CN113702045B - 滚动轴承的自相关函数振动监控方法 - Google Patents
滚动轴承的自相关函数振动监控方法 Download PDFInfo
- Publication number
- CN113702045B CN113702045B CN202110941042.5A CN202110941042A CN113702045B CN 113702045 B CN113702045 B CN 113702045B CN 202110941042 A CN202110941042 A CN 202110941042A CN 113702045 B CN113702045 B CN 113702045B
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- vibration
- fault
- autocorrelation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005096 rolling process Methods 0.000 title claims abstract description 19
- 238000005311 autocorrelation function Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 title claims abstract description 15
- 238000005070 sampling Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 229910000831 Steel Inorganic materials 0.000 claims description 6
- 239000010959 steel Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010183 spectrum analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种滚动轴承的自相关函数振动监控方法,包括如下步骤:采样振动信号,利用振动加速度传感器对振动信号采集;自相关分析,对截取的信号进行自相关分析,并引入无量纲化相关性系数,将分析结果的绝对值趋向于1或0;分析自相关结果,判断自相关系数是否存在接近1的;寻找延时时间,找出各个自相关系数接近与1的点,并获得该点对应的时间节点;获得延时频率,根据得到的各个时间节点确定延时频率;判断故障点,比对延时频率和故障特征频率,并获得故障结论;故障结论分析,如果故障结论为比对成功,则发出警报,否则重新返回采样震动信号。
Description
技术领域
本发明涉及机械故障检测技术领域,具体为滚动轴承的自相关函数振动监控方法。
背景技术
滚动轴承作为机械设备中重要的旋转部件,也是机械设备重要的故障源之一。与其他的旋转机械部件相比,滚动轴承有一个很大的特点,其寿命的离散性很大,根据大量样本的轴承测试可以知道,对于球轴承而言,威布尔分布的斜率通常为1.1,该值越小意味着同一批轴承进行寿命测试或实际运行,越不可能发生集中失效。有的轴承已经大大超过设计寿命却依然完好地工作,而有的轴承远远未达到设计寿命就出现各种故障。所以滚动轴承的故障诊断方法一直是机械故障诊断中重点发展的技术之一。
现有技术中存在使用时域信号波形观察法,和时域信号经傅里叶变换后进行频谱分析的方法,时域信号波形的观察通常不是很直观,很难进行有效的判断。对于频谱分析法而言,是通过在频谱中找出特征故障频率的方法来判断是否有故障,这种方法存在的问题是,由于真实的设备存在其他部件的振动影响和信号采集过程中不可避免引入的干扰,使得滚动轴承的故障信息往往被淹没在强大的背景噪声之中,假设正常轴承和故障轴承信号之间的差异十分微小且不够直观,因此进行简单的时域波形观察和频谱分析并不能准确、有效地判定轴承的运行状态和故障部位。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种滚动轴承的自相关函数振动监控方法,能够在对滚动轴承进行故障检测时准确的分析出故障点,并且能够避免噪声的影响。
为实现上述目的,本发明提供了如下技术方案:一种滚动轴承的自相关函数振动监控方法,包括如下步骤:
采样振动信号,利用振动加速度传感器对安装在轴承的设备振动信号采集;
信号滤波,将采样获得的振动信号进行高频和噪声滤波;
信号截取,截取一定长度的采样信号进行保存;
自相关分析,对截取的信号进行自相关分析,并引入无量纲化相关性系数,将分析结果的绝对值趋向于1或0;
分析自相关结果,判断自相关系数是否存在接近1的,如果存在则进入下一步骤,否则继续采样振动信号;
寻找延时时间,找出各个自相关系数接近与1的点,并获得该点对应的时间节点;
获得延时频率,根据得到的各个时间节点确定延时频率;
判断故障点,比对延时频率和故障特征频率,并获得故障结论;
故障结论分析,如果故障结论为比对成功,则发出警报,否则重新返回采样震动信号。
作为本发明的进一步改进,采样振动信号所采用的采样频率为26500Hz。
作为本发明的进一步改进,信号滤波中,过滤的波段为高于10kHz的信号。
作为本发明的进一步改进,信号截取的长度是每次采样截取2分钟。
作为本发明的进一步改进,自相关分析中,具体的分析步骤如下,定义x(t)为所截取的信号,定义自相关函数为
其中x(t+τ)指的是当截取的信号进行τ时间间隔的偏移得到的信号,相当于原信号x(t)和x(t+τ)存在一个τ的时间差,再经过相乘和积分,得到Rx(τ),其反应的物理意义是,x(t)和偏移τ时刻后的x(t+τ)此二信号的相关性;
为了使相关性更好判断,引入无量纲化相关性系数,
其中μx为x(t)的平均值,为x(t)的方差;
ρx(τ)的取值范围在[-1,1],若ρx(τ)的绝对值越接近于1,则代表所采集的信号经过τ时刻,相关程度越高,若ρx(τ)的绝对值越接近于0,则代表所采集的信号相关程度不高。
作为本发明的进一步改进,故障特征频率如下:
主轴转频,fr=N/60;内圈故障频率,外圈故障频率,球故障频率,/>保持架故障频率,其中N代表主轴转速,单位为rpm;Z代表钢球个数,d代表钢球球径,单位为mm,D代表轴承中径,为内径和外径的平均值,α为接触角。
作为本发明的进一步改进,若延时频率fi与理论故障频率一致,则认为已有故障发生,则进行报警,报警主要是通过计算机外置扬声器进行报警,若报警时间超过5分钟没有进行操作,则进行自动停机,停机后进行拆卸检查。若延时频率fi与理论故障频率不一致,则认为没有发生相对应的轴承故障,试验可以继续运行,回到步骤一继续进行信号采集转换。
本发明的有益效果,通过将振动转换为电信号的形式避免传统检测中容易受到噪声影响的问题,能够提高检测的准确性,并且能够在轴承运转的过程中进行检测,不需要拆下轴承进行检测,能够让检测过程更加方便。
附图说明
图1为本发明的监控流程示意图;
图2为本发明的无故障时域加速度振动信号采样图;
图3为本发明的无故障自相关函数表现示意图;
图4为本发明的有故障时域加速度振动信号采样图;
图5为本发明的有故障自相关函数表现示意图。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
参照图1-5所示,
一种滚动轴承的自相关函数振动监控方法,包括如下步骤:
采样振动信号,利用振动加速度传感器对安装在轴承的设备振动信号采集;
信号滤波,将采样获得的振动信号进行高频和噪声滤波;
信号截取,截取一定长度的采样信号进行保存;如图2和图4所示,图2为轴承刚刚运行时候所采集的时域加速度振动信号的一个片段,可以看出其振动幅度在±0.4m/s2范围内。当后期运行到疑似故障发生时,如图4所示,可以看出振动幅度明显较初期增大,在±0.6m/s2的范围内。每次采样中截取一段信号进行检测,由于震动信号时周期性的,因此截取其中一段即可,也能够减少计算机分析的负担。
自相关分析,对截取的信号进行自相关分析,并引入无量纲化相关性系数,将分析结果的绝对值趋向于1或0;对图2和图4所示的信号分别进行了自相关分析,结果分别如图3和图5所示。
分析自相关结果,判断自相关系数是否存在接近1的,如果存在则进入下一步骤,继续采样振动信号;对于图3而言,除了在τ=0时,相关系数为1,没有延迟时,信号本来就是自相关的,对于其余延时时间都接近0,这说明信号没有出现任何异常,可以回到步骤一继续进行测试。而对于图5而言,可以看出当疑似有故障发生时候,每间隔一段时间,都会出现有较高的相关系数,这说明信号在此延时时刻有相关性,指示轴承中出现了一些异常,这些异常周期性地反应出来,因此进入下个步骤。
寻找延时时间,找出各个自相关系数接近与1的点,并获得该点对应的时间节点;通过对ρx(τ)图,已发现纵坐标有接近于1的值,找出所对应的横坐标对应的时间τ1=0.014,τ2=0.027,τ3=0.041,τ4=0.054,τ4=0.068,τ4=0.081。
获得延时频率,根据得到的各个时间节点确定延时频率;根据延时时间τi可以确定平均几乎每隔0.0135ms将会发生一次相关,因此利用该延时时间计算延时频率
判断故障点,比对延时频率和故障特征频率,并获得故障结论;在本实施例中,主轴转速为700rpm,球个数Z=15,球径d=13.494mm,中径D=71mm,接触角α=35°。
故障结论分析,如果故障结论为比对成功,则发出警报,否则重新返回采样震动信号。延时频率fi=74.07Hz与外圈故障频率73.88基本一致,认为此时已有故障发生,通过自相关函数分析的过程,本实施例应该为外圈出现麻点、剥落等故障问题发生。通过拆机后检查轴承各部位,发现轴承外圈出存在一个剥落坑,证实了该发明方法的有效性。
振动加速器传感器能够将故障通过振动的形式进行采样,然后转换成电信号,并配合数据采集卡传输到计算机中。超过10kHz的信号基本是与本次检测无关的干扰信号,因此能够剔除这些信号,让检测效果更加准确。采样的频率为26500Hz能够,信号截取的长度是每次采样截取2分钟。采样评率和采样截取段长度能够确保充足的样本,确保具有准确的检测结果。
自相关分析中,具体的分析步骤如下,
定义x(t)为所截取的信号,定义自相关函数为
其中x(t+τ)指的是当截取的信号进行τ时间间隔的偏移得到的信号,相当于原信号x(t)和x(t+τ)存在一个τ的时间差,再经过相乘和积分,得到Rx(τ),其反应的物理意义是,x(t)和偏移τ时刻后的x(t+τ)此二信号的相关性;
为了使相关性更好判断,引入无量纲化相关性系数,
其中μx为x(t)的平均值,为x(t)的方差;
ρx(τ)的取值范围在[-1,1],若ρx(τ)的绝对值越接近于1,则代表所采集的信号经过τ时刻,相关程度越高,若ρx(τ)的绝对值越接近于0,则代表所采集的信号相关程度不高。
在特征比对中,具体的公式为,故障特征频率如下:
主轴转频,fr=N/60;内圈故障频率,外圈故障频率,球故障频率,/>保持架故障频率,其中N代表主轴转速,单位为rpm;Z代表钢球个数,d代表钢球球径,单位为mm,D代表轴承中径,为内径和外径的平均值,α为接触角。
利用上述公式和和参数计算获得的为特征频率,能够适用于不同的规格参数的产品进行比对,能够增加检测的通用性。
为了便于警示,若延时频率fi与理论故障频率一致,则认为已有故障发生,则进行报警,报警主要是通过计算机外置扬声器进行报警,若报警时间超过5分钟没有进行操作,则进行自动停机,停机后进行拆卸检查。若延时频率fi与理论故障频率不一致,则认为没有发生相对应的轴承故障,试验可以继续运行,回到步骤一继续进行信号采集转换。
利用扬声器进行报警能够在嘈杂的环境中提供明显的警报效果,并且配置超时停机,能够让超时没有操作的动作进行自动停机,避免设备一直处于运行状态,浪费资源。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种滚动轴承的自相关函数振动监控方法,其特征在于,包括如下步骤:
采样振动信号,利用振动加速度传感器对安装在轴承的设备振动信号采集;
信号滤波,将采样获得的振动信号进行高频和噪声滤波;
信号截取,截取一定长度的采样信号进行保存;
自相关分析,对截取的信号进行自相关分析,并引入无量纲化相关性系数,将分析结果的绝对值趋向于1或0;
分析自相关结果,判断自相关系数是否存在接近1的,如果存在则进入下一步骤,否则继续采样振动信号;
寻找延时时间,找出各个自相关系数接近与1的点,并获得该点对应的时间节点;
获得延时频率,根据得到的各个时间节点确定延时频率;
判断故障点,比对延时频率和故障特征频率,并获得故障结论;
故障结论分析,如果故障结论为比对成功,则发出警报,否则重新返回采样震动信号。
2.根据权利要求1所述的滚动轴承的自相关函数振动监控方法,其特征在于,采样振动信号所采用的采样频率为26500Hz。
3.根据权利要求1所述的滚动轴承的自相关函数振动监控方法,其特征在于,信号滤波中,过滤的波段为高于10kHz的信号。
4.根据权利要求1所述的滚动轴承的自相关函数振动监控方法,其特征在于,信号截取的长度是每次采样截取2分钟。
5.根据权利要求1所述的滚动轴承的自相关函数振动监控方法,其特征在于,自相关分析中,具体的分析步骤如下,
定义x(t)为所截取的信号,定义自相关函数为
其中x(t+τ)指的是当截取的信号进行τ时间间隔的偏移得到的信号,相当于原信号x(t)和x(t+τ)存在一个τ的时间差,再经过相乘和积分,得到Rx(τ),其反应的物理意义是,x(t)和偏移τ时刻后的x(t+τ)此二信号的相关性;
为了使相关性更好判断,引入无量纲化相关性系数,
其中μx为x(t)的平均值,为x(t)的方差;
ρx(τ)的取值范围在[-1,1],若ρx(τ)的绝对值越接近于1,则代表所采集的信号经过τ时刻,相关程度越高,若ρx(τ)的绝对值越接近于0,则代表所采集的信号相关程度不高。
6.根据权利要求1所述的滚动轴承的自相关函数振动监控方法,其特征在于,故障特征评率如下:
主轴转频,fr=N/60;内圈故障频率,外圈故障频率,球故障频率,/>保持架故障频率,其中N代表主轴转速,单位为rpm;Z代表钢球个数,d代表钢球球径,单位为mm,D代表轴承中径,为内径和外径的平均值,α为接触角。
7.根据权利要求6所述的滚动轴承的自相关函数振动监控方法,其特征在于,若延时频率fi与理论故障频率一致,则认为已有故障发生,则进行报警,报警主要是通过计算机外置扬声器进行报警,若报警时间超过5分钟没有进行操作,则进行自动停机,停机后进行拆卸检查;若延时频率fi与理论故障频率不一致,则认为没有发生相对应的轴承故障,试验可以继续运行,回到步骤一继续进行信号采集转换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110941042.5A CN113702045B (zh) | 2021-08-16 | 2021-08-16 | 滚动轴承的自相关函数振动监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110941042.5A CN113702045B (zh) | 2021-08-16 | 2021-08-16 | 滚动轴承的自相关函数振动监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113702045A CN113702045A (zh) | 2021-11-26 |
CN113702045B true CN113702045B (zh) | 2023-12-05 |
Family
ID=78652939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110941042.5A Active CN113702045B (zh) | 2021-08-16 | 2021-08-16 | 滚动轴承的自相关函数振动监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113702045B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2328398A1 (fr) * | 1999-12-23 | 2001-06-23 | Snecma Moteurs | Detection de l'endommagement de pieces d'un moteur |
CN201311360Y (zh) * | 2008-06-20 | 2009-09-16 | 四川恒达电子科技有限公司 | 一种振动在线监测故障诊断装置 |
CN104568444A (zh) * | 2015-01-28 | 2015-04-29 | 北京邮电大学 | 变转速火车滚动轴承故障特征频率提取方法 |
CN107560851A (zh) * | 2017-08-28 | 2018-01-09 | 合肥工业大学 | 滚动轴承微弱故障特征早期提取方法 |
CN108168891A (zh) * | 2018-02-26 | 2018-06-15 | 成都昊铭科技有限公司 | 滚动轴承微弱故障信号特征的提取方法及设备 |
CN111337250A (zh) * | 2020-03-17 | 2020-06-26 | 广州大学 | 基于虚拟仪器的机床状态故障诊断系统和方法 |
CN112945546A (zh) * | 2021-01-20 | 2021-06-11 | 南京航空航天大学 | 一种齿轮箱复杂故障精确诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011108391A1 (ja) * | 2010-03-03 | 2011-09-09 | 旭化成エンジニアリング株式会社 | すべり軸受の診断方法および診断装置 |
-
2021
- 2021-08-16 CN CN202110941042.5A patent/CN113702045B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2328398A1 (fr) * | 1999-12-23 | 2001-06-23 | Snecma Moteurs | Detection de l'endommagement de pieces d'un moteur |
CN201311360Y (zh) * | 2008-06-20 | 2009-09-16 | 四川恒达电子科技有限公司 | 一种振动在线监测故障诊断装置 |
CN104568444A (zh) * | 2015-01-28 | 2015-04-29 | 北京邮电大学 | 变转速火车滚动轴承故障特征频率提取方法 |
CN107560851A (zh) * | 2017-08-28 | 2018-01-09 | 合肥工业大学 | 滚动轴承微弱故障特征早期提取方法 |
CN108168891A (zh) * | 2018-02-26 | 2018-06-15 | 成都昊铭科技有限公司 | 滚动轴承微弱故障信号特征的提取方法及设备 |
CN111337250A (zh) * | 2020-03-17 | 2020-06-26 | 广州大学 | 基于虚拟仪器的机床状态故障诊断系统和方法 |
CN112945546A (zh) * | 2021-01-20 | 2021-06-11 | 南京航空航天大学 | 一种齿轮箱复杂故障精确诊断方法 |
Non-Patent Citations (1)
Title |
---|
基于MEEMD和峭度-相关系数电机轴承故障诊断;姜建国;王庆;;自动化技术与应用(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113702045A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109883702B (zh) | 一种基于时频域统计特征的电机轴承故障诊断方法 | |
US10281438B2 (en) | System and method of detecting defects of a rolling bearing by vibration analysis | |
Eftekharnejad et al. | The application of spectral kurtosis on acoustic emission and vibrations from a defective bearing | |
Kim et al. | Condition monitoring of low speed bearings: A comparative study of the ultrasound technique versus vibration measurements | |
He et al. | Health monitoring of cooling fan bearings based on wavelet filter | |
JPH0315698B2 (zh) | ||
JPH09113416A (ja) | ころがり軸受の損傷診断方法 | |
Jena et al. | Radial ball bearing inner race defect width measurement using analytical wavelet transform of acoustic and vibration signal | |
Nienhaus et al. | Development of acoustic emission (AE) based defect parameters for slow rotating roller bearings | |
Pradhan et al. | Fault detection using vibration signal analysis of rolling element bearing in time domain using an innovative time scalar indicator | |
CN113702045B (zh) | 滚动轴承的自相关函数振动监控方法 | |
CN113029566A (zh) | 基于改进eemd与med的滚动轴承故障声发射特征提取方法 | |
CN116304848B (zh) | 一种滚动轴承故障诊断系统及方法 | |
Wang et al. | Monitoring the lack of grease condition of rolling bearing using acoustic emission | |
Jiang et al. | Rolling bearing quality evaluation based on a morphological filter and a Kolmogorov complexity measure | |
Thanagasundram et al. | Autoregressive based diagnostics scheme for detection of bearing faults | |
JP7040920B2 (ja) | 軸受の状態監視装置及び異常診断方法 | |
CN113049251A (zh) | 一种基于噪声的轴承故障诊断方法 | |
CN112432791B (zh) | 一种基于阿兰方差的轴承振动信号自动故障诊断方法 | |
JP3144878B2 (ja) | 回転機械の異常音診断方法、その装置及び回転機械の製造ライン | |
CN111397910B (zh) | 基于奈奎斯特图的涡轮盘低循环疲劳裂纹在线检测方法 | |
CN112268688B (zh) | 一种错误数据识别方法及装置 | |
Kim et al. | Parameter comparison of acoustic emission signals for condition monitoring of low-speed bearings | |
CN113702041B (zh) | 一种轴承故障诊断方法 | |
JP7476440B2 (ja) | 回転機械の衝撃系異常の診断方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |