CN107167318A - 一种轴承智能快捷故障诊断仪及诊断方法 - Google Patents
一种轴承智能快捷故障诊断仪及诊断方法 Download PDFInfo
- Publication number
- CN107167318A CN107167318A CN201710465425.3A CN201710465425A CN107167318A CN 107167318 A CN107167318 A CN 107167318A CN 201710465425 A CN201710465425 A CN 201710465425A CN 107167318 A CN107167318 A CN 107167318A
- Authority
- CN
- China
- Prior art keywords
- bearing
- frequency
- vibration
- data
- frequency range
- 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.)
- Pending
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)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种轴承智能快捷故障诊断仪和诊断方法,该故障诊断仪包括相互连接的数据采集装置和数据处理装置,数据采集装置包括振动传感器,数据采集装置基于振动传感器采集处理轴承的振动模拟信号,数据处理装置分别通过若干预设频率对振动模拟信号进行采集,获得相应若干组振动时域信号,再对各振动时域信号进行一系列的处理分析最终确定故障部位。本发明直接可以给出明确的故障描述,包括轴承故障的发展阶段,轴承的损坏部位以及轴承的损坏程度,智能化程度高,对操作人员的专用技能和经验依赖性小。
Description
技术领域
本发明涉及机械设备的振动分析、故障诊断技术,特别是一种轴承智能快捷故障诊断仪及诊断方法,适用于机械制造、冶金、化工、电力、水泥、印刷等领域。
背景技术
轴承是各类机械装备的重要基础零部件,轴承的精度、性能、寿命和可靠性对主机的精度、性能、寿命和可靠性起着决定性的作用。研究表明有30%的机械装备故障都是由轴承故障引起的,因此轴承的状态监测及故障诊断十分重要。轴承的预测性维修可以有效减少机器的停机时间,降低维护成本,在设备运行期间,使用基本状态监测手段(例如温度、振动和噪声测量)定期检测轴承的状态,及时发现潜在的故障,预防意外停机,进而影响到与生产安排相符的设备维修计划,提高工厂的生产力和生产效率。目前国内外的轴承检测仪器主要存在以下问题:一、智能化程度低,过度依赖操作人员的技术经验。目前国内外轴承故障诊断仪只是根据轴承状态监测数据简单地给出轴承工作状态,没有进一步的故障描述,也没有处理建议措施。如需进一步确定轴承工作状态、故障发展趋势和故障原因的判定,操作人员需结合监测数据和听诊进行判断,过度依赖操作人员的专用技术水平和工作经验,对操作人员的专业技能和经验要求都很高。二、功能单一。目前国内外轴承故障诊断仪的功能比较单一,只具有轴承状态检测功能,并不能诊断其他常见机械故障。三、不具备数据回放功能,数据管理和数据分析不方便。目前绝大多数的轴承故障诊断仪采集的数据状态无法进行回放,也不能进行智能存储,如需记录,则需手工录入完成,效率低,出错率高。四、缺乏统一的数据管理平台。各种状态检测仪器自成一体,单一仪器不能全面采集设备状态,不同仪器和离线的设备状态采集系统在很多方面存在差异,如数据格式,存储方式等,需要统一到同一个数据平台系统,以便设备管理和设备故障诊断分析和维护。五、体积大,功耗大,故障率高,维护费用高。目前有的手持式轴承诊断仪虽然具有温度测量、振动测量、转速测量和射频读卡功能,设备本身自带后台管理软件,具有数据采集、分析处理、测点管理等功能,可以较准确给出轴承工作状态,故障原因,但是由于硬件涵盖功能多,所以体积大,功耗大,故障率高,维护费用高。单一状态测量预测准确率低。
发明内容
本发明为解决现有的轴承故障诊断仪智能化程度低,轴承工作状态、故障发展趋势和故障原因判定需要依赖操作人员的专用技术水平和工作经验等问题,提供了一种基于振动检测的快捷评估轴承状态的轴承智能快捷故障诊断仪,该诊断仪可以根据监测数据,获得轴承转速并直接评价出轴承运行状态,同时还可以给出明确的故障描述,包括轴承故障的发展阶段,轴承的损坏部位以及轴承的损坏程度,智能化程度高,对操作人员的专用技能和经验依赖性小。本发明还涉及一种轴承智能快捷故障诊断方法。
本发明的技术方案如下:
一种轴承智能快捷故障诊断仪,其特征在于,包括相互连接的数据采集装置和数据处理装置,所述数据采集装置包括振动传感器,所述数据采集装置基于振动传感器采集处理轴承的振动模拟信号;所述数据处理装置分别通过若干预设频率对振动模拟信号进行采集,获得相应若干组振动时域信号,再对各振动时域信号进行傅里叶变换获得若干组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,再根据轴承部件特征频率将振动加速度频谱分成若干频段,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,通过判断所获得的各频段的能量比例之间的大小进而确定故障部位。
所述数据处理装置在获取相应若干组振动时域信号后,还根据振动时域信号的特征提取出振动参数,所述振动参数包括振动时序信号的真峰值、峰值、有效值和峭度指标;还根据轴承健康指数计分算法对振动参数进行计算处理得到轴承健康指数分值进而确定轴承状态。
所述数据处理装置在得到轴承健康指数分值后根据所述轴承健康指数分值所处范围确定轴承状态,所述轴承状态包括良好、注意和损坏,所述注意按照程度分为初期和中度,所述损坏按照程度为重度。
所述数据处理装置分别通过500Hz、1000Hz、5000Hz和10000Hz的预设频率对振动模拟信号进行采集,获得相应四组振动时域信号,再对各振动时域信号进行傅里叶变换获得四组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,从四组振动频谱各频率点的幅值中筛选出一组最佳数据,再以筛选的这组最佳数据为基础进行后续处理。
所述数据处理装置所根据的轴承部件特征频率包括内圈特征频率、外圈特征频率、滚动体特征振动频率和保持架特征频率,进而将振动加速度频谱分成0~0.45f、0.45f~3.5f、3.5f~6f以及6f~最大频率这四个频段,其中f为轴承转动的频率,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,当第一个频段的能量比例最大时确定故障部位为保持架,当第二个频段的能量比例最大时确定故障部位为非轴承部件,当第三个频段的能量比例最大时确定故障部位为滚动体,当第四个频段的能量比例最大时确定故障部位为内圈或外圈。
所述数据处理装置采用的轴承健康指数计分算法为C=100-K1*B-K2*A,其中,C为轴承健康指数分值,K1为依据振动烈度标准并结合振动数据、转速数据来设定的一系数,K2为基于每频段中的频率点的幅值求和的模糊轴承冲击振动能量度来设定的另一系数,A为依据加速度真峰值和加速度峰值的加权平均数来设定的一辅助项,B为依据加速度峭度指标来设定的一关键项;当C在80分~100分之间时确定轴承状态为良好,当C在60分~80分之间时确定轴承状态为注意,当C低于60分之间时确定轴承状态为损坏。
所述数据处理装置依据损害程度计算公式X=|K1*B+K2*A|确定损害程度,其中X为损害值,当X在20~25之间时确定损害程度为初期,当X在25~40之间时确定损害程度为中期,在40~100之间时确定损害程度为重度。
所述数据采集装置还包括转速传感器、温度传感器、信号调节电路和数据采集控制电路,所述信号调节电路分别连接振动传感器、转速传感器、温度传感器和数据采集控制电路,所述数据采集控制电路连接数据处理装置。
所述信号调节电路包括与振动传感器相连并依次连接的第一滤波网络、积分电路、信号幅值调整电路和采集量选择器,与温度传感器相连并依次连接的第二滤波网络、AD转换存储电路、抗混滤波电路和可编程信号放大器,与转速传感器相连并依次连接的数据缓冲电路和定时计数器,所述采集量选择器、可编程信号放大器、抗混滤波电路、AD转换存储电路和定时计数器均与数据采集控制电路相连,所述采集量选择器还分别与积分电路以及可编程信号放大器相连,所述可编程信号放大器还与AD转换存储电路相连。
一种轴承智能快捷故障诊断方法,其特征在于,该方法基于振动传感器采集处理轴承的振动模拟信号,分别通过若干预设频率对振动模拟信号进行采集获得相应若干组振动时域信号,再对各振动时域信号进行傅里叶变换获得若干组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,再根据轴承部件特征频率将振动加速度频谱分成若干频段,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,通过判断所获得的各频段的能量比例之间的大小进而确定故障部位。
该方法在获取相应若干组振动时域信号后,还根据振动时域信号的特征提取出振动参数,所述振动参数包括振动时序信号的真峰值、峰值、有效值和峭度指标;还根据轴承健康指数计分算法对振动参数进行计算处理得到轴承健康指数分值,根据所述轴承健康指数分值所处范围确定轴承状态,所述轴承状态包括良好、注意和损坏,并按照损害程度将注意确定为初期和中度以及将损坏确定为重度。
该方法分别通过500Hz、1000Hz、5000Hz和10000Hz的预设频率对振动模拟信号进行采集,获得相应四组振动时域信号,再对各振动时域信号进行傅里叶变换获得四组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,从四组振动频谱各频率点的幅值中筛选出一组最佳数据;再根据包括内圈特征频率、外圈特征频率、滚动体特征振动频率和保持架特征频率的轴承部件特征频率将振动加速度频谱分成0~0.45f、0.45f~3.5f、3.5f~6f以及6f~最大频率这四个频段,其中f为轴承转动的频率,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,当第一个频段的能量比例最大时确定故障部位为保持架,当第二个频段的能量比例最大时确定故障部位为非轴承部件,当第三个频段的能量比例最大时确定故障部位为滚动体,当第四个频段的能量比例最大时确定故障部位为内圈或外圈。
本发明的有益效果如下:
本发明涉及了一种轴承智能快捷故障诊断仪,设置相互连接的数据采集装置和数据处理装置,数据采集装置基于振动传感器采集处理轴承的振动模拟信号,数据处理装置通过一系列的数据处理得出轴承的转速并根据轴承部件特征频率将振动加速度频谱分成若干频段,获得各频段的能量比例,进而确定故障部位。该轴承智能快捷故障诊断仪可以根据监测数据,直接评价出轴承运行状态,同时给出明确的故障描述,包括轴承故障的发展阶段,轴承的损坏部位以及轴承的损坏程度,智能化程度高,对操作人员的专用技能和经验依赖性小。本发明解决了现有的轴承故障诊断仪智能化程度低,轴承工作状态、故障发展趋势和故障原因判定需要依赖操作人员的专用技术水平和工作经验等问题,通过对轴承损伤状况的监测与识别,利用本发明的快捷的轴承故障诊断仪,不仅可以实现快捷的轴承故障诊断,诊断出轴承磨损、轴承点蚀、轴承缺油等各种故障,还能够诊断常见机械故障,有效防止待测设备工作精度下降,减少事故发生的机率,不仅可以最大限度地发挥轴承的工作潜力,节省开支,还可以预防因轴承损伤而引发的停机、停产和设备损坏等重大经济损失和人员伤亡事故。
优选地,本发明的轴承智能快捷故障诊断仪中的数据采集装置除了包括振动传感器外,还包括温度传感器、转速传感器、信号调节电路和数据采集控制电路,转速传感器和温度传感器采集的转速和温度可用于诊断仪的其它故障诊断或其它数据检测处理,各装置/电路独立处理并相互协同工作,集振动采集、温度采集、转速采集于一体,设备检测更全面,并能够实现采集的信号的如滤波、积分、幅值调整等信号调节处理,分别设置独立的信号处理通道,有效杜绝通道间干扰,提高测量抗干扰能力和测量精度。
上述各装置/电路作为独立的单元模块可以进行优化、细化设置,例如,信号调节电路中设置有大容量数据存储器,无需手动记录,数据智能自动存储,提高工作效率,保证数据的正确性,同时也可以实现数据回放,方便数据管理和数据分析;例如,信号调节电路中还包括抗混滤波电路,实现了抗混滤波硬件自动调节,硬件程控增益可编程信号放大器放大倍数自动调节,有效提高信号信噪比;例如,信号调节电路中还设置有高速高精度的AD转换装置,数据采集控制电路用来分析在信号调节后的采集数据以及进行采集控制以便去控制信号调节电路进一步调节,也就是说其实质包括了分析处理电路和采集控制电路,数据处理装置中完成一连贯的数据计算和处理,可以在数据处理装置中设置中央处理器完成,数据采集实时性强,采集的数据精确度更高,故障诊断更高效。
本发明还涉及一种轴承智能快捷故障诊断方法,与轴承智能快捷故障诊断仪相对应,该诊断方法能够根据监测数据,直接评价出轴承运行状态,同时给出明确的故障描述,包括轴承故障的发展阶段,轴承的损坏部位以及轴承的损坏程度以及处理建议措施,集数据采集、控制、监测、处理、设备测点管理、数据分析、故障诊断、数据回放于一体,智能化程度高,并从软、硬件双方面着手优化处理,仪器体积更小,功耗更低,精度更高,成本更低,人机交互及故障预测简单、高效、方便、快捷,内嵌大容量数据存储器,更有利于设备维护、降低设备维护成本和维护时间。
附图说明
图1是本发明轴承智能快捷故障诊断仪的一种优选结构示意图。
图2是本发明轴承智能快捷故障诊断仪的另一种优选结构示意图。
图3是本发明轴承智能快捷故障诊断方法的优选流程图。
具体实施方式
下面结合附图对本发明进行说明。
本发明涉及了一种轴承智能快捷故障诊断仪,如图1所示结构,包括相互连接的数据采集装置和数据处理装置,数据采集装置包括振动传感器,数据采集装置基于振动传感器采集处理轴承的振动模拟信号;数据处理装置分别通过若干预设频率对振动模拟信号进行采集,获得相应若干组振动时域信号,再对各振动时域信号进行傅里叶变换获得若干组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,再根据轴承部件特征频率将振动加速度频谱分成若干频段,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,通过判断所获得的各频段的能量比例之间的大小进而确定故障部位。
优选地,数据处理装置在获取相应若干组振动时域信号后,还根据振动时域信号的特征提取出振动参数,其中,振动参数包括振动时序信号的真峰值、峰值、有效值和峭度指标等;还根据轴承健康指数计分算法对振动参数进行计算处理得到轴承健康指数分值,数据处理装置在得到轴承健康指数分值后根据轴承健康指数分值所处范围确定轴承状态,其中轴承状态包括良好、注意和损坏,进一步地,将注意按照程度分为初期和中度,将损坏按照程度为重度。该轴承智能快捷故障诊断仪可以根据监测数据,直接评价出轴承运行状态,同时给出明确的故障描述,包括轴承故障的发展阶段,轴承的损坏部位以及轴承的损坏程度,智能化程度高,对操作人员的专用技能和经验依赖性小。
如图1所示优选结构,数据采集装置除了包括振动传感器外,还包括转速传感器、温度传感器、信号调节电路和数据采集控制电路,信号调节电路分别连接振动传感器、转速传感器、温度传感器和数据采集控制电路,数据采集控制电路连接数据处理装置,转速传感器和温度传感器采集的转速和温度可用于诊断仪的其它故障诊断或其它数据检测处理,各装置/电路独立处理并相互协同工作,集振动采集、温度采集、转速采集于一体,设备检测更全面,信号调节电路能够实现采集的信号的如滤波、积分、幅值调整等信号调节处理,分别设置独立的信号处理通道,有效杜绝通道间干扰,提高测量抗干扰能力和测量精度;数据采集控制电路主要负责各采集装置的控制和管理,包括振动数据自动采集控制,数据采集触发方式控制,转速数据采集控制等,采集数据的实时采集及处理,与数据处理装置的通信工作。本发明的轴承智能快捷故障诊断仪还包括供电装置,分别与数据采集装置和数据处理装置连接,用于为轴承智能快捷故障诊断仪的各装置进行供电。
图2是轴承智能快捷故障诊断仪的另一种优选结构示意图。该故障诊断仪包括数据采集装置、数据处理装置和供电装置,其中,数据采集装置包括振动传感器、转速传感器、温度传感器、信号调节电路和数据采集控制电路,该实施例的信号调节电路为包括诸多部件的电路结构,如图2所示,信号调节电路包括与振动传感器相连并依次连接的第一滤波网络、积分电路、信号幅值调整电路和采集量选择器,与温度传感器相连并依次连接的第二滤波网络、AD转换存储电路、抗混滤波电路和可编程信号放大器,与转速传感器相连并依次连接的数据缓冲电路和定时计数器,其中,采集量选择器、可编程信号放大器、抗混滤波电路、AD转换存储电路和定时计数器均与数据采集控制电路相连,采集量选择器还分别与积分电路以及可编程信号放大器相连,可编程信号放大器还与AD转换存储电路相连。振动传感器采集振动模拟信号,再由信号调节电路依次进行滤波、积分、信号幅值调整和采集量选择等信号调节处理;温度传感器采集温度信号后,再由信号调节电路依次进行滤波、AD转换存储、抗混滤波、放大等信号调节处理;转速传感器采集转速后,再由信号调节电路依次进行缓冲和定时计数等信号调节处理。信号调节电路中设置有大容量数据存储器,无需手动记录,数据智能自动存储,提高工作效率,保证数据的正确性,同时也可以实现数据回放,方便数据管理和数据分析;信号调节电路中还包括抗混滤波电路,实现了抗混滤波硬件自动调节,硬件程控增益可编程信号放大器放大倍数自动调节,有效提高信号信噪比;信号调节电路中还设置有高速高精度的AD转换装置;数据采集控制电路包括了相互连接的分析处理电路和采集控制电路,用来分析在信号调节后的采集数据以及进行采集控制以便去控制信号调节电路进一步调节,实现采集数据自动采集控制,数据采集触发方式控制,转速数据采集控制、缓存等。
优选地,数据处理装置主要完成一系列的数据计算和处理工作,如图2所示,在数据处理装置中设置有中央处理器、通信指示电路、分别与中央处理器连接的数据通信装置、外部存储电路、显示装置与键盘,通信指示电路与数据通信装置相连,其中中央处理器包括相互连接的数据信息处理电路和RAM&FLASH存储电路,数据信息处理电路,主要完成数据采集控制、采集数据处理和分析,故障诊断、数据管理、测点管理、人机交互信息控制、分析、处理等工作,RAM&FLASH存储电路主要有DDRAM和FLASH组成,用于程序存储,静态数据和动态数据的存储;数据通信装置主要完成数据采集装置和数据处理装置之间的数据通信;显示装置主要由显示接口电路,显示屏,触摸屏组成,主要完成数据输入、输出显示、人机交互等功能。故障诊断仪的诊断结果,包括轴承损坏部位、故障状态描述、故障发展阶段和损坏程度等均会在显示界面中显示,轴承状态的良好、注意和损坏可分别对应显示装置的显示屏的绿色、黄色和红色,不同颜色代表不同轴承的状态。
在数据采集装置中的振动传感器获取振动信号后,通过信号调节电路进行信号调节处理,提取出有效的数据。下面对数据处理装置的具体工作进行详细说明。为了在不知道转速以及轴承参数的情况下获得有效的数据,同时不丢失必要的数据,可分别通过500Hz、1000Hz、5000Hz和10000Hz的预设频率对振动模拟信号进行采集,获得相应四组振动时域信号;再对各振动时域信号进行傅里叶变换(FFT变换),获得四组振动频谱各频率点的幅值,也就是振动频谱中各频率点的振动频率能量的表现,分析四组振动频谱中各频率点的幅值分布情况尤其是大幅值的频率点分布情况,来估算轴承的转速,还可以估算出轴承振动的频率范围,优选地,从四组振动频谱各频率点的幅值中筛选出一组最佳数据,再以筛选的这组最佳数据为基础进行后续处理。需要说明的是,预设频率也可以采用其它值,预设频率的个数也可增加或减少。
数据处理装置根据轴承部件特征频率,包括内圈特征频率、外圈特征频率、滚动体特征振动频率和保持架特征频率,将振动加速度频谱分成0~0.45f、0.45f~3.5f、3.5f~6f以及6f~最大频率这四个频段,其中f为轴承转动的频率。其中,轴承部件特征频率范围如表1所示:
表1
f:轴承转动的频率(Hz);
z:轴承滚动体个数。
然后对每频段中的频率点的幅值求和获得W1,W2,W3,W4四个和值;再换算各个频段的能量比例:L1,L2,L3,L4,即第一个频段至第四个频段的能量比例,根据各频段的能量比例之间的大小进而确定故障部位,故障部位确定表如表2实现:
表2
当第一个频段的能量比例L1最大时确定故障部位为保持架,当第二个频段的能量比例L2最大时确定故障部位为非轴承部件,可能是跑内圈或跑外圈,当第三个频段的能量比例L3最大时确定故障部位为滚动体,当第四个频段的能量比例L4最大时确定故障部位为内圈或外圈。
优选地,数据处理装置在获取相应若干组振动时域信号后,还可以根据振动时域信号的特征提取出振动参数,该振动参数包括振动时序信号的真峰值、峰值、有效值和峭度指标等,具体的技术公式为:
真峰值:取时域波形数据的最大值
峰值:
有效值:
峭度指标:Kv=β/Xrms 4
其中β为翘度,
在提取出上述振动参数后,数据处理装置还根据轴承健康指数计分算法对振动参数进行计算处理得到轴承健康指数分值进而确定轴承状态。采用的轴承健康指数计分算法为C=100-K1*B-K2*A,其中,C为轴承健康指数分值,K1、K2、A、B的获取表如表3所示:
表3
K1为依据振动烈度标准并结合振动数据、转速数据来设定的一系数,K2为基于每频段中的频率点的幅值求和的模糊轴承冲击振动能量度来设定的另一系数,A为依据加速度真峰值和加速度峰值的加权平均数来设定的一辅助项,B为依据加速度峭度指标来设定的一关键项;通过表3能够得到轴承健康指数分值C。需要说明的是,也可以采用其它的轴承健康指数计分算法对振动参数进行计算处理来确定轴承状态。设定滚动轴承健康指数满分为100分,可根据如表4所示的健康指数分值与轴承状态评估表确定轴承状态。
表4
健康指数分值C | 轴承状态 |
80分以上 | 良好(绿色) |
60~80分 | 注意(黄色) |
60分以下 | 损坏(红色) |
当C在80分~100分之间时确定轴承状态为良好,显示装置显示为绿色,当C在60分~80分之间时确定轴承状态为注意,显示装置显示为黄色,当C低于60分之间时确定轴承状态为损坏,显示装置显示为红色。需要说明的是,表4为一种优选方式,也可以设置其它范围确定轴承状态,不同轴承状态显示不同颜色即可。
优选地,数据处理装置可依据损害程度计算公式X=|K1*B+K2*A|进一步确定损害程度,其中X为损害值,损害程度表如表5所示:
表5
损害程度 | X |
初期 | 20~25 |
中度 | 25~40 |
重度 | 40以上 |
当X在20~25之间时确定损害程度为初期,当X在25~40之间时确定损害程度为中期,在40~100之间时确定损害程度为重度。本发明的故障诊断仪专门针对滚动轴承故障判断而设计,可直接评价轴承的好坏。需要说明的是,表5为一种优选方式,根据现场的实际情况,通过本发明的数据处理装置配合其它部件工作,故障诊断仪的诊断结果可以包括轴承损坏部位、故障状态描述、故障发展阶段和损坏程度等。
需要说明的是,当数据处理装置为图2所示的结构时,上述所述的数据处理装置进行的一系列的数据计算和处理工作实质为数据处理装置中的中央处理器的工作,或进一步说是中央处理装置中的数据信息处理电路的工作。
本发明解决了现有的轴承故障诊断仪智能化程度低,轴承工作状态、故障发展趋势和故障原因判定需要依赖操作人员的专用技术水平和工作经验等问题,通过对轴承损伤状况的监测与识别,利用本发明的快捷的轴承故障诊断仪,不仅可以实现快捷的轴承故障诊断,诊断出轴承磨损、轴承点蚀、轴承缺油等各种故障,还能够诊断常见机械故障,有效防止待测设备工作精度下降,减少事故发生的机率,不仅可以最大限度地发挥轴承的工作潜力,节省开支,还可以预防因轴承损伤而引发的停机、停产和设备损坏等重大经济损失和人员伤亡事故。
本发明还提出了一种轴承智能快捷故障诊断方法,其优选流程图如图3所示,该方法基于振动传感器通过若干预设频率采集处理轴承的振动模拟信号,获取相应若干组振动时域信号,再对各振动时域信号进行傅里叶变换获得若干组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速和轴承振动频率范围,再根据轴承部件特征频率将振动加速度频谱分成若干频段,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,通过判断所获得的各频段的能量比例之间的大小关系,进而确定故障部位。
优选地,可分别通过500Hz、1000Hz、5000Hz和10000Hz的预设频率对振动模拟信号进行采集,获得相应四组振动时域信号,再对各振动时域信号进行傅里叶变换获得四组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,从四组振动频谱各频率点的幅值中筛选出一组最佳数据;再根据包括内圈特征频率、外圈特征频率、滚动体特征振动频率和保持架特征频率的轴承部件特征频率(如表1)将振动加速度频谱分成0~0.45f、0.45f~3.5f、3.5f~6f以及6f~最大频率这四个频段,其中f为轴承转动的频率,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,通过判断所获得的各频段的能量比例之间的大小关系,进而确定故障部位,具体如表2所示:当第一个频段的能量比例最大时确定故障部位为保持架,当第二个频段的能量比例最大时确定故障部位为非轴承部件,当第三个频段的能量比例最大时确定故障部位为滚动体,当第四个频段的能量比例最大时确定故障部位为内圈或外圈。
优选地,该方法在获取相应若干组振动时域信号后,还根据振动时域信号的特征提取出振动参数,其中振动参数包括振动时序信号的真峰值、峰值、有效值和峭度指标,再根据如表3所示的轴承健康指数计分算法对振动参数进行计算处理得到轴承健康指数分值,根据如表4所示的所述轴承健康指数分值所处范围确定轴承状态,其中轴承状态包括良好、注意和损坏,并按照损害程度进一步将注意确定为初期和中度,将损坏确定为重度。
本发明提出的轴承智能快捷故障诊断方法,与轴承智能快捷故障诊断仪相对应,可理解为是实现轴承智能快捷故障诊断仪的诊断方法,该诊断方法能够根据监测数据,直接评价出轴承运行状态,同时给出明确的故障描述,包括轴承故障的发展阶段,轴承的损坏部位以及轴承的损坏程度以及处理建议措施,集数据采集、控制、监测、处理、设备测点管理、数据分析、故障诊断、数据回放于一体,智能化程度高,并从软、硬件双方面着手优化处理,仪器体积更小,功耗更低,精度更高,成本更低,人机交互及故障预测简单、高效、方便、快捷,内嵌大容量数据存储器,更有利于设备维护、降低设备维护成本和维护时间。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换,总之,一切不脱离本发明创造的精神和范围的技术方案及其改进,其均应涵盖在本发明创造专利的保护范围当中。
Claims (12)
1.一种轴承智能快捷故障诊断仪,其特征在于,包括相互连接的数据采集装置和数据处理装置,所述数据采集装置包括振动传感器,所述数据采集装置基于振动传感器采集处理轴承的振动模拟信号;所述数据处理装置分别通过若干预设频率对振动模拟信号进行采集,获得相应若干组振动时域信号,再对各振动时域信号进行傅里叶变换获得若干组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,再根据轴承部件特征频率将振动加速度频谱分成若干频段,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,通过判断所获得的各频段的能量比例之间的大小进而确定故障部位。
2.根据权利要求1所述的轴承智能快捷故障诊断仪,其特征在于,所述数据处理装置在获取相应若干组振动时域信号后,还根据振动时域信号的特征提取出振动参数,所述振动参数包括振动时序信号的真峰值、峰值、有效值和峭度指标;还根据轴承健康指数计分算法对振动参数进行计算处理得到轴承健康指数分值进而确定轴承状态。
3.根据权利要求2所述的轴承智能快捷故障诊断仪,其特征在于,所述数据处理装置在得到轴承健康指数分值后根据所述轴承健康指数分值所处范围确定轴承状态,所述轴承状态包括良好、注意和损坏,所述注意按照程度分为初期和中度,所述损坏按照程度为重度。
4.根据权利要求1至3之一所述的轴承智能快捷故障诊断仪,其特征在于,所述数据处理装置分别通过500Hz、1000Hz、5000Hz和10000Hz的预设频率对振动模拟信号进行采集,获得相应四组振动时域信号,再对各振动时域信号进行傅里叶变换获得四组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,从四组振动频谱各频率点的幅值中筛选出一组最佳数据,再以筛选的这组最佳数据为基础进行后续处理。
5.根据权利要求4所述的轴承智能快捷故障诊断仪,其特征在于,所述数据处理装置所根据的轴承部件特征频率包括内圈特征频率、外圈特征频率、滚动体特征振动频率和保持架特征频率,进而将振动加速度频谱分成0~0.45f、0.45f~3.5f、3.5f~6f以及6f~最大频率这四个频段,其中f为轴承转动的频率,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,当第一个频段的能量比例最大时确定故障部位为保持架,当第二个频段的能量比例最大时确定故障部位为非轴承部件,当第三个频段的能量比例最大时确定故障部位为滚动体,当第四个频段的能量比例最大时确定故障部位为内圈或外圈。
6.根据权利要求2或3所述的轴承智能快捷故障诊断仪,其特征在于,所述数据处理装置采用的轴承健康指数计分算法为C=100-K1*B-K2*A,其中,C为轴承健康指数分值,K1为依据振动烈度标准并结合振动数据、转速数据来设定的一系数,K2为基于每频段中的频率点的幅值求和的模糊轴承冲击振动能量度来设定的另一系数,A为依据加速度真峰值和加速度峰值的加权平均数来设定的一辅助项,B为依据加速度峭度指标来设定的一关键项;当C在80分~100分之间时确定轴承状态为良好,当C在60分~80分之间时确定轴承状态为注意,当C低于60分之间时确定轴承状态为损坏。
7.根据权利要求6所述的轴承智能快捷故障诊断仪,其特征在于,所述数据处理装置依据损害程度计算公式X=|K1*B+K2*A|确定损害程度,其中X为损害值,当X在20~25之间时确定损害程度为初期,当X在25~40之间时确定损害程度为中期,在40~100之间时确定损害程度为重度。
8.根据权利要求1所述的轴承智能快捷故障诊断仪,其特征在于,所述数据采集装置还包括转速传感器、温度传感器、信号调节电路和数据采集控制电路,所述信号调节电路分别连接振动传感器、转速传感器、温度传感器和数据采集控制电路,所述数据采集控制电路连接数据处理装置。
9.根据权利要求8所述的轴承智能快捷故障诊断仪,其特征在于,所述信号调节电路包括与振动传感器相连并依次连接的第一滤波网络、积分电路、信号幅值调整电路和采集量选择器,与温度传感器相连并依次连接的第二滤波网络、AD转换存储电路、抗混滤波电路和可编程信号放大器,与转速传感器相连并依次连接的数据缓冲电路和定时计数器,所述采集量选择器、可编程信号放大器、抗混滤波电路、AD转换存储电路和定时计数器均与数据采集控制电路相连,所述采集量选择器还分别与积分电路以及可编程信号放大器相连,所述可编程信号放大器还与AD转换存储电路相连。
10.一种轴承智能快捷故障诊断方法,其特征在于,该方法基于振动传感器采集处理轴承的振动模拟信号,分别通过若干预设频率对振动模拟信号进行采集获得相应若干组振动时域信号,再对各振动时域信号进行傅里叶变换获得若干组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,再根据轴承部件特征频率将振动加速度频谱分成若干频段,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,通过判断所获得的各频段的能量比例之间的大小进而确定故障部位。
11.根据权利要求10所述的轴承智能快捷故障诊断方法,其特征在于,该方法在获取相应若干组振动时域信号后,还根据振动时域信号的特征提取出振动参数,所述振动参数包括振动时序信号的真峰值、峰值、有效值和峭度指标;还根据轴承健康指数计分算法对振动参数进行计算处理得到轴承健康指数分值,根据所述轴承健康指数分值所处范围确定轴承状态,所述轴承状态包括良好、注意和损坏,并按照损害程度将注意确定为初期和中度以及将损坏确定为重度。
12.根据权利要求11所述的轴承智能快捷故障诊断方法,其特征在于,该方法分别通过500Hz、1000Hz、5000Hz和10000Hz的预设频率对振动模拟信号进行采集,获得相应四组振动时域信号,再对各振动时域信号进行傅里叶变换获得四组振动频谱各频率点的幅值,并根据各频率点的幅值分布情况估算轴承的转速,从四组振动频谱各频率点的幅值中筛选出一组最佳数据;再根据包括内圈特征频率、外圈特征频率、滚动体特征振动频率和保持架特征频率的轴承部件特征频率将振动加速度频谱分成0~0.45f、0.45f~3.5f、3.5f~6f以及6f~最大频率这四个频段,其中f为轴承转动的频率,然后对每频段中的频率点的幅值求和以及换算处理获得各频段的能量比例,当第一个频段的能量比例最大时确定故障部位为保持架,当第二个频段的能量比例最大时确定故障部位为非轴承部件,当第三个频段的能量比例最大时确定故障部位为滚动体,当第四个频段的能量比例最大时确定故障部位为内圈或外圈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710465425.3A CN107167318A (zh) | 2017-06-19 | 2017-06-19 | 一种轴承智能快捷故障诊断仪及诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710465425.3A CN107167318A (zh) | 2017-06-19 | 2017-06-19 | 一种轴承智能快捷故障诊断仪及诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107167318A true CN107167318A (zh) | 2017-09-15 |
Family
ID=59818846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710465425.3A Pending CN107167318A (zh) | 2017-06-19 | 2017-06-19 | 一种轴承智能快捷故障诊断仪及诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107167318A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108180986A (zh) * | 2018-02-01 | 2018-06-19 | 陈磊 | 一种基于设备的振动信号报警识别方法及计算设备 |
CN109163796A (zh) * | 2018-09-10 | 2019-01-08 | 广州小楠科技有限公司 | 旋转机械轴承振动数据智能实时采集与分析系统 |
CN110481595A (zh) * | 2019-07-19 | 2019-11-22 | 黑龙江瑞兴科技股份有限公司 | 一种用于对轨道电路区段进行故障监测的方法 |
CN110553840A (zh) * | 2019-09-30 | 2019-12-10 | 中北大学 | 一种无损在线式航空传动故障诊断的监测方法 |
CN110646201A (zh) * | 2018-06-08 | 2020-01-03 | 西门子股份公司 | 轴承缺陷检测系统和方法 |
CN110779716A (zh) * | 2019-11-01 | 2020-02-11 | 苏州德姆斯信息技术有限公司 | 嵌入式机械故障智能诊断设备及诊断方法 |
CN111412978A (zh) * | 2020-04-22 | 2020-07-14 | 北京化工大学 | 一种基于无故障振动信号的往复机械异常检测方法 |
CN112014593A (zh) * | 2019-05-28 | 2020-12-01 | 浙江德盛铁路器材股份有限公司 | 一种铁路轨道基础装备质量状况监测评估装置和方法 |
CN112326245A (zh) * | 2020-10-21 | 2021-02-05 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于变分希尔伯特黄变换的滚动轴承故障诊断方法 |
CN112525531A (zh) * | 2020-10-10 | 2021-03-19 | 南通大学 | 一种嵌入式智能轴承监测系统及其监测方法 |
CN112668417A (zh) * | 2020-12-17 | 2021-04-16 | 武汉理工大学 | 一种基于振动信号的滚动轴承智能故障诊断方法 |
CN112857800A (zh) * | 2021-03-03 | 2021-05-28 | 嘉兴市特种设备检验检测院 | 用于检测高速电梯主轴组件可靠性的检测设备和方法 |
CN113532858A (zh) * | 2021-08-26 | 2021-10-22 | 上海航数智能科技有限公司 | 一种燃气轮机用轴承故障诊断系统 |
CN113702041A (zh) * | 2021-09-18 | 2021-11-26 | 华能威宁风力发电有限公司 | 一种轴承故障诊断方法 |
CN113916366A (zh) * | 2021-10-21 | 2022-01-11 | 山东鑫海矿业技术装备股份有限公司 | 基于振动信号的涡旋破碎机的叶轮运行监测方法及设备 |
CN114738389A (zh) * | 2022-03-29 | 2022-07-12 | 南京航空航天大学 | 一种面向打滑诊断的智能轴承系统及打滑诊断预测方法 |
CN116499500A (zh) * | 2023-06-28 | 2023-07-28 | 珠海矽敏科技有限公司 | 传感器系统、传感器及其信号输出电路和信号采集设备 |
CN116680549A (zh) * | 2023-08-04 | 2023-09-01 | 南京数维软件科技有限公司 | 一种变压器运输过程机械冲击损坏的频域分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100139403A1 (en) * | 2008-12-04 | 2010-06-10 | University Of Ottawa | Parameter independent detection of rotating machinery faults |
CN102788695A (zh) * | 2012-07-18 | 2012-11-21 | 南京航空航天大学 | 一种滚动轴承磨损的识别方法 |
CN103712796A (zh) * | 2013-12-13 | 2014-04-09 | 中国航空工业集团公司北京航空精密机械研究所 | 一种轴承疲劳信号检测系统 |
CN104596766A (zh) * | 2014-12-24 | 2015-05-06 | 中国船舶工业系统工程研究院 | 一种轴承早期故障确定方法 |
CN206192657U (zh) * | 2016-11-24 | 2017-05-24 | 北京时代龙城科技有限责任公司 | 一种轴承故障诊断仪 |
-
2017
- 2017-06-19 CN CN201710465425.3A patent/CN107167318A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100139403A1 (en) * | 2008-12-04 | 2010-06-10 | University Of Ottawa | Parameter independent detection of rotating machinery faults |
CN102788695A (zh) * | 2012-07-18 | 2012-11-21 | 南京航空航天大学 | 一种滚动轴承磨损的识别方法 |
CN103712796A (zh) * | 2013-12-13 | 2014-04-09 | 中国航空工业集团公司北京航空精密机械研究所 | 一种轴承疲劳信号检测系统 |
CN104596766A (zh) * | 2014-12-24 | 2015-05-06 | 中国船舶工业系统工程研究院 | 一种轴承早期故障确定方法 |
CN206192657U (zh) * | 2016-11-24 | 2017-05-24 | 北京时代龙城科技有限责任公司 | 一种轴承故障诊断仪 |
Non-Patent Citations (1)
Title |
---|
任立通等: "基于随机共振预处理的振动故障特征提取研究", 《振动与冲击》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108180986A (zh) * | 2018-02-01 | 2018-06-19 | 陈磊 | 一种基于设备的振动信号报警识别方法及计算设备 |
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 |
CN110646201A (zh) * | 2018-06-08 | 2020-01-03 | 西门子股份公司 | 轴承缺陷检测系统和方法 |
CN109163796A (zh) * | 2018-09-10 | 2019-01-08 | 广州小楠科技有限公司 | 旋转机械轴承振动数据智能实时采集与分析系统 |
CN112014593A (zh) * | 2019-05-28 | 2020-12-01 | 浙江德盛铁路器材股份有限公司 | 一种铁路轨道基础装备质量状况监测评估装置和方法 |
CN110481595A (zh) * | 2019-07-19 | 2019-11-22 | 黑龙江瑞兴科技股份有限公司 | 一种用于对轨道电路区段进行故障监测的方法 |
CN110553840A (zh) * | 2019-09-30 | 2019-12-10 | 中北大学 | 一种无损在线式航空传动故障诊断的监测方法 |
CN110553840B (zh) * | 2019-09-30 | 2022-03-15 | 天津航新航空科技有限公司 | 一种无损在线式航空传动故障诊断的监测方法 |
CN110779716A (zh) * | 2019-11-01 | 2020-02-11 | 苏州德姆斯信息技术有限公司 | 嵌入式机械故障智能诊断设备及诊断方法 |
CN111412978A (zh) * | 2020-04-22 | 2020-07-14 | 北京化工大学 | 一种基于无故障振动信号的往复机械异常检测方法 |
CN112525531A (zh) * | 2020-10-10 | 2021-03-19 | 南通大学 | 一种嵌入式智能轴承监测系统及其监测方法 |
CN112525531B (zh) * | 2020-10-10 | 2021-11-19 | 南通大学 | 一种嵌入式智能轴承监测系统及其监测方法 |
CN112326245A (zh) * | 2020-10-21 | 2021-02-05 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于变分希尔伯特黄变换的滚动轴承故障诊断方法 |
CN112668417A (zh) * | 2020-12-17 | 2021-04-16 | 武汉理工大学 | 一种基于振动信号的滚动轴承智能故障诊断方法 |
CN112857800A (zh) * | 2021-03-03 | 2021-05-28 | 嘉兴市特种设备检验检测院 | 用于检测高速电梯主轴组件可靠性的检测设备和方法 |
CN113532858A (zh) * | 2021-08-26 | 2021-10-22 | 上海航数智能科技有限公司 | 一种燃气轮机用轴承故障诊断系统 |
CN113702041A (zh) * | 2021-09-18 | 2021-11-26 | 华能威宁风力发电有限公司 | 一种轴承故障诊断方法 |
CN113702041B (zh) * | 2021-09-18 | 2024-04-23 | 华能威宁风力发电有限公司 | 一种轴承故障诊断方法 |
CN113916366B (zh) * | 2021-10-21 | 2024-04-19 | 山东鑫海矿业技术装备股份有限公司 | 基于振动信号的涡旋破碎机的叶轮运行监测方法及设备 |
CN113916366A (zh) * | 2021-10-21 | 2022-01-11 | 山东鑫海矿业技术装备股份有限公司 | 基于振动信号的涡旋破碎机的叶轮运行监测方法及设备 |
CN114738389A (zh) * | 2022-03-29 | 2022-07-12 | 南京航空航天大学 | 一种面向打滑诊断的智能轴承系统及打滑诊断预测方法 |
CN114738389B (zh) * | 2022-03-29 | 2023-03-28 | 南京航空航天大学 | 一种面向打滑诊断的智能轴承系统及打滑诊断预测方法 |
CN116499500B (zh) * | 2023-06-28 | 2024-01-30 | 珠海矽敏科技有限公司 | 传感器系统、传感器及其信号输出电路和信号采集设备 |
CN116499500A (zh) * | 2023-06-28 | 2023-07-28 | 珠海矽敏科技有限公司 | 传感器系统、传感器及其信号输出电路和信号采集设备 |
CN116680549A (zh) * | 2023-08-04 | 2023-09-01 | 南京数维软件科技有限公司 | 一种变压器运输过程机械冲击损坏的频域分析方法 |
CN116680549B (zh) * | 2023-08-04 | 2023-10-13 | 南京数维软件科技有限公司 | 一种变压器运输过程机械冲击损坏的频域分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107167318A (zh) | 一种轴承智能快捷故障诊断仪及诊断方法 | |
CN107976304B (zh) | 基于对信号的周期性信息进行分析的机器故障预测 | |
Xiang et al. | Fault diagnosis of rolling bearing under fluctuating speed and variable load based on TCO spectrum and stacking auto-encoder | |
CN102192825B (zh) | 不基于测量历史诊断旋转机器状况的用户界面系统和方法 | |
CN104535323B (zh) | 一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法 | |
Wang et al. | A neuro-fuzzy approach to gear system monitoring | |
US5511422A (en) | Method and apparatus for analyzing and detecting faults in bearings and other rotating components that slip | |
CN109782603A (zh) | 旋转机械耦合故障的检测方法及监测系统 | |
CN108780025A (zh) | 状态监视系统和风力发电装置 | |
CN104596766B (zh) | 一种轴承早期故障确定方法及装置 | |
CN109781411A (zh) | 一种结合改进稀疏滤波器与kelm的轴承故障诊断方法 | |
CN111504645B (zh) | 一种基于频域多点峭度的滚动轴承故障诊断方法 | |
CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
CN112326236B (zh) | 一种齿轮箱运行状态在线监测方法、系统及存储介质 | |
CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
Barbieri et al. | Analysis of automotive gearbox faults using vibration signal | |
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 | |
CN109813547A (zh) | 基于稀疏分解优化算法的旋转机械局部型故障诊断方法 | |
CN108195584A (zh) | 一种基于准确度谱图的滚动轴承故障诊断方法 | |
GB2277151A (en) | Machine monitoring using neural network | |
CN114323642A (zh) | 风电机组振动数据处理系统以及数据稀释方法 | |
Euldji et al. | Decision-making based on decision tree for ball bearing monitoring | |
De Almeida et al. | New technique for evaluation of global vibration levels in rolling bearings | |
CN113916535B (zh) | 基于时频和cnn的轴承诊断方法、系统、设备及介质 | |
Wang et al. | An integrated classifier for gear system monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170915 |