配置成当用振动传感器测得的振动的大小超出预定阈值时判定滚动轴承是异常的。所述预定阈值是通过使用根据振动分析方法计算出的振动波形而确定的，所述振动分析方法通过计算机分析轴承装置的振动。振动分析方法包括下列步骤：输入关于给予接触部分的损伤的形状的数据，在该接触部分，滚动轴承的滚动元件和滚道表面彼此接触；通过动力分析程序计算激励力的历史，所述动力分析程序执行滚动轴承的动力分析，由于滚动轴承的转轴转动时的损伤，所述激励力的历史出现在轴承装置上；通过模式分析程序计算振动特性模型，所述模式分析程序分析轴承装置的振动模式，所述振动特性模型代表轴承装置的振动特性；以及通过将计算激励力的历史的步骤中计算出的激励力的历史应用到振动特性模型而计算振动传感器在轴承装置上的位置处的振动波形。

发明的有益效果

根据本发明，关于轴承的损伤的形状的数据被输入，并通过动力分析程序计算由于滚动轴承的转轴转动时的损伤而发生在滚动轴承上的激励力的历史。然后，将激励力的历史作用于通过模式分析程序计算出的轴承装置的振动特性模型，并计算轴承装置上的预定位置(例如振动传感器所在的位置)处的振动波形。因此，在轴承中出现损坏的情形下表现出的轴承装置的振动波形可由计算机作出预测。由此，根据本发明，可使用预测的结果适当地确定由滚动轴承的状态监视系统使用的阈值以作出关于滚动轴承的异常的判断。

附图简述

图1是示出根据本发明的第一实施例通过振动分析方法分析的轴承装置的模型的图。

图2是示出根据第一实施例的振动分析仪的硬件配置中的主要组件的框图。

图3是功能地示出图2所示的振动分析仪的配置的功能框图。

图4是示出由图2所示的振动分析仪执行的振动分析方法的过程的流程图。

图5是示意地示出对其采用滚动轴承状态监视系统的风力发电设施的配置的图。

图6是功能地示出图5所示的数据处理器的配置的功能框图。

图7是示出当没有异常发生在轴承装置上时轴承装置的振动波形的图。

图8是示出当表面粗糙或不充分的润滑发生在轴承装置的滚道上时表现出的轴承装置的振动波形的图。

图9是示出轴承装置的滚道出现剥落的最初阶段中的轴承装置的振动波形的图。

图10是示出在剥落异常的结束阶段表现出的轴承装置的振动波形的图。

图11是示出当剥落发生在轴承装置的滚道的一部分上并且剥落随后蔓延至整个滚道区域时表现出的轴承装置的振动波形的均方根值和其包络波形的AC分量的均方根值随时间的变化的图。

图12是示出当表面粗糙或不充分的润滑发生在轴承装置的滚道上时表现出的轴承装置的振动波形的均方根值和其包络波形的AC分量的均方根值随时间的变化的图。

图13是功能地示出数据处理器的另一配置的功能框图。

图14是示出根据一修正例通过振动分析仪执行的振动分析方法的过程的流程图。

图15是示出根据第二实施例通过振动分析仪执行的振动分析方法的过程的流程图。

图16是功能地示出根据第三实施例的振动分析仪的配置的功能框图。

图17是示出根据第三实施例通过振动分析仪执行的振动分析方法的过程的流程图。

图18是功能地示出根据第四实施例的振动分析仪的配置的功能框图。

图19是示出根据第四实施例由振动分析仪执行的振动分析方法的过程的流程图。

具体实施方式

下面将结合附图详细描述本发明的实施例。在附图中，相同或相应的部件由相同附图标记表示，并且其描述不再予以重复。

[第一实施例]

图1是示出根据本发明的第一实施例通过振动分析方法分析的轴承装置10的模型的图。参见图1，轴承装置10包括滚动轴承20和壳体30。所描述的第一实施例涉及一种情形，其中滚动轴承20是球轴承。滚动轴承20包括内环22、多个滚动元件24以及外环26。

内环22配合在转轴12上并与转轴12一起转动。外环26是相对于内环22朝外设置并配合在壳体30内的固定环。多个滚动元件24中的每一个是球形球并位于内环22和外环26之间，在内环22和外环26之间具有通过笼状物(未示出)保持的间隙。壳体30通过螺栓(未示出)固定至基座40。

关于这种模型，作为固定环的外环26在滚动元件的位置处是模拟通过线性弹簧kF1-kF3沿轴承径向被连接至壳体30的，所述滚动元件位于多个滚动元件24之间的负载施加区。此外，至于壳体30和基座40彼此耦合的耦合部分，相应地在线性弹簧kH1、kH2上施加质量m1、m2，就像用螺栓耦合那样。

轴承装置10的振动分析方法的描述

图2是示出根据第一实施例的振动分析仪的硬件配置中的主要组件的框图。参见图2，振动分析仪100包括输入单元110、接口(IF)单元120、CPU(中央处理单元)130、RAM(随机存取存储器)140、ROM(只读存储器)150以及输出单元160。

CPU 130执行存储在ROM 150中的多个程序以由此实现本文之后详述的振动分析方法。RAM 140通过CPU 130被用作工作区。在ROM 150中，记录了一程序，该程序包括表示振动分析方法的过程的流程图(将在后面描述)的步骤。输入单元110是读取外部数据的装置，例如键盘和/或鼠标、记录介质、通信装置等等。输出单元160是输出由CPU 130运算的结果的装置，例如显示器、记录介质、通信装置等等。

图3是功能地示出图2所示的振动分析仪100的配置的功能框图。连同图1一起参见图3，振动分析仪100包括接近量变动计算单元205、动力分析模型设定单元210、激励力计算单元220、振动特性计算单元230、振动波形计算单元240以及前述输入单元110和输出单元160。

通过该振动分析仪100对轴承装置10的振动的预测一般包括两种预测。即，一种是当滚动轴承20的转轴转动时发生在滚动轴承20上的激励力的历史的预测，所述激励力是由于滚子轴承20的滚动元件24和滚道表面(内环22的外周表面或外环26的内周表面)彼此接触的接触部分的损伤所致。另一种是由于前面提到的发生在滚动轴承20上的激励力传过壳体30而发生在振动传感器(未示出)处于轴承装置10上的位置处的振动波形的预测。

从输入单元110输入例如关于滚动轴承20的特性数据、关于给予滚动元件24和滚道表面彼此接触的接触部分的损伤的形状的数据(之后也被称为“损伤数据”)、润滑状态、工作状态(例如转速)以及关于耦合至滚动轴承20的转轴12和壳体30的特性数据。输入单元110可以是对其使用Web接口的数据输入装置、从其上以预定格式记录前述数据的记录介质中读取数据的读取装置、接收以预定格式在外部传输的前述数据的通信设备等。

接近量变动计算单元205从输入单元110接收关于滚动元件24及其滚道的数据以及损伤数据。然后，接近量变动计算单元205通过接触分析程序计算在滚动元件24和滚道表面之间由给定损伤造成的接近量的变动，所述接触分析程序用于分析滚动元件24和滚道表面之间的接触。接触分析程序例如借助有限元方法(FEM)计算接触部分的接触压力分布，并计算滚动元件24和滚道表面之间的接近量，该接近量依赖于损伤存在与否。

对于接触分析，优选地使用弹塑性分析，其甚至将接触部分的塑性变形考虑在内。这是因为，如果滚动元件24和滚道表面之间的接触部分有损伤，则表面压力可能变得高到引起局部塑性变形的程度。为了简化计算，接近量变动计算单元205可对接触分析使用弹性分析以计算由损伤造成的滚动元件24的弹性接近量的变动。

动力分析模型设定单元210接收从输入单元110输入的上述多种数据，并接收由接近量变动计算单元205计算出的接近量的变动。然后，动力分析模型设定单元210设定滚子轴承20的动力模型以将滚子轴承20的动力特性考虑在内地执行动力分析。动力分析指这样一项技术，其对于滚子轴承20的每个组件(内环22、滚动元件24和外环26)制定运动方程并沿时轴对联立常微分方程式求积分。动力分析允许对组件之间的干扰力、组件的行为等随时间变化的因素的实时模拟。

对于这种动力分析模型，给出通过接近量变动计算单元205计算出的接近量的变动。滚动轴承20的每个组件是刚性体，并且耦合至滚动轴承20的转轴12和壳体30各自是具有预定质量和预定振动模式的弹性体。滚动体(内环、滚动元件24和转轴12)的惯性力的影响以及作用在每个组件上的重力被反映在模型上。

激励力计算单元220使用通过动力分析模型设定单元210设定的动力分析模型以计算当滚动轴承20转动时发生在滚动轴承20上的激励力的历史。激励力是由从输入单元110输入的损坏数据给出的滚道和滚动元件之间的接近量的变动的局部变化造成的。更具体地，激励力计算单元220使用前述动力分析模型以计算当转轴12根据从输入单元110输入的工作条件正在工作时由于滚动元件24和滚道表面之间的接近量的变化而发生在滚动轴承20上的激励力的历史。

同时，振动特性计算单元230通过用于分析轴承装置10的振动模式的模式分析程序计算代表轴承装置10的振动传输特征的振动特性模型。在第一实施例中，使用所谓的理论模型分析来计算代表轴承装置10的振动特性的振动模式作为振动特性模型。模式分析基于各振动由多个固有模式构成的认识来确定固有模式和固有频率。理论模式分析数学地确定结构(弹性体)具有何种振动模式(固有值信息)。具体地说，该理论模式分析确定拟被分析的对象的形状、质量分布、刚性分布和约束条件以产生对象(轴承装置10)的模型，并基于代表模型的质量特性的质量矩阵和代表其硬度特性的硬度矩阵通过理论分析或数学计算来确定固有值和固有矢量，以相应地确定对象的固有频率和固有模式。

振动特性计算单元230从输入单元110接收诸如轴承装置10的形状、材料密度、杨氏模量和泊松比等特性数据。此外，滚动元件24被视为线性弹簧，并且振动特性计算单元230从输入单元110接收弹簧信息，所述弹簧信息用以将滚动元件24以及壳体30和基座40之间的耦合部分(例如通用螺栓耦合的情形下的螺栓耦合部)中的每一个视为线性弹簧。然后，振动特性计算单元230通过模式分析程序(理论模式分析程序)计算轴承装置10的振动特性模型(振动模式)。

关于前述振动特性模型，为了更准确地再现实际的振动特性，优选地形成螺栓耦合部分(例如壳体30和机组40彼此耦合的耦合部分)以使它们仅沿螺栓耦合部分的耦合表面的位于螺栓附近的一部分彼此耦合。这是因为，实际螺栓耦合部分被形成，以具有在通过高压力耦合的螺栓附近的耦合表面以及背离以相对小的力耦合的螺栓的耦合表面。随着通过螺栓彼此耦合的部件的硬度越低，这种趋势就越高。螺栓附近的耦合部分的形状的一个例子可以是环形的，它与螺栓的转轴同心并具有与螺栓孔的直径对应的内径以及与螺栓头的直径对应的外径。

振动波形计算单元240使用由振动特性计算单元230计算出的振动特性模型来执行瞬态响应分析并由此计算在轴承装置10上的具体位置(例如振动传感器所在的位置)处的振动波形。更具体地，振动波形计算单元240从激励力计算单元220接收由接近量变动计算单元205计算出的接近量的变动以及发生在滚动轴承20上的激励力的历史。然后，振动波形计算单元240将激励力的历史和通过接近量变动计算单元205计算出的接近量的变动应用到通过振动特性计算单元230计算出的振动特性模型，以由此计算此时的振动波形。

这里，在第一实施例中，在通过振动特性计算单元230计算出的振动特性模型中，通过激励力计算单元220计算出的激励力的历史被应用到滚动轴承20的内环22的中轴线上的至少一个点。因此，可将借助动力分析程序对滚动轴承20的激励力的预测和借助模式分析程序对轴承装置10的振动传输特性的预测结合在一起以执行精确的振动分析。

通过振动波形计算单元240计算出的振动波形被输出至输出单元160。输出单元160可以是展示振动波形的显示器、将振动波形的数据以预定格式写在记录介质上的写装置、将振动波形的数据以预定格式传输至外部的通信设备或诸如此类。

图4是示出由图2所示的振动分析仪执行的振动分析方法的过程的流程图。参见图4，振动分析仪100首先从输入单元110读取关于滚动元件24及其滚道(内环22的外周表面或外环26的内周表面)的数据以及关于给予滚动轴承20的损伤的数据(步骤S10)。

接着，振动分析仪100根据预备的接触分析程序计算由步骤S10中输入的损伤造成的滚动元件24和滚道表面之间的接近量的变动(步骤S20)。然后，振动分析仪100读取多种数据以执行滚动轴承20的动力分析(步骤S30)。具体地说，振动分析仪100从输入单元110读取数据，例如滚动轴承20的特征数据和工作状态以及转轴12和壳体30的质量和弹簧特性，并进一步读取在步骤S20中计算出的接近量的变动。

接着，振动分析仪100基于在步骤S30中读取的多种数据设定滚动轴承20的动力分析模型。然后，振动分析仪100根据使用动力分析模型的动力分析程序计算当转轴12工作在步骤S10中输入的工作状态下时由于接近量的变动发生在滚动轴20上的激励力的历史(步骤40)。

接着，振动分析仪100读取多种数据以执行滚动轴承10的理论模式分析(步骤S50)。具体地说，振动分析仪100读取诸如轴承装置10的形状、材料密度、杨氏模量和泊松比等特征数据。振动分析仪100也读取弹簧信息，所述弹簧信息将滚动元件24以及壳体30和基座40之间的耦合部分(例如用螺栓耦合的螺栓耦合部分)中的每一个视为线性弹簧。前述数据中的每一个可从输入单元110中读取或可事先作为内部数据保存。

响应于步骤S50中每个数据的输入，振动分析仪100根据预备的理论模式分析程序计算轴承装置10的模式信息(步骤S60)。具体地说，基于步骤S50中输入的每个数据，振动分析仪100借助理论模式分析程序计算轴承装置10的振动模式(固有频率和固有模式)。

接着，振动分析仪100读取多种数据以执行滚动轴承10的瞬态响应分析(模式分析方法)(步骤S70)。具体地说，例如，振动分析仪100读取步骤S60中计算出的模式信息、步骤S20中计算出的接近量的变动以及步骤S40中计算出的滚动轴承20的激励力的历史。

然后，根据预备的瞬态响应分析(模式分析方法)程序，振动分析仪100计算轴承装置10的振动波形(步骤S80)。具体地说，振动分析仪100将步骤S40中计算出的激励力的历史应用到具有步骤S60中计算出的振动模式的轴承装置10的内环22的中轴线上的至少一个点，以由此计算由于步骤S40中计算出的激励力而发生在轴承装置10上的振动波形。

如此，通过振动分析仪100，可模拟当滚动轴承20中发生损伤时轴承装置10的振动波形。因此，借助振动分析仪100，可确定一阈值，该阈值可通过监视滚动轴承的状态(异常)的状态监视系统作出关于轴承异常的判断，并且该状态监视系统可使用该阈值作出关于滚动轴承的异常的判断。

下面，对于使用该阈值以作出关于轴承异常的判断(这是通过振动分析仪100从分析结果确定的)的滚动轴承状态监视系统，将借助示例范例性地描述风力发电设施中的滚动轴承状态监视系统。

风力发电设施的总体配置

图5是示意地示出对其采用滚动轴承状态监视系统的风力发电设施的配置的图。参见图5，风力发电设施310包括主轴320、桨片330、增速器340、发电机350、主轴轴承装置(下面简称为“轴承装置”)360、振动传感器370和数据处理器380。增速器340、发电机350、轴承装置360、振动传感器370和数据处理器380被包含在机舱390内，而机舱390由塔400支承。

主轴320延伸入机舱390以连接至增速器340的输入轴并由轴承装置360可转动地支承。主轴320将通过接收风力的桨片330产生的转矩传输至增速器340的输入轴。桨片330位于主轴320的最前端，将风力转化成转矩，并将其传输至主轴320。

轴承装置360固定在机舱390内并可转动地支承主轴320。轴承装置360由滚动轴承和壳体构成，而滚动轴承在这里由球轴承形成。振动传感器370固定到轴承装置360。然后，振动传感器370检测轴承装置360的振动并将检测出的振动值输出至数据处理器380。振动传感器370由例如使用压电元件的加速度传感器构成。

增速器340被设置在主轴320和发电机350之间以增加主轴320的转速并将其输出至发电机350。作为示例，增速器340由加速齿轮机构构成，所述加速齿轮机构例如包括行星齿轮、中间轴和高速轴。增速器340内部还设有多个轴承，这些轴承可转动地支承多个轴，然而这些轴未被具体地示出。发电机350连接至增速器340的输出轴以从接收自增速器340的转矩中产生电力。发电机350例如由感应发电机形成。发电机350内也设有可转动地支承转子的轴承。

数据处理器380被设置在机舱390内并从振动传感器370接收轴承装置360的振动的检测值。根据预设程序，数据处理器380借助轴承装置360的振动波形诊断轴承装置360的异常。

图6是功能地示出图5所示的数据处理器380的配置的功能框图。参见图6，数据处理器380包括：高通滤波器(下文中称其为“HPF”)410、450，均方根值计算单元420、460，包络处理单元440，存储单元480，以及诊断单元490。

HPF 410从振动传感器370接收轴承装置360的振动的检测值。HPF410随后使接收检测信号的高于预定频率的信号分量通过，并阻挡其低频分量。提供HPF 410以去除包含在轴承装置360的振动波形中的DC分量。如果振动传感器370的输出不包括DC分量，则可以不提供HPF 410。

均方根值计算单元420从HPF 410接收轴承装置360的振动波形，DC分量已从该振动波形中被移除。然后，均方根值计算单元420计算轴承装置360的振动波形的均方根值(也称为“RMS值”)，并将计算出的振动波形的均方根值输出至存储单元480。

包络处理单元440从振动传感器370接收轴承装置360的振动检测值。然后，包络处理单元440对接收的检测信号执行包络处理以由此产生轴承装置360的振动波形的包络波形。对于由包络处理单元440运行的包络处理，任意多种已知的技术是可适用的。作为示例，通过振动传感器370测得的轴承装置360的振动波形被校正至一绝对值并被传过低通滤波器(LPF)以由此产生轴承装置360的振动波形的包络波形。

HPF 450从包络处理单元440接收轴承装置360的振动波形的包络波形。然后，HPF 450使接收的包络波形高于预定频率的信号分量通过，并阻挡其低频分量。提供HPF 450以去除包含在包络波形中的DC分量并提取包络波形的AC分量。

均方根值计算单元460从HPF 450接收已从中去除DC分量的包络波形，即包络波形的AC分量。然后，均方根值计算单元460计算所接收的包络波形的AC分量的均方根值(RMS值)，并将计算出的包络波形的AC分量的均方根值输出至存储单元480。

存储单元480不时地存储通过均方根值计算单元420计算出的轴承装置360的振动波形的均方根值和通过均方根值计算单元460计算出的其包络波形的AC分量的均方根值，这两个动作是彼此同步的。存储单元480可例如由可读/可写非易失性存储器等形成。

诊断单元490从存储单元480读取被不时存储在存储单元480中的轴承装置360的振动波形的均方根值以及其包络波形的AC分量的均方根值，并基于两个读出的均方根值诊断轴承装置360的异常。具体地说，诊断单元490基于轴承装置360的振动波形的均方根值和其包络波形的AC分量的均方根值随时间变化的推移而诊断轴承装置360的异常。

即，通过均方根值计算单元420计算出的轴承装置360的振动波形的均方根值是未完成包络处理的原始振动波形的均方根值。因此，在例如剥落发生在滚道的一部分并且振幅仅当滚动元件经过剥落点位时才增加的脉冲式变动的情形下，该值的增加很小。然而，在由于滚道和滚动元件之间的接触部分的表面粗糙或由于不充分润滑造成的连续振动的情形下，该值的增加很大。

相反，对于通过均方根值计算单元460计算出的包络波形的AC分量的均方根值，在由于表面粗糙或不充分的滚道润滑造成的连续振动的情形下该值的增加是很小的，而该值的增加在脉冲式振动的情形下是很大的。然而，该值在某些情形下可能不增加。有鉴于此，轴承装置360的振动波形的均方根值以及其包络波形的AC分量的均方根值被使用，以允许检测仅用一个均方根值无法检测到的异常并允许实现对异常的更准确的诊断。

图7-图10分别是示出用振动传感器370测得的轴承装置360的振动波形的图。在图7-图10中，示出当主轴320(图5)的转速恒定时的振动波形。

图7是示出当轴承装置360没有发生异常时轴承装置360的振动波形的图。参见图7，水平轴代表时间而垂直轴代表振动大小的指标。这里，垂直轴作为示例地代表振动加速度。

图8是示出当表面粗糙或不充分润滑发生在轴承装置360的滚道上时表现出的轴承装置360的振动波形的图。参见图8，当表面粗糙或不充分润滑发生在滚道时，加速度增加了并且加速度增加的状态连续地发生。没有显著的峰值出现在振动波形中。因此，对于这种振动波形，其上包络处理未完成的原始振动波形的均方根值表现出增加，而包络波形的AC分量的均方根值不表现出这种增加，这是相比没有异常发生在轴承装置360时表现出的振动波形的均方根值(均方根值计算单元460(图6)的输出)和包络波形的AC分量的均方根值(均方根值计算单元460(图6)的输出)而言的。

图9是示出轴承装置360的滚道出现剥落的最初阶段中的轴承装置360的振动波形的图。参见图9，在剥落异常的最初阶段，剥落发生在滚道的一部分并且当滚动元件经过剥落点位时产生很大的振动。因此，脉冲式振动随着轴的转动周期地发生。当滚动元件经过剥落点位以外的点位时，加速度的增加是很小的。因此，对于这种振动波形，相比当没有异常发生在轴承装置360时表现出的振动波形的均方根值和包络波形的AC分量的均方根值，包络波形的AC分量的均方根值表现出增加，而原始振动波形的均方根值不表现出这种增加。

图10是示出在剥落异常的结束阶段表现出的轴承装置360的振动波形的图。参见图10，剥落异常的结束阶段是剥落蔓延至整个滚道区域的状态，并且加速度整体增加，同时加速度振幅的变动减小了，这是相比剥落异常的最初阶段而言的。因此，对于这种振动波形，相比出现在剥落异常的最初阶段中的振动波形的均方根值和包络波形的AC分量的均方根值，原始振动波形的均方根值增加了，而包络波形的AC分量的均方根值减小了。

图11是示出当剥落发生在轴承装置360的滚道的一部分并且剥落随后蔓延至整个滚道区域时表现出的轴承装置360的振动波形的均方根值和其包络波形的AC分量的均方根值随时间的变化的图。在下面描述的图11和图12中，示出了当主轴320的转速恒定时每个均方根值随时间的变化。

参见图11，曲线L1代表其上未完成包络处理的振动波形的均方根值随时间的变化，而曲线L2代表包络波形的AC分量的均方根值随时间的变化。在剥落发生前的时间t1，振动波形的均方根值(L1)和包络波形的AC分量的均方根值(L2)均很小。在时间t1的振动波形与前面图7中所示的波形类似。

当剥落发生在轴承装置360的滚道的一部分时，包络波形的AC分量的均方根值(L2)增加达很大的程度，同时对其未完成包络处理的振动波形的均方根值(L1)不增加这么大的程度(在时间t2附近)，如前面结合图9描述的那样。

此外，当剥落此后蔓延至整个滚道区时，其上未完成包络处理的振动波形的均方根值(L1)大量地增加，而包络波形的AC分量的均方根值(L2)减小(在时间t3附近)，如前面结合图10描述的那样。

图12是示出当表面粗糙或不充分的润滑发生在轴承装置360的滚道上时表现出的轴承装置360的振动波形的均方根值和其包络波形的AC分量的均方根值随时间的变化的图。参见图12，在图12中，与图11相似地，曲线L1代表其上未完成包络处理的振动波形的均方根值随时间的变化，而曲线L2代表包络波形的AC分量的均方根值随时间的变化。

在滚道的表面粗糙或不充分润滑发生前的时间t11，振动波形的均方根值(L1)和包络波形的AC分量的均方根值(L2)均很小。在时间t11的振动波形与前面图7中所示的波形类似。

当表面粗糙或不充分润滑发生在轴承装置360的滚道上时，其上未完成包络处理的振动波形的均方根值(L1)增加了，而包络波形的AC分量的均方根值(L2)不增加(在时间t12附近)，如前面结合图8描述的那样。

如从前面内容看到的那样，基于用振动传感器370测得的轴承装置360的振动波形的均方根值以及通过用振动传感器370测得的振动波形的包络处理产生的包络波形的AC分量的均方根值，能够诊断轴承装置360的异常。因此，相对基于频率分析的传统技术，能够执行更为准确的异常诊断。

需要执行这种异常诊断以适当地设定执行异常诊断的振动阈值。该阈值可借助前述振动分析仪100来确定。也就是说，振动分析仪100可提供轴承装置360的模型并提供关于轴承的损伤数据以由此预测在将振动传感器370布置在轴承装置360上的位置处的振动波形。然后，振动波形的均方根值以及通过振动波形的包络处理产生的包络波形的AC分量的均方根值能被计算，以由此适当地确定由状态监视系统作出关于异常的判断的阈值。

应当主意，主轴320(图5)的转速的改变致使轴承装置360的变动幅度改变。一般来说，轴承装置360的振动随着主轴320转速的增加而增加。有鉴于此，轴承装置360的振动波形的均方根值和其包络波形的AC分量的均方根值中的每一个可以用主轴320的转速来进行归一化，并且该归一化均方根值中的每一个可用来执行轴承装置360的异常诊断。

图13是功能地示出数据处理器的另一配置的功能框图。参见图13，相对于图6所示的数据处理器380的配置，数据处理器380A进一步包括修正振动因子计算单元430、修正调制因子计算单元470以及速度函数生成单元500。

速度函数生成单元500接收由转动传感器510(图5中未示出)检测出的主轴320的转速的检测值。转动传感器510可输出主轴320的转动位置的检测值，并且速度函数生成单元500可随后计算主轴320的转速。速度函数生成单元500产生：速度函数A(N)，其用主轴320的转速N对通过均方根计算单元420计算出的轴承360的振动波形的均方根值作归一化；以及速度函数B(N)，其用主轴320的转速N对通过均方根值计算单元460计算出的包络波形的AC分量的均方根值作归一化。作为示例，速度函数A(N)、B(N)是通过下列公式表示的：

A(N)＝a×N^-0.5...(1)

B(N)＝b×N^-0.5...(2)

其中a、b是通过试验等事先确定的常数，并可以是彼此不同或相同的值。

修正振动因子计算单元430从均方根值计算单元420接收轴承装置360的振动波形的均方根值，并从速度函数生成单元500接收速度函数A(N)。然后，修正振动因子计算单元430使用速度函数A(N)以通过用主轴320的转速对通过均方根值计算单元420计算出的振动波形的均方根值作归一化而计算一值(下面也称为“修正振动因子”)。具体地说，使用通过均方根值计算单元420计算出的振动波形的均方根值Vr和速度函数A(N)根据下列公式计算修正振动因子Vr*。

$Vr*=A\left(N\right)\sqrt{\frac{{\∫}_0^T{\{Vr\left(t\right)-Vra\}}^{2}dt}{T}}...\left(3\right)$

这里，Vra代表Vr在时间0至T的平均值。然后，修正振动因子计算单元430将根据公式(3)计算出的修正振动因子Vr*输出至存储单元480。

修正调制因子计算单元470从均方根值计算单元460接收包络波形的AC分量的均方根值并从速度函数生成单元500接收速度函数B(N)。然后，修正调制因子计算单元470使用速度函数B(N)以通过用主轴320的转速对通过均方根值计算单元460计算出的包络波形的AC分量的均方根值作归一化而计算一值(下文中也称为“修正调制因子”)。具体地说，使用通过均方根值计算单元460计算出的包络波形的AC分量的均方根值Ve和速度函数B(N)以根据下列公式计算修正调制因子Ve*。

$Ve*=B\left(N\right)\sqrt{\frac{{\∫}_0^T{\{Ve\left(t\right)-Vea\}}^{2}dt}{T}}...\left(4\right)$

这里，Vea是Ve在时间0至T的平均值。修正调制因子计算单元470将根据公式(4)计算出的修正调制因子Ve*输出至存储单元480。

然后，不时地被存储至存储单元480内的修正振动因子Vr*和修正调制因子Ve*由诊断单元490读取。基于所读取的修正振动因子Vr*和修正调制因子Ve*的时间变化推移，诊断单元490执行轴承装置360的异常诊断。

应当注意，前述转动传感器510可附连至主轴320，或者其中纳入有转动传感器510的轴承装置360的含有转动传感器的轴承可被用作轴承装置360。

通过如前所述的配置，基于修正振动因子Vr*和修正调制因子Ve*诊断异常，该修正振动因子Vr*是通过用转速对轴承装置360的振动波形的均方根值作归一化来确定的，而修正调制因子Ve*是通过用转速对包络波形的AC分量的均方根值作归一化来确定的。因此，由转速振动造成的干扰被去除，并因此实现更准确的异常诊断。

在如前所见的第一实施例中，拟被分析的关于滚动轴承20的损坏数据被输入至振动分析仪100，并使用动力分析程序以计算当滚动轴承20的转轴转动时由于损伤发生在滚动轴承上的激励力的历史。然后，将激励力的历史作用于通过模式分析程序计算出的轴承装置10的振动特性模型，并计算轴承装置10上的预定位置(例如振动传感器所在的位置)处的振动波形。因此，可预测出当损害发生在轴承中时轴承装置10的振动波形。由此，根据第一实施例，可通过被应用至风力发电设施310的滚动轴承(轴承装置360)状态监视系统使用预测的结果，以适当地确定作出关于滚动轴承的异常的判断的阈值。

借助示例，在风力发电设施的最初正常状态下测得的修正振动因子和修正调制因子分别为Vr*0和Ve*0。对于如前面针对图11描述的剥落是否发生的判断，当确认修正调制因子从最初状态开始的增加率Ie(＝Ve*/Ve*0)超出了用于判断剥落是否发生的修正调制因子的阈值CeFlake并且此后修正振动因子从最初状态开始的增加率Ir(＝Vr*/Vr*0)超出了用于判断剥落是否发生的修正振动因子的阈值CrFlake时，则判定剥落发生。关于如前面针对图12描述的是否出现表面粗糙或不充分润滑的判断，当确认修正调制因子的增加率Ie保持小于用于判断表面粗糙是否出现的修正调制因子的阈值CeSurf且同时修正振动因子的增加率Ir超出用于判断表面粗糙是否出现的修正振动因子的阈值CrSurf时，则判定表面粗糙或不充分润滑出现。这种情形下的阈值是四个阈值，即CeFlake、CrFlake、CeSurf、CrSurf。

应当注意，前述阈值和关于使用阈值的异常判断是以示例方式给出的，并可替代地使用更复杂的图案识别或类似手法。可额外地使用温度传感器以在表面粗糙和不充分润滑之间作出区别。在任何情形下，在振动增加的状态下，需要使用这些阈值作出关于异常的判断。

此外，在振动分析仪100中，因给定的损伤而发生的激励力的历史被应用到滚动轴承20的内环22的中轴线上的至少一个点。由此，借助动力分析程序对滚动轴承20的激励力的预测以及借助模式分析程序对轴承装置10的振动传输特性的预测可被组合在一起以执行准确的振动分析。

[修正例]

根据前面的描述，当分析轴承装置10的振动特性时，使用模式分析方法进行瞬态响应分析。然而，除了模式分析方法，也可使用直接积分方法。直接积分方法是对滚动元件和滚道表面之间的接近量的计算出的变动以及计算出的激励力历史连续地积分的技术，并且在振动分析仪100具有足够的算术处理能力的情形下是有效的。

图14是示出根据该修正例通过振动分析仪100执行的振动分析方法的过程的流程图。参见图14，该流程图对应于图4所示的流程图，除了前者包括步骤S90-S94而不是图4的步骤S50-S80。

也就是说，在步骤S40计算发生在滚动轴承20上的激励力的历史之后，振动分析仪100基于轴承装置10的特征数据(包括例如轴承装置10的形状、材料密度、杨氏模量和泊松比)计算轴承装置10的有限元模型(步骤S90)。接着，振动分析仪100读取多种数据以执行滚动轴承10的瞬态响应分析(直接积分方法)(步骤S92)。具体地说，例如，振动分析仪100读取步骤S90中计算出的有限元模型、步骤S20中计算出的接近量的变动以及步骤S40中计算出的滚动轴承20的激励力的历史。

然后，振动分析仪100根据预备的瞬态响应分析(直接积分方法)程序而计算轴承装置10的振动波形(步骤S94)。具体地说，振动分析仪100将步骤S40中计算出的激励力的历史应用到步骤S90中计算出的有限元模型所示的轴承装置10的内环22的中轴线上的至少一个点，以由此计算由于步骤S40中计算出的激励力而发生在轴承装置10上的振动波形。

[第二实施例]

在前述第一实施例及其修正例中，滚动轴承20由球轴承形成。将描述第二实施例，其涉及滚动轴承20由滚子轴承形成的情形。

在滚动轴承20由滚子轴承形成的情形下，通过使用所谓切分方法的动力分析模型来计算发生在滚动轴承20的激励力的历史。切分方法的特征在于，对每个微小宽度区段计算接触负载，所述每个微小宽度区段是通过沿滚子的轴向将滚子和滚道表面之间的接触部分切分成各自具有微小宽度的多个区段而获得的。

图15是示出根据第二实施例由振动分析仪100执行的振动分析方法的过程的流程图。参见图15，振动分析仪100首先从输入单元110读取关于滚动元件24及其滚道的数据以及损伤数据，该损伤数据是关于给予滚动轴承20的损伤的数据(步骤S110)。

接着，振动分析仪100读取多个数据以执行动力分析(步骤S120)。具体地说，振动分析仪100从输入单元110读取数据，例如滚动轴承20的特征数据、损伤形状和工作状态以及关于转轴12和壳体30的质量和弹簧特性等数据。

然后，在步骤S120中读取多种数据之后，对于滚子和滚道表面之间的接触部分的每个切片，振动分析仪100将损伤的形状转换成滚子和滚道表面之间的接近量的变动。这里，这种转换是将切片内的负载和损伤的形状沿滚动方向的宽度作为主变量而完成的。对于这种转换，可事先研究圆柱对象之间的接触。更具体地，可事先以函数形式研究和定义被施加的凹陷部分的滚动方向宽度对负载和接近量的变动之间的关系的影响。然后，根据借助对其采用每个切片的接近量的变动的切分方法的动力分析程序，振动分析仪100计算当转轴12工作在步骤S120输入的工作状态时由于在步骤S110输入的损伤而发生在滚动轴承20上的激励力的历史(步骤S130)。

后继步骤S140-170中的处理基本类似于图4所示的步骤S50-S80，并因此将不再重复其描述。

根据前面看到的第二实施例，在损害发生在轴承中的情形下的轴承装置10的振动波形可以被预测，即使在滚动轴承20由滚子轴承形成的情形下也是如此。结果，对于作用在风力发电设施之类的滚动轴承的状态监视系统，可适当地确定阈值以作出关于滚动轴承异常的判断。

[第三实施例]

在如前所述的第一和第二实施例中，通过动力分析程序计算当滚动轴承20的转轴转动时发生在滚动轴承20上的激励力的历史，并且将计算出的激励力的历史应用到轴承装置10的振动特性模型，并因此获得轴承装置10的振动波形。

相反，在第三实施例中，使用所谓的模式合成方法将滚动轴承20的外部(转轴12和壳体30)的振动特性(振动模)引入到滚动轴承20的动力分析模型。模式合成方法例如使用超级元方法通过低次振动模表征转轴12和壳体30的振动特性，并将转轴12和壳体30的振动特性引入至动力分析模型。如此，能够在动力分析中计算轴承装置10的振动波形。

图16是功能地示出根据第三实施例的振动分析仪的配置的功能框图。下面，将范例性地描述滚动轴承20由球轴承构成的情形。参见图16，振动分析仪100A包括动力分析模型设定单元210A、振动特性计算单元250、振动波形计算单元240A、输入单元110以及输出单元160。

振动特性计算单元250使用所谓的超级元方法来计算振动模，该振动模表征转轴12和壳体30的振动特性。超级元方法借助Guyan的静态缩小而减少了由有限元方法(FEM)表征的特征矩阵，以由此计算目标对象的低次振动模。

动力分析模型设定单元210A基于从输入单元110输入的关于滚动轴承20的多种数据(例如特征数据、润滑状态和工作状态)设定轴承装置10的动力分析模型。这里，动力分析模型设定单元210A通过模式合成方法将通过振动特性计算单元250计算出的转轴12和壳体30的振动模引入到动力分析模型中。因此，通过动力分析模型设定单元210A设定的动力分析模型是这样一种模型，其不仅包括滚动轴承20的动力特性而且包括转轴12和壳体30的振动特性。

振动波形计算单元240A从输入单元110接收关于滚动元件24及其滚道的数据以及损伤数据。然后，振动波形计算单元240A使用前述接触分析程序来计算由损伤数据造成的滚动元件24的接近量的变动。

此外，振动波形计算单元240A将计算出的滚动元件24的接近量的变动应用到通过动力分析模型设定单元210A设定的动力分析模型，并计算当转轴12工作在输入的工作状态时由于滚动元件24的接近量的变动而发生在轴承装置10上的激励力和位移的历史(振动波形)。通过振动波形计算单元240A计算出的关于振动波形的数据被输出至输出单元160。

图17是示出根据第三实施例通过振动分析仪100A执行的振动分析方法的过程的流程图。参见图17，振动分析仪100A计算转轴12和壳体30的有限元模型(步骤S210)。接着，振动分析仪100A根据预备的超级元方法分析程序计算转轴12和壳体30的模式信息(振动模)(步骤S220)。

接着，振动分析仪100A读取多个数据以执行动力分析(步骤S230)。具体地说，振动分析仪100A从输入单元110读取滚动轴承20的特征数据和工作状态，并读取在步骤S220中计算出的转轴12和壳体30中的每一个的模式信息。此外，振动分析仪100A从输入单元110读取关于给予滚动轴承20的损伤的数据(步骤S240)。

然后，振动分析仪100A根据其中通过模式合成方法包括转轴12和壳体30的模式信息(振动模)的动力分析程序而计算当转轴12在步骤230中输入的工作状态下工作时由于在步骤S240输入的损伤发生在轴承装置10上的激励力和位移(振动波形)(步骤S250)。

应当注意，尽管未具体示出，然而可将相似的技术应用至第二实施例以通过模式合成方法将转轴12和壳体30的振动特性(振动模)引入到动力分析模型。

在如前所述的第三实施例中，使用模式合成方法将转轴12和壳体30的振动特性(振动模)引入到动力分析模型中，并在动力分析中计算轴承装置10的振动波形。在该动力分析中，轴和滚动元件不时地移动，并且将轴承的内环和外环彼此耦合的弹簧元件的公转的影响以及由于剥落而发生激励力的位置的偏移的影响被精确地反映。因此，可高精度地预测振动波形(应当注意这花费很长的计算时间并因此需要高速分析仪)。因此，同样在第三实施例中，在轴承出现损伤的情形下轴承装置10的振动波形借助振动分析仪100A被预测。结果，能够更适当地确定用来作出关于滚动轴承异常的判断的阈值，所述滚动轴承例如被应用在风力发电设施。

根据前面的描述，给出了示例，其中通过模式合成方法引入转轴和壳体的振动特性。替代地，可采用一种方法，该方法直接地将有限元模型引入到动力模型并动态地求解所有节点处的运动，然而该方法花费很长的计算时间。尽管其计算精度相对模式合成方法而言可能较高，但这种技术需要更高速的分析仪。

[第四实施例]

在该第四实施例中，振动分析仪还计算出用于通过滚动轴承的状态监视系统作出关于滚动轴承的异常的判断的阈值。也就是说，第四实施例中所示的振动分析仪还基于预测的振动波形确定由状态监视系统用以作出关于异常的判断的振动阈值。

图18是功能地示出根据第四实施例的振动分析仪的配置的功能框图。尽管下面的描述将示范性地基于第一实施例给出，然而也可对其它实施例作出相同的功能增加。

参见图18，相比图3所示第一实施例中的振动分析仪100的配置，振动分析仪100B另外包括异常阈值设定单元260和基本振动输入单元270。

基本振动输入单元270产生基本振动波形，其代表当滚动轴承20正常时表现出的振动波形。尽管基本振动波形优选地是通过相同形式的轴承的实际测量值确定的，然而它也可以是从相同类型的装置的测量值中衍生出的预期值。从振动波形计算单元240接收的振动波形被加至该基本振动波形，并且所得到的波形是当异常发生时可望展现出的波形。

异常阈值设定单元260从振动波形计算单元240接收在振动传感器被附连至轴承装置10的位置处的振动波形的计算值。然后，异常阈值设定单元260使用从振动波形计算单元240接收的振动波形和从基本振动输入单元270接收的基本振动波形以确定振动大小的阈值，该阈值用以确定滚动轴承20是异常的。借助示例，异常阈值设定单元260从当异常发生时可望展现出的振动波形的数据计算振动波形的均方根值以及包络波形的AC风力的均方根值，并基于计算结果确定阈值。

尽管未图示出，然而用于作出关于异常的判断的阈值可通过如下方法确定：从异常阈值设定单元260将关于各种大小的损伤的数据应用到激励力计算单元220，并计算每个损伤数据的振动波形。

图19是示出根据第四实施例由振动分析仪100B执行的振动分析方法的过程的流程图。参见图19，该流程图相比图4所示的流程图还包括步骤S82。

在第四实施例中，在步骤S80中计算出振动传感器附连至轴承装置10的位置处的振动波形。一旦在步骤S80中计算出振动波形，则振动分析仪100B使用计算出的振动波形以确定由状态监视系统使用以确定滚动轴承20异常的振动大小的阈值(步骤S82)。

尽管未具体图示出，然而与前述类似的技术也可用于前述第二和第三实施例以基于由振动分析仪预测的振动波形确定由状态监视系统使用以作出关于异常的判断的振动阈值。

在如前所述的第四实施例中，振动分析仪100(100A、100B)可确定由滚动轴承的状态监视系统使用以作出关于滚动轴承异常的判断的阈值。

在每个前述实施例中，期望作为固定环的外环26在多个滚动元件24之中位于负载施加区内的滚动元件的位置沿轴承的径向通过线性弹簧kF1-kF3连接至壳体30，如图1所示。然而也期望外环在位于负载施加区内的滚动元件的中心处沿轴承的径向弹簧连接至壳体30。

此外，在前述第一和第二实施例和基于这些实施例的第四实施例的每一个中，由于给定损伤发生的激励力的历史被应用到滚动轴承20的内环22的中轴线上的至少一个点。然而，该激励力的历史也可被应用到负载施加区内的滚动元件24，这取决于负载施加区内由每个滚动元件24支承的力的份额。

此外，在前面的描述中，例如将用于作出关于异常的判断的阈值应用到风力发电设施中的滚动轴承的状态监视系统，该阈值是借助通过振动分析仪的分析结果确定的。它也可被应用到其它设施，例如铁道交通工具内的滚动轴承的状态监视系统。

应当知道，本文披露的实施例的所有方面是通过示例给出的，而非作为限定。要注意，本发明的范围由权利要求书、而不是由前面对实施例的描述限定，并涵盖在权利要求书的含义和范围内的所有修正和变体等效物。

附图标记列表

10轴承装置；12转轴；20滚动轴承；22内环；24滚动元件；26外环；30壳体；40基座；100,100A,100B振动分析仪；110输入单元；120I/F单元；130CPU；140RAM；150ROM；160输出单元；205接近量变动计算单元；210,210A动力分析模型设定单元；220激励力计算单元；230,250振动特性计算单元；240,240A振动波形计算单元；260异常阈值设定单元；270基本振动输入单元；310风力发电设施；320主轴；330桨片；340增速器；350发电机；360轴承；370振动传感器；380,380A数据处理器；390机舱；400塔；410,450HPF；420,460均方根值计算单元；430修正的振动因子计算单元；440包络处理单元；470修正的调制因子计算单元；480存储单元；490诊断单元；500速度函数生成单元；510转动传感器。

Claims (11)

1.一种通过计算机分析包括滚动轴承和所述滚动轴承的壳体的轴承装置的振动的轴承装置振动分析方法，所述方法包括下列步骤：

输入关于给予接触部分的损伤的形状的数据，在所述接触部分处所述滚动轴承的滚动元件和滚道表面彼此接触；

通过用于执行所述滚动轴承的动力分析的动力分析程序计算激励力的历史，当所述滚动轴承的转轴转动时所述激励力的历史因所述损伤而发生在所述滚动轴承上；

通过用于分析所述轴承装置的振动模式的模式分析程序计算振动特性模型，所述振动特性模型表征所述轴承装置的振动特性；以及

通过将在计算激励力的历史的步骤中计算出的所述激励力的历史应用到所述振动特性模型而计算所述轴承装置上预定位置处的振动波形。

2.如权利要求1所述的轴承装置振动分析方法，其中，在计算振动波形的步骤中，所述激励力的历史在所述振动特性模型中被应用到所述滚动轴承的旋转环的中轴线上的至少一个点。

3.如权利要求1所述的轴承装置振动分析方法，还包括下列步骤：使用在计算振动波形的步骤中计算出的振动波形来确定振动大小的阈值以确定所述滚动轴承是异常的。

4.如权利要求1所述的轴承装置振动分析方法，其中，

所述滚动轴承是球轴承；以及

计算激励力的历史的步骤包括下列步骤：

通过用于分析所述滚动轴承的滚动元件和滚道表面之间的接触的接触分析程序来计算由给予的损伤所造成的所述滚动元件和所述滚道表面之间的接近量的变动；以及

通过所述动力分析程序计算当所述滚动轴承的所述转轴转动时由于所述接近量的变动而发生在所述滚动轴承上的所述激励力的历史。

5.如权利要求1所述的轴承装置振动分析方法，其中，

所述滚动轴承是滚子轴承，

对于所述动态分析程序，使用切分方法，通过所述切分方法对于每个微小宽度分段计算接触负载，所述微小宽度分段是通过对沿滚子的轴向在滚子和滚道表面之间的接触部分作切分而获得的，

所述轴承装置振动分析方法还包括下列步骤：对于每个切片，计算由给予的损坏所造成的所述滚子和所述滚道表面之间的接近量的变动，以及

计算激励力的历史的步骤包括下列步骤：通过对其使用所述切分方法的所述动力分析程序来计算所述激励力的历史。

6.如权利要求4或5所述的轴承装置振动分析方法，其中，所述接近量是弹性接近量。

7.如权利要求1所述的轴承装置振动分析方法，其中，在计算激励力的历史的步骤中，滚动轴承的固定环是模拟通过线性弹簧沿轴承径向在负载施加区内的滚动元件的位置处连接至壳体的。

8.如权利要求1所述的轴承装置振动分析方法，其中，在计算振动波形的步骤中，所述激励力的历史被应用到负载施加区内的滚动元件，这依赖于由所述负载施加区内的每个滚动元件支承的力的份额。

9.一种通过计算机分析包括滚动轴承和所述滚动轴承的壳体的轴承装置的振动的轴承装置振动分析方法，所述方法包括下列步骤：

输入关于给予接触部分的损伤的形状的数据，在所述接触部分处所述滚动轴承的滚动元件和滚道表面彼此接触；以及

通过动力分析程序计算振动波形，当所述滚动轴承的转轴转动时所述振动波形因所述损伤而发生在所述轴承装置上的预定位置，所述动力分析程序基于动力分析模型执行所述滚动轴承的动力分析，借助将弹性变形考虑在内的技术向所述动力分析模型引入所述滚动轴承的所述转轴和所述壳体的振动特性，所述技术包括模式合成方法。

10.一种用于分析包括滚动轴承和所述滚动轴承的壳体的轴承装置的振动的轴承装置振动分析仪，包括：

输入单元，用于输入关于给予接触部分的损伤的形状的数据，在所述接触部分处所述滚动轴承的滚动元件和滚道表面彼此接触；

激励力计算单元，其通过执行所述滚动轴承的动力分析的动力分析程序计算激励力的历史，当所述滚动轴承的转轴转动时所述激励力的历史因所述损伤而发生在所述滚动轴承上；

振动特性计算单元，其通过用于分析所述轴承装置的振动模式的模式分析程序计算振动特性模型，所述振动特性模型表征所述轴承装置的振动特性；以及

振动波形计算单元，其通过将由所述激励力计算单元所计算出的激励力的历史应用到由所述振动特性计算单元计算出的振动特性模型而计算在所述轴承装置上的预定位置处的振动波形。

11.一种滚动轴承状态监视系统，包括：

振动传感器，用以测量包括滚动轴承和所述滚动轴承的壳体的轴承装置的振动；以及

判断单元，其被配置成当用所述振动传感器测得的振动的大小超出预定阈值时判定所述滚动轴承是异常的，

所述预定阈值是通过使用根据振动分析方法计算出的振动波形而确定的，所述振动分析方法通过计算机分析所述轴承装置的振动，以及

所述振动分析方法包括下列步骤：

输入关于给予接触部分的损伤的形状的数据，在所述接触部分处所述滚动轴承的滚动元件和滚道表面彼此接触；

通过执行所述滚动轴承的动力分析的动力分析程序计算激励力的历史，当所述滚动轴承的转轴转动时所述激励力的历史因所述损伤而发生在所述滚动轴承上；

通过用于分析所述轴承装置的振动模式的模式分析程序计算振动特性模型，所述振动特性模型表征所述轴承装置的振动特性；以及

通过将在计算激励力的历史的步骤中计算出的所述激励力的历史应用到所述振动特性模型而计算所述振动传感器位于所述轴承装置上的位置处的振动波形。