CN115165365A - 一种轴承零件特征频率的估算方法和系统 - Google Patents
一种轴承零件特征频率的估算方法和系统 Download PDFInfo
- Publication number
- CN115165365A CN115165365A CN202210791006.XA CN202210791006A CN115165365A CN 115165365 A CN115165365 A CN 115165365A CN 202210791006 A CN202210791006 A CN 202210791006A CN 115165365 A CN115165365 A CN 115165365A
- Authority
- CN
- China
- Prior art keywords
- frequency
- bearing
- band
- rotating speed
- signal
- 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
Images
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)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种轴承零件特征频率的估算方法和系统,采集轴承的原始加速度信号并进行预处理获得包络谱;根据转速计算出转频,将转频数值的大小作为窄带窗口的宽度;S3、在包络谱频带上滑动窄带窗口,筛选出振幅最大值所对应的频率,以及除了该频率及其倍频外振幅从大到小排序前三所对应的频率;计算各频率系统,将各频率系数从大到小排列,通过比较振幅最大值所对应的频率系数在四组系数中的位置确定轴承故障的零件。本发明能够自动估算出轴承各零件的特征频率,无需拆卸设备检查轴承的型号,避免了复杂计算,诊断结果准确且效率高,非常适于大型设备现场使用。
Description
技术领域
本发明属于智能故障诊断技术领域,具体涉及轴承智能故障诊断技术。
背景技术
轴承作为广泛应用于工业领域的部件,具有支撑平稳、结构紧凑的特点。对于流程行业而言,当轴承发生故障时造成的停机或停产会造成很大的经济损失。因此实时掌握轴承的运行状态,提前预知轴承故障对企业安全高效生产意义重大。振动监测作为旋转机械状态检测的有效工具,已被广泛接受。当轴承零件发生故障时,轴承振动信号会发生明显的变化,此时该零件特征频率所对应的幅值会出现明显的增大。因此对轴承故障进行诊断时,轴承各零件特征频率的识别显得尤为重要。
但是在实际过程中,常常需要拆卸设备检查轴承的型号,由于大型设备拆解不易,常常造成轴承的型号不能提供,也有轴承因为自身原因无法清楚显示型号,这就导致无法识别轴承各零件的特征频率,更进一步无法识别轴承各零件的故障。
发明内容
本发明要解决的技术问题是:提供一种轴承零件特征频率的估算方法和系统,无需拆卸设备检查轴承的型号即可获得轴承各零件的特征频率,以便准确识别轴承故障。
为解决上述技术问题,本发明采用如下技术方案:
一种轴承零件特征频率的估算方法,其特征在于包括如下步骤:
S1、采集轴承的原始加速度信号并进行预处理获得包络谱;
S2、根据转速计算出转频f转=RPM/60,将转频数值的大小作为窄带窗口的宽度;
S3、在包络谱频带上滑动窄带窗口,筛选出振幅最大值所对应的频率f1;
S4、由频率系数为各频率与转频的比值,计算频率f1对应的频率系数k1;
S5、在包络谱频带上滑动窄带窗口,筛选出除了频率f1及其倍频外振幅从大到小排序前三所对应的频率f2、f3和f4;
S6、计算出频率f2、f3和f4分别对应的频率系数k2、k3和k4;
S7、将频率系数k1、k2、k3和k4从大到小排列,通过比较k1在四组系数中的位置确定轴承故障的零件或具体部位。
也即如果k1排第一,则轴承出现故障的零件是内环;如果k1排第二,则轴承出现故障的零件是外环;如果k1排第三,则轴承出现故障的零件是滚子;如果k1排第四,则轴承出现故障的零件是保持架。
上述技术方案中,轴承零件包括内环、外环、滚子、保持架。
上述技术方案中,步骤S1信号预处理过程如下:
S11、获取轴承的原始加速度信号;S12、原始加速度信号加汉宁窗,获得加窗后的信号;S13、根据转速设置滤波频带,获得滤波后的信号;S14、对滤波后的信号进行包络解调,获得包络谱。
上述技术方案中,步骤S13中,根据转速设置信号进行包络分析的滤波频带:当转速为0~50r/min时,滤波频带为5~100Hz;当转速为50~500r/min时,滤波频带为100~1KHz;当转速为500~5000r/min时,滤波频带为1K~10KHz;当转速为5000r/min以上时,滤波频带为10K~40KHz。
上述技术方案中,步骤S7根据特征频率系数的排列顺序最终确定出轴承各零件的特征频率。
一种轴承零件特征频率的估算系统,其特征在于存储有执行上述轴承零件特征频率的估算方法的程序。
一种轴承零件特征频率的估算系统,其特征在于包括:
轴承信号采集和预处理单元,用于采集轴承的原始加速度信号并进行预处理获得包络谱;
窄带窗口滤波单元,用于根据转速计算出转频f转=RPM/60,将转频数值的大小作为窄带窗口的宽度;在包络谱频带上滑动窄带窗口,筛选出振幅最大值所对应的频率f1和对应的频率系数k1;在包络谱频带上滑动窄带窗口,筛选出除了频率f1及其倍频外振幅从大到小排序前三所对应的频率f2、f3和f4;并对应计算出频率f2、f3和f4分别对应的频率系数k2、k3和k4;其中,频率系数为各频率与转频的比值;
故障分析单元,用于将频率系数k1、k2、k3和k4从大到小排列,通过比较k1在四组系数中的位置确定轴承故障的部件,按照k1在四组系数中由大到小的排列位置,对应故障零件的位置分别确定为内环、外环、滚子、保持架。
上述技术方案中,轴承信号采集和预处理单元用于通过以下方式进行预处理:通过对原始加速度信号加汉宁窗,获得加窗后的信号;根据转速设置滤波频带,获得滤波后的信号;对滤波后的信号进行包络解调,获得包络谱。
上述技术方案中,轴承信号采集和预处理单元根据转速设置信号进行包络分析的滤波频带:当转速为0~50r/min时,滤波频带为5~100Hz;当转速为50~500r/min时,滤波频带为100~1KHz;当转速为500~5000r/min时,滤波频带为1K~10KHz;当转速为5000r/min以上时,滤波频带为10K~40KHz。
上述技术方案中,故障分析单元还用于根据特征频率系数的排列顺序最终确定出轴承各零件的特征频率。
相对于现有技术来说,本发明的有益效果如下:
本发明通过采集加速度信号即可确定故障点,检测方法和系统实现都比较简单,无需拆卸设备检查轴承的型号。
本发明根据轴承振动较大信号能自动估算出轴承各零件的特征频率,检测原理简单,避免了复杂计算,提高了检测效率和准确度。
本发明将转频作为窄带窗口,在包络谱上滑动,筛选出轴承的特征频率。这种方法设计巧妙,避免了众多试错可能,避免了复杂计算,提高了检测效率和准确度,可以适于众多同类场合故障诊断。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明轴承零件特征频率的估算方法的流程图。
图2是本发明轴承零件特征频率的估算方法的信号预处理流程图。
图3是本发明一个实施例中获取的包络谱图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例1:
图1为根据本发明实施的轴承各零件特征频率的估算方法的流程图,具体包括以下步骤:
S1、信号的预处理,如图2所示:1、获取轴承的原始加速度信号;2、原始加速度信号加汉宁窗,获得加窗后的信号;3、根据转速设置滤波频带,获得滤波后的信号;4、对滤波后的信号进行包络解调,获得包络谱;
S2、根据转速计算出转频f转(f转=RPM/60),将转频数值的大小作为窄带窗口的宽度;
S3、在包络谱频带上滑动窄带窗口,筛选出振幅最大值所对应的频率f1;
S4、根据公式(1)计算出频率系数k1;
k1=f1/f转 (1)
S5、在包络谱频带上滑动窄带窗口,筛选出除f1及其倍频外振幅从大到小排序前三所对应的频率f2、f3和f4;
S6、根据公式(1)计算出频率系数k2、k3和k4;
S7、将频率系数k1、k2、k3和k4从大到小排列,通过比较k1在四组系数中的位置确定轴承故障的零件或具体部位:如果k1排第一,则轴承出现故障的零件是内环;如果k1排第二,则轴承出现故障的零件是外环;如果k1排第三,则轴承出现故障的零件是滚子;如果k1排第四,则轴承出现故障的零件是保持架;同时,根据特征频率系数的排列顺序最终确定出轴承各零件的特征频率。
与次对应,本发明还提供一种轴承零件特征频率的估算系统,其特征在于存储有执行上述轴承零件特征频率的估算方法的程序。
本发明还提供一种轴承零件特征频率的估算系统,包括用于执行上述各方法的各单元:
轴承信号采集和预处理单元,用于采集轴承的原始加速度信号并进行预处理获得包络谱;
窄带窗口滤波单元,用于根据转速计算出转频f转=RPM/60,将转频数值的大小作为窄带窗口的宽度;在包络谱频带上滑动窄带窗口,筛选出振幅最大值所对应的频率f1和对应的频率系数k1;在包络谱频带上滑动窄带窗口,筛选出除了频率f1及其倍频外振幅从大到小排序前三所对应的频率f2、f3和f4;并对应计算出频率f2、f3和f4分别对应的频率系数k2、k3和k4;其中,频率系数为各频率与转频的比值;
故障分析单元,用于将频率系数k1、k2、k3和k4从大到小排列,通过比较k1在四组系数中的位置确定轴承故障的零件,按照k1在四组系数中由大到小的排列位置,对应故障零件的位置分别确定为内环、外环、滚子、保持架。
实施例2:
运用采集器、传感器等设备获取某个故障轴承原始加速度振动信号,转速为900r/min。
原始加速度信号进行加窗处理,获取加窗后的信号。
根据转速设置信号进行包络分析的滤波频带。当转速为0~50r/min时,滤波频带为5~100Hz;当转速为50~500r/min时,滤波频带为100~1KHz;当转速为500~5000r/min时,滤波频带为1K~10KHz;当转速为5000r/min以上时,滤波频带为10K~40KHz;
根据转速900r/min设置滤波频带1K~10KHz,获取滤波后的信号,对滤波后的信号进行包络解调,获取包络谱,如图3所示。
转频为900/60=15Hz,将15Hz作为窄带窗口的宽度,在包络谱频带上滑动窄带窗口,获取频带上振动幅值最大时的对应频率。
表1最大幅值对应的频率系数
频率 | 频率系数 |
f<sub>1</sub>=73.5017Hz | k<sub>1</sub>=4.9001 |
如表1所示,频率所对应的系数为4.9左右。
将15Hz作为窄带窗口的宽度,在包络谱频带上滑动窄带窗口,获取窗口内除73.5017Hz及其倍频以外振幅从大到小排序前三的对应频率。
表2其余关键点的频率系数
频率 | 频率系数 |
f<sub>2</sub>=45.0732 | k<sub>2</sub>=3.0049 |
f<sub>3</sub>=28.6341 | k<sub>3</sub>=1.9089 |
f<sub>4</sub>=5.8293 | k<sub>4</sub>=0.3886 |
将所取到的频率系数从大到小进行排列,如表3所示。
轴承各零件特征频率具有典型的特点:同一型号的轴承,其每个零件的特征频率都是固定值,且按照保持架、滚子、外环、内环的顺序逐次增大。
表3频率系数排序
特征频率 | f<sub>1</sub>=73.5017 | f<sub>2</sub>=45.0732 | f<sub>3</sub>=30.0488 | f<sub>4</sub>=5.8293 |
频率系数 | k<sub>1</sub>=4.9001 | k<sub>2</sub>=3.0049 | k<sub>3</sub>=2.0033 | k<sub>4</sub>=0.3886 |
由表3可知,k1是四个系数中最大的,所以轴承损坏的零件是内环,同时得到轴承各零件的特征频率如表4所示。
表4各零件的特征频率
零件名称 | 保持架 | 滚子 | 外环 | 内环 |
特征频率 | 5.8293 | 30.0488 | 45.0732 | 73.5017 |
频率系数 | 0.3886 | 2.0033 | 3.0049 | 4.9001 |
检查轴承的标记可知,该轴承的型号是6314。该型号轴承各零件的特征频率与估算出的特征频率接近,检查结果表明,本发明所采用的方法能有效估算出轴承各零件的特征频率。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种轴承零件特征频率的估算方法,其特征在于包括如下步骤:
S1、采集轴承的原始加速度信号并进行预处理获得包络谱;
S2、根据转速计算出转频f转=RPM/60,将转频数值的大小作为窄带窗口的宽度;
S3、在包络谱频带上滑动窄带窗口,筛选出振幅最大值所对应的频率f1;
S4、由频率系数为各频率与转频的比值,计算频率f1对应的频率系数k1;
S5、在包络谱频带上滑动窄带窗口,筛选出除了频率f1及其倍频外振幅从大到小排序前三所对应的频率f2、f3和f4;
S6、计算出频率f2、f3和f4分别对应的频率系数k2、k3和k4;
S7、将频率系数k1、k2、k3和k4从大到小排列,通过比较k1在四组系数中的位置确定轴承故障的零件。
2.根据权利要求1所述的轴承零件特征频率的估算方法,其特征在于所述轴承零件包括内环、外环、滚子、保持架。
3.根据权利要求1所述的轴承零件特征频率的估算方法,其特征在于步骤S1信号预处理过程如下:
S11、获取轴承的原始加速度信号;S12、原始加速度信号加汉宁窗,获得加窗后的信号;S13、根据转速设置滤波频带,获得滤波后的信号;S14、对滤波后的信号进行包络解调,获得包络谱。
4.根据权利要求3所述的轴承零件特征频率的估算方法,其特征在于步骤S13中,根据转速设置信号进行包络分析的滤波频带:当转速为0~50r/min时,滤波频带为5~100Hz;当转速为50~500r/min时,滤波频带为100~1KHz;当转速为500~5000r/min时,滤波频带为1K~10KHz;当转速为5000r/min以上时,滤波频带为10K~40KHz。
5.根据权利要求1所述的轴承零件特征频率的估算方法,其特征在于步骤S7按照k1在四组系数中由大到小的排列位置,对应故障零件的位置分别确定为内环、外环、滚子、保持架;并根据特征频率系数的排列顺序最终确定出轴承各零件的特征频率。
6.一种轴承零件特征频率的估算系统,其特征在于存储有执行上述权利要求1~5任一项之一所述轴承零件特征频率的估算方法的程序。
7.一种轴承零件特征频率的估算系统,其特征在于包括:
轴承信号采集和预处理单元,用于采集轴承的原始加速度信号并进行预处理获得包络谱;
窄带窗口滤波单元,用于根据转速计算出转频f转=RPM/60,将转频数值的大小作为窄带窗口的宽度;在包络谱频带上滑动窄带窗口,筛选出振幅最大值所对应的频率f1和对应的频率系数k1;在包络谱频带上滑动窄带窗口,筛选出除了频率f1及其倍频外振幅从大到小排序前三所对应的频率f2、f3和f4;并对应计算出频率f2、f3和f4分别对应的频率系数k2、k3和k4;其中,频率系数为各频率与转频的比值;
故障分析单元,用于将频率系数k1、k2、k3和k4从大到小排列,通过比较k1在四组系数中的位置确定轴承故障的零件,按照k1在四组系数中由大到小的排列位置,对应故障零件的位置分别确定为内环、外环、滚子、保持架。
8.根据权利要求7所述的轴承零件特征频率的估算系统,其特征在于轴承信号采集和预处理单元用于通过以下方式进行预处理:通过对原始加速度信号加汉宁窗,获得加窗后的信号;根据转速设置滤波频带,获得滤波后的信号;对滤波后的信号进行包络解调,获得包络谱。
9.根据权利要求7所述的轴承零件特征频率的估算系统,其特征在于轴承信号采集和预处理单元根据转速设置信号进行包络分析的滤波频带:当转速为0~50r/min时,滤波频带为5~100Hz;当转速为50~500r/min时,滤波频带为100~1KHz;当转速为500~5000r/min时,滤波频带为1K~10KHz;当转速为5000r/min以上时,滤波频带为10K~40KHz。
10.根据权利要求7所述的轴承零件特征频率的估算系统,其特征在于故障分析单元还用于根据特征频率系数的排列顺序最终确定出轴承各零件的特征频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210791006.XA CN115165365A (zh) | 2022-07-05 | 2022-07-05 | 一种轴承零件特征频率的估算方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210791006.XA CN115165365A (zh) | 2022-07-05 | 2022-07-05 | 一种轴承零件特征频率的估算方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115165365A true CN115165365A (zh) | 2022-10-11 |
Family
ID=83492086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210791006.XA Pending CN115165365A (zh) | 2022-07-05 | 2022-07-05 | 一种轴承零件特征频率的估算方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115165365A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740549A (zh) * | 2023-08-14 | 2023-09-12 | 南京凯奥思数据技术有限公司 | 车辆零件识别方法及系统 |
-
2022
- 2022-07-05 CN CN202210791006.XA patent/CN115165365A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740549A (zh) * | 2023-08-14 | 2023-09-12 | 南京凯奥思数据技术有限公司 | 车辆零件识别方法及系统 |
CN116740549B (zh) * | 2023-08-14 | 2023-11-07 | 南京凯奥思数据技术有限公司 | 车辆零件识别方法及系统 |
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 | |
CN104634571B (zh) | 一种基于lcd‑mf的滚动轴承故障诊断方法 | |
Shi et al. | Bearing fault diagnosis under variable rotational speed via the joint application of windowed fractal dimension transform and generalized demodulation: A method free from prefiltering and resampling | |
CN110274764B (zh) | 一种基于振动加速度信号的机车电机轴承自动诊断方法 | |
CN101603854A (zh) | 旋转机械启停阶段非平稳振动信号瞬时频率估计算法 | |
CN115165365A (zh) | 一种轴承零件特征频率的估算方法和系统 | |
CN116070154B (zh) | 一种大型轴承保持器的故障检测方法、设备及介质 | |
CN115935243B (zh) | 一种基于数据处理的故障分析方法 | |
CN116701984A (zh) | 基于机器学习的数控机床自动故障诊断系统 | |
CN106198006A (zh) | 特高压直流输电阀冷旋转设备故障诊断方法 | |
CN103821749B (zh) | 一种轴流式通风机失速和喘振的在线诊断方法 | |
Afshar et al. | Generalized roughness bearing fault diagnosis using time series analysis and gradient boosted tree | |
CN111599033A (zh) | 一种诊断卷烟机故障的处理方法 | |
CN114742093A (zh) | 基于时频曲线提取和分类的滚动轴承故障诊断方法及装置 | |
He et al. | Real-time fault diagnosis of motor bearing via improved cyclostationary analysis implemented onto edge computing system | |
Thanagasundram et al. | Autoregressive based diagnostics scheme for detection of bearing faults | |
CN112857806A (zh) | 一种基于移动窗口时域特征提取的轴承故障检测方法 | |
Lim et al. | Motor fault detection method for vibration signal using FFT residuals | |
Mustafa et al. | Experimental research on machinery fault simulator (MFS): A review | |
CN113295416B (zh) | 一种基于频谱的轴承故障分类方法及系统 | |
CN112268688B (zh) | 一种错误数据识别方法及装置 | |
CN115795292B (zh) | 一种基于LabVIEW的铣齿机主轴箱故障诊断系统及方法 | |
CN111947929B (zh) | 一种旋转机械振动特性评价指标工况敏感度分析方法 | |
JP3824546B2 (ja) | 回転精度測定装置 | |
CN116680659A (zh) | 一种基于概率分布切片化测度的旋转机械变转速状态监测方法 |
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 |