CN106198008A - 一种电机轴承外圈故障辨识方法 - Google Patents
一种电机轴承外圈故障辨识方法 Download PDFInfo
- Publication number
- CN106198008A CN106198008A CN201610430259.9A CN201610430259A CN106198008A CN 106198008 A CN106198008 A CN 106198008A CN 201610430259 A CN201610430259 A CN 201610430259A CN 106198008 A CN106198008 A CN 106198008A
- Authority
- CN
- China
- Prior art keywords
- outer ring
- frequency
- rolling element
- identification method
- motor bearings
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Rolling Contact Bearings (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种电机轴承外圈故障辨识方法,其步骤如下:(一)先通过加速度传感器获取轴承各个位置的振动信号,并将振动信号通过滤波器过滤,获得一个序列;(二)对(一)所获的序列进行求幅值操作得到Sig(k),k=0,1,…,N‑1,N为采样点个数;(三)对(二)中的得到的Sig(k)进行傅里叶变化,得到0≤r≤N‑1;(四)获得外圈、内圈、滚动体和保持架在特征频率处的幅值,依次为Ao、Ai、Ab、Ac;(五)根据从获得的数据中辨识外圈的数据,Ao(i)表示Ao的第i个量。本发明能够利用轴承各特征频率为特征向量,并通过获得的θ辨识出外圈与其他部分的数据。
Description
技术领域
本发明属于轴承故障诊断领域,具体涉及一种电机轴承外圈故障辨识方法。
背景技术
轴承是旋转机械装备的关键部件之一,其状态直接影响设备的正常运行。通过对振动信号的处理和分析,实现对机械部件的故障诊断,是比较常见的处理方式,流程见图1所示。通过分析振动信号即可发现潜在故障(或故障源),则基于现有振动信号预测信号未来走势,从而发现潜在故障,也是可行的。
轴承的故障诊断一般分为三个步骤:信号采集、故障提取(信号处理)和故障诊断。其中故障提取是关键步骤。如何有效的提取故障信号一直是轴承故障研究领域的热门。信号处理与频谱分析的目的是要描述信号的频谱含量在时间上变化,以便能在时间和频谱上同时表示信号的能量或者强度。传统的傅立叶变化并没有告诉我们那些频率在什么时候出现,因此该方法无法表现出信号的时变性。
发明内容
为了克服背景技术的缺点与不足之处,本发明提出一种电机轴承外圈故障辨识方法。
本发明的技术方案是:一种电机轴承外圈故障辨识方法,其步骤如下:
(一)先通过加速度传感器获取轴承各个位置的振动信号,并将振动信号通过滤波器过滤,获得一个序列;
(二)对(一)所获的序列进行求幅值操作得到Sig(k),k=0,1,…,N-1,N为采样点个数;
(三)对(二)中得到的Sig(k)进行傅里叶变化,得到
(四)获得外圈、内圈、滚动体和保持架在特征频率处的幅值,依次为Ao、Ai、Ab、Ac;
(五)根据
从获得的数据中辨识外圈的数据,Ao(i)表示Ao的第i个量;
(六)通过对步骤(5)中获得θ的公式进行坐标轴及曲线描绘,并将所获得Ao、Ai、Ab、Ac置于该坐标轴内,通过检测外圈数据位于曲线内的位置进行外圈故障的识别。
步骤(四)中,首先获得外圈、内圈、滚动体和保持架的特征频率公式,
其中Db为滚动体直径;DC为滚动轴承平均直径(节径);θ为径向方向接触角;Fs为轴的转频。Fb为滚动体特征频率;Fbpi为内圈特征频率;Fbpo为外圈特征频率;Fc为保持架特征频率;Nb为滚动体个数,
其次,以分别获得轴承的外圈频域特征量Ao、内圈频域特征量Ai、滚动体频域特征量Ab、保持架频域特征量Ac。
所述外圈的频域特征量Ao由以下公式
获得。
所述内圈频域特征量Ai由以下公式
获得。
所述滚动体频域特征量Ab由以下公式
获得。
所述保持架频域特征量Ac由以下公式
获得。
所述(一)中滤波器的带宽为6~12kHz。
本发明能够利用轴承各特征频率为特征向量,并通过获得的θ辨识出外圈与其他部分的数据。
附图说明
图1为轴承信号处理流程图。
图2为外圈辨识方法流程图。
具体实施方式
下面针对附图对本发明的实施例作进一步说明:
本发明提供一种电机轴承外圈故障辨识方法,其步骤如下:
(一)先通过加速度传感器获取轴承各个位置的振动信号,并将振动信号通过滤波器过滤,获得一个序列,滤波器的带宽为6~12kHz;
(二)对(一)所获的序列进行求幅值,用Sig(k)表示,k=0,1,…,N-1,N为采样点个数;
(三)对(二)中的得到的Sig(k)进行傅里叶变化,得到
(四)通过(三)的公式获得外圈、内圈、滚动体和保持架在特征频率处的幅值,依次为Ao、Ai、Ab、Ac;
由F(r)获得轴承数据包含轴承四部分相关信息,即各部分相互影响,因此对外圈辨识造成困难,
(五)由切比雪夫不等式可得外圈与其他部分数据的辨识阈值公式为
从获得的所有数据中辨识出外圈的数据,Ao(i)表示Ao的第i个量;。
(六)通过对步骤(5)中获得θ的公式进行坐标轴及曲线描绘,并将所获得Ao、Ai、Ab、Ac置于该坐标轴内,通过检测外圈数据位于曲线内的位置进行外圈故障的识别。
即当建立完整的坐标轴,并在坐标轴内描绘θ的曲线后,通过Ao、Ai、Ab、Ac置于该坐标轴内,通过观测Ao数据位于坐标轴内与曲线的位置,来进行外圈故障的识别,若外圈出现故障,则该数据与其他数据位于θ曲线的不同侧,而当外圈正常时,则所有数据均位于θ曲线的同侧。
步骤(四)中,通过图1和图2的流程,首先获得外圈、内圈、滚动体和保持架的特征频率公式,
其中Db为滚动体直径;DC为滚动轴承平均直径(节径);θ为径向方向接触角;Fs为轴的转频。Fb为滚动体特征频率;Fbpi为内圈特征频率;Fbpo为外圈特征频率;Fc为保持架特征频率;Nb为滚动体个数,
其次,以带入(三)的公式分别获得轴承的外圈频域特征量Ao、内圈频域特征量Ai、滚动体频域特征量Ab、保持架频域特征量Ac。
而所述外圈的频域特征量Ao由以下公式
获得。
所述内圈频域特征量Ai由以下公式
获得。
所述滚动体频域特征量Ab由以下公式
获得。
所述保持架频域特征量Ac由以下公式
获得。
实施例不应视为对发明的限制,但任何基于本发明的精神所作的改进,都应在本发明的保护范围之内。
Claims (7)
1.一种电机轴承外圈故障辨识方法,其特征在于:其步骤如下:
(一)先通过加速度传感器获取轴承各个位置的振动信号,并将振动信号通过滤波器过滤,获得一个序列;
(二)对(一)所获的序列进行求幅值操作得到Sig(k),k=0,1,…,N-1,N为采样点个数;
(三)对(二)中得到的Sig(k)进行傅里叶变化,得到
(四)获得外圈、内圈、滚动体和保持架在特征频率处的幅值,依次为Ao、Ai、Ab、Ac;
(五)根据
从获得的所有数据中辨识出外圈的数据,Ao(i)表示Ao的第i个量;
(六)通过对步骤(5)中获得θ的公式进行坐标轴及曲线描绘,并将所获得Ao、Ai、Ab、Ac置于该坐标轴内,通过检测外圈数据位于曲线内的位置进行外圈故障的识别。
2.根据权利要求1所述的一种电机轴承外圈故障辨识方法,其特征在于:步骤(四)中,首先获得外圈、内圈、滚动体和保持架的特征频率公式,
其中Db为滚动体直径;Dc为滚动轴承平均直径(节径);θ为径向方向接触角;Fs为轴的转频。Fb为滚动体特征频率;Fbpi为内圈特征频率;Fbpo为外圈特征频率;Fc为保持架特征频率;Nb为滚动体个数,
其次,以分别获得轴承的外圈频域特征量Ao、内圈频域特征量Ai、滚动体频域特征量Ab、保持架频域特征量Ac。
3.根据权利要求2所述的一种电机轴承外圈故障辨识方法,其特征在于:所述外圈的频域特征量Ao由以下公式
获得。
4.根据权利要求2所述的一种电机轴承外圈故障辨识方法,其特征在于:所述内圈频域特征量Ai由以下公式
获得。
5.根据权利要求2所述的一种电机轴承外圈故障辨识方法,其特征在于:所述滚动体频域特征量Ab由以下公式
获得。
6.根据权利要求2所述的一种电机轴承外圈故障辨识方法,其特征在于:所述保持架频域特征量Ac由以下公式
获得。
7.根据权利要求1所述的一种电机轴承外圈故障辨识方法,其特征在于:所述(一)中滤波器的带宽为6~12kHz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610430259.9A CN106198008B (zh) | 2016-06-16 | 2016-06-16 | 一种电机轴承外圈故障辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610430259.9A CN106198008B (zh) | 2016-06-16 | 2016-06-16 | 一种电机轴承外圈故障辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106198008A true CN106198008A (zh) | 2016-12-07 |
CN106198008B CN106198008B (zh) | 2018-07-27 |
Family
ID=57460641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610430259.9A Active CN106198008B (zh) | 2016-06-16 | 2016-06-16 | 一种电机轴承外圈故障辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106198008B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107741324A (zh) * | 2017-10-13 | 2018-02-27 | 北京工业大学 | 一种滚动轴承外圈故障定位诊断方法 |
CN109035289A (zh) * | 2018-07-27 | 2018-12-18 | 重庆师范大学 | 基于切比雪夫不等式h阈值的紫色土图像分割提取方法 |
CN110186679A (zh) * | 2019-05-13 | 2019-08-30 | 温州大学 | 盾构主轴轴承的诊断方法 |
CN112729832A (zh) * | 2020-12-25 | 2021-04-30 | 浙江理工大学 | 一种表贴式永磁同步电机轴承故障程度评价方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003065328A (ja) * | 2001-08-27 | 2003-03-05 | Nsk Ltd | センサ付軸受装置 |
CN104155108A (zh) * | 2014-07-21 | 2014-11-19 | 天津大学 | 一种基于振动时频分析的滚动轴承故障诊断方法 |
CN104634570A (zh) * | 2015-01-21 | 2015-05-20 | 山西潞安环保能源开发股份有限公司 | 基于振动检测的便携式轴承故障诊断装置及诊断方法 |
CN104697767A (zh) * | 2014-12-17 | 2015-06-10 | 天津大学 | 一种基于振动分析的转子系统故障诊断方法及装置 |
CN105204493A (zh) * | 2015-09-11 | 2015-12-30 | 北京电子工程总体研究所 | 一种旋转机械设备状态监测与故障诊断方法 |
-
2016
- 2016-06-16 CN CN201610430259.9A patent/CN106198008B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003065328A (ja) * | 2001-08-27 | 2003-03-05 | Nsk Ltd | センサ付軸受装置 |
CN104155108A (zh) * | 2014-07-21 | 2014-11-19 | 天津大学 | 一种基于振动时频分析的滚动轴承故障诊断方法 |
CN104697767A (zh) * | 2014-12-17 | 2015-06-10 | 天津大学 | 一种基于振动分析的转子系统故障诊断方法及装置 |
CN104634570A (zh) * | 2015-01-21 | 2015-05-20 | 山西潞安环保能源开发股份有限公司 | 基于振动检测的便携式轴承故障诊断装置及诊断方法 |
CN105204493A (zh) * | 2015-09-11 | 2015-12-30 | 北京电子工程总体研究所 | 一种旋转机械设备状态监测与故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
付元华: "旋转机械故障诊断及预测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107741324A (zh) * | 2017-10-13 | 2018-02-27 | 北京工业大学 | 一种滚动轴承外圈故障定位诊断方法 |
CN107741324B (zh) * | 2017-10-13 | 2019-05-24 | 北京工业大学 | 一种滚动轴承外圈故障定位诊断方法 |
CN109035289A (zh) * | 2018-07-27 | 2018-12-18 | 重庆师范大学 | 基于切比雪夫不等式h阈值的紫色土图像分割提取方法 |
CN109035289B (zh) * | 2018-07-27 | 2021-11-12 | 重庆师范大学 | 基于切比雪夫不等式h阈值的紫色土图像分割提取方法 |
CN110186679A (zh) * | 2019-05-13 | 2019-08-30 | 温州大学 | 盾构主轴轴承的诊断方法 |
CN112729832A (zh) * | 2020-12-25 | 2021-04-30 | 浙江理工大学 | 一种表贴式永磁同步电机轴承故障程度评价方法及装置 |
CN112729832B (zh) * | 2020-12-25 | 2022-12-20 | 浙江理工大学 | 一种表贴式永磁同步电机轴承故障程度评价方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106198008B (zh) | 2018-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103914617B (zh) | 地铁车辆转向架轴承的故障诊断方法 | |
CN106198008A (zh) | 一种电机轴承外圈故障辨识方法 | |
Wang et al. | Optimization of segmentation fragments in empirical wavelet transform and its applications to extracting industrial bearing fault features | |
CN110017991B (zh) | 基于谱峭度和神经网络的滚动轴承故障分类方法及系统 | |
Cheng et al. | Gear fault identification based on Hilbert–Huang transform and SOM neural network | |
Guo et al. | Rolling bearing fault classification based on envelope spectrum and support vector machine | |
Pan et al. | Using appropriate IMFs for envelope analysis in multiple fault diagnosis of ball bearings | |
Guo et al. | Envelope extraction based dimension reduction for independent component analysis in fault diagnosis of rolling element bearing | |
CN105760839A (zh) | 基于多特征流形学习与支持向量机的轴承故障诊断方法 | |
CN105841961A (zh) | 一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法 | |
CN108510153A (zh) | 一种多工况旋转机械故障诊断方法 | |
CN107358250A (zh) | 基于双波段雷达微多普勒融合的人体步态识别方法及系统 | |
CN103743980A (zh) | 基于pso优化的svm的电能质量扰动识别与分类方法 | |
CN108444704B (zh) | 一种滚动轴承早期故障诊断方法 | |
CN106645384A (zh) | 一种管道漏磁内检测器数据的自适应滤波方法 | |
CN110243603A (zh) | 基于Welch转换-径向基神经网的滚动轴承故障诊断方法 | |
CN110261116A (zh) | 一种轴承故障检测方法及装置 | |
Ji et al. | Parallel sparse filtering for intelligent fault diagnosis using acoustic signal processing | |
CN108982107A (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 | |
CN108303255A (zh) | 低速重载设备滚动轴承故障诊断方法、设备及介质 | |
CN104330258A (zh) | 一种基于特征参量的滚动轴承故障灰色关联度辨识方法 | |
Shuuji et al. | Low-speed bearing fault diagnosis based on improved statistical filtering and convolutional neural network | |
CN105973602A (zh) | 一种电机轴承外圈故障辨识方法 | |
CN109406147A (zh) | 一种变速工况下的列车轴承轨边声学诊断方法 | |
CN102928225A (zh) | 一种针对滚动轴承故障诊断的自适应共振解调方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180614 Address after: 325000 Zhejiang Wenzhou marine science and Technology Pioneer Park C1 Applicant after: Institute of laser and opto electronics intelligent manufacturing, Wenzhou University Address before: 325000 Wenzhou City National University Science Park incubator, No. 38 Dongfang South Road, Ouhai District, Wenzhou, Zhejiang Applicant before: Wenzhou University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |