CN205067090U - 滚动轴承故障检测与诊断系统 - Google Patents
滚动轴承故障检测与诊断系统 Download PDFInfo
- Publication number
- CN205067090U CN205067090U CN201520916562.0U CN201520916562U CN205067090U CN 205067090 U CN205067090 U CN 205067090U CN 201520916562 U CN201520916562 U CN 201520916562U CN 205067090 U CN205067090 U CN 205067090U
- Authority
- CN
- China
- Prior art keywords
- bearing
- module
- data
- fault
- seat
- 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.)
- Expired - Fee Related
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本实用新型提供一种滚动轴承故障检测与诊断系统,由变速电机、联轴器、轴承座、转盘、旋转轴、抗震底座、轴承、传感器模块、振动加速度传感器、数据采集系统、电荷放大模块、A/D转换模块、数据处理系统、计算机、数据处理器、故障诊断模块组成;本实用新型通过在数据处理系统中使用双树小波把非平稳的故障振动信号分解为几个不同频带的分量,克服了传统离散小波和其他小波存在的频带混叠、平移可变、信号失真等诸多缺陷。通过实验验证该系统对比较微弱的早期故障有着较高的诊断精度,能准确地将故障定位到具体的部位,适合工业现场的轴承状态检测与故障诊断,具有很大的使用和推广价值。
Description
技术领域
本实用新型涉及一种滚动轴承故障检测与诊断系统,属于滚动轴承健康状态检测和故障诊断设备领域。
背景技术
滚动轴承是工业设备中广泛应用的机械零件,也是最易损坏的元件之一。可用于滚动轴承的健康状态检测与故障诊断技术的信号有振动、温度、压力、噪声等。设备在工作过程中不可避免地要产生振动,而振动是设备内在动力学特征的外在反映,因此故障特征信息最直接的载体为设备的振动信号,其中蕴含信息丰富,并且物理意义清晰,便于识别和决策。实践表明振动分析是滚动轴承最有效的手段。
在壳体上测取的振动加速度信号是损伤点产生的周期性冲击信号与系统固有振动信号之间调制而成的响应信号,同时加速度信号还混有强烈的外部噪声,属于典型的非平稳信号,且信噪比低,有用的故障特征信息被淹没。这导致传统的故障诊断技术(如短时傅立叶变换、小波变换、经验模态分解等)对信号采集系统获得的数据进行处理时显得力不从心,从而严重地制约了轴承特征提取的效果,不能够对轴承的状态做出准确的判断。
针对上述出现的问题,有必要设计一种有效的滚动轴承故障检测与诊断系统,以便及时、全面、准确地检测出潜在的各种故障,以最大限度地满足工业现检测和故障诊断的需求。
发明内容
本实用新型提供一种滚动轴承故障检测与诊断系统,目的在于解决现有的检测与诊断技术对滚动轴承早期微弱故障或滚动轴承故障特征信号被机械系统多干扰源和强噪声所淹没时失去识别与诊断能力的问题。
具体地,本实用新型所采用的技术方案为:
滚动轴承故障检测与诊断系统,由变速电机、联轴器、轴承座、转盘、旋转轴、抗震底座、轴承、传感器模块、振动加速度传感器、数据采集系统、电荷放大模块、A/D转换模块、数据处理系统、计算机、数据处理器、故障诊断模块组成;其特征是所述变速电机固定在抗震底座的左端,变速电机通过联轴器与旋转轴连接;所述轴承座有两个,两个轴承座安装在抗震底座上;所述轴承安装在旋转轴上,且轴承位于轴承座上;所述转盘有两个,两个转盘安装在旋转轴上,且两个转盘位于两个轴承座之间;所述传感器模块是由两个振动加速度传感器组成,振动加速度传感器通过数据线与电荷放大模块连接,三个振动加速度传感器分别安装在轴承座的垂直径向、水平径向和轴向的测点上;所述数据采集系统包括电荷放大模块和A/D转换模块,电荷放大模块通过数据线与A/D转换模块连接;所述数据处理系统是由计算机、数据处理器、故障诊断模块构成,且数据处理器安装在计算机上,计算机与故障诊断模块连接。
进一步,数据处理器内置有由MATLAB软件编好的算法程序。
进一步,振动加速度传感器采集到的故障轴承振动数据传递给电荷放大模块,电荷放大模块把振动加速度传感器输出的微弱信号转换为放大的电压信号,放大的电压信号通过A/D转换器输出为计算机中分析所用的数字信号并输出到excel等数据库进行存储,最后利用数据处理系统对数据进行处理。
本实用新型的有益效果在于使用的双树复小波变换(DT-CWT)具有完全重构性、平移不变性、抗频带混叠和运算效率高等优良特性,它能够把非平稳的故障振动信号分解为若干个不同频段上的分量,从而缩小了故障频率的范围,便于后续选取;利用最大相关峭度反褶积(MCKD)对轴承振动信号进行降噪处理,不仅能够有效去除噪声干扰,还能提升信号的峭度值,从而更好地凸现强背景噪声下少数大的故障冲击成分。数据处理器通过处理数字信号就能够全面地提取隐含在轴承振动信号中的故障特征信息。在故障诊断模块对轴承的故障特征信息进行简单的分析,就可以对轴承的故障进行准确地诊断与定位,适合工业现场的轴承状态检测与故障诊断。
附图说明
图1是滚动轴承故障模拟实验台示意图。
图2是本实用新型滚动轴承状态检测与故障诊断系统结构图
图中:变速电机1、联轴器2、轴承座3、转盘4、旋转轴5、抗震底座6、轴承7、传感器模块8、振动加速度传感器8-1、数据采集系统9、电荷放大模块9-1、A/D转换模/9-2、数据处理系统10、计算机10-1、数据处理器10-2、故障诊断模块10-3。
具体实施方式
以下为本实用新型专利的较佳实施方式,并不因此而限定本实用新型的保护范围。
如图所示,滚动轴承故障检测与诊断系统,由变速电机1、联轴器2、轴承座3、转盘4、旋转轴5、抗震底座6、轴承7、传感器模块8、振动加速度传感器8-1、数据采集系统9、电荷放大模块9-1、A/D转换模块9-2、数据处理系统10、计算机10-1、数据处理器10-2、故障诊断模块10-3组成;其特征是所述变速电机1固定在抗震底座6的左端,变速电机1通过联轴器2与旋转轴5连接;所述轴承座3有两个,两个轴承座3安装在抗震底座6上;所述轴承7安装在旋转轴5上,且轴承7位于轴承座3上;所述转盘4有两个,两个转盘4安装在旋转轴5上,且两个转盘4位于两个轴承座3之间;所述传感器模块8是由三个振动加速度传感器8-1组成,振动加速度传感器8-1通过数据线与电荷放大模块9-1连接,两个振动加速度传感器8-1分别安装在轴承座3的垂直径向、水平径向和轴向的测点上;所述数据采集系统9包括电荷放大模块9-1和A/D转换模块9-2,电荷放大模块9-1通过数据线与A/D转换模块9-2连接;所述数据处理系统10是由计算机10-1、数据处理器10-2、故障诊断模块10-3构成,且数据处理器10-2安装在计算机10-1上,计算机10-1与故障诊断模块10-3连接,其作用是将转换的数字信号导入计算机10-1中,使用数据处理器10-2对数据进行处理。
进一步,数据处理器10-2内置有由MATLAB软件编好的算法程序。
进一步,振动加速度传感器8-1采集到的故障轴承振动数据传递给电荷放大模块9-1,电荷放大模块9-1把振动加速度传感器输出的微弱信号转换为放大的电压信号,放大的电压信号通过A/D转换器输出为计算机中分析所用的数字信号并输出到excel等数据库进行存储,最后利用数据处理系统10对数据进行处理。
其主要步骤为:(1)计算滚动轴承元件的故障特征频率;(2)利用双树复小波(DT-CWT)将原始的振动信号分解为几个不同频段上的分量;(3)选取包含故障特征的分量进行最大相关峭度反褶积(MCKD)降噪处理;(4)对降噪后的分量求Hilbert包络谱;(5)从谱图中识别轴承故障特征频率;(6)对轴承的运行状态和故障做类别出准确判断和定位。
下面给出具体实例:
轴承的振动数据在轴承故障模拟实验台上进行采集,实验所用的轴承型号为ER-10K圆柱滚子轴承,轴承的外圈保存完好,内圈用线切割机沿着轴线方向加工一个细小沟槽作为故障。加速度传感器分别安装在轴承座的垂直径向、水平径向和轴向的测点上。根据ER-10K轴承的结构参数可知,轴承节圆直径为33.5mm,滚动体个数为8个,滚动体直径为7.9mm,轴承负载接触角为0°。实验时电机的转速设置为1380r/min(对应的旋转频率为23Hz),设定采样频率为2560Hz,分析频率为1000Hz。计算得到轴承外圈的故障特征频率为70Hz。
将传感器采集到的加速度振动信号传输到数据采集系统首先经电荷放大器模块把传感器输出的微弱信号转换为放大的电压信号,再通过A/D转换器模块将放大的电压信号转换为计算机中分析所用的数字信号并进行储存。
转换完的数字信号要通过数据处理系统进行处理分析,将转换的数字信号导入计算机中,使用数据处理器对数据进行处理,数据处理器是由MATLAB软件编好的算法程序来实现其功能。算法具体步骤为:
1、截取一段长度为2048点的数据信号进行故障特征提取,由于外圈故障特征频率为70Hz,故对轴承原始振动信号利用双树复小波进行4层分解和重构,得到5个分量d1、d2、d3、d4和a4;
2、对比各个分量可以看到d1出现了较弱的周期性冲击,故选择d1作为研究对象。
3、对d1分量进行最大相关峭度反褶积(MCKD)降噪处理,得到降噪后信号的时域波;
4、对降噪后的信号进行Hilbert解调,得到的包络谱;
5、将最终算法得到的降噪信号时域波形和包络谱汇总到故障诊断模块,对两者进行分析可知:经MCKD滤波后噪声成分得到了有效抑制,时域波形非常清晰地出现了等间隔冲击;降噪后信号的Hilbert包络谱在70Hz及其2、3、4、5倍频处出现了明显的谱峰。
6、故可以判断滚动轴承已经出现了早期故障,故障发生在轴承的外圈上。
本实用新型通过在数据处理系统中使用双树小波把非平稳的故障振动信号分解为几个不同频带的分量,克服了传统离散小波和其他小波存在的频带混叠、平移可变、信号失真等诸多缺陷;数据降噪过程中使用最大相关峭度反褶积,能够在信噪比较低的情况提取信号中的微弱周期性冲击成分,并且有效抑制噪声提高了信号的峭度值。通过实验验证该系统对比较微弱的早期故障有着较高的诊断精度,能准确地将故障定位到具体的部位,适合工业现场的轴承状态检测与故障诊断,具有很大的使用和推广价值。
Claims (2)
1.滚动轴承故障检测与诊断系统,由变速电机、联轴器、轴承座、转盘、旋转轴、抗震底座、轴承、传感器模块、振动加速度传感器、数据采集系统、电荷放大模块、A/D转换模块、数据处理系统、计算机、数据处理器、故障诊断模块组成;其特征是所述变速电机固定在抗震底座的左端,变速电机通过联轴器与旋转轴连接;所述轴承座有两个,两个轴承座安装在抗震底座上;所述轴承安装在旋转轴上,且轴承位于轴承座上;所述转盘有两个,两个转盘安装在旋转轴上,且两个转盘位于两个轴承座之间;所述传感器模块是由两个振动加速度传感器组成,振动加速度传感器通过数据线与电荷放大模块连接,三个振动加速度传感器分别安装在轴承座的垂直径向、水平径向和轴向的测点上;所述数据采集系统包括电荷放大模块和A/D转换模块,电荷放大模块通过数据线与A/D转换模块连接;所述数据处理系统是由计算机、数据处理器、故障诊断模块构成,且数据处理器安装在计算机上,计算机与故障诊断模块连接。
2.根据权利要求1所述的滚动轴承故障检测与诊断系统,其特征是所述数据处理器内置有由MATLAB软件编好的算法程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520916562.0U CN205067090U (zh) | 2015-11-11 | 2015-11-11 | 滚动轴承故障检测与诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520916562.0U CN205067090U (zh) | 2015-11-11 | 2015-11-11 | 滚动轴承故障检测与诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN205067090U true CN205067090U (zh) | 2016-03-02 |
Family
ID=55393630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201520916562.0U Expired - Fee Related CN205067090U (zh) | 2015-11-11 | 2015-11-11 | 滚动轴承故障检测与诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN205067090U (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106003095A (zh) * | 2016-07-27 | 2016-10-12 | 孙健春 | 一种智能送快递机器人 |
CN106989907A (zh) * | 2017-04-14 | 2017-07-28 | 中州大学 | 一种转子故障特征提取方法及装置 |
CN107705691A (zh) * | 2017-08-08 | 2018-02-16 | 中国矿业大学 | 一种转子‑轴承实验台及快速更换实验件的结构与方法 |
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 |
CN108361207A (zh) * | 2018-01-09 | 2018-08-03 | 兰州理工大学 | 一种用于离心泵振动监测与故障预警的装置及方法 |
CN109612727A (zh) * | 2018-12-12 | 2019-04-12 | 中车株洲电机有限公司 | 大功率电力机车牵引电动机轴承在线振动检测装置 |
CN110044622A (zh) * | 2019-03-28 | 2019-07-23 | 昆明理工大学 | 一种滚动轴承早期故障预警装置及方法 |
CN110346144A (zh) * | 2019-08-15 | 2019-10-18 | 岭南师范学院 | 一种轴承故障检测装置及检测方法 |
CN110647871A (zh) * | 2019-11-05 | 2020-01-03 | 燕山大学 | 一种基于时域特量增强的滚动轴承故障诊断方法及系统 |
CN110823568A (zh) * | 2019-09-29 | 2020-02-21 | 深圳精匠云创科技有限公司 | 轴承故障检测装置及检测方法 |
CN111597948A (zh) * | 2020-05-11 | 2020-08-28 | 苏州求臻智能科技有限公司 | 一种轴承振动信号的故障检测和分类方法 |
CN113767268A (zh) * | 2019-04-25 | 2021-12-07 | Thk株式会社 | 异常诊断系统以及异常诊断方法 |
CN115788851A (zh) * | 2022-12-29 | 2023-03-14 | 重庆成峰水务工程有限责任公司 | 一种水泵机组结构及其控制方法 |
CN116536850A (zh) * | 2023-05-11 | 2023-08-04 | 郑州豫力无纺布有限公司 | 一种无纺布高速热轧机 |
CN117054094A (zh) * | 2023-09-14 | 2023-11-14 | 昆山铭驰自动化科技有限公司 | 一种轴承振动检测设备及其使用方法 |
-
2015
- 2015-11-11 CN CN201520916562.0U patent/CN205067090U/zh not_active Expired - Fee Related
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106003095A (zh) * | 2016-07-27 | 2016-10-12 | 孙健春 | 一种智能送快递机器人 |
CN106989907A (zh) * | 2017-04-14 | 2017-07-28 | 中州大学 | 一种转子故障特征提取方法及装置 |
CN107705691B (zh) * | 2017-08-08 | 2020-06-30 | 中国矿业大学 | 一种转子-轴承实验台 |
CN107705691A (zh) * | 2017-08-08 | 2018-02-16 | 中国矿业大学 | 一种转子‑轴承实验台及快速更换实验件的结构与方法 |
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 |
CN108361207A (zh) * | 2018-01-09 | 2018-08-03 | 兰州理工大学 | 一种用于离心泵振动监测与故障预警的装置及方法 |
CN109612727A (zh) * | 2018-12-12 | 2019-04-12 | 中车株洲电机有限公司 | 大功率电力机车牵引电动机轴承在线振动检测装置 |
CN110044622A (zh) * | 2019-03-28 | 2019-07-23 | 昆明理工大学 | 一种滚动轴承早期故障预警装置及方法 |
CN113767268B (zh) * | 2019-04-25 | 2023-09-01 | Thk株式会社 | 异常诊断系统以及异常诊断方法 |
CN113767268A (zh) * | 2019-04-25 | 2021-12-07 | Thk株式会社 | 异常诊断系统以及异常诊断方法 |
CN110346144A (zh) * | 2019-08-15 | 2019-10-18 | 岭南师范学院 | 一种轴承故障检测装置及检测方法 |
CN110823568A (zh) * | 2019-09-29 | 2020-02-21 | 深圳精匠云创科技有限公司 | 轴承故障检测装置及检测方法 |
CN110647871A (zh) * | 2019-11-05 | 2020-01-03 | 燕山大学 | 一种基于时域特量增强的滚动轴承故障诊断方法及系统 |
CN111597948A (zh) * | 2020-05-11 | 2020-08-28 | 苏州求臻智能科技有限公司 | 一种轴承振动信号的故障检测和分类方法 |
CN115788851A (zh) * | 2022-12-29 | 2023-03-14 | 重庆成峰水务工程有限责任公司 | 一种水泵机组结构及其控制方法 |
CN116536850A (zh) * | 2023-05-11 | 2023-08-04 | 郑州豫力无纺布有限公司 | 一种无纺布高速热轧机 |
CN117054094A (zh) * | 2023-09-14 | 2023-11-14 | 昆山铭驰自动化科技有限公司 | 一种轴承振动检测设备及其使用方法 |
CN117054094B (zh) * | 2023-09-14 | 2024-02-23 | 佳木斯电机股份有限公司 | 一种轴承振动检测设备及其使用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN205067090U (zh) | 滚动轴承故障检测与诊断系统 | |
CN108168891B (zh) | 滚动轴承微弱故障信号特征的提取方法及设备 | |
CN105784366A (zh) | 一种变转速下的风电机组轴承故障诊断方法 | |
CN111089726B (zh) | 一种基于最优维数奇异谱分解的滚动轴承故障诊断方法 | |
Li et al. | Multiscale slope feature extraction for rotating machinery fault diagnosis using wavelet analysis | |
CN102840907B (zh) | 早期故障状态下滚动轴承振动信号特征提取和分析方法 | |
CN205607636U (zh) | 一种基于振动信号分析的齿轮箱故障检测装置 | |
CN103076177A (zh) | 一种基于振动检测的滚动轴承故障检测方法 | |
CN105806613A (zh) | 一种基于阶比复杂度的行星齿轮箱故障诊断方法 | |
CN104634571A (zh) | 一种基于lcd-mf的滚动轴承故障诊断方法 | |
CN111238813B (zh) | 一种强干扰下提取滚动轴承故障特征的方法 | |
CN104215456B (zh) | 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法 | |
CN105527077A (zh) | 一种基于振动信号的通用旋转机械故障诊断与检测的方法 | |
CN204514582U (zh) | 一种基于振动分析的转子系统故障诊断装置 | |
CN110617982A (zh) | 一种基于声纹信号的旋转机械设备故障识别方法 | |
CN103900815A (zh) | 一种基于eemd和分布拟合检验的滚动轴承故障诊断方法 | |
CN104596766A (zh) | 一种轴承早期故障确定方法 | |
CN111504640B (zh) | 一种加权滑动窗二阶同步压缩s变换轴承故障诊断方法 | |
CN106053871A (zh) | 一种通过滚动轴承滚道剥落故障对应冲击特征提取转速的方法 | |
CN111855208B (zh) | 一种基于阶次分析和稀疏编码的旋转机械微弱故障信号提取方法 | |
CN106198006A (zh) | 特高压直流输电阀冷旋转设备故障诊断方法 | |
CN111811819A (zh) | 一种基于机器学习的轴承故障诊断方法及装置 | |
JP2011237459A (ja) | 異常診断装置、回転装置及び異常診断方法 | |
CN105303033A (zh) | 基于集合固有时间尺度分解算法的滚动轴承故障诊断方法 | |
CN117571316A (zh) | 一种复合故障诊断方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160302 Termination date: 20161111 |
|
CF01 | Termination of patent right due to non-payment of annual fee |