机械故障诊断大作业
机械设备状态检测与故障诊断作业习题答案
1.简述设备故障诊断的目的和任务答：目的：①能及时的、正确的对各种异常状态或故障状态作出诊断，预防或消除故障，对设备的运行进行必要的指导，提高设备的可靠性、安全性和有效性，把故障降低到最低水平②保证设备发挥最大的设计压力③通过检测监视、故障分析、性能评估等，为设备结构改造、优化设计、合理制造及生产过程提供数据和信息任务：①状态监测②故障诊断③指导设备的管理维修2.简述设备故障诊断技术的定义、内容、类型和方法答：定义：在设备运行中或基本不拆卸设备的情况下，掌握设备的运行状况，判定产生故障的部位和原因，以及预测预报设备状态的技术内容：设备故障诊断的内容包括状态监测、分析诊断和故障预测三方面，实施过程为信号采集、信号处理、状态识别、诊断决策四方面类型：①按诊断对象分类：旋转机械诊断技术、往复机械诊断技术、工程结构诊断技术、运载器和装置诊断技术、通信系统诊断技术、工艺流程诊断技术②按诊断目的分类：功能诊断与运行诊断、定期诊断与连续诊断、直接诊断与间接诊断、常规工况与特殊工况诊断、在线诊断和离线诊断③按诊断方法完善程度分类：简易诊断、精密诊断技术方法：①传统方法：利用各种物理和化学的原理和手段，通过伴随故障出现的各种物理和化学现象直接检测故障；利用故障所对应的征兆来诊断②智能诊断：在传统诊断方法的基础上，将人工智能的理论的方法用于故障诊断③模式识别、概率统计、模糊数学、可靠性分析和故障树分析、神经网络、小波变换、分析几何等数学分支在故障诊断中应用3.机械设备故障的信息获取和检测方法有哪些？答：获取方法：直接观测法、参数测定法、磨损残渣测定法、设备性能指标的测定检测方法：①振动和噪声的故障检测：振动法、特征分析法、模态识别与参数识别法、冲击能量与冲击脉冲测定法、声学法②材料裂纹及缺陷损伤的故障检测：超声波探伤法、射线探伤法、渗透探伤法、磁粉探伤法、涡流探伤法、激光全息检测法、微波检测技术、声发射技术③设备零部件材料的磨损及腐蚀故障检测：光纤内窥技术、油液分析技术④温度、压力、流量变化引起的故障检测4.简述振动检测和诊断系统的组成和原理，说明其区别答：振动检测系统：信息输入 -数据预处理 -数据变换和压缩 -特征提取-状态分类 -{ ①显示、打印、绘图、储存②判断与决策 -报警、审核、维修 }诊断系统：激振器 -被诊断对象 -传感器 -二次仪表 -{ ①磁带记录仪②分析仪③数据采集、记录和存储器}- 故障诊断系统5.测振传感器有哪些类型？简述其工作原理。
故障诊断大作业
2016-2017-I《设备远程故障断》期末大作业学院机械工程与应用电子技术学院专业机械工程及自动化姓名冯文超学号13010428指导教师张建宇2016年12月12日北京工业大学图1为某高线精轧机组的传动链简图，该机组的振动监测系统包含14个测点，每架精轧机各有一个测点。
2007年8月18日上午11点，25#轧机的振动指标超过报警限，峰值达到70m/s²，随后增至75m/s²，8月19日峰值达到80m/s²，系统持续出现黄色报警，如图2所示，图3为25#轧机的内部结构。
图1高线精轧机传动链图2H25报警显示图3H25轧机基本结构已知条件：✧系统采样频率为12kHz，采样点数为2048；✧增速箱齿轮参数：Z1=150，Z2=57(奇数侧)/46(偶数侧)；✧25#精轧机齿轮参数：Z3=77，Z4=53，Z5=31，Z6=27。
现提供三组监测信号，说明如下：序号信号采集时间文件名当日电机转速12007.06.308:00200706300800H6K.txt n=1166rpm22007.07.1720:00200707172000H6K.txt n=1173rpm32007.08.205:00200708200500H6K.txt n=1130rpm完成下列分析：(1)计算25#轧机的归一化轴频和啮合频率(即设定电机转速为1rpm)。
(2)每组数据文件均包含14列(对应14个通道)，其中第7列为25#精轧机监测数据，提取该列数据。
(3)计算三组数据的峰值、有效值、峰值指标、峭度指标，比较设备在不同时期的状态差异，根据数值差异你能得到什么结论？(4)画出2007年8月20日的波形、频谱及平方解调谱，给出你的诊断结论（即判断故障发生部位）。
(5)分别画出2007年6月30日和7月17日监测信号的波形、频谱以及概率密度曲线，判断信号中是否已存在故障特征。
(6)画出6月30日和7月17日两组信号的自相关曲线，并计算相关波形的的平方解调谱，从中能否找到故障特征？答：（1）电机转速为为1rpm 时，Z1的轴频为f1=1/60HZ ;奇数侧：Z2的轴频为f2=(Z1/Z2)*f1=5/114HZ ;Z3的轴频为f3=f2=5/114HZZ4的轴频为f4=(Z3/Z4）*f3=385/6042HZ ;Z5的轴频为f5=f4=385/6042HZ ;Z6的轴频为f6=(Z5/Z6）*f5=11935/163134HZ ;Z3与Z4的啮合频率为：(f3)*Z3=385/114HZ;Z5与Z6的啮合频率为：(f5)*Z5=11935/6042HZ(2）该列数据见Matlab 程序；（3）由以上指标可以看出2017年8月30日的振动明显增强，且偏离正态分布的程度在三组数据中最大！（4）2007年8月20日的波形、频谱及平方解调谱如下：信号采集时间峰值有效值峰值指标峭度指标2007.06.3023.9710 6.739 3.5570 2.99122007.07.1725.39437.7556 3.2743 3.10542007.08.2066.760117.6825 3.7758 2.8342波形图频谱平方解调谱由频谱可得故障发生部位的的啮合频率约为2039HZ，轴频约为76HZ；，此时电机转速为1130rmp；由（1）可知此时Z3与Z4齿轮对的啮合频率为3816HZ，Z5与Z6齿轮对的啮合频率为2232HZ，约为故障特征频率。
机械故障分析练习题(含答案)
机械故障分析练习题(含答案)
一、故障情况描述
一台机器在正常运行过程中出现了故障，现在请您根据以下描
述进行故障分析。
故障描述：当机器运行到一定时间后，出现了明显的异响，同
时机器转速明显下降，无法正常工作。
二、问题分析与解答
1. 请问可能是什么原因导致机器出现明显的异响和转速下降？
答案：这可能是由于机器的轴承磨损所引起的。
机器运转一段
时间后，轴承的润滑油会逐渐消耗，导致轴承磨损加剧，从而引起
了异响和转速下降。
2. 除了轴承磨损，还有哪些可能导致机器出现类似故障的原因？
答案：除了轴承磨损外，还可能是由于传动带松弛、机器内部
零部件松动、齿轮磨损等原因导致的。
这些问题都可能会引起异响
和转速下降。
3. 对于这种故障，应该如何解决？
答案：首先，需要对机器进行彻底的检查，确定具体的故障原因。
然后，针对不同的原因采取相应的措施进行修复。
对于轴承磨
损而引起的故障，需要更换磨损的轴承，并重新润滑。
对于其他原
因导致的故障，需要进行相应的调整和修复。
三、总结
通过对机器故障的分析，我们可以了解到机器故障的原因可能
是多方面的，需要进行仔细的检查和分析。
及时发现和解决机器故障，可以保证机器的正常运行，提高工作效率。
同时，合理使用和
维护机器，也能延长机器的使用寿命。
以上是关于机械故障分析的练习题及答案，希望对您有所帮助。
如有任何疑问，请随时联系。
谢谢！。
浙大化工机械-故障诊断大作业
碟式分离机故障诊断综合报告——故障诊断大作业一、课题背景随着科学技术的不断发展，机械设备越来越复杂，自动化水平越来越高，设备的可靠运行对现代工业生产中影响越来越大。
机器运行中发生的故障或失效不仅会造成重大的经济损失，甚至还可能导致灾难性的人员伤亡。
碟式分离机是一种转速比较高的化工旋转机械，广泛应用于液-液，液-固和液-液-固的分离，其工作转速通常从4000r/min到10000r/min，复杂的机械结构使其比其它类型的分离机械，要求有更高的平衡特性。
因为，碟式分离机的进液和排液都是在工作转速下连续进行，特别是在进行液-液分离时，不仅要保证进料分配器同进料管之间，轻、重液出口管同轻、重液收集器之间有足够小的间隙，使进料和排料能顺利进行，而且从升速至工作状态乃至停机的全过程，尤其过临界和发生机座共振时，相互间都不能发生擦碰。
其次，与其它的旋转机械一样，过大的振动会导致机器的动负荷增加，机械效率降低，造成机器零件的过早磨损和疲劳，直接影响机器的正常运行和使用寿命，甚至于引发事故。
二、分离机基本参数及故障特征1. 主要结构特点图1 碟式分离机实物图图2 碟式分离机结构简图如图1所示，此机器为DRJ-395中型胶乳碟式分离机，该机的工作转速为7000r/min。
主要结构参数：针对DRJ-395中型胶乳碟式分离机，该机的工作转速为7000r/min。
主要结构参数:转鼓内径：395mm；碟片数：110-115张；碟片间隙：0.5mm;碟片锥度母线与水平夹角：α=50 度；横轴转速：1450r/min；立轴转速：7027r/min;分离因子：α=10750；生产率：320kg/h;电动机型号：JO3-132M-4 TH/T2 型；电机功率：11kw；电动机转速：1450r/min；外型尺寸（长×宽×高）1210×843×1665；重量：1040kg；碟式分离机主要包括机座、传动系统、横轴系统、立轴系统和转鼓组件等。
机械故障诊断综合大作业—航空发动机的状态监测和故障诊断
机械系统故障诊断综合大作业航空发动机的状态监测和故障诊断1.研究背景与意义航空发动机不但结构复杂，且工作在高温、大压力的苛刻条件下。
从发动机发展现状看，无论设计、材料和工艺水平，抑或使用、维护和管理水平，都不可能完全保证其使用中的可靠性。
而发动机故障在飞机飞行故障中往往是致命的，并且占有相当大的比例，因此常常因发动机的故障导致飞行中的灾难性事故。
随着航空科学技术的发展并总结航空发动机设计、研制和使用中的经验教训，航空发动机的可靠性和结构完整性已愈来愈受到关注。
自70年代初期即逐步明确航空发动机的发展应全面满足适用性、可靠性和经济性的要求，也就是在保证达到发动机性能要求的同时，必须满足发动机的可靠性和经济性（维修性和耐久性）的要求。
可靠性工作应贯穿在发动机设计-生产-使用-维护全过程的始终。
对新研制的发动机，应在设计阶段就同时进行可靠性设计、试验和预估；对在役的发动机，应经常进行可靠性评估、监视和维护。
军机和民用飞机的主管部门，设计、生产、使用和维护等各部门，应形成有机的、闭环式的可靠性管理体制，共同促进航空发动机可靠性的完善和提高。
2.国内外进展自70年代前期，国外一些先进的民用和军用航空公司即着手研究和装备发动机的状态监视和故障诊断系统。
电子技术与计算机技术的迅速发展，大大促进了航空发动机的状态监视与故障诊断技术的发展。
至今，监视与诊断技术作为一项综合技术，已发展成为一门独立的学科，其应用已日趋广泛和完善。
按民航适航条例规定航空发动机必须有15个以上的监视参数。
现今美国普•惠公司由有限监视到扩展监视，逐步完善了其TEAMIII等系统，美国通用电气公司也不断在发展其ADEPT系统。
从各国空军飞机发动机的资料来看，大都采用了发动机状态监视与故障诊断系统。
包括发动机监视系统EMS，发动机使用情况监视系统EUMS和低循环疲劳计数器LCFC等，同时为了帮助查找故障，近年来还发展了发动机故障诊断的专家系统，如XMAN和JET—X。
xyz机械故障诊断大作业
作业名称：FFT滚动轴承故障诊断院系：机械工程系学号：姓名：指导教师：西南交通大学峨眉校区摘要滚动轴承是旋转机械的主要损失之一，在以往的动检工作中，我们对旋转机械滚动轴承强烈震动原因分析不足，不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测，根据所测数据做出诊断分析，及时发现滚动轴承强烈震动情况。
通过FFT方法分析轴承的信号图，对滚动轴承振动的产生原因进行深入分析，不断总结经验，提高故障分析能力，掌握造成滚动轴承强烈振动的原因，及时消除振动，为设备安全提供可行性措施。
关键词：轴承振动FFT一、快速傅里叶变换(FFT)的原理及公式非周期性连续时间信号x(t)的傅里叶变换可以表示为式中计算出来的是信号x(t)的连续频谱。
但是，在实际的控制系统中能够得到的是连续信号x(t)的离散采样值x(nT)。
因此需要利用离散信号x(nT)来计算信号x(t)的频谱。
有限长离散信号x(n)，n=0，1，…，N-1的DFT定义为：可以看出，DFT需要计算大约N2次乘法和N2次加法。
当N较大时，这个计算量是很大的。
利用WN的对称性和周期性，将N点DFT分解为两个N／2点的 DFT，这样两个N／2点DFT总的计算量只是原来的一半，即(N／2)2+(N／2)2=N2／2，这样可以继续分解下去，将N／2再分解为N／4点 DFT等。
对于N=2m 点的DFT 都可以分解为2点的DFT，这样其计算量可以减少为(N／2)log2N次乘法和Nlog2N次加法。
图1为FFT与DFT-所需运算量与计算点数的关系曲线。
由图可以明显看出FFT算法的优越性。
将x(n)分解为偶数与奇数的两个序列之和，即x1(n)和x2(n)的长度都是N／2，x1(n)是偶数序列，x2(n)是奇数序列，则其中X1(k)和X2(k)分别为x1(n)和x2(n)的N／2点DFT。
由于X1(k)和X2(k)均以N／2为周期，且WN k+N/2=-WN k，所以X(k)又可表示为：上式的运算可以用图2表示，根据其形状称之为蝶形运算。
故障诊断综合大作业
空间站的安全监测与自主维护装置构思机自24 王东岳 2120101087一、背景与意义在过去的几十年中,世界各国在发展航天技术的过程中,由于错综复杂的原因,发生了数以千计的事故,数以万计的故障。
特别在研制初期这种情况尤为明显,可以说世界各国的航天器是在不断出现事故和故障中发展起来的。
当前,发展载人航天技术已成为世界航天的发展热点,空间站更是其中的一位佼佼者。
它是一项投资巨大、技术复杂的综合性大型航天工程,因此加强空间站的安全保障,尤其是设计初期的安全计划则成了一项必不可少的关键工作,其中故障监测报警、诊断和恢复技术成为航天事业中保障航天器安全,提高可靠性,降低风险的有效对策。
空间站是机械、电子、材料、控制、推进、能源、通讯以及航天医学和生物学、计算机技术、遥感技术、天体物理等多学科最新的尖端成果的协同运用，造价极其昂贵的大型复杂系统，而且要在数以年计的任务时间内可靠运行。
因此，空间站的设计必须要求具备故障检测和诊断能力，这是提高空间站可靠性的极为重要的补充，也是空间站设计中的一个不容忽视的至关重要的环节。
二、国内外展综述故障检测、报警与诊断技术随着80年代初期以来人工智能和专家系统技术在各个民用行业的兴起和成功应用,在载人航天事业中占有越来越关键的地位。
故障诊断系统已与空间站的各分系统,各软、硬件配置集为一体。
以空间站站上火灾的预防和控制方法的具体应用也可看出故障检测、报警与诊断技术的渗透:故障检测系统实时监测站上环境中的温度、放射线、烟雾因子以及空气化学成分等的变化,或产生报警,或由诊断系统诊断后提出对策,由站上的多专家系统(站上二氧化碳,氮,Halan1301为灭火专家) 进行故障隔离。
故障检测诊断技术一直是载人航天器发展的一大特色,经历了60年代简单的状态监测(水星号),70年代初的基于算法的故障监测(阿波罗计划)和80年代基于知识的智能诊断(航天飞机),智能诊断进一步发展到目前的基于模型的自主诊断(空间站)。
机械故障诊断大作业滚动轴承
课程名称：机械故障诊断设计题目：基于FFT的轴承故障诊断学院：机械工程系班级：学号：姓名：指导老师：李奕璠2017年12月23日摘要滚动轴承是旋转机械中重要的零件，以往的动检工作对滚动轴承强烈振动原因分析不足，不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测，根据所测数据做出诊断分析，及时发现滚动轴承强烈震动情况。
傅里叶变换在故障诊断技术中是重要的工具，但傅里叶变换及其逆变换都不适合数字计算机计算，要进行数字计算机处理，必须将连续性信号离散化，无限长数据有限化，再进行采样和截断。
这种算法称为有限离散傅里叶变换（DFT），为了提高效率，在DFT的基础上，运用快速傅里叶变换（FFT）对滚动轴承进行故障诊断。
通过FFT方法分析轴承的信号图，对滚动轴承振动的产生原因进行深入分析，不断总结经验，提高故障分析能力，掌握造成滚动轴承强烈振动的原因，及时消除振动，为设备安全提供可行性措施。
关键词：滚动轴承；故障诊断；FFT23第1章 绪论1.1 滚动轴承概述滚动轴承（rolling bearing ）是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦，从而减少摩擦损失的一种精密的机械元件。
滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成，内圈的作用是与轴相配合并与轴一起旋转；外圈作用是与轴承座相配合，起支撑作用；滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间，其形状大小和数量直接影响着滚动轴承的使用性能和寿命；保持架能使滚动体均匀分布，引导滚动体旋转起润滑作用。
图1 滚动轴承结构滚动轴承是各类旋转机械中最常用的通用零件之一，也是旋转机械易损件之一。
据统计，旋转机械的故障越有30%是由轴承故障引起的，它的好坏对机械的工作状况影响很大。
轴承的缺陷会导致机器剧烈振动和产生噪声，甚至会引起设备的损坏。
因此，对重要用途的轴承进行工况检测与故障诊断是非常必要的。
1.2 本次任务本次总共给出了4组通过现场测试得到的滚动轴承运行数据，包括1组正常轴承数据，1组内圈故障数据，1组外圈故障数据，1组滚动体故障数据。
机械设备故障诊断大作业何剑秋
附件江苏开放大学形成性考核作业学号*************姓名何剑秋课程代码110048课程名称机电设备故障诊断与维修评阅教师第 1 次任务共 1 次任务江苏开放大学说明：本次大作业主要检查学员学习了本门课程的知识实际运用能力及检验实验完成情况，重点检查3次线下实验任务完成情况和能力检验，共三大题，100分。
一、在课程第6学习单元中布置了实验一：普通车床主轴与导轨平行度测量要求：学员阅读实验指导，参考微课视频指导，学员线下现场自己练习，掌握普通车床主轴与导轨平行度测量方法和故障检修。
请完成以下任务：（本题40分）1、完成本实验的主要步骤？答：在a上母线测量平行度具体步骤如下1清理主轴锥孔表面釆用氏6号锥2)主轴圆周上分四等分并转到位置3在主轴锥孔中安装标准芯棒4安装百分表注意百分表安装应牢固5)纵向移动大拖板将百分表移至位置1记录该位置为零值注意百分表应与接触面保持垂直6横向移动中拖板,找寻芯棒外园面园弧最高点刀从左往右缓惶移动大拖板,百分表移动行程大约300mmn(每次测量百分表的行程相对致);8)记录百分表所测得的数据)在b侧母线测量平行度具体步骤如下：将百分表转到水平方向放在位置记录数值测量水平平行度2)旋转90°记录所测位置。
将主轴依次旋转90再同样沿两方向各测量一次2、现有四次测量数值，如下表，请整理数据，得出实际误差值填入下表中。
表1 车床导轨对主轴中心线的平行度2、总结本次实验的收获与体会？这次所遇到的是普通车床精度及检测,主要表现在用了时间长的普通车床因为拖板与导轨经常工作的关系摩擦时间较多所以导轨时间长了就会有磨埙。
车床导轨与主轴中心线的平行度不样有时会导致工件的直径有轻微大小头尺寸有误差，所以要用百分表去导轨与主轴平行度的误差。
步骤是1清理主轴锥孔表面采用莫氏6号锥2主轴圆周上分四等分,在主轴锥孔中安装标准芯棒。
安装百分表注意百分表安装应牢固。
纵向移动大拖板将百分表移至位置记录该位置为零值注意百分表应与接触面保持垂直。
机械故障诊断大作业
机械故障诊断大作业题目：基于小波分析的轴承故障诊断指导教师：李奕璠班级：学号：姓名：成绩：西南交通大学峨眉校区机械工程系基于小波分析的轴承故障诊断摘要滚动轴承在机械设备中使用非常广泛，其工作状态直接影响整个设备的运行效率。
对滚动轴承进行状态监测与故障诊断，能够避免重大事故的发生，获得较大的经济和社会效益。
在多样化的现代信号数据处理方法中，小波分析比较适合非稳定信号分析处理，小波变换不仅能够给出信号的时间和频率的二维关系，还能根据信号局部特征调整其窗口宽度。
采用Matlab编程快速地在计算机上实现基于小波分析的滚动轴承故障诊断。
对正常或故障轴承的振动信号进行小波分解与重构，基于小波分解系数对含有故障特征频率的第一层细节信号进行小波重构并提取其Hilbert包络谱，从中找到并测出特征频率,并和根据理论计算得到的故障特征频率对比判断故障类型。
关键词：故障诊断小波分析Matlab Hilbert包络谱特征频率第一章绪论滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障越30%是因为滚动轴承引起的，由此可见滚动轴承故障诊断工作的重要性。
滚动轴承在机械设备中使用非常广泛，其工作状态直接影响整个设备的运行品质,对滚动轴承进行状态监测与故障诊断，能够避免重大事故的发生，获得较大的经济和社会效益。
随着生产的需要，对轴承故障的检测方法也越来越多，其中，运用比较广发的集中方法是FFT、功率谱、倒谱分析、小波分析、经验模态分解、形态滤波、双谱分析。
小波变换是一种时频分析方法,可进行多分辨率分析，对轴承振动信号进行小波变换, 小波变换可以把振动信号分解成多个具有不同时间和频率分辨率的小波信号，同时对振动信号进行处理时就能有效地克服信号的泄漏和混叠等，从而可以在一个变换中同时研究低频长时现象和高频短时现象。
使振动信号的检测和分析更符合于真实的情况。
提取其中具有故障特征的细节信号进行重构;对重构信号做Hilben包络谱分析，从中检测出轴承的故障特征频率,据此判断故障类型。
机械故障诊断技术_习题参考答案
参考答案教材：设备故障诊断，沈庆根、郑水英，化学工业出版社，2006.3第1版2010.6.28 于电子科技大学1第1章概论1.1 机械设备故障诊断包括哪几个方面的内容？答：机械设备故障诊断所包含的内容可分为三部分。
第一部分是利用各种传感器和监测仪表获取设备运行状态的信息，即信号采集。
采集到的信号还需要用信号分析系统加以处理，去除无用信息，提取能反映设备状态的有用信息（称为特征信息），从这些信息中发现设备各主要部位和零部件的性能是处于良好状态还是故障状态，这部分内容称为状态监测，它包含了信号采集和信号处理。
第二部分是如果发现设备工作状态不正常或存在故障，则需要对能够反映故障状态的特征参数和信息进行识别，利用专家的知识和经验，像医生诊断疾病那样，诊断出设备存在的故障类型、故障部分、故障程度和产生故障的原因，这部分内容称为故障诊断。
第三部分称为诊断决策，根据诊断结论，采取控制、治理和预防措施。
在故障的预防措施中还包括对设备或关键零部件的可靠性分析和剩余寿命估计。
有些机械设备由于结构复杂，影响因素众多，或者对故障形成的机理了解不够，也有从治理措施的有效性来证明诊断结论是否正确。
由此可见，设备诊断技术所包含的内容比较广泛，诸如设备状态参数（力、位移、振动、噪声、裂纹、磨损、腐蚀、温度、压力和流量等）的监测，状态特征参数变化的辨识，机器发生振动和机械损伤时的原因分析，故障的控制与防治，机械零部件的可靠性分析和剩余寿命估计等，都属于设备故障诊断的范畴。
1.2 请简述开展机械设备故障诊断的意义。
答：1、可以带来很大的经济效益。
①采用故障诊断技术，可以减少突发事故的发生，从而避免突发事故造成的损失，带来可观的经济效益。
②采用故障诊断技术，可以减少维修费用，降低维修成本。
2、研究故障诊断技术可以带动和促进其他相关学科的发展。
故障诊断涉及多方面的科学知识，诊断工作的深入开展，必将推动其他边缘学科的相互交叉、渗透和发展。
大作业基于PCA故障诊断
大作业基于PCA故障诊断PCA（Principal Component Analysis）是一项广泛应用于多变量数据分析中的方法，在许多领域中被用于控制质量、故障诊断等方面。
PCA方法能够进行数据降维，同时保留原始数据中的大部分特征，并且可以通过主成分分析来识别数据集中的主要成分。
因此，PCA方法在故障诊断方面有着广泛的应用。
故障诊断是指对设备、工厂生产过程等的异常作出判断和确认，并找出故障原因的过程。
为了进行故障诊断，需要先收集相关的数据，然后对数据进行分析处理，从中找出异常和故障点。
PCA方法作为数据处理的一种工具，可以在故障诊断中扮演重要的角色。
一个常见的故障诊断问题是如何识别设备始发故障的特征。
在这种情况下，PCA 可用于分析设备的传感器数据，并找出数据中存在的特征。
具体来说，PCA方法可以针对设备的生产参数进行分析，如温度、压力、振动等传感器数据。
通过PCA方法得到的主成分能够精确定位到设备的异常特征，从而来确定设备的故障点。
以机械设备为例，假设在机器运行过程中出现了故障，这时可以通过PCA方法对机器的生产数据进行分析。
首先，用PCA方法来处理机器运行时的所有数据，然后根据数据的主成分进行异常检测。
异常的数据可能表现为主成分中的异常变量，通过对故障数据和正常数据的比较，我们可以更加精确地定位到设备的故障点。
总之，在故障诊断方面，PCA方法可以帮助我们更加精确地定位到设备的故障点，有效提升故障诊断的准确性和效率。
同时，PCA还可以用于控制质量等生产方面的问题。
可以说，PCA方法是一种非常有效的数据处理方法，具有很强的实用性和广泛的应用前景。
故障诊断大作业
作业名称：FFT滚动轴承故障诊断院系：机械工程系学号：20107150姓名：龚华德指导教师：李奕璠西南交通大学峨眉校区傅里叶分析滚动轴承的故障诊断龚华德西南交通大学峨眉校区，四川峨眉 614200摘要：傅里叶变换用来分析分段平稳信号或者近似平稳信号犹可，在机械工程中有着重要的应用。
对于故障诊断中的非平稳信号，应用时频分析方法进行故障特征提取是完全可行的，也是故障诊断发展的必然趋势。
提出了一种固定结构的快速傅立叶变换(FFT)改进算法，通过改变蝶形结构使运算过程中的每一级结构保持相同，从而减少中间结果的存取寻址时间，达到简化运算步骤、提高运算效率的目的。
用此算法对一数控磨床的机械故障信号进行分析，顺利诊断出故障原因和所在位置，为排除故障提供了依据。
与经典FFT算法相比，效率提高大约7.23%，表明该算法具有一定的实用性和有效性。
Abstract：Fourier transform is used to analyze piecewise stationary signal or approximate stationary signal still can, in mechanical engineering has important applications. For the diagnosis of non-stationary signals, the application of time-frequency analysis method for fault feature extraction is entirely feasible, and it is an inevitable trend in the development of fault diagnosis.Fixing structure presents a Fast Fourier Transform (FFT) algorithm, by changing the butterfly structure of the operational structure of each stage of the process remains the same, thereby reducing the seek time access to the intermediate results, to simplify the operation step, to improve operation efficiency. With this algorithm a CNC grinding mechanical failure signal analysis, successfully diagnose the cause and location of the fault, provided the basis for the troubleshooting. Compared with the classical FFT algorithm, efficiency improved by approximately 7.23%, indicating that the algorithm has a certain practicality and effectiveness.关键词：快速傅立叶变换(FFT)，滚动轴承，故障诊断一、概述随着机械行业的蓬勃发展，对机械设备的性能的状态监测和故障诊断技术要求越来越高。
机械故障诊断大作业
机械故障诊断大作业题目：基于小波分析的轴承故障诊断指导教师：***班级：学号：姓名：成绩：西南交通大学峨眉校区机械工程系基于小波分析的轴承故障诊断摘要滚动轴承在机械设备中使用非常广泛，其工作状态直接影响整个设备的运行效率。
对滚动轴承进行状态监测与故障诊断，能够避免重大事故的发生，获得较大的经济和社会效益。
在多样化的现代信号数据处理方法中，小波分析比较适合非稳定信号分析处理，小波变换不仅能够给出信号的时间和频率的二维关系，还能根据信号局部特征调整其窗口宽度。
采用Matlab编程快速地在计算机上实现基于小波分析的滚动轴承故障诊断。
对正常或故障轴承的振动信号进行小波分解与重构，基于小波分解系数对含有故障特征频率的第一层细节信号进行小波重构并提取其Hilbert包络谱，从中找到并测出特征频率,并和根据理论计算得到的故障特征频率对比判断故障类型。
关键词：故障诊断小波分析Matlab Hilbert包络谱特征频率第一章绪论滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障越30%是因为滚动轴承引起的，由此可见滚动轴承故障诊断工作的重要性。
滚动轴承在机械设备中使用非常广泛，其工作状态直接影响整个设备的运行品质,对滚动轴承进行状态监测与故障诊断，能够避免重大事故的发生，获得较大的经济和社会效益。
随着生产的需要，对轴承故障的检测方法也越来越多，其中，运用比较广发的集中方法是FFT、功率谱、倒谱分析、小波分析、经验模态分解、形态滤波、双谱分析。
小波变换是一种时频分析方法,可进行多分辨率分析，对轴承振动信号进行小波变换, 小波变换可以把振动信号分解成多个具有不同时间和频率分辨率的小波信号，同时对振动信号进行处理时就能有效地克服信号的泄漏和混叠等，从而可以在一个变换中同时研究低频长时现象和高频短时现象。
使振动信号的检测和分析更符合于真实的情况。
提取其中具有故障特征的细节信号进行重构;对重构信号做Hilben包络谱分析，从中检测出轴承的故障特征频率,据此判断故障类型。
机械设备故障诊断技术课程大作业
外圈频率及 其谐波
主要故障频 率87.02Hz及 其谐波 转频24Hz的边带
fr = 24.17 Hz fi = 130.52Hz fo = 87.01Hz
特征频率幅值增大
12
实验台轴承的故障诊断
诊断流程
1. 时域分析 1.1波形分析 1.2概率分析 1.3相关分析
以峭度指标等于10作为报警线，轴承的剩余寿命为3天。
9
实验台轴承的故障诊断
诊断流程
1. 时域分析 1.1波形分析 1.2概率分析 1.3相关分析
2. 幅域分析 2.1趋势拟合
3. 频域分析 3.1幅值谱分析 3.2倒频谱分析 3.3低通滤波分析 3.4细化谱分析 3.5共振解调分析
正常状态 幅值小
由倒频谱可以看出，88.11Hz的信号很强，判断出外圈出现故障。
11
实验台轴承的故障诊断
诊断流程
1. 时域分析 1.1波形分析 1.2概率分析 1.3相关分析
2. 幅域分析 2.1趋势拟合
3. 频域分析 3.1幅值谱分析 3.2倒频谱分析 3.3低通滤波分析 3.4细化谱分析 3.5共振解调分析
3. 频域分析 3.1幅值谱分析 3.2倒频谱分析 3.3低通滤波分析 3.4细化谱分析 3.5共振解调分析
fr = 24.17 Hz fi = 130.52Hz fo = 87.01Hz
故障状态9
倒数为88.11
包括功率倒频谱和复倒频谱分析，它不仅能清楚地分离功率谱中含有 的周期分量，而且能够清楚地分辨信号和谐波。
1. 时域分析 1.1波形分析 1.2概率分析 1.3相关分析
2. 幅域分析 2.1趋势拟合
(机械故障诊断大作业)
机械故障诊断大作业作业名称：滚动轴承故障诊断院系：机械工程系学号：姓名：指导教师：李奕璠分数：傅里叶分析滚动轴承的故障诊断摘要：傅里叶变换在故障诊断技术中是重要的工具，但傅里叶变换及其逆变换都不适合数字计算机计算，要进行数字计算机处理，必须将连续性信号离散化，无限长数据有限华，基要进行采样和截断。
这种算话称为有限离散傅里叶变换（DFT），为了提高效率，在DFT的基础上，运用快速傅里叶变换（FFT）对滚动轴承进行故障诊断。
关键词：故障诊断，快速傅立叶变换(FFT)，滚动轴承一、概述滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障越有30%是因为滚动轴承引起的，由此可见滚动轴承故障诊断工作的重要性。
最初轴承故障诊断是利用听棒，靠听觉判断，继听棒、电子听诊器之后，又引入了各种测振仪；1966年，瑞典SKF公司发明了冲击脉冲仪检测轴承损伤，1976年，日本新日铁株式会社研制了MCV系列机器检测仪。
随着对滚动轴承的运动学、动力学的深入研究，加之快速傅里叶变换技术的发展，开创了用频域分析方法来检测和诊断轴承故障诊断的新领域。
离散傅立叶变换( Discrete Fourier Transform， DFT) 及其快速算法快速傅里叶变换( Fast Fourier Transform，FFT)算法很多，分别依照数据的组合方式和抽取方式可以分为时域法和频域法，基2和基4算法等。
其实现方法主要有两种，一种是用硬件实现, 用硬件实现时速度较快, 但系统的成本很高；另一种是用软件实现，用软件在PC 机或工作站上实现时虽然速度较慢, 但成本非常低。
本文中采用软件实现。
二、快速傅里叶变换（FFT）算法原理FFT是基于DFT的一种离散的傅里叶变化的快速算法。
FFT算法分为按时间抽取算法和按频率抽取算法，先简要介绍DFT的基本原理，再介绍FFT。
DFT的运算为：X(n)=∑x(k)W N nkN−1k=0，(n=0,1,2,…,N−1)x(k)=1N∑X(n)W N−nkN−1k=0，(k=0,1,2,…,N−1)其中，W n=e−j2πN⁄由于序列x(k)和它的离散傅里叶变换X(n)都是复数,并且随着序列长度k的增大，运动量将急剧增加。
机械故障大作业
击信号，其频次即故障频次 ，但检测该频次主要会碰到2个问题：（a）冲击信
专业word可编写
......
号的宽频带性质会激起轴承构造及传感器自己在各自固有频次上发生谐振，故
轴承振动信号中还含有故障特点频次的高次谐波重量。（b）因为轴承空隙的存
[M].北京：中国石化第一版社.2007
专业word可编写
......
附录
Matlab程序 ：以第一列数据为例
clear %消除内存
load data.mat%调入故障轴承振动信号的数据文件，存入sig
sig=y;
fs=12000;%设置取样频次fs，取样点数N
N=65536;
Ts=1/fs;
sig=sig(1:N,1);
率的细节信号是种调幅信号，它是故障信号对轴承的高频固有振动进行幅度调
制形成，设其为式 （5）。
f t A t cos 2 fmt
（5）
式中
A(t)—故 障 信号
fm—轴承 固有 振 动频 率
Hilbert变换可对换幅信号进行包络解调
，就是从f t中提取A t。信号
^
1
f t的Hilbert
变换f t是f t与h(t)
Cj, k
h0
k
2m c
m
Dj ,k
h1
k
2m d
m
j ,m
(4)
j , mj1,2,..., n
依据公式(3)(4)对轴承振动信号进行小波分解与重构可获取其各层概貌信号
Cj ,k及细节信号Dj ,k，此中幅度最大的细节信号中包含轴承故障的特点频次。
机械故障诊断作业
机械故障诊断绪论：机械设备状态监测与故障诊断：是识别机械设备(机器或机组)运行状态的一门综合性应用科学和技术，它主要研究机械设备运行状态的变化在诊断信息中的反映；通过测取设备状态信号，并结合其历史状况对所测信号进行处理分析，特征提取，从而定量诊断(识别)机械设备及其零部件的运行状态(正常、异常、故障)，进一步预测将来状态，最终确定需要采取的必要对策的一门技术。
主要内容包括监测、诊断(识别)和预测三个方面。
机械设备是现代化工业生产的物质技术基础，设备管理则是企业管理中的重要领域，也就是说，企业管理的现代化必然要以设备管理的现代化作为其重要组成部分，机械设备状态监测与故障诊断技术在设备管理与维修现代化中占有重要的地位。
机械设备状态监测与故障诊断技术在满足可靠性、可用性、维修性、经济性、安全性要求中，扮演着越来越重要的角色。
机械故障的诊断的意义当然是不可忽略的。
第一，有利于提高设备管理水平，“ 管好、用好、修好”设备，不仅是保证简单再生产的必要条件，而且能提高企业经济效益，推动国民经济持续、稳定、协调地发展。
机械设备状态监测与故障诊断是提高设备管理水平的一个重要组成部分；第二，避免重大事故发生，减少事故危害性，现代设备的结构越来越复杂，功能越来越完善，自动化程度越来越高。
但是，当设备出现故障时所带来的影响程度也明显增大，有时不仅仅是造成巨大的经济损失，往往还会带来灾难性的事故，发展机械设备状态监测与故障诊断技术，并进行有效、合理的实施，可以掌握设备的状态变化规律及发展趋势，防止事故于未然，将事故消灭在萌芽；第三，宏观上实施故障诊断能带来经济效益。
机械设备的发展也是从最初最原始的方法到至今的高端迈进。
第一阶段：19世纪工业革命到20世纪初，低的生产力水平，事后维修方式；第二阶段：20世纪初到20世纪50年代，规模化生产方式—定期维修—设备诊断技术孕育，由听、摸、闻、看到初步的设备诊断仪器；第三阶段：20世纪60—70年代，大规模生产方式—状态维修—设备诊断技术形成；第四阶段：20世纪80—目前，柔性生产方式—风险管理—智能化设备诊断技术，设备诊断相关信息的集成化、智能化、网络化利用。
数控机床故障诊断大作业
数控机床故障诊断与维修班级：学号：姓名：专业：指导老师：摘要数控车床又称CNC(Computer Numerical Control)车床,即用计算机数字控制的车床，本文简要介绍了当今世界数控系统地介绍了数控机床故障诊断与维护的技术和方法，内容涉及数控机床的各个组成部分，数控机床故障诊断及维护的基础，数控系统的故障诊断及维护，主轴伺服系统的故障诊断，进给伺服系统的故障诊断，机床电气与PLC控制的故障诊断，数控机床机械结构的故障诊断及维护，数控机床故障诊断及维护实例，数控机床的安装、调试、检验与维护。
绪论数控机床是以数字化的信息实现机床控制的机电一体化产品，它把刀具和工件之间的相对位置，机床电机的启动和停止，主轴变速，工件松开和夹紧，刀具的选择，冷却泵的起停等各种操作和顺序动作等信息用代码化的数字记录在控制介质上，然后将数字信息送入数控装置或计算机，经过译码，运算，发出各种指令控制机床伺服系统或其它的执行元件，加工出所需的工件。
机床作为机械制造业的重要基础装备，它的发展一直引起人们的关注，由于计算机技术的兴起，促使机床的控制信息出现了质的突破，导致了应用数字化技术进行柔性自动化控制的新一代机床－数控机床的诞生和发展。
计算机的出现和应用，为人类提供了实现机械加工工艺过程自动化的理想手段。
随着计算机的发展，数控机床也得到迅速的发展和广泛的应用，同时使人们对传统的机床传动及结构的概念发生了根本的转变。
数控机床以其优异的性能和精度、灵捷而多样化的功能引起世人瞩目，并开创机械产品向机电一体化发展的先河。
但所有的东西都有其使用寿命，在使用过程中也会损坏，这就要求使用人员要掌握一些数控设备的常见故障和维修技能。
数控车床是高度机电一体化的技术设备,对故障诊断、分析和排除既有常规的方法和手段,又有专门的技术和检测。
故障诊断往往不能单纯地从机械或电气方面来考虑,而必须加以综合的分析,要求维修人员不但要有机械、液压、气动等方面的知识,还要具备电子计算机、自动控制、驱动及测量技术等知识,这样才能全面理解和掌握数控机床,及时做好维修工作。
- 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)。
机械故障诊断大作业题目：基于小波分析的轴承故障诊断指导教师：奕璠班级：学号：姓名：成绩：西南交通大学峨眉校区机械工程系基于小波分析的轴承故障诊断摘要滚动轴承在机械设备中使用非常广泛，其工作状态直接影响整个设备的运行效率。
对滚动轴承进行状态监测与故障诊断，能够避免重大事故的发生，获得较大的经济和社会效益。
在多样化的现代信号数据处理方法中，小波分析比较适合非稳定信号分析处理，小波变换不仅能够给出信号的时间和频率的二维关系，还能根据信号局部特征调整其窗口宽度。
采用Matlab编程快速地在计算机上实现基于小波分析的滚动轴承故障诊断。
对正常或故障轴承的振动信号进行小波分解与重构，基于小波分解系数对含有故障特征频率的第一层细节信号进行小波重构并提取其Hilbert包络谱，从中找到并测出特征频率,并和根据理论计算得到的故障特征频率对比判断故障类型。
关键词：故障诊断小波分析 Matlab Hilbert包络谱特征频率第一章绪论滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障越30%是因为滚动轴承引起的，由此可见滚动轴承故障诊断工作的重要性。
滚动轴承在机械设备中使用非常广泛，其工作状态直接影响整个设备的运行品质,对滚动轴承进行状态监测与故障诊断，能够避免重大事故的发生，获得较大的经济和社会效益。
随着生产的需要，对轴承故障的检测方法也越来越多，其中，运用比较广发的集中方法是FFT、功率谱、倒谱分析、小波分析、经验模态分解、形态滤波、双谱分析。
小波变换是一种时频分析方法,可进行多分辨率分析，对轴承振动信号进行小波变换, 小波变换可以把振动信号分解成多个具有不同时间和频率分辨率的小波信号，同时对振动信号进行处理时就能有效地克服信号的泄漏和混叠等，从而可以在一个变换中同时研究低频长时现象和高频短时现象。
使振动信号的检测和分析更符合于真实的情况。
提取其中具有故障特征的细节信号进行重构;对重构信号做Hilben包络谱分析，从中检测出轴承的故障特征频率,据此判断故障类型。
利用Matlab软件编程快速地实现了基于小波变换分析的滚动轴承故障判断。
第二章滚动轴承故障概述1.滚动轴承故障的特征频率滚动轴承由外圈、圈、滚动体和保持架组成，工作时外圈与轴承座或机壳相连接、固定或相对固定，圈与机械传动轴相连接，随轴一起转动。
当滚动轴承表面发生损伤故障，如圈、滚动体或外圈出现点蚀、裂纹或剥落等，根据不同的损伤部位，按以下公式分别计算轴承故障的特征频率，如下所示：（1）外圈故障频率：（2）圈故障频率：（3）滚动体故障频率：其中，r ─为转速N ─为滚珠个数d ─为滚动体直径D ─为轴承节径A ─为滚动体接触角2.确定轴承各项参数并计算各部件的故障特征频率由轴承型号为SKF 6205-2RS JEM，转速1750 rpm可知：①滚珠个数n=9；②滚动体直径d=7.938mm；③轴承节径D=39mm；④滚动体接触角α=0；⑤圈特征频率；由以上数据计算滚动轴承不同部件故障的特征频率为：（1）外圈故障频率：（2）圈故障频率：（3）滚动体故障频率：第三章小波分析在轴承故障诊断中的应用一般采用加速度传感器在轴承座上检测滚动轴承的振动信号。
若周成表面出现局部损伤，在受载运转时轴承其他零件会周期地撞击损伤点产生低频的冲击信号，其频率即故障频率，但检测该频率主要会遇到2个问题：（a）冲击信号的宽频带性质会激起轴承结构及传感器本身在各自固有频率上发生谐振，故轴承振动信号中还含有故障特征频率的高次谐波分量。
（b）由于轴承间隙的存在，冲击信号还要对轴承的高频固有振动信号进行调制。
导致固有频率被其它振动所干扰而无法直接通过频谱分析检测出故障特征频率。
本文分别采用小波分析与Hilbert 包络谱分析解决上述两个问题。
（1）小波分析提取含故障特征频率的细节信号。
小波是一种均值为零，很快衰减的瞬间振荡函数，小波分析是一种时频分析方法，他利用一系列伸缩和平移的小波函数对信号进行展开，该过程等效于用一系列不同频带的高通和低频滤波器将信号分解成若干层次的高频细节信号及低频概貌信号。
小波分析算法的步骤包括分解与重构，为在计算机上实现小波分析，根据二进离散小波变换的快速算法Mallat算法进行计算，小波变换公式如下：（1）式中第j级小波分解所得的低频系数，设为原始信号n 小波分解级数第j级小波分解所得的高频系数离散尺度序列，是一低通滤波器离散小波序列，是一高通滤波器不同类型的小波，如Daubechies小波、lisar小波、墨西哥草帽小波等，滤波系数与均不相同。
序列是的二进离散小波变换。
利用小波分解系数重构原信号的公式为：(2)根据公式(1)(2)对轴承振动信号进行小波分解与重构可获得其各层概貌信号及细节信号，其中幅度最大的细节信号中包含轴承故障的特征频率。
（2）Hilbert变换包络谱检测轴承的故障特征频率。
含有轴承故障特征频率的细节信号是种调幅信号，它是故障信号对轴承的高频固有振动进行幅度调制形成，设其为式（3）。
（3）式中故障信号轴承固有振动频率Hilbert变换可对调幅信号进行包络解调，就是从中提取。
信号的Hilbert变换是与的卷积（符号为“*”），公式见式（4）。
（4）对做傅里叶变换得式（5） ^（5）故()t f的Hilbert变换可看成是通过一个幅度为1的全通滤波器输出，其频率成分做-90相移，负频率成分做相移。
则调幅信号的Hilbert变90换为式（6）。
（6）设的解析信号为：,则有式（7）。
（7）因此可利用Hilbert变换提取的包络，即故障信号，再用傅里叶变换对其进行功率分析，功率谱中幅度最大处的频率即故障特征频率。
第四章 MATLAB数据处理结果分析1.MATLAB数据处理及结果总共给出了4组通过现场测试得到的滚动轴承运行数据，包括1组正常轴承数据，1组圈故障数据，1组外圈故障数据，1组滚动体故障数据。
依次对轴承振动信号data.mat文件中数组y第一第四列数据运行Matlab程序对轴承振动信号data.mat文件中的第一组数据进行MATLAB分析处理，结果为图1。
（a）为该信号的时域波形及功率谱，（b）为轴承振动信号的db2小波分析图（c）为第一层细节信号d1的包络谱图，得到其特征频率f=27.883Hz。
设振动信号采样点数为N，由于用快速傅里叶变换对信号做功率谱，其点数应满足：nfft>N,且是2的指数次方，由于数据量较大大，为了便于操作，故取N=32768，对应的取nfft=2^16=65536进行数据，N足够大，不影响分析结果。
（a）轴承振动信号的时域波形及功率谱（b）轴承振动信号的db2小波分析图（c）第一层细节信号d1的包络谱图图1同理，对轴承振动信号data.mat文件中的第二组数据进行MATLAB分析处理，结果为图2。
（a）为该信号的时域波形及功率谱，（b）为轴承振动信号的db2小波分析图（c）为第一层细节信号d1的包络谱图，得到其特征频率f=1796Hz。
（a）轴承振动信号的时域波形及功率谱（b）轴承振动信号的db2小波分析图（c）第一层细节信号d1的包络谱图图2同理，对轴承振动信号data.mat文件中的第三组数据进行MATLAB分析处理，结果为图3。
（a）为该信号的时域波形及功率谱，（b）为轴承振动信号的db2小波分析图（c）为第一层细节信号d1的包络谱图，得到其特征频率f=104.7Hz。
（a）轴承振动信号的时域波形及功率谱（b）轴承振动信号的db2小波分析图（c）第一层细节信号d1的包络谱图图3同理，对轴承振动信号data.mat文件中的第四组数据进行MATLAB分析处理，结果为图4。
（a）为该信号的时域波形及功率谱，（b）为轴承振动信号的db2小波分析图（c）为第一层细节信号d1的包络谱图，得到其特征频率f=157.5Hz。
（a）轴承振动信号的时域波形及功率谱（b）轴承振动信号的db2小波分析图（c）第一层细节信号d1的包络谱图图42.实验结果分析对轴承振动信号data.mat文件中的四组数据进行MATLAB分析处理，结果为图14。
（a）为该信号的时域波形及功率谱，难以检测故障频率，（b）为对振动信号做3级小波分解与重构所得第13层细节信号d1d3和第三层概貌信号，对整体幅度较大的细节信号d1做Hilbert包络谱（c）。
在图1 中，其幅度最大处的频率f=27.83Hz接近圈特征频率，第二大处频率81.3Hz同滚动体故障特征频率最为接近，因此第一组轴承故障类型为滚动体故障。
同理，对图2 ，其幅度最大处的频率f=1796Hz，没有和轴承故障特征频率相同的频率，因此第二组轴承正常。
对图3 ，其幅度最大处的频率f=104.7Hz，和外圈故障频率接近，因此第三组轴承故障为外圈故障。
对图4 ，其幅度最大处的频率f=157.5Hz，和圈故障频率接近，因此第四组轴承故障为圈故障。
3.结论由于各种特征频率都是从理论上推导出来的，而实际上，由于轴承的各几何尺寸会有误差，加上轴承安装后的变形、测量计算误差等因素，使得实际的频率与计算所得的频率会有些出入。
所以在频谱图上寻找各特征频率时，须在计算的频率值上找其近似值来作诊断。
由于误差很小，所以采用此方法对轴承故障的判断是可行的。
通过对对滚动轴承振动的产生原因进行深入分析，不断总结经验，提高故障分析能力，掌握造成滚动轴承强烈振动的原因，及时消除振动，保证机械设备的运行效率。
2.处理结果分析参考文献[1] 钟秉林,黄仁.机械故障诊断学[M].：机械工业.2013:50-160[2] .滚动轴承故障诊断实用技术[M].：.2012:60-88[3] 民.基于小波分析的电机轴承诊断Matlab [J].设备管理与维修, 2015(7): 2-3.[4] 褚福磊,志科,志鹏,志农.机械故障诊断中的现代信号处理方法[M].：科学.2009:159-160附录由于对四组数据进行分析处理的过程和方法相同，区别只是所选的数据不同，即信号数组不同。
因此，只列举第一组数据处理的MATLAB程序。
Matlab程序：x=y(:,1);%信号数组fs=12000;N=32768;Ts=1/fs;x=x(1:N); %设置取样频率fs，取样点数Nt=0:Ts:(N-1)*Ts; %时间轴x=(x-mean(x))/std(x,1); %对x归一化subplot(211); %绘制x波形plot(t,x);xlabel('时间t/s');ylabel('振动加速度A/v');nfft=65536;S=psd(x,nfft); %对x做功率谱subplot(212);plot((0:nfft/2-1)/nfft*fs,S(1:nfft/2)); %绘制功率谱xlabel('频率f/Hz');ylabel('功率谱P/W');[c,l]=wavedec(x,4,'db2'); %利用db2对x进行3级小波分解c3=wrcoef('a',c,l,'db2',3);%重构第1-3层细节d1-d3和第3层盖帽c3d3=wrcoef('d',c,l,'db2',3);d2=wrcoef('d',c,l,'db2',2);d1=wrcoef('d',c,l,'db2',1);figure;subplot(414);plot(t,c3);ylabel('c3');%绘制c3subplot(413);plot(t,d3);ylabel('d3');%绘制d3subplot(412);plot(t,d2);ylabel('d2');%绘制d2subplot(411);plot(t,d1);ylabel('d1');%绘制d1y=hilbert(d1);%对d1进行Hilbert变换，得yydata=abs(y);%ydata=|y|ydata=ydata-mean(ydata);%对ydata去均值（目的是去除幅度较大的直流分量）P=psd(ydata,nfft);%ydata的功率谱为Pfigure;plot((0:nfft/2-1)/nfft*fs,P(1:nfft/2));%绘出d1的Hilbert包络谱P=P(1:nfft/2);[M,f1]=max(P);f1=f1*fs/nfft-1; %故障频率f1为包络谱中幅度最大处的频率。