機械故障診斷大作業(yè)滾動軸承

1、精選優(yōu)質文檔-傾情為你奉上課程名稱：機械故障診斷設計題目： 基于FFT的軸承故障診斷 學 院： 機械工程系 班 級： 學 號： 姓 名： 指導老師： 李 奕 璠 2017年12月23日摘要滾動軸承是旋轉機械中重要的零件，以往的動檢工作對滾動軸承強烈振動原因分析不足，不能滿足設備維修工作的需要。所以要定期對旋轉機械進行動態(tài)監(jiān)測，根據所測數據做出診斷分析，及時發(fā)現(xiàn)滾動軸承強烈震動情況。傅里葉變換在故障診斷技術中是重要的工具，但傅里葉變換及其逆變換都不適合數字計算機計算，要進行數字計算機處理，必須將連續(xù)性信號離散化，無限長數據有限化，再進行采樣和截斷。這種算法稱為有限離散傅里葉變換（DFT），為了提

2、高效率，在DFT的基礎上，運用快速傅里葉變換（FFT）對滾動軸承進行故障診斷。通過FFT方法分析軸承的信號圖，對滾動軸承振動的產生原因進行深入分析，不斷總結經驗，提高故障分析能力，掌握造成滾動軸承強烈振動的原因，及時消除振動，為設備安全提供可行性措施。關鍵詞：滾動軸承；故障診斷； FFT第1章 緒論1.1 滾動軸承概述滾動軸承（rolling bearing）是將運轉的軸與軸座之間的滑動摩擦變?yōu)闈L動摩擦，從而減少摩擦損失的一種精密的機械元件。滾動軸承一般由內圈、外圈、滾動體和保持架四部分組成，內圈的作用是與軸相配合并與軸一起旋轉；外圈作用是與相配合，起支撐作用；滾動體是借助于保持架均勻的將滾動

3、體分布在內圈和外圈之間，其形狀大小和數量直接影響著滾動軸承的使用性能和壽命；保持架能使?jié)L動體均勻分布，引導滾動體旋轉起潤滑作用。圖1 滾動軸承結構滾動軸承是各類旋轉機械中最常用的通用零件之一，也是旋轉機械易損件之一。據統(tǒng)計，旋轉機械的故障越有30%是由軸承故障引起的，它的好壞對機械的工作狀況影響很大。軸承的缺陷會導致機器劇烈振動和產生噪聲，甚至會引起設備的損壞。因此，對重要用途的軸承進行工況檢測與故障診斷是非常必要的。1.2 本次任務本次總共給出了4組通過現(xiàn)場測試得到的滾動軸承運行數據，包括1組正常軸承數據，1組內圈故障數據，1組外圈故障數據，1組滾動體故障數據。這4組數據的文件名分別為1.

4、mat， 2. mat， 3. mat， 4. mat。但是，1. mat并不意味其為正常軸承，2. mat并不意味其為內圈故障軸承，以此類推。軸承型號為SKF 6205-2RS JEM。轉速1750 rpm。信號采樣頻率為12000 Hz。選用合適的信號分析方法，利用Matlab軟件編程，對上述4組信號進行分析，得到每一組數據分別代表哪一類狀態(tài)的軸承，從而實現(xiàn)滾動軸承的狀態(tài)判斷與故障診斷。1.3 滾動軸承故障診斷方法最初軸承故障診斷是利用聽棒，靠聽覺判斷。繼聽棒、電子聽診器之后，又引入了各種測振儀。隨著對滾動軸承的運動學、動力學的深入研究，加之快速傅里葉變換技術的發(fā)展，人們開創(chuàng)了用頻域分析方

5、法來檢測和診斷軸承故障診斷的新領域。離散傅立葉變換(Discrete Fourier Transform，DFT)及其快速算法快速傅里葉變換(Fast Fourier Transform，F(xiàn)FT)算法很多，分別依照數據的組合方式和抽取方式可以分為時域法和頻域法，基2和基4算法等。其實現(xiàn)方法主要有兩種，一種是用硬件實現(xiàn)， 用硬件實現(xiàn)時速度較快， 但系統(tǒng)的成本很高； 另一種是用軟件實現(xiàn)，用軟件在PC 機或工作站上實現(xiàn)時雖然速度較慢， 但成本非常低。本文中采用軟件實現(xiàn)。第2章 快速傅里葉變換（FFT）算法2.1 FFT簡介FFT是一種DFT的高效算法，稱為快速傅立葉變換（fast Fourier t

6、ransform），它根據離散傅氏變換的奇、偶、虛、實等特性，對離散傅立葉變換的算法進行改進獲得的。FFT算法可分為按時間抽取算法和按頻率抽取算法。2.1 FFT的原理先簡要介紹DFT的基本原理，再介紹FFT。DFT的運算為：Xn=k=0N-1xkWNnk，n=0，1，2，N-1xk=1Nk=0N-1XnWN-nk，(k=0，1，2，N-1)其中Wn=e-j2N由于序列xk和它的離散傅里葉變換Xn都是復數，并且隨著序列長度k的增大，運動量將急劇增加。因為離散傅里葉變換的應用十分廣泛，因此尋求一種可以使運算量減少的改進算法勢在必行。就目前的情況來看，使用最多的算法是基于Cooley和Tukey提

7、出的基2算法。該算法可以分為按時間抽取DIT和按頻率抽取DIF。這里以DIT為例來說明。在DFT運算中，系數WNnk具有對稱性和周期性，因此下列各式成立:WNk（N-n）=(WNkn)*WN(nk+N2)=WNnkWNn2=-WNnk采用基2算法時，N通常都是2的M次方， 即N=2M(不滿足該條件的可以通過加0等方式來處理)。x(n)的DFT為:Xk=k=0N-1xnWnkn，k=0，1，2，N-1把上式按n的奇偶分為兩組， 得:Xk=r=0N2-1x2rWN2rk+r=0N2-1x2r+1WN(2r+1)k=r=0N2-1x2rWN2rk+WNkr=0N2-1x2r+1WN2rk由于WN2r

8、k=e-j2N2rk=e-j2N/2rk=WN/2rk，所以：Xk=r=0N2-1x2rWN/2rk+WNkr=0N2-1x2r+1WN/2rk=Gk+WNkH(k)Gk=r=0N2-1x2rWN/2rk和Hk=r=0N2-1x2r+1WN/2rk具有周期性，因此：Xk=Gk+WNkHk，k=0,1,N2-1Xk+N2=Gk-WNkHk，k=0,1,N2-1這樣，我們就可以根據兩個N/2點序列來求x(n)的DFT，用蝶形表示就是圖一所示的形式。圖2 經典FFT算法的蝶形第3章 故障診斷的結果3.1滾動軸承的故障機理因為滾動軸承在運動過程中，由于滾動體與內圈、外圈或滾動體沖擊而產生振動，該振動有

9、其固有頻率。而初期故障往往表現(xiàn)為內圈、外圈或者滾動體上的局部點蝕。點蝕部位對與其接觸軸承部件產生沖擊作用，產生的沖擊力激勵軸承座及其支承結構，形成一系列由沖擊激勵產生的減幅振蕩，這種減幅振蕩是一種低頻脈動，稱之為滾動軸承的通過振動，這種因周期沖擊而產生的頻率稱之為通過頻率。通過振動發(fā)生周期是有規(guī)律的，可以從轉速和軸承的幾何尺寸求得。并且，損傷發(fā)生在內、外圈或滾動體上時，頻率不同。這一軸承通過振動發(fā)生的頻率也稱為軸承的故障特征頻率。這是損傷類故障引起的振動信號的基本特點。3.2 滾動軸承的故障特征頻率根據不同的損傷部位，按以下公式分別計算軸承故障的特征頻率，如下所示：設軸承外圈固定，內圈（即軸）

10、的旋轉頻率為fs,軸承節(jié)徑為D,滾動體直徑為d,接觸角為，滾動體個數為z；再假設滾動體與內外圈之間純滾動接觸?？梢缘玫?，滾動體的公轉頻率為fc=fs2(1-dDcos)滾動體自轉頻率為fb=D2d1-dD2cos2fs外圈故障特征頻率：fO=zfc=z21-dDcosfs內圈故障特征頻率 ：fi=z(fs-fc)=z21+dDcosfs滾動體故障特征頻率 ：fr=fb=D2d1-(dD)2cos2)fs由軸承型號為SKF 6205-2RS JEM，轉速1750 rpm可知：滾珠個數z=9；滾動體直徑d=7.938mm；軸承節(jié)徑D=39mm；滾動體接觸角=0； fs=N60=29Hz所以，fr=

11、68Hz,fO=104Hz,fi=157Hz 第4章 FFT后的結果4.1 故障診斷的圖像根據4組數據，得到以下四張圖。圖1 第一組數圖2 第二組數據圖3 第三組數據圖4 第四組數據4.2 分析及結論圖1的頻譜中，在全頻率段基本都有較高階諧波，且呈對稱狀態(tài)，最大幅值在0Hz和12000Hz左右。圖2的頻譜中，在頻率為0-2000Hz和10000-12000Hz的頻段有較高階諧波，且呈對稱狀態(tài)，幅值較大，最大幅值在2000Hz和10000Hz左右。在2000Hz-10000Hz的頻段中，幅值很小。圖3的頻譜中，在頻率為2000Hz-4000Hz和8000Hz-10000Hz的頻段有較高階諧波，且

12、呈對稱狀態(tài)，最大幅值在3000Hz和9000Hz左右。在0Hz-2000Hz、4000Hz-8000Hz和10000Hz-12000Hz的頻段中，波形振幅也不太平穩(wěn)。圖4的頻譜中，在頻率為0Hz-4000Hz和8000Hz-12000Hz的頻段有較高階諧波，且呈對稱狀態(tài)。在4000Hz-8000Hz的頻段中，波形幅值較小。由于正常軸承的頻率比較集中，所以，圖2為正常軸承，主要集中在0-2000Hz和10000-12000Hz的頻段。故障軸承的頻率較為分散，又由于外圈的軸承的高階諧波段比內圈的軸承的高階諧波段更加分散點，而圖3除了高階諧波段之外，其余波段都略顯起伏，故較之圖4在4000Hz-80

13、00Hz波段的平穩(wěn)，圖3為外圈故障，圖4為內圈故障。對于圖1，由于其在全波段都有很大的起伏，且在信號時域圖中，與其余三圖相差太大，故為滾動體故障。附錄x=y(:，1);%信號數組subplot(2，1，1);plot(x);%時域波形xlabel(時間序列);ylabel(幅值);title(信號時域圖);fs=12000;%采樣頻率N=length(x);n=0:N-1;y=fft(x，N);%進行fft變換m=abs(y(1:N)*2/N;%求信號的真實幅值f=n*fs/N; %進行對應的頻率轉換subplot(2，1，2)stem(f(1:N)，m(1:N);%繪出頻譜圖xlabel(頻

14、率/Hz);ylabel(幅值);title(信號頻譜圖);grid on;x=y(:，2);%信號數組subplot(2，1，1);plot(x);%時域波形xlabel(時間序列);ylabel(幅值);title(信號時域圖);fs=12000;%采樣頻率N=length(x);n=0:N-1;y=fft(x，N);%進行fft變換m=abs(y(1:N)*2/N;%求信號的真實幅值f=n*fs/N; %進行對應的頻率轉換subplot(2，1，2)stem(f(1:N)，m(1:N);%繪出頻譜圖xlabel(頻率/Hz);ylabel(幅值);title(信號頻譜圖);grid on;x=y(:，3);%信號數組subplot(2，1，1);plot(x);%時域波形xlabel(時間序列);ylabel(幅值);title(信號時域圖);fs=12000;%采樣頻率N=length(x);n=0:N-1;y=fft(x，N);%進行fft變換m=abs(y(1:N)*2/N;%求信號的真實幅值f=n*fs/N; %進行對應的頻率轉換subplot(2，1，2)stem(f(1:N)，m(1:N);%繪出頻譜圖xlabel(頻率/Hz);ylabel(幅值);title(信號頻譜圖);grid on;x=y(:，4);%信號數組subplot(2，1，1);plot(x