滚动轴承故障模拟实验台设计方案

合集下载

滚动轴承故障诊断系统设计

滚动轴承故障诊断系统设计滚动轴承是机械传动系统中常用的一种轴承结构，其故障对机械设备的运行稳定性和工作效率都有着重要影响。

为了及时发现并准确诊断滚动轴承故障，设计一个滚动轴承故障诊断系统至关重要。

本文将以滚动轴承故障诊断系统为例，对其进行详细的设计。

滚动轴承故障主要分为疲劳破裂、轴承内部损伤和润滑不良等几种情况。

为了对这些故障进行准确判断，我们可以采用振动特征和声音特征相结合的方法进行诊断。

系统的设计主要包括传感器采集、信号处理和故障诊断三个部分。

1.传感器采集传感器采集是整个系统的基础，需要采集滚动轴承运行状态下的振动信号和声音信号。

振动信号可以通过加速度传感器或振动传感器获取，而声音信号可以通过麦克风获取。

在采集信号时，需要注意信号的采样频率和分辨率，以充分获取故障特征。

2.信号处理采集到的振动信号和声音信号需要经过信号处理，提取其中的故障特征。

常用的信号处理方法包括时域分析、频域分析和小波分析。

时域分析可用于提取振动波形的均值、峰值和波形形状信息；频域分析可用于提取振动信号在不同频率上的能量分布，如功率谱密度和频率谱图；小波分析能够同时提取时域和频域特征。

3.故障诊断通过信号处理后，可以得到滚动轴承的振动特征和声音特征。

对这些特征进行分析和对比，即可进行故障诊断。

例如，如果识别到频率谱图上存在明显的功率峰，且其频率接近滚动轴承的特征频率，可以判断为疲劳破裂故障；如果声音信号中出现明显的金属碰撞声，可以判断为滚动体和内圈或外圈之间的摩擦故障。

此外，滚动轴承故障诊断系统还可以进行故障程度评估，即评估轴承故障的严重程度。

这可以通过比较故障特征与正常状态下的参考特征进行，如与正常振动信号的差异、与故障前的特征进行对比等。

以上是滚动轴承故障诊断系统的设计方案。

它可以实时监测滚动轴承的运行状态，及时发现并准确诊断故障，为机械设备提供保护。

同时，系统设计还可以根据实际情况进行扩展，如添加温度传感器用于检测滚动轴承的温度等。

滚动轴承故障模拟实验台设计方案

滚动轴承故障模拟实验台设计方案一．课题简介：结合旋转机械故障模拟实验台的结构特点,进行滚动轴承故障模拟实验台和试件的结构设计,并对各个组件进行详细的功用分析.二．课题准备：1．滚动轴承的结构：滚动轴承由套圈（内圈和外圈）、滚动体（球或滚子）以及保持架构成。

即：相对的两个套圈之间放置若干个滚动体，通过保持架使滚动体保持一定间隔，进行滚动运动。

滚动体的形状，除球之外，还有圆柱滚子、滚针、圆锥滚子以及鼓形球面滚子。

从几何学讲，滚动体与内外圈滚道是点（球）或线（滚子）接触。

滚动体在内外圈滚动面上进行滚动运动，并公转。

滚动体与套圈是以其滚道面的接触面支撑轴承所承担的负荷。

保持架并不直接承受负荷，只是用以保持滚动体的正确位置及等间距，同时防止安装轴承时滚动体脱落。

2．滚动轴承的分类：滚动轴承按滚动体形状可大致分为：球轴承和滚子轴承。

球轴承按套圈结构可分为：深沟球轴承、向心推力球轴承、推力球轴承等；滚子轴承按滚子形状可分为：圆柱滚子轴承、滚针轴承、圆锥滚子轴承、自动调心滚子轴承等。

此外，按承受负荷方向可分为：承受径向负荷的向心轴承和承受轴向负荷的推力轴承。

（其他分类方法暂不列举）3．滚动轴承的安装：轴承的安装是否正确，影响着精度、寿命、性能。

因此，设计及组装部门对于轴承的安装要充分研究。

希望要按照作业标准进行安装。

作业标准的项目通常如下：（1）清洗轴承及轴承关连部件（2）检查关连部件的尺寸及精加工情况（3）安装（4）安装好轴承后的检查（5）供给润滑剂这些也是造成轴承故障的原因。

三．课题研究（滚动轴承常见故障及原因分析）：1.故障形式（1）轴承转动困难、发热；（2）轴承运转有异声；（3）轴承产生振动；（4）内座圈剥落、开裂；（5）外座圈剥落、开裂；（6）轴承滚道和滚动体产生压痕。

2.故障原因分析（1）由于装配前的检查不仔细，轴承在装配前未先清洗并认真检查轴承的内外座圈、滚动体和保持架，导致有生锈、毛刺、碰伤和裂纹；未检查轴承间隙是否合适，转动是否轻快自如，有无突然卡止的现象；同时检查轴径和轴承座孔的尺寸、圆度和圆柱度及其表面是否有毛刺或凹凸不平等。

滚动轴承疲劳寿命试验台的设计

第1章绪论1.1课题研究的目的和意义滚动轴承是机器运转中重要的零部件，是旋转结构中的重要组成部分之一，具有承受载荷和传递动运动的作用。

可是，滚动轴承是机器运转时主要故障来源之一，有数据结果分析表明：旋转机器中有35%的故障都与轴承的失效相关，轴承能够使用多久和可靠性的大小直接影响到机器系统的整体性能。

为此在对轴承的加速老化试验和加速寿命试验，对于研究轴承的故障演变规律和失效原理有着很重要的意义。

在20世纪前期，Lundberg和Palmgren对5210的滚动轴承做了很多试验，根据1400多套滚子轴承、球轴承的寿命试验结果，在Weibull分布理论的基础上，通过研究得到了寿命与负载的方程式，称为L-P公式。

伴随我国轴承制造技术的不断发展，轴承的几何结构和制造精度得到了相当高的提升和改进。

目前，在市场上有几百种不一样型号的滚动轴承。

现在的5210轴承钢的材料和制造精度比以前的要好，而且现在在材料的选择上已近不局限于轴承钢。

现在生产轴承的原料包括合金钢，陶瓷，轴承钢和塑料等。

为此，为了评估新材料的处理工艺，新材料和新几何结构的滚动轴承的磨损寿命，还得对滚动轴承做疲劳寿命试验。

另外由于加工技术的提高和材料科学的发展，使用时润滑条件的改善，轴承能够使用的时间越来越长。

来自工业和武器等方面的需求也助推了滚动轴承箱相当好的方向发展。

比如发电设备，排水设备等要求轴承工作时间连续不间断的十几二十几的小时不间断的无故障运行10000-20000个小时，折算一下相当于与连续工作11-22年并且中间没有出现任何故障，即使是电动工具、一般机械和家用电器等对寿命的要求相对较低的使用场景也要求轴承无故障的间断或不间断的工作4000-8000小时。

因此，在很多情况下，研究轴承的寿命必须利用加速疲劳寿命试验方法来获得轴承在高应力的疲劳寿命，并且通过加速实验的结果来估计不一样应力水平下的疲劳寿命，以减少试验时的成本和时间。

1.2 国内疲劳试验台的现状国内最早的疲劳寿命试验平台产品都是从前苏联引进，采用剖分式试验主体，在国内称之为第一种机型。

轴承试验台

滚动轴承试验台总体方案设计1、轴承试验台作用与设计要求实验台作用：在轴承产品开发阶段，轴承试验主要是针对轴承结构的试验，看试验产品能否满足使用工况要求；产品定型后，轴承试验的主要目的就是对轴承质量进行考核，鉴别轴承产品的质量等级，促进质量的提高，从而找到轴承结构、材料、制造工艺等某些环节存在的问题，进而加以控制。

试验台的设计要求：一般情况下，滚动轴承实验台应具有如下设计要求：1）必须易于拆卸，能对轴承的不同故障类型进行监测；2）试验台必须能够改变轴承所受轴向力和径向力的大小，以方便研究轴承在不同载荷作用下的运行状态；3）轴承转速应可调；4）试验台的设计必须方便的安装各种传感装置；5）试验台的扩展性也应考虑。

2、轴承试验台具体设计方案轴承试验系统应该包括机械装置、液压部分、控制系统、以及测试系统四部分组成。

2.1轴承试验机机械装置设计设计机械结构时主要考虑问题：1）轴承如何在轴上固定，以保证方便的施加轴向和径向载荷；2）整个试验台采用何种布置形式，如卧室还是立式；3）如何实现试验机对尽可能多的不同种类轴承（如轴承内径不同、型号不同等）进行试验；4）轴的设计。

围绕以上几个关键问题，讨论试验机机械结构总体设计。

1）轴承在轴上的安装方式为了方便施加轴向和径向力，轴承的安装方式如下图1所示。

之所以考虑把轴承安装在轴端，一方面便于轴承安装与固定，另一方面由于试验机要适用于不同内径的轴承，因此不同内径轴承只需跟换与之相配合的轴端就可以，不需要改变试验机的其他结构，降低试验机制造成本，拓宽了使用范围。

图1 轴承的安装方式2）试验台的布置形式目前，轴承试验台的总体布置可分为卧式与立式两种，其中卧式结构占绝大多数。

如下图2所示铁路轴承试验台，即为典型的卧式结构。

图2 铁路轴承试验台而对于轴承尺寸较大时，则采用立式结构；有时确定试验台布置形式时，还需要综合考虑加载装置布置，轴承在轴上的安装方式以及监测装置布置等因素。

(机械模拟故障平台)轴承故障诊断试验

4、实验室空间比较拥挤，请大家有秩序地进行试验。
实验内容
1、观摩机械故障模拟试验平台的工作原理和使用方法及科研应用
2、了解数据采集系统的组成和工作原理
3、利集。
4、采用系统自带信号采集和分析软件，对故障信号进行分析。
5、测点的选取原则和注意事项。
6、信号的调制解调理论讲解
实验设备和仪器
机械故障模拟试验平台
丁康老师研发的数据采集与分析仪
国产加速度传感器（型号）
电荷放大器
测试软件
实验步骤
1.传感器的校准
2.布点：选择测试点，即传感器的安装位置；
3.接线：传感器正确地连接到分析仪输入通道；
4.设置测试参数：包括硬件参数、分析参数、测试内容、信号源参数；
实验名称:滚动轴承故障诊断实验
课程名称：振动力学
指导教师：丁康教授
地点：汽车科技大楼1017
实验目的
1、了解不同形式的故障轴承
2、理解轴承故障的在线诊断技术及方法
3、掌握信号的调制与解调原理与方法
实验要求
1、实验前正确校准系统
2、正确布置测点位置
3、选取合适的采样参数、触发参数
4、为排除交流电路对测试仪器的影响，测试模块必须接地
5.选择显示窗口并开启测试系统；
6.开始测试，开启传动试验台，稳定在某一转速，观察窗口中信号；
7.试验结果分析
结论和思考
滚动轴承故障振动信号为一调制信号（调幅和调频两种情况），采用适当的解调分析方法将轴承故障调制信号提取出来，从而有效的识别齿轮箱的故障，达到故障诊断的目的。
滚动轴承在正常的工作状态下，其输出的振动信号为一平滑正弦波，当其工作表面出现剥落、点蚀等故障时，其输出信号就会表现为一以某个频率为中心的调制信号。

基于虚拟仪器滚动轴承故障分析系统开发 -大学毕业(论文)设计

基于虚拟仪器滚动轴承故障分析系统开发摘要滚动轴承是在旋转机械中应用最广泛的部件，是机械动力传动部件，旋转机械的故障约有30％是因滚动轴承引起的。

由于工作条件恶劣，长期承受载荷和传递载荷，轴承极易疲劳、裂纹、腐蚀、磨损等，导致其断裂，造成事故。

这种故障信号是一种典型的宽频带脉冲调制信号, 从含有噪声的振动信号中有效地提取出冲击脉冲信号是振动轴承故障诊断的关键。

通过对滚动轴承工作特性及其故障研究，分析了滚动轴承振动机理与失效形式，设计了故障模拟实验台，搭建了测量装置，运用共振解调分析与希尔伯特变换作为滚动轴承故障诊断的方法，开发了基于Labview软件的滚动轴承故障诊断系统，通过对振动信号的采集和故障频率的自动识别，实现了在线检测故障的目的。

为了确保分析数据的正确性，本文当中引入了小波函数，通过对不同频段的信号进行包络谱分析，确保故障诊断的准确性。

通过实验台模拟内圈故障现象以及轴承故障诊断程序的运行，故障结论是一致的，证明了该轴承故障诊断系统的准确性。

关键词：滚动轴承；故障诊断；Labview；希尔伯特变换；共振解调Development of fault analysis system for rolling bearing based on virtual instrumentAbstractRolling bearing is the most widely used components in rotating machinery, mechanical power transmission components, about 30% of rotating machinery fault is caused by rolling bearings. Because of the bad working conditions, load for a long time and load, bearing easily fatigue, crack, corrosion, wear, etc., lead to the rupture and cause an accident. The fault signal is a typical broadband pulse modulation signals, from vibration signal containing noise effectively extract the shock pulse signal is the key to the vibration of bearing fault diagnosis. Through the study of rolling bearing working characteristic and its failure, analyzes the rolling bearing vibration mechanism and failure modes, fault simulation test bench was designed and set up a measuring device, using resonance demodulation analysis and Hilbert transform as the rolling bearing fault diagnosis methods, the development of rolling bearing fault diagnosis system based on LabVIEW software, through the collection of vibration signal and fault frequency automatic identification, realized the purpose of online detection fault. In order to ensure the accuracy of the data analysis, this paper introduces the wavelet function, based on the different frequency band of signal envelope spectrum analysis, ensure the accuracy of fault diagnosis. Through simulation test bench and bearing inner ring malfunctions fault diagnosis program is running, the fault conclusion is consistent, proved that the accuracy of bearing fault diagnosis system.Key words: Rolling bearing, Fault diagnosis, Hilbert change,Labview,Resonance demodulation目录摘要 (I)Abstract (II)第1章绪论 (1)1.1 课题研究的目的与意义 (1)1.2 国内外研究现状 (2)1.3 研究的主要内容 (4)第2章滚动轴承及故障的基本理论 (5)2.1 轴承的分类和基本结构 (5)2.2 滚动轴承的损伤分析 (6)2.3.1滚动轴承故障类型 (9)2.3.2滚动轴承的固有振动频率 (9)2.3.3滚动轴承特征频率 (10)2.4 轴承振动信号处理 (11)2.4.1低通滤波包络解调法 (12)2.4.2希尔伯特变换及包络谱算法 (12)2.5 本章小结 (14)第3章滚动轴承故障模拟试验台 (15)3.1 滚动轴承故障模拟试验台方案 (15)3.2 滚动轴承试验台结构设计 (15)3.3 控制系统和数据采集系统设计 (17)3.3.1控制系统 (17)3.3.2数据采集系统 (18)3.4 本章小结 (20)第4章轴承故障诊断软件设计 (21)4.1 虚拟仪器概述 (21)4.2 Labview的含义 (22)4.3 基于虚拟仪器轴承故障诊断程序开发 (22)4.4 本章小结 (28)第5章轴承故障诊断实验 (29)5.1 轴承实验台参数设置 (29)5.2 轴承故障模拟与分析 (29)5.2 本章小结 (32)结论 (33)致谢 (34)参考文献 (35)附录A (36)第1章绪论1.1课题研究的目的与意义轴承一直是各种机械中应用最广泛的通用部件，其运行状态直接影响整台机器的性能、寿命、功能和效率，机械设备诊断中的重点是旋转机械的故障检测，而滚动轴承是旋转机械的重要组成部件，许多的故障都是滚动轴承的故障引起的。

基于LabVIEW和cRIO的滚动轴承故障诊断系统设计

㊀２０２１年㊀第４期仪表技术与传感器Ｉｎｓｔｒｕｍｅｎｔ㊀Ｔｅｃｈｎｉｑｕｅ㊀ａｎｄ㊀Ｓｅｎｓｏｒ２０２１㊀Ｎｏ．４㊀基金项目：山东省自然科学基金资助项目（ＺＲ２０１９ＭＦ０６３）；山东省重点研发计划（２０１７ＧＧＸ１０１１５）收稿日期：２０２０－０５－０６基于ＬａｂＶＩＥＷ和ｃＲＩＯ的滚动轴承故障诊断系统设计刘福政，高军伟（青岛大学自动化学院，山东青岛㊀２６６０７１）㊀㊀摘要：监测与故障诊断技术是维持轨道交通平稳运行的重要保障，也是现代化交通不可或缺的关键环节㊂文中设计了一种基于ＬａｂＶＩＥＷ和ｃＲＩＯ相结合的轨道交通滚动轴承监测与故障诊断系统㊂系统采用ＮＩ－ｃＲＩＯ９０７５机箱和ＮＩ９２１５电压模块作为硬件，利用ＬａｂＶＩＥＷ完成信号的采集㊁存储㊁图形显示以及命令的执行，通过调用ＭＡＴＬＡＢＳｃｒｉｐｔ节点，实现信号的特征提取，并利用概率神经网络对故障类型进行准确的判别㊂通过轴承故障实验平台进行验证，该系统能够快速㊁准确地采集和分析振动信号，且拥有友好的人机交互界面，充分地实现了软硬件的结合以及资源的共享，具有一定的应用价值㊂关键词：ＬａｂＶＩＥＷ；故障诊断；ＣＥＥＭＤ；概率神经网络；滚动轴承中图分类号：ＴＰ２７４．５㊀㊀㊀文献标识码：Ａ㊀㊀㊀文章编号：１００２－１８４１（２０２１）０４－００６７－０４ＤｅｓｉｇｎｏｆＲｏｌｌｉｎｇＢｅａｒｉｎｇＦａｕｌｔＤｉａｇｎｏｓｉｓＳｙｓｔｅｍＢａｓｅｄｏｎＬａｂＶＩＥＷａｎｄｃＲＩＯＬＩＵＦｕ⁃ｚｈｅｎｇ，ＧＡＯＪｕｎ⁃ｗｅｉ（ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎ，ＱｉｎｇｄａｏＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｇｄａｏ２６６０７１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｍｏｎｉｔｏｒｉｎｇａｎｄｆａｕｌｔｄｉａｇｎｏｓｉｓｔｅｃｈｎｏｌｏｇｙｉｓａｎｉｍｐｏｒｔａｎｔｇｕａｒａｎｔｅｅｔｏｍａｉｎｔａｉｎｔｈｅｓｍｏｏｔｈｏｐｅｒａｔｉｏｎｏｆｒａｉｌｔｒａｎ⁃ｓｉｔ，ａｎｄａｌｓｏａｎｉｎｄｉｓｐｅｎｓａｂｌｅｋｅｙｌｉｎｋｏｆｍｏｄｅｒｎｔｒａｎｓｐｏｒｔａｔｉｏｎ．Ｔｈｉｓｐａｐｅｒｄｅｓｉｇｎｅｄａｒｏｌｌｉｎｇｂｅａｒｉｎｇｍｏｎｉｔｏｒｉｎｇａｎｄｆａｕｌｔｄｉａｇｎｏ⁃ｓｉｓｓｙｓｔｅｍｂａｓｅｄｏｎＬａｂＶＩＥＷａｎｄｃＲＩＯ．ＴｈｅｓｙｓｔｅｍｕｓｅｄＮＩ－ｃＲＩＯ９０７５ｃａｓｅａｎｄＮＩ９２１５ｖｏｌｔａｇｅｍｏｄｕｌｅａｓｈａｒｄｗａｒｅ，ｃｏｍｐｌｅｔｅｄｓｉｇｎａｌａｃｑｕｉｓｉｔｉｏｎ，ｓｔｏｒａｇｅ，ｇｒａｐｈｉｃｄｉｓｐｌａｙａｎｄｃｏｍｍａｎｄｅｘｅｃｕｔｉｏｎｔｈｒｏｕｇｈＬａｂＶＩＥＷ，ｒｅａｌｉｚｅｄｔｈｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｏｆｓｉｇｎａｌｓｂｙｃａｌｌｉｎｇＭＡＴＬＡＢＳｃｒｉｐｔｎｏｄｅ，ａｎｄｕｓｅｄＰＮＮｍｏｄｅｌｔｏａｃｃｕｒａｔｅｌｙｉｄｅｎｔｉｆｙｆａｕｌｔｔｙｐｅｓ．Ｔｈｒｏｕｇｈｔｈｅｖｅｒｉｆｉｃａｔｉｏｎｏｆｂｅａｒｉｎｇｆａｕｌｔｅｘ⁃ｐｅｒｉｍｅｎｔｐｌａｔｆｏｒｍ，ｔｈｅｓｙｓｔｅｍｃａｎｑｕｉｃｋｌｙａｎｄａｃｃｕｒａｔｅｌｙｃｏｌｌｅｃｔａｎｄａｎａｌｙｚｅｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓ，ｗｈｉｃｈｈａｓａｆｒｉｅｎｄｌｙｈｕｍａｎ⁃ｃｏｍ⁃ｐｕｔｅｒｉｎｔｅｒｆａｃｅ，ｆｕｌｌｙｒｅａｌｉｚｅｓｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｈａｒｄｗａｒｅａｎｄｓｏｆｔｗａｒｅａｎｄｒｅｓｏｕｒｃｅｓｈａｒｉｎｇ，ａｎｄｈａｓａｃｅｒｔａｉｎａｐｐｌｉｃａｔｉｏｎｖａｌｕｅ．Ｋｅｙｗｏｒｄｓ：ＬａｂＶＩＥＷ；ｆａｕｌｔｄｉａｇｎｏｓｅ；ＣＥＥＭＤ；ＰＮＮ；ｒｏｌｌｉｎｇｂｅａｒｉｎｇ０㊀引言滚动轴承作为旋转机械和设备中应用较为广泛的机械部件，在交通运输的各个方面均发挥着关键作用㊂虽然定期对其进行维护和检修，也难以避免故障的出现［１－３］㊂因此，设计有效的在线监测系统，对其进行故障诊断，就显得尤为重要㊂长期以来，国内外的研究也取得了一定的成果，但是国内引进和设计的设备，往往存在体积庞大，不易携带，诊断较慢和精度不高的问题［４］㊂为此，本文设计了一种基于ＬａｂＶＩＥＷ和ｃＲＩＯ的滚动轴承故障诊断系统，利用ＮＩ９２１５电压模块对数据进行采集，其双重隔离的设计，可以较大程度地屏蔽其他外来干扰，较好地提升稳定性［５］㊂将实时控制器ＲＴ和现场可编程门阵列ＦＰＧＡ相互结合，保证了数据采集的实时性和稳定性，上位机通过图形化设计平台ＬａｂＶＩＥＷ［６］和强大的数学处理工具ＭＡＴ⁃ＬＡＢ相结合，既弥补了ＬａｂＶＩＥＷ数据分析能力的不足，也克服了ＭＡＴＬＡＢ人机交互界面不足的缺点，此种设计不仅易于携带㊁在线监测，而且将虚拟仪器技术与基于信号的处理方法和神经网络相结合，在一定程度上解决了工程应用中的问题㊂１㊀系统的总体设计方案基于ＬａｂＶＩＥＷ和ｃＲＩＯ的滚动轴承故障诊断系统的总体设计如图１所示㊂该系统主要由５部分组成，其中包含传感器部分，信号调理部分，数据采集部分，上位机软件测控部分以及供电部分等㊂首先，采用加速度传感器采集原始振动信号，然后经过信号调理模块进行放大和滤波处理，之后输入到可以拔插于ｃＲＩＯ９０７５机箱上的ＮＩ９２１５电压模块中，再由Ｌａｂ⁃ＶＩＥＷ２０１６编写上位机程序，进行数据的传输㊁显示㊁预处理以及控制指令的发送等，并调用ＭＡＴＬＡＢ节点，由ＣＥＥＭＤ算法进行信号特征向量的提取，最后通过ＰＮＮ模型进行故障诊断并显示到ＬａｂＶＩＥＷ主界面中㊂㊀㊀㊀㊀㊀６８㊀ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒＡｐｒ．２０２１㊀图１㊀系统的总体设计２㊀系统的硬件设计本文主要基于虚拟仪器技术和ＴＣＰ／ＩＰ通讯协议，采用ＣＡ－ＹＤ－１８６加速度传感器㊁ＹＥ３８２２Ａ信号调理器㊁ｃＲＩＯ９０７５嵌入式平台㊁可拔插的Ｃ系列模块ＮＩ９２１５以及供电部分进行硬件开发，该部分主要实现轴承信号的采集㊂其中，ＮＩ－ｃＲＩＯ９０７５嵌入式平台，拥有坚固的嵌入式机箱，集成式工业级ＲＴ实时处理器，可重配置和用户编程的ＬＸ２５－ＦＰＧＡ控制器，机箱内嵌有４个Ｉ／Ｏ模块，１０／１００Ｍｂｉｔｓ以太网ＲＪ－４５端口和ＲＳ２３２串口［７］㊂ＮＩ９２１５电压模块，其输入范围为ʃ１０Ｖ，１６位分辨率和最高可达１００ＫＳ／ｓ的采样速率［８］㊂为了便于携带和操作，将各个硬件部分整合到一起，置于机箱中，有效地减少了外部其他振动的干扰㊂系统所采用采集设备中的核心部件主要是信号调理部分和ｃＲＩＯ机箱部分㊂３㊀系统的软件设计与实现该系统采用ＬａｂＶＩＥＷ２０１６和ＭＡＴＬＡＢ２０１６进行混合编程，由ＬａｂＶＩＥＷ编写数据采集㊁显示㊁命令发送程序，并调用ＭＡＴＬＡＢ节点，进行ＣＥＥＭＤ特征向量提取以及ＰＮＮ故障诊断，并将结果显示在主界面中，主要包含下位机部分和上位机部分，程序流程图如图２所示㊂３．１㊀下位机程序下位机程序由ＦＰＧＡ．ｖｉ和ＲＴ．ｖｉ组成㊂其中图２㊀程序流程图ＦＰＧＡ．ｖｉ程序如图３所示㊂其作为底层的硬件驱动程序，具有较强的实时性，来实现Ｉ／Ｏ的基本性能㊂采用平铺式顺序结构总体实现，相继引出设置采样率的定时器，模块１（ＮＩ９２１５）的ＡＩ０端口，并在硬件设备中进行相应连线㊂该程序需要在线编译完成后，才可以将比特文件下载到机箱中的ＦＰＧＡ中，并重新进行内部地布线㊂ＲＴ．ｖｉ程序如图４所示，主要采用ｆｏｒ循环来不断采集振动数据，它可以直接读写ＦＰＧＡ的数据，并传递至已经创建好的共享变量，便于实现与主程序以及上位机的通信㊂图３㊀ＦＰＧＡ．ｖｉ程序图图４㊀ＲＴ．ｖｉ程序图㊀㊀㊀㊀㊀第４期刘福政等：基于ＬａｂＶＩＥＷ和ｃＲＩＯ的滚动轴承故障诊断系统设计６９㊀㊀３．２㊀上位机程序上位机程序ＨＯＳＴ．ｖｉ主要通过友好的人机界面来显示㊁处理采集到的数据㊂在主界面中，可以实时地显示信号的波形图㊁小波去燥图㊁功率谱㊁幅度谱等，便于对系统的运行状态做出判断㊂同时调用ＭＡＴＬＡＢ节点，采用ＣＥＥＭＤ特征提取和ＰＮＮ模型的故障诊断方法进行故障判别㊂轴承监测与故障诊断系统界面运行图如图５所示，利用ＬａｂＶＩＥＷ编写图形化程序，并将实时运行状态和诊断结果进行反馈，可以实现实时性㊁智能化㊁高精度的诊断㊂图５㊀轴承监测与故障诊断系统界面运行图（１）ＣＥＥＭＤ方法是一种处理非线性㊁非平稳信号的自适应方法，它能够准确地提取振动信号的本质特征［９－１１］㊂原始振动信号ｘ（ｔ），再经过ＣＥＥＭＤ分解后，可以分解为多个ＩＭＦ分量和一个残余量Ｒ的和，即：ｘ（ｔ）＝ðＫｋ＝１ＩＭＦｋ＋Ｒ（１）（２）ＰＮＮ是一种由径向基函数网络改善而成的神经网络，它的优势主要在于能够运用线性学习的算法来实现非线性学习算法的功能，并且能确保非线性算法的高精度特点，在分类问题以及模式识别领域中优势独特［１２－１３］㊂本文将能量特征向量输入到ＰＮＮ模型中，可以得到４种不同的状态，包含内环㊁外环㊁滚子故障以及正常状态㊂４㊀试验与分析本文选用ＱＰＺＺ－ＩＩ实验平台（如图６所示）对系统的设计进行验证，轴承型号为Ｎ２０５（圆柱滚子轴承）㊂首先利用ｃＲＩＯ－９０７５对振动信号进行采集，４种状态的波形图如图７所示㊂其中，外环故障进行ＣＥＥＭＤ分解后，得到的ＩＭＦ分量如图８所示㊂此处选取相关系数较大的前６个ＩＭＦ分量，来提取其能量特征向量，步骤如下：（１）根据式（２）和式（３）来分别计算第ｉ个ＩＭＦ分量（此处＝ｉ＝１，２，，６）的能量Ｅｉ以及总能量Ｅ：图６㊀ＱＰＺＺ－Ⅱ轴承故障模拟实验平台图７㊀滚动轴承的原始振动波形图Ｅｉ＝ʏ＋ɕ－ɕｄｉ（ｔ）２ｄｔ＝ðｎｊ＝１Ｄｉｊ２（２）Ｅ＝ð６ｉ＝１Ｅｉ（３）式中：ｄｉ（ｔ）为第ｉ个ＩＭＦ分量；Ｄｉｊ为第ｉ个ＩＭＦ分量在第ｊ个离散点的幅值；ｎ为采样点的个数㊂㊀㊀㊀㊀㊀７０㊀ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒＡｐｒ．２０２１㊀图８㊀外环故障的ＣＥＥＭＤ分解图（２）通过式（４）进行能量归一化［１４－１５］计算后可以得出其能量特征向量Ｔ为Ｔ＝（Ｅ１／Ｅ，Ｅ２／Ｅ，，Ｅ６／Ｅ）（４）不同状态的能量特征向量柱状图如图９所示，从图９可以看出，不同状态的能量特征存在较大的差异，更有利于对故障类型进行准确的分类和诊断㊂（ａ）正常信号㊀（ｂ）内环故障（ｃ）外环故障㊀（ｄ）滚子故障图９㊀不同状态的能量特征向量柱状图将上述方法提取到的能量特征向量输入到ＰＮＮ模型中，进行故障诊断㊂本文中，每种状态各自选取８０组数据，前４０组用于训练，后４０组用于测试，其中每组数据包含１０２４个数据采样点㊂其测试结果如表１所示，可以看出，利用本文的方法，对滚动轴承故障信号进行诊断，有着较好的效果㊂表１㊀测试样本诊断结果正常状态内环故障外环故障滚子故障正确率／％３９／４０４０／４０３９／４０３７／４０９６．９５㊀结束语本文设计了一种基于ＬａｂＶＩＥＷ和ｃＲＩＯ的滚动轴承故障诊断系统，采用混合调用的方法，充分发挥了ＬａｂＶＩＥＷ的图形化特点和ＭＡＴＬＡＢ的数学计算优势㊂经过实验证明，该系统可以实时地对轴承振动信号进行有效监测，并可以及时地处理和诊断采集的数据㊂同时由于其便于携带，拥有友好的人机界面，智能化等特点，对工程应用提供了一定的参考价值㊂参考文献：［１］㊀赵见龙，张永超．基于ＬａｂＶＩＥＷ的矿井主通风机滚动轴承监测系统设计［Ｊ］．煤矿机械，２０１９，４０（７）：１５９－１６２．［２］㊀李谦．基于ＬａｂＶＩＥＷ的包络谱分析在滚动轴承故障诊断中的研究［Ｊ］．内燃机与配件，２０１８（１７）：１７２－１７３．［３］㊀吴彤，高彩霞，付子义．基于改进ＥＥＭＤ㊁ＫＰＣＡ与ＲＢＦ结合的变负载下滚动轴承故障程度识别［Ｊ］．制造业自动化，２０１８，４０（８）：６３－６７．［４］㊀何贞志，陈於学，邵明辉，等．基于ＬａｂＶＩＥＷ的滚动轴承缺陷在线智能检测系统［Ｊ］．仪表技术与传感器，２０１７（７）：７２－７５．［５］㊀孙晓涛，高军伟，毛云龙，等．基于ＬａｂＶＩＥＷ和Ｍａｔｌａｂ的滚动轴承故障监测与诊断［Ｊ］．青岛大学学报（工程技术版），２０１７，３２（３）：５６－６１．［６］㊀谢珩，马秋立，黄余凤，等．基于Ｌａｂｖｉｅｗ的机械手视觉引导系统设计［Ｊ］．制造业自动化，２０１９，４１（７）：１１１－１１３．［７］㊀孙小明．基于ＬａｂＶＩＥＷ和Ｍａｔｌａｂ混合编程的滚动轴承故障诊断系统［Ｊ］．电子科技，２０１８，３１（７）：１１－１４．［８］㊀赵红，高军伟，成亮，等．基于ＬａｂＶＩＥＷ和ＣＲＩＯ的电能质量综合监测系统［Ｊ］．青岛大学学报（工程技术版），２０１５，３０（１）：２２－２７．［９］㊀ＹＥＨＪＲ，ＳＨＩＥＨＪＳ，ＨＵＡＮＧＮＥ．Ｃｏｍｐｌｅｍｅｎｔａｒｙｅｎｓｅｍｂｌｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ：Ａｎｏｖｅｌｎｏｉｓｅｅｎｈａｎｃｅｄｄａｔａａ⁃ｎａｌｙｓｉｓｍｅｔｈｏｄ［Ｊ］．Ａｄｖａｎｃｅｓｉｎａｄａｐｔｉｖｅｄａｔａａｎａｌｙｓｉｓ，２０１０，２（２）：１３５－１５６．［１０］㊀潘洋洋，何伟，朱丹宸．基于ＣＥＥＭＤ与ＩＭＣＫＤ的滚动轴承故障诊断方法［Ｊ］．机电工程技术，２０１９，４８（１０）：９８－１０２．［１１］㊀ＨＡＮＴ，ＬＩＵＱＮ，ＺＨＡＮＧＬ，ｅｔａｌ．ＦａｕｌｔｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｏｆｌｏｗｓｐｅｅｄｒｏｌｌｅｒｂｅａｒｉｎｇｂａｓｅｄｏｎＴｅａｇｅｒｅｎｅｒｇｙｏｐｅｒａｔｏｒａｎｄＣＥＥＭＤ［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ，２０１９，１３８：４００－４０８．［１２］㊀刘贝贝，朱波，万育微，等．利用优化概率神经网络识别自相关过程异常［Ｊ］．制造业自动化，２０１８，４０（２）：７０－７３．［１３］㊀石磊，王兴成．概率神经网络在发动机故障诊断中的应用［Ｊ］．自动化仪表，２０１１，３２（３）：３３－３５．［１４］㊀邓辉，罗倩，王岩．基于ＩＭＦ能量矩和Ｂａｙｅｓ－ＬＳＳＶＭ的滚动轴承诊断［Ｊ］．计算机工程与应用，２０１９，５５（１７）：１５６－１６１．［１５］㊀郑依．ＬａｂＶＩＥＷ环境下的便携式地铁辅助逆变器采集分析系统［Ｄ］．青岛：青岛大学，２０１７．作者简介：刘福政（１９９３），硕士研究生，主要研究方向为智能控制与故障诊断㊂Ｅ⁃ｍａｉｌ：ｌｉｕｆｕｚｈｅｎｇ２５２０＠１６３．ｃｏｍ高军伟（１９７２），博士，教授，主要研究方向为智能系统与模式识别㊂Ｅ⁃ｍａｉｌ：ｑｄｇａｏ１６３＠１６３．ｃｏｍ。

XL601犁滚动轴承故障诊断虚拟仪器设计

XL601犁滚动轴承故障诊断虚拟仪器设计摘要:本文用目前应用最为成功、最为广泛的虚拟仪器开发软件LabVIEW,通过上位机和MCU51通信,接收振动加速度信号,对所接收到的振动加速度数据加以综合处理,开发出XL601型滚动轴承故障诊断虚拟仪器,该虚拟仪器集振动数据采集、显示、分析、保存、故障识别、报警、GSM短信和数据管理等功能于一体,较大程度的提高了诊断精度,满足了工作现场对滚动轴承高精度故障诊断的需求。

关键词:LabVIEW 滚动轴承虚拟仪器滚动轴承故障诊断技术复杂,本文针对目前在现场应用的仪器设备存在着智能化程度不高,二次开发难度大、对检测工作人员素质要求高、检测结果随意性大等问题,立足滚动轴承故障诊断现场需求,将虚拟仪器、小波分析应用到滚动轴承故障诊断,设计了XL601型滚动轴承故障诊断虚拟仪器。

1 系统工作流程设计XL601型滚动轴承故障诊断虚拟仪器根据故障诊断现场需求设计,采用基于morlet小波的滚动轴承故障诊断方法,需要实现振动数据采集、故障诊断算法,数据管理,GSM收发等功能,以下是本虚拟仪器工作流程:(1)虚拟仪器与数据采集单元通信,将采样频率传递给MCU51芯片,并通知其开始采样。

(2)虚拟仪器接收MCU51发送的数据。

当MCU51完成32K数据采集后,通知采样分析模块接收。

(3)虚拟仪器对数据预处理,采集的信号可能有明显的错点,这些错点的存在会使峰值因子等时域参数的计算失出意义,在分析之前必须剔除;信号中也可能存在明显的直流分量,也在该部分消出。

(4)各种时域参数的计算,系统中这些参数包括均方根值,峰值因子、峭度、重心频率等。

(5)故障类型自动判别,Morlet小波是高斯包络下的复指数函数,利用其虚部是实部的Hilbert变换,频域波形为钟形的特征,对解调信号进行Fourier变换(频谱细化),判断是该轴承在当前转速下,是否存在相应的故障特征频率。

(6)诊断结果的保存、GSM发送。

滚动轴承故障诊断试验样机的开发

滚动轴承故障诊断试验样机的开发
滚动轴承是机械设备中常用的关键零部件之一，其性能直接影响着设备的运行效率和寿命。

然而，由于工作环境的复杂性和长期使用的磨损，滚动轴承存在着故障的风险。

为了及时发现和解决这些故障，开发滚动轴承故障诊断试验样机成为了重要的研究领域。

滚动轴承故障诊断试验样机是一种模拟真实工作环境的设备，通过模拟滚动轴承的运行状态和故障模式，进行故障诊断和性能评估。

其开发对于提高滚动轴承的可靠性和使用寿命具有重要意义。

在滚动轴承故障诊断试验样机的开发过程中，首先需要对滚动轴承的工作原理和常见故障模式进行深入研究。

通过分析不同故障模式对轴承振动、声音和温度等信号的影响，确定故障诊断的关键参数。

其次，根据研究结果，设计和制造滚动轴承故障诊断试验样机的硬件平台。

该平台应当具备高精度的数据采集和信号处理能力，能够实时监测和记录轴承的振动、声音和温度等参数。

同时，样机的结构应当与实际工作环境相似，以保证试验结果的可靠性。

最后，开发滚动轴承故障诊断试验样机的软件系统。

该系统应当能够对采集到的数据进行分析和处理，通过算法判断轴承的
工作状态和是否存在故障。

同时，还需要具备数据可视化和报警功能，方便操作人员对轴承的状态进行实时监测和判断。

通过滚动轴承故障诊断试验样机的开发和应用，可以实现对滚动轴承的快速故障诊断和预警，提高设备的可靠性和工作效率。

同时，也可以为滚动轴承制造商提供参考和改进的方向，进一步优化轴承的设计和制造工艺。

总之，滚动轴承故障诊断试验样机的开发是滚动轴承领域的重要研究方向，其应用能够有效提高滚动轴承的可靠性和使用寿命，为工业生产提供更可靠的支持。

一种滚动轴承多故障检测装置设计

一种滚动轴承多故障检测装置设计摘要：滚动轴承是旋转机械设备中最常用的功能部件，也是最易损伤的功能部件之一，对其进行状态监测与故障诊断是国内外工程技术领域一直倍受关注的课题。

所设计的一种滚动轴承多故障检测装置，包括支撑板、多个支撑柱以及检测板，支撑板的顶部固定有多个限位块，检测板的侧壁开有滑轨，滑轨滑动连接移动控制装置，移动控制装置的底部连接有激光检测装置和压力检测装置；支撑柱上滑动设置有升降杆，升降杆上铰接有显示屏，移动控制装置与显示屏连接。

该装置通过激光检测系统能够对不同外径轴承的外径进行激光检测，通过压力检测系统对轴承的应力进行检测，得出轴承应力参数，根据轴承应力参数判断滚动轴承故障类型。

关键词：滚动轴承，故障诊断，激光检测，应力测量1引言滚动轴承是旋转机械设备中最常用的功能部件，也是最易损伤的功能部件，对其进行状态监测与故障诊断是国内外工程技术领域一直倍受关注的课题。

尽管滚动轴承从设计、材料到制造都已经比较成熟，但是由于其本身寿命具有很大的离散性和不确定性[1-2]，即相同的材料、加工工艺和生产设备生产出来的一批轴承，即使在载荷、转速、润滑条件等相同的外部条件下，其寿命仍然相差很大[3-4]，轴承的这个特点使得有的轴承虽已大大超过设计寿命仍能正常地工作，而有的轴承远未达到设计寿命就出现各种故障[5]。

因此，对滚动轴承进行有效的状态监控与故障诊断对于保障机械安全运转和节约开支具有重要意义，该项研究工作一直都是国内外机械故障诊断领域中的重点研究课题，基于此，设计了一种滚动轴承多故障检测装置，该装置能够对不同外径轴承的外径进行激光检测，并对内径进行标识、限位，对轴承的应力进行检测，得出轴承应力参数。

2结构设计所设计的滚动轴承多故障检测装置，整体结构如图1所示。

该装置包括支撑板、设置在支撑板上的多个支撑柱以及设置在多个支撑柱上的检测板，支撑板的顶部固定有用于对轴承主体的内径进行标识、限位的第一限位块和第二限位块，检测板的侧壁开有滑轨，滑轨滑动连接移动控制装置，移动控制装置的底部连接有用于对轴承主体外径进行激光检测的激光检测装置和用于对轴承主体的应力进行检测的压力检测装置；支撑柱上滑动设置有升降杆，升降杆上铰接有用于对激光检测结果和应力检测结果进行显示的显示屏。

轴承故障预测模拟实验台

轴承故障预测模拟实验台新型轴承故障预测研究实验台SIMULATORSBenefits:v Conduct fundamental research in bearing wear evolutionv Develop model for damage propagation mechanisms of rolling elementbearings, pressurized fluid film bearings, and the grease lubricated bearings v Understand bearing failure mechanisms as a function of load, rotational speed, and the oscillatory motion of the bearingv Develop predictive models of the bearing remaining life based on damageevolution, operating speed, amplitude and type of the loadingv Research signal processing techniques and sensor types for conditionmonitoring of bearings for prognosticsv Study correlation among vibration, motor current, load, friction and noise spectrav Verify model-based diagnostics/prognostics algorithmsSIMULATORS特点:v用于轴承故障预测研究的模块化、稳健、多功能实验台v同时测量轴承径向、轴向负载和摩擦力矩v设计的智能摩擦力矩传感器用于测量轴承在重载下的小摩擦力矩v可编程电机可输入有无转速时恒速和振荡运动的参数v配有测试用的滚动轴承、油脂润滑轴承、油膜滑动轴承v用于不同类型载荷的可互换变速交流电机和伺服电机v操作简便的液压轴承加载系统v易于安装和拆除的测试轴承配有滚动轴承和步进电机的轴承故障预测实验台SIMULATORS 可测力的轴承加载系统SpectraQuest ’s 公司的轴承故障预测模拟实验台(BPS)用液压方式实现轴承轴向和径向加载。

西储大学CWRU数据说明

DE - drive end accelerometer data 驱动端加速度数据FE - fan end accelerometer data 风扇端加速度数据BA - base accelerometer data 基座加速度数据（正常）time - time series data 时间序列数据RPM- rpm during testing每秒钟多少转，除以60为旋转频率该实验台如图所示,包括一个2 马力（1.5KW）的电动机，一个扭矩传感器/ 译码器，一个功率测试计,还有电子控制器(图中没显示) 。

待检测的轴承支撑着电动机的转轴,驱动端轴承为SKF6205，风扇端轴承为SKF6203，下表中分别列出了两种轴承的几何尺寸和各部件的故障频率。

轴承用电火花加工单点损伤，损伤直径分为（0.007英寸=7 mils =0.177 8 mm，0.014英寸=14 mils =0.355 6 mm ，0.021英寸=21 mils =0.533 4 mm，0.028英寸=28 mils =1.016 mm，0.04英寸=40 mils =1.016 mm。

（1英寸=25.4mm）其中，轴承外圈的损伤点在时钟:3 点钟、6 点钟、12 点钟3 个不同位置进行设置。

电动机风扇端和驱动端的轴承座上方各放置一个加速度传感器用来采集故障轴承的振动加速度信号。

振动信号由16 通道数据记录仪采集得到，采样频率为12 kHz，驱动端轴承故障还包含采样频率为48 kHz 的数据。

功率和转速通过扭矩传感器/ 译码器测得。

Описание Подшипник 205 ( Подшипник 6205 )Наименование по ГОСТу: Подшипник 205Наименование по ISO: Подшипник 6205Стоимость: 22руб.Наличае: в наличииВнутр. D, mm.: 25mm.Внеш. D, mm.: 52mm.Ширина, mm.: 15mm.Вес, kg.: 0,12kg.Шариковый радиальный однорядный 25х52х15 МТЗ (червяк ГУР-2шт,привод насоса НШ10-3-Л-2шт)Данные были собраны для нормальной подшипники, одной конечной точки привода и дефекты вентилятор конца. Данные были собраны на образцах 12000 / сек и 48000 проб в секунду для дисков эксперименты подшипник. Все данные вентиляторподшипник было собрано на 12000 сэмплов / сек.Данные файлов в формате Matlab. Каждый файл содержит вентиляторов и дисков данные конца вибрации, а такжемеханических скорости вращения. Для всех файлов, следующий пункт в имя переменной указывает:DE - диск данных конце акселерометрFE - вентилятор данные конца акселерометрБратислава - база данных акселерометраВремя - данные временных рядовОб / мин об / мин во время тестирования数据收集的，正常的轴承单点驱动器和风扇月底结束的缺陷。