一种滚动轴承故障的诊断方法
滚动轴承故障及其诊断方法
滚动轴承故障及其诊断方法
滚动轴承是一种很常见的机械元件，广泛用于工业和消费市场，用于
转动机械装置的旋转部件。
它们的主要功能是支撑和稳定轴，允许轴在指
定的位置和方向上旋转，以及在转动时减少摩擦和重复负载。
滚动轴承可
以在各种不同类型的机械设备中找到，例如汽车，风能发电机，摩托车，
电机，空调，电气箱等。
滚动轴承可以长期高效工作，但如果不适当地维护和维修它，可能会
导致故障。
常见的滚动轴承故障包括损坏，轴承旋转变慢，轴承外壳发热，内部损坏，轴键变形，低速磨擦，扭矩问题等。
解决这些问题的关键是找
出故障的根本原因，并根据现场条件采取正确的解决方案。
要有效诊断滚动轴承故障，可以采用以下方法。
1.检查外壳：检查轴承外壳表面，以及固定螺丝和轴承挡圈是否松动、弯曲或破损。
检查底座是否正确安装，轴是否紧固，以及轴承应用的负载
是否正确。
2.状态检查：检查轴承内部和外壳的温度，查看是否有油漆和碳垢，
并检查轴承内部有无异响和异常磁性。
3.拆卸检查：仔细检查轴承内部的轴承衬套、滚珠和圆柱滚道，查看
是否有损坏、磨损或异物。
滚动轴承故障的智能诊断方法研究
• 26•针对滚动轴承故障声发射信号的智能识别与诊断问题，提出了一种基于卷积神经网络（Convolutional Neural Networ ks ，CNN ）智能化故障诊断方法。
该方法充分利用声发射信号参数中包含的时域和频域特征信息，构建CNN 模型充分挖掘出滚动轴承处于不同运行状态下的声发射信号特征，并给出故障诊断结果。
实验结果表明，CNN 模型方法对滚动轴承正常、外圈及内圈故障识别准确率可达97.2%以上，证明了该方法的准确性和实际工程价值。
1.引言旋转机械被广泛的应用在生产制造中，滚动轴承是旋转机械的重要组成部件，同时也是最容易损坏与失效的机械零件之一（喻洋洋，周凤星，严保康，基于LabVIEW 的滚动轴承故障诊断系统：仪表技术与传感器，2016）。
声发射检测技术是一种动态无损检测方能诊断学与工程学法，可实现缺陷萌生及扩展过程的在线检测。
将声发射检测技术应用于滚动轴承故障的诊断任务中，不仅可以检测出早期微弱故障及故障类型（郝如江，卢文秀，褚福嘉，等.声发射检测技术用于滚动轴承故障诊断的研究综述：振动与冲击，2008），还可以判断出故障损伤程度。
目前基于声发射检测技术的旋转机械设备故障诊断分析技术，如参数分析、波形分析等方法已经无法满足当前旋转机械连续生产工作中的故障监测任务（沈功田，耿荣生，刘时风，声发射信号的参数分析方法：无损检测，2002）。
赵元喜等人（赵元喜，胥永刚，高立新，等.基于谐波小波包和BP 神经网络的滚动轴承声发射故障模式识别技术：振动与冲击，2010）采用谐波小波包将故障滚动轴承的声发射信号分解到多个频率段并求取各频段的能量，作为特征向量输入BP 神经网络，通过BP 网络模型判别滚动轴承的故障类型。
杨杰等（杨杰，张鹏林，刘志涛，等.基于CEEMD 能量熵与SVM 的低速轴承故障声发射诊断：无损检测，2017）提出了一种采用CEEMD 能量熵提取特征后再利用支持向量机神经网络进行诊断的方法。
一种基于聚类的滚动轴承故障诊断方法
解调谱线很难分辨故障类型。针对此 ， 出了一种新 的模糊聚类 提
算法 ， 探讨 了该算法在滚动轴承故障诊断中的应用 。
２基于模糊 Ｆｓｅ 准则的聚类算法 ｉ ｒ ｈ
２１模糊 Ｆｓ ｅ 准则 ． ｉ ｒ ｈ
设一集合包含 Ⅳ个 ｄ维样本 Ｌ 模式类 别有 ｃ个 ， ， 习的故障诊断和基于无监督学习的故障诊断。 基于监督学习的故 在该样本空 间， 定义各类样本均值 向量记为 ｍ ， 模糊类内散布矩 障诊 断利用系统在正常和故障情况下的标记数据样本来训 练系
鎏＝
∞
（ ６ ）
对于线性可分数据集 ， 将 作为聚类 目标 函数 ， ‰ 取 当
得极大值时 ，表 明样本点在 ∞方 向上投影类间距离最大且类内 距离最小。使用 Ｌｇａｇ ａｒｎｅ乘子法求解 取得极 大值时 ， ｍ 和 ， 的取值。定义 Ｌｇａ ｇ ａｒ ｅ函数为： ｎ
４ ５６组内圈故障， ，、 归一化处理后 ， 如表 １ 所示 。对表 １中数据采 用 Ｆ Ｃ聚类算法 ， Ｆ 聚类结果 ， 图 １ 如 所示 。图 中实现为样本投影
基于深度学习的滚动轴承故障诊断方法
设备管理与维修2021翼4（上）基于深度学习的滚动轴承故障诊断方法陈志刚，高鹤，刘菲，杨志达（北京航天拓扑高科技有限责任公司，北京100176）摘要：提出一种基于一维卷积神经网络（CNN）与门控循环单元（GRU ）的滚动轴承故障诊断方法，设计了一种基于数据驱动的滚动轴承故障诊断方法。
利用同一数据集之间特征相似并且独立同分布这一特征，分别设计网络结构和参数。
为采用CNN 和GRU 进行故障诊断提供了新的思路，具有较好的技术应用前景。
关键词：深度学习；故障诊断；滚动轴承；一维卷积；门控循环单元中图分类号：TH133.33；TP277文献标识码：B DOI ：10.16621/ki.issn1001-0599.2021.04.660引言滚动轴承是机械设备中常见的组件，从简单的电风扇到复杂的机床上都有滚动轴承的应用。
事实上，超过50%的机械缺陷与轴承故障有关，从而导致机器停产、停机、甚至造成人员的伤亡[1]。
因此，滚动轴承故障诊断是机械故障诊断的一个重要方面，也是近些年来的研究热点。
近些年来，随着学者们的不断深入研究提出了各种故障诊断的方法。
传统的研究方法有：BP 神经网络[3]、概率神经网络（Probabilistic Neural Network ，PNN ）[4]、小波分析[5]、EMD [6]、集合经验模态分解（Ensemble Empirical Mode Decompo原sition ，EEMD ）[7]、奇异值分解（Singular value decomposition ，SVD ）[8]等得到了广泛的应用。
目前基于机器学习的故障诊断方法主要有，如Logistic 回归[9]、支持向量机（Support Vector Machine ，SVM ）[10]以及人工神经网络（Artificial Neural Network ，ANN ）[11]、模糊推断[12]。
人工智能的蓬勃发展，深度学习在图像识别、语音识别等领域得到广泛运用。
滚动轴承故障及其诊断方法
而一旦有了压痕，压痕引起的冲击载荷会进一步引起附近 表面的剥落。
这样，载荷的累积作用或短时超载就有可能引起轴承塑性 变形。
1滚动轴承异常的基本形式
(4).腐蚀
润滑油、水或空气水分引起表 面锈蚀（化学腐蚀）
轴承内部有较大的电流通过造 成的电腐蚀
2.3 滚动轴承的振动及其故障特征
2. 幅值域中的概率密度特征 滚动轴承正常时和
发生剥落损伤时的轴 承振动信号的幅值概 率密度分布如图。
轴承振动的概率密度分布
从图中可以看出，轴承发生剥落时，幅值分布的幅 度广，这是由于存在剥落的冲击振动。这样，从概率 密度分布的形状，就可以进行异常诊断。
3 滚动轴承故障诊断方法
2.2 滚动轴承的特征频率
➢ 为分析轴承各部运动参数，先做如下假设： (1)滚道与滚动体之间无相对滑动； (2)每个滚道体直径相同，且均匀分布在内外滚道之间 (3)承受径向、轴向载荷时各部分无变形；
方法： 研究出不承受轴向力时轴承缺陷特征频率，进而，推导出 承受轴向力时轴承缺陷特征频率
1. 不承受轴向力时 轴承缺陷特征频率
d Dm
)
fr
滚动轴承的特征频率
➢ (3) 轴承内外环有缺陷时的特征频率：
➢ 如果内环滚道上有缺陷时，则Z个滚动体滚过该缺陷时的
频率为
fi
f Bi Z
1 (1 2
d Dm
) frZ
➢ 如果外环滚道上有缺陷时，则Z个滚动体滚过该缺陷时的
频率为
fo
f Bo Z
1 (1 2
d Dm
)
f
r
Z
➢ (4) 单个滚动体有缺陷时的特征频率：如果单个有缺陷的 滚动体每自传一周只冲击外环滚道（或外环）一次，则其 相对于外环的转动频率为
滚动轴承故障诊断方法与技术综述
滚动轴承故障诊断方法与技术综述引言：滚动轴承作为机械设备中常用的零部件之一，承担着支撑和传递载荷的重要作用。
然而，由于使用环境的恶劣和工作条件的复杂性，滚动轴承往往容易出现各种故障。
因此，为了保证机械设备的正常运行和延长轴承寿命，对滚动轴承的故障进行准确诊断非常重要。
一、故障诊断方法1. 观察法观察法是最常用的故障诊断方法之一。
通过观察滚动轴承的外观和运行状态来判断是否存在故障。
例如，如果发现滚动轴承有异常噪声、温度升高、润滑油泡沫、振动加剧等现象，很可能是轴承出现了故障。
2. 振动诊断法振动诊断法是一种先进的故障诊断方法，可以通过检测轴承的振动信号来判断轴承是否存在故障。
通过分析振动信号的频谱图，可以确定轴承故障的类型和位置。
常用的振动诊断方法包括时域分析、频域分析和小波分析等。
3. 声音诊断法声音诊断法是一种通过听觉判断轴承故障的方法。
通过专业人员对轴承产生的声音进行听觉分析，可以判断轴承是否存在异常。
常见的轴承故障声音包括金属碰撞声、摩擦声和振动声等。
4. 热诊断法热诊断法是一种通过测量轴承的温度来判断轴承故障的方法。
由于轴承在故障状态下会产生摩擦热，因此轴承的温度可以间接反映轴承的工作状态。
通过测量轴承的温度分布，可以判断轴承是否存在异常。
二、故障诊断技术1. 模式识别技术模式识别技术是一种基于机器学习的故障诊断技术，可以根据轴承的振动信号和声音信号等特征，通过训练模型来识别轴承的故障类型。
常用的模式识别技术包括支持向量机、神经网络和决策树等。
2. 图像诊断技术图像诊断技术是一种通过图像处理和分析来判断轴承故障的技术。
通过对轴承的外观图像进行特征提取和分类，可以实现对轴承故障的自动诊断。
常用的图像诊断技术包括边缘检测、纹理分析和目标识别等。
3. 声音信号处理技术声音信号处理技术是一种通过对轴承声音信号进行滤波、频谱分析和特征提取等处理，来判断轴承故障的技术。
通过对声音信号的频谱图和时域图进行分析，可以判断轴承故障的类型和位置。
滚动轴承监测技术之冲击脉冲法介绍_0
滚动轴承监测技术之冲击脉冲法介绍_0冲击脉冲法（Shock Pulse Method）是一种用于滚动轴承监测的技术。
这种方法可以通过分析滚动轴承中的冲击脉冲信号，来判断轴承的健康状况和剩余寿命。
冲击脉冲法的基本原理是：当滚动轴承发生故障时，轴承内部会产生冲击脉冲信号。
这些信号可以通过适当的传感器和监测设备进行采集和分析。
在正常运行状态下，轴承内部的载荷会均匀地分布在滚动体和滚道之间。
但是，当轴承受到损坏或磨损时，载荷分布会变得不均匀，产生冲击和振动。
这些冲击和振动将通过轴承壳传播出来，形成冲击脉冲信号。
冲击脉冲信号的特征包括幅值、频率和能量等。
通过对这些特征进行分析，我们可以判断轴承是否存在故障，并评估其剩余寿命。
一般来说，故障越严重，冲击脉冲信号的幅值和能量就越大，频率也会发生变化。
冲击脉冲法在轴承监测中具有以下优点：1.非接触性：冲击脉冲法只需要在轴承外部设置适当的传感器，无需拆卸轴承或直接接触轴承内部，因此对轴承的监测不会对轴承本身造成额外的损伤。
2.灵敏性：冲击脉冲法可以有效地检测到轴承内部的微小损伤或磨损。
即使在早期故障阶段，冲击脉冲信号的变化也会被准确地捕捉到。
3.实时性：冲击脉冲法采用实时监测方法，可以随时对轴承的状态进行监测和评估。
这样可以及时发现潜在的故障并采取相应的维修措施，避免因故障而导致的生产停机和损失。
4.可靠性：冲击脉冲法的结果可靠性较高。
通过与其他传统的振动分析方法进行对比，冲击脉冲法能够提供更准确和可靠的故障诊断结果。
冲击脉冲法是一种非常有效的滚动轴承监测技术。
它不仅能够检测轴承是否存在故障，还能够评估轴承的剩余寿命。
通过及时监测和诊断轴承的状况，我们可以采取相应的维修和保养措施，提高设备的可靠性和使用寿命。
因此，冲击脉冲法在工业生产中具有重要的应用价值。
基于时域和频域分析的滚动轴承故障诊断
基于时域和频域分析的滚动轴承故障诊断一、本文概述随着工业技术的不断发展，滚动轴承作为旋转机械中的关键部件，其运行状态直接影响到设备的性能与安全性。
然而，由于工作环境的恶劣、长时间运行以及维护不当等因素，滚动轴承常常会出现各种故障，如疲劳剥落、磨损、裂纹等。
这些故障不仅会降低设备的运行效率，还可能引发严重的安全事故。
因此，对滚动轴承进行故障诊断技术的研究具有重要意义。
本文旨在探讨基于时域和频域分析的滚动轴承故障诊断方法。
文章将简要介绍滚动轴承的工作原理及其常见故障类型，为后续的分析和诊断奠定基础。
然后，重点阐述时域分析和频域分析的基本原理及其在滚动轴承故障诊断中的应用。
时域分析主要关注轴承振动信号的时序特征，通过提取信号中的幅值、相位、频率等信息，揭示轴承的运行状态。
而频域分析则通过对信号进行频谱转换，分析轴承在不同频率下的振动特性，进一步识别潜在的故障特征。
通过结合时域和频域分析，本文旨在提供一种全面、有效的滚动轴承故障诊断方法。
这种方法不仅能够准确识别轴承的故障类型，还能对故障程度进行定量评估，为设备的维护和管理提供有力支持。
本文还将对现有的故障诊断方法进行比较和评价，探讨各种方法的优缺点及适用范围，为相关领域的研究和实践提供参考和借鉴。
二、滚动轴承故障类型及原因滚动轴承作为机械设备中的重要组成部分，其运行状态直接影响到整个设备的性能和稳定性。
因此，对滚动轴承的故障诊断至关重要。
滚动轴承的故障类型多种多样，主要包括疲劳剥落、磨损、腐蚀、裂纹和塑性变形等。
这些故障的产生往往与多种因素有关，如材料质量、制造工艺、运行环境、操作维护等。
疲劳剥落是滚动轴承最常见的故障类型之一，主要是由于轴承在循环应力作用下，材料表面发生疲劳破坏，形成剥落坑。
疲劳剥落的原因主要包括轴承材料的疲劳强度不足、循环应力过大、润滑不良等。
磨损是轴承在运行过程中，由于摩擦力的作用导致材料逐渐损失的现象。
磨损的原因主要包括润滑不良、异物侵入、材料耐磨性不足等。
鉴别滚动轴承故障的简易诊断方法
轴承运动副（ 滚道 ） 出现疲劳 、 、 腐蚀 点蚀故 障后 ， 能直观看到
滚道表面有不规则的斑痕 凹坑 ， 这是合成故障。这种劣化症状造 成运转时的强 冲击载荷 ， 振动和噪声随之加剧。 实施仪表监测 时，
Ｂ 中 图分 类号
概 述
Ｔ ３． Ｈ１３３ ３
文 献标 识 码
一
、
成故 障诊断 的困难 。实 践表 明 ，实施简 易诊 断鉴别轴 承故 障 时 ，使 用诊断 型振动监 测仪与 冲击脉 冲轴承检 测分析 仪组合
监测 ，查看多方 面 的信 息 ，附加 机械故 障听诊 器和红外 测温
正确的维修决策来源于准确的判断 ，准确 的判断建立在客
值 高 的原 因 ， 对 轴 承 室 添 加 润 滑油 脂 ， 轴 承 室 装 有 油杯 或 油 可 如 嘴 ， 不 停 机 的 情 况 下 就 可 加 注 油脂 ， 后 再 监 测 拾 取 冲击 脉 冲 在 然
丰富 的信 息有利 于综合 分析判 断故 障源 ，实 际 中泵机组 的一些异 常症 状常 与故障之 间不一 一对应 ，一种故 障现象 可
能对应多种症 状 ， 而一种症 状也可 能对应 多种故 障 ， 这必然造 方向性 。③ 随负荷 的增加振动会增 大。 基 础槽 钢框架没有进行灌浆 填实其故 障属 于基 础刚性差 ，
１ 沈庆根． 化工机器故障诊断技术． 浙江大学 出版社 出版 ，９ ４ １９ ２ 沈庆根， 郑水英． 设备故障诊断． 化学工业 出版社 ， ０ Ｗ１ ．９ ２ ２ ６ ０ Ｏ — ７ １
图 ３ 基础未灌实前 测点 ４ Ｖ频谱 （０ ９年 １ 月 ） ２０ １ ２１ ０ ０年 １ 月在停工检修期间将基础矩形槽钢框架用水泥 、
滚动轴承故障诊断频谱分析
滚动轴承故障诊断频谱分析滚动轴承在机械设备中扮演着重要的角色，但随着使用时间的增加，轴承可能会出现故障。
为了及时发现和诊断轴承故障，频谱分析是一种常用的方法。
本文将详细介绍滚动轴承故障的频谱分析原理、方法和应用。
频谱分析是一种将时域信号转换为频域信号的技术，通过分析频谱图可以获得轴承故障所产生的频率信息，从而诊断轴承故障类型和程度。
轴承故障通常会产生一些特征频率，如滚珠轴承故障产生的频率一般为滚动频率、内圈频率、外圈频率等。
通过对这些特征频率的分析，可以准确判断轴承故障的类型，如滚子瓦损坏、滚道脱落等。
频谱分析的方法主要有两种：时域频谱分析和频域频谱分析。
时域频谱分析是通过将时域信号进行快速傅里叶变换，将其转换为频域信号。
频域频谱分析是通过对信号进行谱分解，然后计算信号的能量谱密度，从而得到频域信号的频谱图。
这两种方法各有优劣，可以根据实际需要选择适合的方法。
滚动轴承故障的频谱分析主要包括以下几个步骤：信号采集、数据预处理、频谱分析和故障诊断。
信号采集是指通过传感器等设备将轴承运行时的振动信号采集下来，通常采集的信号有时间域振动信号、加速度信号和速度信号等。
数据预处理是对采集的信号进行滤波、降噪和修正等处理，目的是提高分析结果的准确性。
频谱分析是核心部分，可以通过FFT（快速傅里叶变换）等算法将时域信号转换为频域信号。
然后通过对频域信号进行谱分解，得到频谱图，可以观察到各种故障产生的特征频率。
故障诊断是根据频谱图的分析结果判断轴承故障的类型和程度，以及采取相应的维修措施。
频谱分析在滚动轴承故障诊断中有着广泛的应用。
它可以帮助工程师在轴承故障发生前及时发现问题，避免故障对设备造成更大的损坏。
此外，频谱分析还可以帮助工程师判断维修的紧急程度，提高设备的维修效率和可靠性。
总之，滚动轴承故障的频谱分析是一种有效的方法，可以帮助工程师及时发现和诊断轴承故障，并采取相应的维修措施。
通过合理使用频谱分析技术，可以提高设备的运行可靠性和寿命。
滚动轴承常见故障及故障程度诊断方法
滚动轴承常见故障及故障程度诊断方法滚动轴承是一种常见的机械传动部件，广泛应用于各种设备和机器中。
然而，由于长期的运转和使用，滚动轴承可能会出现各种故障。
及早诊断并解决这些故障，可以提高设备的工作效率和寿命。
下面将介绍一些常见的滚动轴承故障以及相应的故障程度诊断方法。
1.磨损故障：磨损是滚动轴承最常见的故障之一、它可能是由于振动、超负荷、不当润滑或外部杂质等因素引起的。
磨损故障的特点是滚道、轴承座和滚珠表面的磨损或变形。
在诊断方面，可以使用肉眼观察滚道和滚珠表面的磨损情况，并通过手感判断是否存在磨损故障。
2.疲劳故障：疲劳是滚动轴承的另一种常见故障。
它通常是由高载荷、频繁起停、轴向冲击或轴承内部结构缺陷等因素引起的。
疲劳故障的特点是滚珠或滚道出现裂纹或剥落。
在诊断方面，可以使用显微镜观察滚珠和滚道表面的裂纹或剥落情况，或者进行动态振动分析以检测是否存在疲劳故障。
3.温升故障：温升是滚动轴承的常见故障之一，通常是由于不当润滑、过高的润滑脂粘度、轴承过紧或过松、内部结构问题等因素引起的。
温升故障的特点是轴承运行时温度升高。
在诊断方面，可以使用红外热像仪测量轴承温度，或使用测温仪对轴承不同部位进行温度测量，以判断是否存在温升故障。
4.噪声故障：噪声是滚动轴承常见的故障之一，通常是由于轴承松动、滚珠损坏、滚子不对中、不正确的润滑或外部冲击等因素引起的。
噪声故障的特点是轴承运行时产生噪声。
在诊断方面，可以使用听诊器或声音分析仪对轴承的运行声音进行监测和分析，以判断是否存在噪声故障。
5.润滑故障：滚动轴承的润滑是保证轴承正常运行的重要因素，不当的润滑可能会导致轴承故障。
润滑故障的特点是润滑油脂污染、量不足或过多、润滑脂分解或硬化等。
在诊断方面，可以通过观察润滑油脂的颜色、质地和气味来判断是否存在润滑故障。
除了上述常见的滚动轴承故障，还有一些其他故障，如过载、轴向偏移、振动等。
对于这些故障，可以使用适当的仪器和设备，如振动测量仪、位移传感器等进行诊断和监测。
滚动轴承的故障机理与诊断
温度诊断法
总结词
通过测量轴承的温度变化，判断轴承的工作状态是否正常。
详细描述
温度诊断法是一种间接的滚动轴承故障诊断方法。通过在轴承座或轴承端盖上安装温度传感器，监测轴承的工作 温度，可以判断轴承的工作状态是否正常。如果温度过高或温差过大，可能表明轴承存在故障，如润滑不良、摩 擦过大等。
04
滚动轴承故障诊断实例
实例一：振动诊断法的应用
01
总结词
振动诊断法是通过监测滚动轴 承的振动信号来判断其运行状
态的方法。
02
详细描述
振动诊断法具有非破坏性、实 时性等优点，通过分析振动信 号的频率、幅值和波形等信息 ，可以识别滚动轴承的故障类 型和位置，以及评估故障的严
重程度。
03
总结词
振动诊断法需要使用专业的振 动测量仪器，如振动分析仪或 频谱分析仪，对滚动轴承进行
促进智能化发展
随着工业4.0和智能制造的推进，对设备的监测和故障诊断要求越来越高。滚动轴承的故 障机理与诊断研究有助于推动设备智能化的发展，提高生产效率和产品质量。
对未来研究的建议
01
加强跨学科合作
滚动轴承的故障机理与诊断涉及多个学科领域，如机械工程、材料科学
、信号处理等。建议加强跨学科合作，综合运用各学科的理论和方法，
其在实践中的可行性和效果。
THANKS
声学诊断法
要点一
总结词
通过测量轴承的声学信号，分析其频率和幅值等信息，判 断轴承的故障类型和程度。
要点二
详细描述
声在 轴承座或轴承端盖上安装声学传感器，采集轴承的声学信 号，然后分析这些信号的频率和幅值等信息，可以判断轴 承是否存在故障以及故障的类型和程度。常见的故障类型 包括轴承内圈、外圈和滚动体的故障等。声学诊断法的优 点是可以在线监测轴承的工作状态，但受环境噪声影响较 大。
一种改进的滚动轴承故障诊断方法
＿
２ 基 于 ＳＬ Ｓ Ｍ 的滚 动 轴 承 故 障 诊 断 Ｓ Ｖ
—
标 准 的 Ｌ ＿ ＶＭ 分 类 器 利 用 人 工 分 类 好 的 样 本 来 ＳＳ 训 练 分 类 器 ， 一 种 有 监 督 的 学 习 方 法 ， 有 利 用 滚 动 是 没
０ ： 一 ｃ 正 。 （） ０ ０ ￡∑ 施 ） Ｊ－ ：Ｉ
１ 最 小 二 乘 支 持 向量 机 （ Ｓ Ｓ Ｌ — ＶＭ）
ＬＳ
＿
Ｓ Ｓ ＶＭ 中
决 越 来 越 复 杂 的 系 统 Ｉ］ 与 其 相 比 ， 传 统 统 计 学 为 ３。 ’ ４ 以 基 础 的基 于 数 据 学 习 的 智 能 和 信 号 处 理 的 方 法 在 处 理 复 杂 系 统 时 ， 现 出 很 大 优 势 ［ 但 其 需 要 的 样 本 数 表 ｓ 川， 目较 大 ，而 在 实 际 的 滚 动 轴 承 故 障 诊 断 采 集 的 样 本 往 往 有 限 。 Ｖａ ｎｋ Ｖ 于 １ ９ 年 提 出 的 支 持 向 量 机 ｐ ｉ Ｎ ９５
因 此 本 文 将 半 监 督 学 习 与 Ｌ — ＶＭ 相 结 合 ， 给 出 一 种 ＳＳ
基 于 Ｌ Ｓ Ｓ ＶＭ 的 半 监 督 学 习 滚 动 轴 承 故 障 诊 断 新 方 法
—
造 成 损 坏 或 使 其 停 机 ， 至 造 成 人 员 伤 亡 事 故 ， 动 轴 甚 滚
承 技 术 水 平 直 接 影 响 着 机 械 行 业 的 发 展 。目 前 ， 国 的 我
一
种 改 进 的 滚 动 轴 承 故 障 诊 断 方 法
口 杨康 鹏
武汉 ４ ０ ７ ３０ ２ 武 汉 理 工 大学 机 电工 程 学 院
摘
基于物理模型的滚动轴承故障诊断研究
基于物理模型的滚动轴承故障诊断研究滚动轴承是机械设备中常用的轴承类型之一，可以用于支撑旋转轴的运动，承受轴向和径向载荷以及提供精确的定位和导向。
由于滚动轴承的特殊结构和工作条件，其在使用过程中易受到各种故障的影响，如磨损、疲劳、裂纹等，这些故障会导致轴承失效，进而影响机械设备的正常运转和寿命，因此滚动轴承故障诊断显得尤为重要。
滚动轴承故障诊断一般包括信号采集、信号分析、特征提取、故障诊断等几个步骤，其中信号分析和特征提取是轴承故障诊断的关键步骤。
近年来，基于物理模型的滚动轴承故障诊断方法成为研究热点，其基本思路是建立物理方程，将轴承故障转化为物理信号变化，通过信号分析和特征提取，实现故障诊断。
一般来说，基于物理模型的滚动轴承故障诊断方法主要分为两类，一种是基于有限元分析的方法，另一种是基于理论分析的方法。
基于有限元分析的方法，是通过建立滚动轴承的有限元模型，得到轴承内部应力、变形等信息，将其转化为物理信号，然后通过信号分析和特征提取方法，获得轴承故障的信息。
该方法的优点在于可以准确地模拟轴承内部的物理过程，但其缺点也很明显，例如计算量大，模型的精度受制于诸多因素，且对于复杂的工况和轴承结构不太适用。
基于理论分析的方法，则是通过分析滚动轴承的工作原理和结构特点，建立起轴承工作过程的理论模型，从而得到轴承内部应力、变形等信息，然后通过信号分析和特征提取方法，获得轴承故障的信息。
该方法的优点在于计算易于实现，而且对于不同结构和工况的轴承都适用，但其缺点也很明显，例如在理论模型建立中需要对轴承的特性有较好的掌握，且理论模型的准确度受到其实验数据和假设的影响。
无论是基于有限元分析的方法还是基于理论分析的方法，在滚动轴承故障诊断中，信号分析和特征提取都是不可或缺的步骤。
信号分析一般包括时域分析、频域分析、小波分析等方法，其中频域分析是一种常用的方法。
在频域分析中，利用快速傅里叶变换（FFT）可以将时域信号转换为频域信号，并通过分析频率谱密度图，确定轴承故障所产生的特征频率和幅值，进而实现故障类型的识别。
一种新型的旋转机械滚动轴承故障诊断方法
Ｓｃ ｅｎ ａｎｄ ｉ ｃｅ Ｔｅｃｈ ｏｇｙ ｎｎｏｖ ｉ Ｈｅｒ ｌ ｎｏｌ Ｉ ａｔ ｏｎ ａｄ
工 业 技 术
一
种 新 型 的 旋 转 机 械 滚 动 轴 承 故 障 诊 断 方法
张 伟 （ 军９ ４ ４ 队装备 修理所 海南三 亚 ５ ２ １ ） 海 ２ ７部 ７ ０ ８
由 ｔ ＝ ， ＝ ， 据 正 交 小 波 基 的 理 论 ， 与 的 伸缩 较 明 显 的 频率 段 ， ， 根 ｔ ｏ 由 计算 其 能 量 值 ， 经小 波 包 分 析 和 归一 处 理 得 到 各 平 移 生 成 的 （ ） 子 空 间 为 ： 尺 的
自的小波包能量特征矢量 尽， 采用贴近 度计算 公式计算得到贴近
度 ， 表ｌ 示 。 如 所
， ｌｓ ， ２ （一， ， Ｚ｝ ＝ｃｏ ， 一 ｛ ２ 一 ）ｋ∈ ； ＝ｃｏ ｛－／ ２ 一 ， ｚ） Ｊ∈ ｌ ｒ ２Ｊ （一ｔ ）ｋ∈ ； Ｚ ｓ２ ， ２
从表 中 可 以 看 去 ， 常 轴 承在 故 障 特 征 是 正 常 的 位 置 贴近 度 正 最 大 ， ． ４ ７ 外 圈单 处 裂纹 轴 承在 故 障特 征 是 外 圈故 障 （ 处裂 取０ ５ ５ ； 单 其 中 上 ， 上 ， ＝ ０ ， ＝ ｔ ． ０ 。 纹 ） 位 置贴 近 度 最 大 ， ０ ５ ７ ； 的 取 ． ５ ８ 同理 ， 余 各 待检 轴 承 也 是 在 各 其 验证 了 本 文 所 采 用 的 方 法 的 可 滚 动 轴 承 产生 的 是 一 种 非 平 稳 振 动 信 号 ， 振 动 加 速 度 所 包 自的 故 障 特 征 频 率 处 贴近 度 最 大 ， 其 含 的频 谱 分 布 与 滚 动 轴 承 的 特 征 结 构 障 类 型密 切相 关 ， 此 ， 行 性 和 有 效 性 。 故 因 振 动 加 速 度 信 号 经 如 上 小 波 包 分解 后 在 某 一 层 次 上 的不 同 正 交 小 波 包 空 间 上 的 能 量 分 布 如 同 滚 动 轴承 的 故 障 特 征 频 率谱 一 样 ， ５ 结 论 本 文 在 对 滚 动 轴 承 的 故 障 特 点 进 行 分 析 的 基 础 上 ， 用 小 波 利 是 滚 动 轴 承 运 行 状 况 的 本 质特 征 。 包 分 析 具 有 任 意时 频 局 域 化 特 性 和 模 糊数 学能 够 处 理 各 种边 界 不 ３ 模糊模 式识别方法 明 的模 糊 集 合的 数 学 特 性 ， 出 了 基 于 小 波 包 一 模 糊 模 式 识 别 的 提 本 文 中 识 别模 式 数 为 ５ 即 ｛ 常轴 承 ； 圈故 障 （ 处裂 纹 ）外 ， 正 外 单 ； 滚 动 轴 承 故 障 诊 断新 方 法 ， 方 法 将 小 波 包 能 量 特 征 矢 和 模 糊 模 该 圈故 障 （ 处剥 落 ） 内 圈 故 障（ 多 ； 多处 剥 落 ） 滚珠 故障 （ 坏） ； 个 模 ； 损 ｝每 式 识 别 方法 结合 ， 用 择 近原 则 对 被 识 别 对 象 的 故 障 特 征 归 类 判 利 式 由９ 能 量 特 征 包 （ 选 分 解 层４ 的 １ 个 小 波 包 中特 征 比 较 明 个 挑 上 ６ 从 仿 显的９ 壕率 器构成） 述， Ｐ ｃｌＰｃ２Ｐｃ４Ｐ ５ 别 ， 而 实现 故 障 诊 断 ， 真 实 验 验 证 了该 方法 对 滚 动 轴 承 故障 诊 来描 分为｛ａ §ａｋ ｌａｋ ｝ ｇ 箍 ｝ 具 Ｐ ｃ６Ｐ ｃ 砼 ｌｌ｛ａｋ ２Ｐ ｃ １ｌ于是就有了５ ９ ａｋ ￣ｄｋ 蟊ｋ ０Ｐｃ １ ；ａｋ ６ ； Ｄ ｝ × 的表采模 断效 果 显 著 ， 有 较 高 工 程 应 用 价 值 。 式 不 同 特 性 的模 糊 集 合 ：
基于冲击脉冲法的滚动轴承故障诊断方法研究
一、概述滚动轴承作为机械设备中的重要部件，其正常运转对于整个设备的正常工作起着至关重要的作用。
然而，在长时间的运行中，滚动轴承难免会因为各种原因而产生故障，这不仅会影响机械设备的正常运转，还会对设备的安全性和稳定性造成一定的威胁。
对滚动轴承的故障进行及时、准确的诊断显得尤为重要。
而基于冲击脉冲法的滚动轴承故障诊断方法，正是针对该问题所进行的一项重要研究。
二、基于冲击脉冲法的滚动轴承故障诊断方法介绍1. 冲击脉冲法的原理冲击脉冲法是一种基于信号处理的故障诊断方法，其原理是利用传感器采集到的滚动轴承工作时产生的冲击脉冲信号进行分析，通过对比信号的频谱、波形等特征来判断滚动轴承是否存在故障。
2. 冲击脉冲法的优势与传统的诊断方法相比，冲击脉冲法具有无需停机、实时监测、成本低廉等优势，能够有效地提高滚动轴承故障的诊断效率和准确性。
3. 相关研究成果在国内外的研究中，有许多学者已经对基于冲击脉冲法的滚动轴承故障诊断方法进行了深入的研究，并取得了一定的成果。
这些研究成果对于提高滚动轴承的故障诊断效率和准确性起到了积极的推动作用。
三、基于冲击脉冲法的滚动轴承故障诊断方法研究现状1. 国内外研究现状目前，国内外的研究者对于基于冲击脉冲法的滚动轴承故障诊断方法进行了深入的研究，涉及到了信号采集技术、信号处理方法、故障特征提取等方面。
通过对比不同的研究成果，可以发现在滚动轴承故障诊断方法的研究中，基于冲击脉冲法的应用具有较大的潜力和优势。
2. 存在的问题及挑战尽管基于冲击脉冲法的滚动轴承故障诊断方法具有一定的优势，但在实际应用中仍然存在着一些问题和挑战。
比如信号采集的稳定性、信号处理的精度、故障特征提取的准确性等方面的问题，这些都需要进一步的研究和改进。
四、基于冲击脉冲法的滚动轴承故障诊断方法的研究重点1. 信号采集技术在基于冲击脉冲法的滚动轴承故障诊断方法中，信号采集是至关重要的一步。
研究者需要选择适合的传感器，并确保信号的稳定采集，以保证后续的信号处理和分析的准确性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａｂ ｔａ ｔ ｎ ｖｅ ｏ ｅ ｆｕｌ ｃ ｒｃｅ ｓｉｓｏ ｏｌ ｇ ｂ ａｉ ｇ ，ａ ｍｅ ｏ ｏ ａ ｌ ｉｇ ｏ ｉ ｆｒｌｉｇ ｂ ａ — ｓ ｒ ｃ ：Ｉ ｉｗ ｆｔ ａ ｔ ｈａａ ｔｒ ｔ ｆｒｌｉ ｅ ｒｎ ｓ ｔ ｄ ｆｒｆｕ ｔｄ ａ ｎ ｓｓｏ ｏｌｎ ｅ ｒ ｈ ｉ ｃ ｎ ｈ ｉ ｇ ｂ ｓ ｄ ｏ ｎ ｅ ｒｔ ｎ ｏ ｖ ｌｔｐ ｃ ｅ ｎ ｌ ｓｓ ｏ ｇ ｅｓ ｔｅ ｒ ｄ ｎ ｕ ａ ｅ ｖ ｒ ｓｉ ｏｐ ｓ ｄ．Ｔｈ ｎ ａ ｅ ｎ ｉｔｇａ ｏ ｆｗａ ｅｅ ａ ｋ ｔａ ａｙ ｉ ．ｒｕ ｈ ｓ ｔ ｏ ｙ ａ ｅ ｒ ｌｎ ｈ ｏ ｋ ｓｐｒ ｏ ｅ ｉ ｈ ｎ ｅ
Ｖｏ ． ０ Ｎｏ． １２ ８
【 车辆工程】
一
种 滚 动 轴 承 故 障 的诊 断 方 法
王兴 家， 晓林 ， 傅 叶
（ 重庆交通大学 交通运输学 院， 重庆
磊
４０ ７ ） ００ ４
界 尔 希 乖 乖 尔
：
帝 寄
奈 开
尔 不
乖 乖
秘
绵
摘要 ： 对滚动轴承 的故障特点 ， 针 提出了一 种小 波包分析 、 粗糙 集理论 和神经 网络相 结合 的轴承 诊断方法 ． 利用小波包变换对信号进行适 当层 次 的小 波包分 解 ， 对信号 的频带进 行精 细的分 割 ， 以各个频带信号 能量 的分布情况作为故障特征量 ， 形成故 障诊断决策表 ； 接着根据 粗糙集 理论进 行处理得到更 为简 明的最优诊 断规则 ； 然后 根据约 简结果 ， 建立 了神经 网络故 障诊 断 系统 ； 最后
ｓｇ ａ ｓｄ ｃ ｍｐ ｓ ｄ ｉ ｒｐ ｒ ｒ ｄ ｓｂ ｓ ｇ ｗ ｖ ｌｔ ａ ｋ ｔ ｒｎ ｆｒ ｉｎ ｌｉ ｅ ｏ ｏ ｅ ｐ ｅ ａ ｅ ｙ ｕ ｉ ａ ｅｅ ｃ ｅ ａ ｓ ｍ，ｆ ｑ ｅ ｃ ａ ｄ ｏ ｉ ａ ｉ ｄｖｄ ｄ ｎ ｏ ｇ ｎ ｐ ｔ ｏ ｒ ｕ ｎ ｙ ｂ ｆ ｇ ｌ ｓ ｉｉｅ ｅ ｎ ｓ ｎ
以诊断实例验证 了该 方法的有效 性和可行性 ．
关 键
词： 滚动轴 承 ； 故障诊断 ； 波包分析 ； 小 粗糙集 ； 神经 网络
文献标识码 ： Ａ
出乖 尔 尔 出乖 绵
中图分类号 ：Ｐ７ Ｔ ２７
尔 尔 出尔 尔 尔
文章编号 ：６１ ９４ ２０ ）８ ０５ ３ １７ —０２ （０ ６０ 一Ｏ２ —０
ｎ ａ ｌ ｄ ａ ｎ ｓ ｙ ｔ ｂ ｓ ｄ ｏ ｅ ｒ ｌ ｅ ａ ｄ ｆｕ ｔ ｉｇ ｏ ｉ ｓ ｓ ｍ ａ ｅ ｎ ｎ ｕ ａ ｎ ｔ ｒ ｓｉ ｅ ｔｂ ｉ ｅ Ｔ ｅ ｖ ｌ ｉ ＇ ｄ ｆａ ｉ ｉ ｔ ｏ ｉ ｍｅ ｏ ｓ ｅ ｗｏ ｋ ｓａ ｌ ｈ ｄ． ｈ ａｉ ｔ ａ ｓ ｂｌ ｙ ｆ ｓ ｔｄ ｓ ｓ ｄ ｙｎ ｅ ｉ ｔ ｈ ｈ ｈ ｅ ｎ ｄ ｍ ｎ ｔ ｔｄ ｂ ｈ ｒｃ ｉ ｘ ｍｐｅ ． ｓ ａ ｂ ｅ ｅ ｏ ｓｒ ｅ ｙ ｔ ｅ ｐ ａ ｔ ａ ｅ ａ ｌ ｓ ａ ｃ ｌ Ｋｅ ｒ ｓ ｏｌ ｎ ｅ ｔ ｇ ａ ｌ ｄａ ｎ ｓｓ ａ ｅｅ ａ ｋ ｔ ａ ｓ ；ｒＵ ｈ ｓ ｔ ：ｎ ｕ ａ ｎ ｔ ｏ ｋ ｙ ｗｏ ｄ ：ｒ ｌ ｇ ｂ ａ ｎ ；ｆｕ ｔ ｉ ｏ ｉ ；ｗ ｖ ｌｔ ｃ ｅ ｌ ｉ ｏ ｇ ｅｓ ｅ ｒｌ ｅ ｗ ｒ ｓ ｉ ｉ ｇ ｐ ｎ ａ ｙ ｓ
ｈ ｄ ｃ ｉ ｔ ｌ ｏ ｕｔ ｉ ｎｓ ；ｃｎ ｉ ｉ ｎｓ ｅ ａ ｂ ｉ ） ｏｅｓ ｇｏ ｇ ｓｔ ｔ ｒ ｔ ｅｉｏ ｂｅ ｆａｌ ｄ ｇ ｏｉ ｏｃ ｅｄ ｇ ｏｉ ｒｌ ｅｏｔ ｎｄｂ ｒｃｓｎ ｆ ｕ ｅ ｈｏ ｅ ｓｎ ａ ｆ ａ ｓ ｓ ａ ｓ ｕ ｓｒ ａｅ ｒ ｐ ｉ ｏ ｒｈ ｓ ｅｙ
尔 尔 出石 尔 石 绵 尔 尔 尔 不 尔 乖出 掣
Ａ ａ ｎ ｓｓＭ ｅｈ ｄ ｆ ｒＦａ ｌ ｎ ｌｎｇ Ｂｅ ｒｎｇ Ｄｉ ｇ ｏ ｉ ｔ ｏ ｏ ｕｔｉ Ｒｏｌ ａ ｉ ｉ
ＷＡ Ｇ Ｘ ｎ－ ａ Ｆ ｉ 一ｎ Ｙ ｅ Ｎ ｉ ｊ ，ＵＸａ １ ，Ｅ Ｌｉ ｇｉ ｏｉ
的故障诊断方法很难对其进 行准确 的实 时监控 和诊断 ． 文
Ｏ 引 言
滚动轴承是 各种 旋转 机械 中应 用最 广 泛 的一 种通 用 机械部件 ， 其运 行情况往往直 接影 响到整 台机器 的性 能和
献［ ］ １提出了基于小波包能量 特 征的滚 动轴 承故 障监 测方 法 ， 以对轴承进行故 障诊 断 ， 可 但实 时性并பைடு நூலகம்不是 很好 ； 而针
ｐｅ ｉｅｙ，ｄｉｔｉｕ ｅ ｉ ｔ ｎ ｏ ｉｎ ｌｅ ｅ ｇ ｆｅ ｃ ａ ｄ ｒ ｅ ａｄ ｄ ａ ｈ ｒ ｃｅ ｉｔｃｑ ａ ｔ３ ，ｆ ｒ ｎ ｒｃｓ ｌ ｓｒｂ ｔｄ ｓｔ ｉ ｆｓｇ ａ ｎ ｒｙｏ ａ ｈ ｂ ｕａ ｏ ｎ ｓａ ｅｒ ｇ ｒ ｅ ｓ ｃ ａａ ｔｒｓｉ ｎ ｉ ＇ ｏ ｍｉｇ ｕ ｔ
维普资讯
第２ ０卷
第８ 期
重 庆 工 学 院 学 报
Ｊｕ ａ ｆＣ ｏ ｇ ｉｇＩｓｉ ｔ ｆ ｅｈ ｏｏ ｙ ｏ ｒｌ ｏ ｈ ｎ ｑｎ ｎ ｔｕｅｏ ｃｎ ｌｇ－ ｎ ｔ Ｔ
２０ ０ ６年 ８月
Ａｕ ２ ｘ６ ｕ． （ ）