滚动轴承寿命预测与故障诊断
滚动轴承故障诊断实例
滚动轴承故障诊断实例
滚动轴承故障诊断实例可以包括以下几种情况：
1. 声音异常：当滚动轴承出现故障时，可能会出现异常的噪音，如嘶嘶声、刮擦声或者咔咔声等。
这种情况下，可以通过听觉判断故障的类型和位置。
噪音一般源于滚珠或滚道表面的损伤或者磨损。
2. 振动异常：故障的滚动轴承会导致轴承运行不稳定，产生过大的振动。
可以通过振动传感器来检测振动的频率和幅度，进而判断故障的严重程度和位置。
振动异常可能是由于轴承内部松动、滚子损伤或滚道不平整等问题引起的。
3. 温度异常：滚动轴承运行时，由于磨擦和摩擦产生的热量，轴承温度会有所上升。
但是，如果滚动轴承的温度明显高于正常值，可能表明存在故障。
可以通过红外测温仪或接触式温度计来测量轴承的温度，判断是否存在异常。
4. 润滑问题：滚动轴承需要得到正确的润滑以保持正常运行。
如果滚动轴承出现故障，润滑不足或者污染等问题，会导致滚动轴承的寿命缩短。
可以通过观察润滑脂或润滑油的颜色、黏度以及滚动轴承周围是否有渗漏等来判断润滑是否正常。
上述实例中的故障诊断需要依靠专业的设备和工具，同时需要具备相应的专业知识和经验，建议请专业人士进行诊断和修复。
轴承故障诊断与分析
轴承故障诊断与分析
LOGO
主要内容
1 2 3 4
轴承相关简介 滚动轴承故障诊断与分析 滑动轴承故障诊断与分析
参考文献
LOGO
轴承（Bearing）是机械中的固定机件。当其他机件在轴上彼此产生 相对运动时，用来保持轴的中心位置及控制该运动的机件，就称之为 轴承。轴承是各种机电设备中的重要组成部件,在各个机械部门有着 广泛的应用。
LOGO
小波包分析
小波包分析(Wavelet Packet Analysis) 是一种比小波分析更精细的分析方 法,它将频带进行多层次划分,并对小波变换中没有细分的高频部分做进一步 分解,从而提高时频分辨率。 小波包分解是一种分解更为精细的分解方法,它不仅对低频段部分进行分解, 而且对高频段部分也进行分解,并能根据分析信号的特征,自适应地选择相应 的频带,使之与信号频谱相匹配,从而提高时频分辨率。因此,小波包分析可以 提取振动信号中能量突出的频带,分析其频率特征,找出故障产生的根源。
故 障 诊 断 技 术
时频域分析 光纤诊断分析 油液诊断分析 轴承润滑状态监测诊断法 声学诊断分析（基于声发射）
热诊断（热成像诊断和温度诊断）
LOGO
基于振动信号诊断技术及分析
基于振动信号的诊断技术能够诊断大多数滚动轴 承故障，其优点是可在运动中测得轴承信号。目 前国内外开发生产的各种滚动轴承故障诊断与监 测仪器大都是根据振动法的原理制成的。 步骤：
LOGO
小波变换
小波变换是时间(空间)频率的局部化分析，它通过伸缩平 移运算对信号(函数)逐步进行多尺度细化，最终达到高频 处时间细分，低频处频率细分，能自动适应时频信号分析 的要求，从而可聚焦到信号的任意细节，有人把小波变换 称为“数学显微镜”。 小波分析是调和分析的重大突破。它继承和发展了Gobor 变换的局部化思想，同时又克服了窗口大小不随频率变化、 缺乏离散正交基的缺点，不仅是比较理想的局部频谱分析 工具，而且在时域也具有良好的局域性。通过小波分解能 够把任何信号(平稳或非平稳)映射到由一个小波伸缩、平 移而成的一组基函数上，在通频范围内得到分布在各个不 同频道内的分解序列，其信息量是完整的。
滚动轴承寿命预测技术的研究
滚动轴承寿命预测技术的研究随着工业和科技不断的发展，滚动轴承作为一种重要的机械零件，被广泛地应用于各个行业中。
但是，由于其使用寿命有限，在运行一定时期后需要更换或进行维修。
因此，如何准确地预测滚动轴承的寿命，合理地进行维护和更换，已成为行业内的一个重要课题。
近年来，滚动轴承寿命预测技术的研究取得了不少进展。
本文主要介绍其中的一些研究成果和发展趋势。
一、寿命预测方法目前，滚动轴承的寿命预测方法大致可以分为三类：经验法、应力分析法和状态监测法。
经验法是通过历史数据，统计分析求得寿命的一种方法。
这种方法的优点是简单易行，适用于已有历史数据或样机的情况。
但是，经验法忽略了轴承的工作环境因素，寿命预测的精度较低。
应力分析法是根据轴承的材料、结构和工作环境等因素，对轴承在使用过程中所受到的载荷和应力进行计算分析，并预测其寿命。
这种方法的优点是计算精度高，对于新轴承的寿命预测较为准确。
但是，应力分析法需要大量的材料力学和应力分析知识，且对轴承材料的特性了解不够全面，因此在某些工作环境下预测结果难以准确。
状态监测法是通过监测轴承内部的振动、温度、油液清洁度等状态指标来判断轴承的工作状态和寿命，它是一种目前应用较广泛的寿命预测方法。
状态监测法的优点是操作简便，能够实时监测，反应灵敏，而且对于现场检测和实际应用情况具有很强的适应性。
但是，状态监测法的缺点是受监测指标的影响较大，准确性存在一定问题。
二、寿命预测技术的研究演进随着科技的进步和工业发展的需要，滚动轴承寿命预测技术也在不断地得到改进和完善。
下面简要介绍一下寿命预测技术的研究演进过程。
1. 经典寿命预测法经典寿命预测法是基于滚动轴承的材料和结构来进行寿命预测的方法。
这种方法主要考虑滚动体与架的接触和变形，通过计算轴承的应力和变形来预测其寿命。
2. 动态寿命预测法动态寿命预测法是根据对轴承实际运行情况的监测和分析，使用自适应控制技术来进行寿命预测的方法。
这种方法可以更精准地预测轴承的寿命，减少轴承寿命预测误差。
轴承故障检测、诊断、分析技巧
为了尽可能长时间地以良好状态维持轴承本来的性能，必须保养、检测、检修、以求防事故于未然，确保运转的可靠性，提高生产性、经济性。
对长期运行中的设备来讲，平时的检测跟踪尤为重要，检测项目包括轴承的旋转音、振动、温度、润滑剂的状态等，根据检测结果，设备维护人员可以准确地判断设备的问题点，提早作出预防和解决方案。
一、异常旋转音分析诊断异常旋转音检测分析是采用听诊法对轴承工作状态进行监测的分析方法，常用工具是木柄长螺钉旋具，也可以使用外径为20mm左右的硬塑料管。
相对而言，使用电子听诊器进行监测，更有利于提高监测的可靠性。
轴承处于正常工作状态时，运转平稳、轻快，无停滞现象，发生的声响和谐而无杂音，可听到均匀而连续的“哗哗”声，或者较低的“轰轰”声。
异常声响所反映的轴承故障如下：1、轴承发出均匀而连续的“咝咝”声，这种声音由滚动体在内外圈中旋转而产生，包含有与转速无关的不规则的金属振动声响。
一般表现为轴承内加脂量不足，应进行补充。
若设备停机时间过长，特别是在冬季的低温情况下，轴承运转中有时会发出“咝咝沙沙”的声音，这与轴承径向间隙变小、润滑脂工作针入度变小有关。
应适当调整轴承间隙，更换针入度大一点的新润滑脂。
2、轴承在连续的“哗哗”声中发出均匀的周期性“嗬罗”声，这种声音是由于滚动体和内外圈滚道出现伤痕、沟槽、锈蚀斑而引起的。
声响的周期与轴承的转速成正比。
应对轴承进行更换。
3、轴承发出不规律、不均匀的“嚓嚓”声，这种声音是由于轴承内落入铁屑、砂粒等杂质而引起的。
声响强度较小，与转数没有联系。
应对轴承进行清洗，重新加脂或换油。
4、轴承发出连续而不规则的“沙沙”声，这种声音一般与轴承的内圈与轴配合过松或者外圈与轴承孔配合过松有关系。
声响强度较大时，应对轴承的配合关系进行检查，发现问题及时修理。
二、振动信号分析诊断轴承振动对轴承的损伤很敏感，例如剥落、压痕、锈蚀、裂纹、磨损等都会在轴承及振动测量中反映出来。
所以，通过采用特殊的轴承振动测量器（频率分析器等）可测量出振动的大小，通过频率分布可推断出异常的具体情况。
基于可靠性的滚动轴承寿命预测技术研究
基于可靠性的滚动轴承寿命预测技术研究滚动轴承作为机械设备中最常见、最重要的部件之一，承担着支撑和减摩的重要任务。
然而，在高速、高负荷、长时间运转的情况下，滚动轴承往往会出现损耗、磨损、变形等问题，从而影响机械设备的稳定性和持续运转能力。
因此，掌握并应用可靠的滚动轴承寿命预测技术，对于提高机械设备的运转效率和性能具有十分重要的意义。
一、滚动轴承寿命预测的必要性滚动轴承作为机械设备的关键部件之一，其使用寿命的长短直接影响到机械设备的正常运转和使用寿命。
一旦滚动轴承出现故障或损耗，就会对设备的运转效率和生产率造成严重影响，甚至需要进行设备更换和维修，不仅浪费时间和资金，还会给生产带来严重影响。
因此，掌握滚动轴承寿命预测技术，可以在滚动轴承出现故障之前提前发现并进行维修或更换，从而提高设备的使用寿命和稳定性。
二、基于可靠性的滚动轴承寿命预测技术在滚动轴承寿命预测技术中，基于可靠性的技术应用非常广泛。
该技术主要通过对滚动轴承运行状态的监测和分析，确定其失效时隙和失效概率，从而判断滚动轴承的可靠性和寿命。
具体来说，基于可靠性的滚动轴承寿命预测技术包括以下几个方面的内容：1、滚动轴承负荷分析滚动轴承使用寿命的长短与其受力情况有着密切的关系。
因此，在进行滚动轴承寿命预测时，需要对轴承的载荷进行分析，从而了解其受力情况。
一般来说，滚动轴承的载荷主要包括径向载荷和轴向载荷，而载荷的变化可能会导致滚动轴承的损耗和磨损，对其寿命造成不利影响。
2、滚动轴承振动分析滚动轴承受力时，会发生振动现象，而振动的幅度和频率也会对轴承寿命产生重要影响。
因此，在进行滚动轴承寿命预测时，需要对该轴承进行振动分析，确定其振动频率和振幅，对其寿命进行评估和预测。
3、滚动轴承温度分析滚动轴承在工作时会发生摩擦，从而产生热量，使其温度不断升高，因此，滚动轴承的寿命也会随温度的升高而减短。
因此，通过对轴承温度的监测和分析，可以判断轴承的寿命和可靠性。
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
滚动轴承的故障诊断PPT演示课件
诊断
磨屑
好 有 无 好 好 好 有 好 有 有 不可
方法
轴承间隙
无 无 无 好 好 有 无 无 无 无 不可
油膜电阻
无 无 无 好 好 好 好 有 无 无 可
滚动轴承故障诊断
15
各种诊断方法的灵敏度
故
障
信
号 强 度
振
动
缺 陷 故 障 界
分 析 灵 敏 度
限
噪 声
灵 敏 度
测 温 分 析
分
缺
析
陷
灵
灾
轴承内部有锈蚀
滚动轴承故障诊断
7
轴承失效形式—点蚀
▪ 现象： 滚道面或滚动体表面 上有小坑和片状剥落
▪ 原因： 载荷过大 润滑不良 预载过大 间隙过小
滚动轴承故障诊断
8
轴承失效形式—压痕
▪ 现象： 滚道面上有滚动体的压痕
▪ 原因： 装配不当 静载荷过大 冲击载荷过大 异物侵入
滚动轴承故障诊断
9
轴承失效形式—烧伤、胶合
定义
Sf
xrm s x
Cf
xm ax xrm s
If
xm ax x
CL f
xm a x xr
Kv xr4ms
敏感性
差 一般 较好 好 好
稳定性
好 一般 一般 一般 差
表中：x －平均幅值， xr－方根幅值， －峭度
滚动轴承故障诊断
25
峰值指标用于轴承诊断
峰值指标Cf不受振动信号绝对大小的影响，适用于检测 滚动面剥落与裂纹等故障，但不适于检测磨损。
▪ 现象： 滚道面变色、软化、 熔合
▪ 原因： 转速过高 润滑不良 装配不当
滚动轴承故障诊断
滚动轴承的状态监测与故障判断
滚动轴承的状态监测与故障判断展开全文本文中研究滚动轴承故障诊断研究的基本方法将采用滚动轴承的振动信号分析的方法，采取与正常轴承振动信号作对比的方式，抽样选取不同轴承振动的信号，通过比对从而判断该滚动轴承的故障类型并在此基础之上获得其状态监测的方法。
1.监测与诊断的目的和意义滚动轴承是旋转机械的重要组成部分，同时也是旋转机械中最容易出现故障的部件之一。
它具有造价较低、润滑冷却方便、运行灵敏、使用效率较高、维修便捷等优点，在机械行业应用广泛。
据有关统计显示，在旋转机械故障率中有近30%的故障是由于滚动轴承发生故障而引起的，所以，对滚动轴承的状态监测和故障诊断进行研究势在必行。
滚动轴承正常运行与否，对于整机的可靠性、精度以及寿命等性能有很大的影响。
据有关统计显示，在旋转机械故障率中有近30%的故障是由于滚动轴承发生故障而引起的，在将故障诊断技术运用到生产中以后，事故率降低近70%，同时降低的维修费用也有近40%。
利用轴承状态监测技术可以了解轴承的使用性能，并对可能发生的故障进行早期检测，分析和预测可能发生的故障，进一步提高设备的管理水平和维修效率，经济效益十分显著。
2.轴承故障诊断的发展历程轴承故障诊断刚开始主要是依靠人工听觉来诊断，再有就是利用探听棒这种方法在许多企业中仍在使用，一些工具已经被改进到电子听诊器。
例如，当使用电子听诊器检测轴承故障时，具有经验丰富的人员可以凭经验诊断轴承疲劳剥落，有时还可以诊断出损伤发生的位置，但是其它的外部原因，可靠性有时会无法得到保证。
随着科技的发展，越来越多的振动仪器被运用到在滚动轴承的状态监测工作中。
这些仪器利用振动位移、速度和加速度的均方根值或峰值来判断轴承是否有故障。
这些仪器减少我们对经验的依赖，使得监测和诊断的准确性有了很大的提高，但是在故障发生的初始阶段仍然很难及时做出准确的诊断。
瑞典SKF公司在多年研究轴承故障机理的基础上，于1966年发明了脉冲计检测轴承损伤的方法，很大程度上的提高了滚动轴承的故障诊断工作的准确性和及时性。
第五章_滚动轴承的故障监测和诊断
图
滚动体损伤振动情况
４、轴承偏心 当滚动轴承的内圈出现严重磨损等情况时，轴承会出现偏心 现象，当轴旋转时，轴心（内圈中心）便会绕外圈中心摆动， 如图4示，此时的振动频率为nfr（n＝1, 2,…）。
图
滚动轴承偏心振动特征
实例
• 6210轴承的监测与诊断 • 一台单级并流是鼓风机，其结构如图。该机组自 86 年 1 月30日起，测点③的振动加速度逐渐增加至正常值10倍，为 查明原因，对测点③的振动信号进行频谱分析。
第二节 滚动轴承的失效形式
滚动轴承常见的失效形式：
滚动轴承尺寸的选择2
疲劳点蚀或剥落
磨 损
胶 合
断 裂
保持架损坏
烧 伤
第三节 滚动轴承的振动
与轴承的结构有关的振动 ——无论轴承正常与否，都会产生振动
与轴承滚动表面状况有关的振动两种类型
——反映了轴承的损坏状况
一、滚动轴承的振动机理 1、承载状态下滚动轴承的振动
图 IFD法的信号变换过程
二、滚动轴承的精密诊断
１、轴承内滚道损伤 轴承内滚道产生损伤时，如：剥落、裂纹、点蚀等（如图所 示），若滚动轴无径向间隙时，会产生频率为nfi（n＝1，2,…） 的冲击振动。
图
内滚道损伤振动特征
通常滚动轴承都有径向间隙，且为单边载荷，根据点蚀部 分与滚动体发生冲击接触的位置的不同，振动的振幅大小会发 生周期性的变化，即发生振幅调制。若以轴旋转频率fr,进行振 幅调制，这时的振动频率为nfi士fr（n＝1，2…）。
２.轴承外滚道损伤
当轴承外滚道产生损伤时，如剥落、裂纹、点蚀等（如图2 所示），在滚动体通过时也会产生冲击振动。由于点蚀的位置 与载荷方向的相对位置关系是一定的，所以，这时不存在振幅 调制的情况，振动频率为nfo ( n＝1，2,…），振动波形如图 所示。
滚动轴承状态的监测及故障识别方法
大 ， 出现异音 ， 动增大 的变化较缓慢 ， 时 ， 承幅 有时 但振 此 轴
度值开始突然达 到一定数值 。此时轴承 即表现为初期 故障。
这时 ， 就要对该轴承进行严密监测 ， 密切注意其变化 。此后 ，
运转 ， 采取必要的防范措施 。使 用热 感器可 以随时监测 轴承 的工作温度 ， 并实现 温度超过 规定值 时 自动报警 或停止 ， 防
１Байду номын сангаас ６
农 机 使 用 与 维 修
２０ ０８年第 ６期
滚 动 轴 承 状 态 的 监 测 及 故 障识 别 方 法
安 技 业 差陈浩 萎 国 工 学 大 徽Ｎ － 科 院…一
１滚 动 轴 承 状 态 的 监 测 ．
音与非轴 承声音 ， 为此 ， 应尽量 由专人来 进行这项 工作 。用
温度定单位显示 。正常情况 下 ， 轴承在 刚润滑或再润滑过后 会有 自然 的温度上升 ， 并且持续一或二天 。 通过润滑剂的状态进行识别 。对润滑剂 采样分析 ， 通过 其污浊程 度是否混 入异 物或金属 粉末 等进行 判断。该方法
不通过拆卸检查 即可识 别或预 测运转 中的轴 承有无 故
障， 这对提高生产率和经济性是 十分 重要的。运转 中的检查
项 目有轴承的滚动声 、 振动 、 温度的状态等 ， 主要 的识别 方法
如下 ：
通过轴 承的滚动声 音进行 识别。通过声 音进 行识别 需 要有丰富的经验 ， 必须经过充分的训练达 到能够识 别轴 承声
听音器或听音棒贴在外壳上可清楚地 听到轴承 的声音 ， 也可 采用测声器对运转中的轴 承的滚动声大 小及音质进行检查 ，
滚 动轴承的应用非常广泛 ， 其状态好坏 直接关系 到机械 车辆 的运行状态 。因此 ， 实际生产 中做好 滚动轴承状态监 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。
基于振动信号的滚动轴承故障诊断与预测.
机械工程学院
明德 砺志 博学 笃行
机械工程学院
明德 砺志 博学 笃行
机械工程学院
明德 砺志 博学 笃行
机械工程学院
明德 砺志 博学 笃行
机械工程学院
明德 砺志 博学 笃行
信号提取处理
去噪和降噪是机械振动研究领域的一项重要课题，现实情况下所采集到 的振动信号都不可避免的掺杂了噪声，受到噪声的干扰，有些情况下甚 至原始真实信号湮没于强大的噪声中，造成信息提取的困难，影响到后 期故障诊断分析。因此，机械设备状态监测和故障诊断过程中，一般要 对测得的振动信号进行前期处理以滤除噪声或降低噪声的强度、减小其 干扰，使信号尽可能接近目标监测对象的真实振动，便于提取真实信号 的特征值用于故障诊断。
机械工程学院
明德 砺志 博学 笃行
滚动轴承的故障诊断方法
滚动轴承的振动信号分析故障诊断方法分为简易诊断和精密 诊断两种： 简易诊断：的目的是初步判断被列为诊断对象的滚动轴承是 否出现了故障；精密诊断的目的是要判断在简易诊断中被认 为是出现故障轴承的故障类别及原因。由于滚动轴承自身的 特点，一旦损坏，普通维修很难修复，大多采用更换的维修 方式进行处理； 精密诊断：主要作用是理论研究和在特殊场合（例如无配件 的情况下）判定设备能够坚持运行的时间。提高设备的使用 效率。所以一般情况我们采用轴承简易诊断方法就可以满足 日常设备维护的需要。因此下面我重点介绍轴承的简易诊断 法。
滚动轴承振动机理与特征频率分析
滚动轴承振动原理图
机械工程学院
明德 砺志 博学 笃行
滚动轴承特征频率分析
为分析轴承各部分的运动参数，做如下假设： (l)滚道与滚动体之间无相对滑动； (2)承受径向、轴向载荷时各部分无变形； (3)内圈滚道回转频率为 fi； (4)外圈滚道回转频率为 fo； (5)保持架回转频率，即滚动体公转频率，为 fc。 根据速度v=2πrf，分别得到轴承内外圈及保持架上 的速度。 Vi,Vo,Vc.
轴承故障诊断与故障预测方法
摘要 ： 了利 用 Ｈ Ｍ进行故 障诊断 和 Ｈ Ｍ 分析 Ｍ Ｈ Ｍ进行故 障预测 的框架 ， 针对传统 Ｈ Ｍ Ｈ Ｍ推理算法 复杂 ， 时 推理
间长的 问题 ， Ｈ ＭＭ转 化为 Ｄ Ｎ， 将 Ｈ Ｂ 并应用交叉树推理算法 ， 缩短 了推理时 问。最后将 ＨＭ 和 Ｈ Ｍ 应用 于 Ｍ ＨＭ 轴承故障诊断和故障预测或剩余寿命预测 （ Ｕ ） 通过试验结果验证 了这种方法 的有效性 。 ＲＬ ， 关键词 ： 滚动轴 承 ； 故障诊断 ； 障预测 ； Ｍａｋｖ 型 ； 故 隐 ｒｏ 模 层次隐 Ｍａｋｖ 型 ； ｒｏ 模 动态 Ｂ ｙｓ网络 ； ａｅ 剩余 寿命预测
Ｚ Ｎ ｉｇ ｕ Ｋ Ｎ ｉｎ—ｓｅ ，Ｉ ｈｎ— ｕ Ｌ ｈ —ｙｎ ＨＡ Ｇ Ｘ ｎ —ｈ ｉ， Ａ Ｇ Ｊ ａ ｈ ＬＵ Ｚ ａ ｊｎ ， Ｉ ｉ ｏｇ Ｚ
（ ． ｅａｔｅ ｔ ｆ ｑ ｉ ｎ Ｃ ｍ ｎ ｎ ｎｇｍ ｎ； ａ Ｄ ｐ ｒ ｎ ｕｐ ｔ ｏ ｍａｄａ ｄＭａａｅ ｅ ｔ ｍ ｏ Ｅ ｍｅ
轴 承 的故 障是一 个 从 正 常到 失效 逐 步 演化 的
多状 态过 程 ， 些状 态 不能 直 接 观、 ， 可 以通过 这 ？ 但 贝 ０ 外部设 备 测量得 到 的信 号 来 反 映状 态 的 变化 。故
过多 ， 型本 身 的计 算 复 杂 度 随 状 态数 的增 加 呈 模
指数 级增 长 ， 且 需 要 大 量 的样 本 进 行 训 练 。而 并 层次 隐 Ｍａｋ ｖ模 型 （ ＭＭ） 以对 轴 承 的状 态 ｒｏ ＨＨ 可 进行 分 层 表 达 ， 一 步 将 ５个 状 态 表 达 为 ５个 进
滚动轴承磨损特性及寿命预测方法研究
滚动轴承磨损特性及寿命预测方法研究滚动轴承是一种常见且重要的机械设备，广泛应用于各行各业。
然而，在长时间的运转中，滚动轴承往往会出现磨损，这会导致设备的工作效率降低甚至故障。
因此，了解滚动轴承的磨损特性及寿命预测方法对于提高设备的可靠性和寿命具有重要意义。
一、滚动轴承的磨损特性滚动轴承的磨损特性可以分为两个方面，即表面磨损和内部磨损。
表面磨损主要是由于轴承与外部环境或工作介质产生的摩擦和磨损引起的。
内部磨损则是由于轴承自身的质量问题或设计不合理等原因引起的。
这两个方面的磨损都会对滚动轴承的工作性能产生不利影响。
二、滚动轴承寿命预测方法的研究为了准确预测滚动轴承的寿命，研究人员提出了多种方法。
其中最常用的两种方法是经验公式法和数学模型法。
经验公式法是根据大量的实验数据和经验进行统计和整理得到的。
它基于一些假设和简化，通过将轴承工作条件与实验数据进行比对，得出滚动轴承的寿命预测。
这种方法具有简单、快速的特点，但准确性较低，不适用于一些特殊工况。
数学模型法是基于轴承工作原理和材料力学等理论建立模型，并通过模型求解得到寿命预测。
这种方法更为准确，但需要大量的实验数据和复杂的计算。
同时，模型的建立也受到一些假设和限制条件的影响。
近年来，随着计算机技术的发展，一些研究者开始尝试采用人工智能和机器学习等方法进行滚动轴承寿命的预测。
这些方法能够更好地处理大量的复杂数据，并从中学习轴承的寿命变化规律。
虽然这些方法仍处于研究阶段，但有望在未来成为滚动轴承寿命预测的一种新方法。
三、深入研究滚动轴承磨损特性及寿命预测的意义深入研究滚动轴承的磨损特性及寿命预测方法对于提高设备可靠性和寿命具有重要意义。
首先，掌握轴承的磨损特性可以帮助工程师在设计和生产过程中选择合适的材料和工艺，以减少磨损对轴承性能的影响。
其次，准确预测轴承的寿命可以及时进行维护和更换，避免轴承因超载或磨损引起的故障和事故。
最后，深入研究轴承的磨损特性和寿命预测方法，有助于推动新材料和新技术在轴承领域的应用和发展。
滚动轴承性能退化表征与剩余寿命预测方法研究
摘要滚动轴承是机械设备传动系统中的关键部件，由于其处于重载、高速及高温等极端恶劣的运行环境中，极易发生失效，继而引发系统级故障，因此，掌握滚动轴承的性能退化状态以及剩余寿命是保障机械设备安全可靠运行的关键所在。
本文以滚动轴承的性能退化表征和剩余寿命预测为研究主题，开展轴承全寿命周期试验，在此基础上，基于轴承的振动信号，进行了特征提取、性能退化表征以及剩余寿命预测研究，主要内容如下：（1）以6207深沟球轴承（材料为：GCr15）为试验对象，利用滚动轴承加速寿命试验台，进行全寿命周期性能退化试验，监测、记录并分析全程中的状态监测量（温度、振动）的特征参数及变化规律，为后续性能退化行为表征参数的选取提供参考依据。
（2）针对振动信号的特征提取问题，构建反映轴承退化的特征集。
从时域、频域以及时频域提取了与轴承性能退化征兆相关的71个特征参量，构成原始特征集。
结果表明，在轴承的全寿命周期中，原始特征表现出不同形式的变化趋势，代表各自特征有关退化过程的独特信息，能够全面有效反映轴承的退化信息。
（3）构建健康指数，表征滚动轴承性能退化状态。
以相关性、单调性以及鲁棒性作为特征评价指标，筛选出反映轴承性能退化的敏感特征，并基于PCA方法，对多个敏感特征进行融合，构建出表征轴承性能退化的健康指数。
通过试验验证，所构建的健康指数能有效表征轴承正常运行、初始退化以及急剧退化三个阶段的退化状态。
（4）构建EMD-Kriging模型，实现滚动轴承剩余寿命预测。
首先，采用EMD 方法对健康指数进行主趋势提取；其次，基于Kriging模型对轴承剩余寿命进行预测；最后，通过试验以及与典型预测方法进行比较分析，验证了所提模型的可行性和有效性。
本文研究为滚动轴承的性能退化表征与剩余寿命预测提供了方法借鉴，对于提高滚动轴承乃至机械设备传动系统的可靠性和保障性水平具有重要的工程意义。
关键词：滚动轴承；特征提取；特征选择；性能退化表征；剩余寿命预测分类号：TH133.33; TH17AbstractRolling bearing is the key component in the mechanical equipment transmission system. Because it is in the extremely severe operating environment such as heavy load, high speed and high temperature, it is easy to fail, and then cause system level failure. Therefore, it is the key to ensure the safe and reliable operation of mechanical equipment to master the performance degradation state and remaining useful life of rolling bearing. This paper takes the performance degradation characterization and remaining useful life prediction of rolling bearing as the research subject, and carries out the bearing life cycle test. On this basis, based on the vibration signal of the bearing, the research on feature extraction, performance degradation characterization and remaining useful life prediction is carried out. The main contents are as follows:(1) Taking 6207 deep groove ball bearing (material: GCr15) as the test object, the rolling bearing accelerated life test bench was used to conduct a full life cycle performance degradation test to monitor, record and analyze the characteristic parameters of the state monitoring quantity (temperature, vibration) throughout And the change rule provides a reference basis for the selection of subsequent performance degradation behavior characterization parameters.(2) Aiming at the problem of feature extraction of vibration signals, a feature set reflecting bearing degradation is constructed. 71 feature parameters related to the signs of bearing performance degradation were extracted from the time domain, frequency domain and time-frequency domain to form the original feature set. The results show that in the life cycle of the bearing, the original features show different types of change trends, representing the distinct information about the degradation process, which can fully and effectively reflect the degradation information of the bearing.(3) Construct a health index to characterize the degradation state of rolling bearing performance. Using correlation, monotonicity and robustness as feature evaluation indexes, the sensitive features reflecting the degradation of bearing performance are selected, and based on the PCA method, multiple sensitive features are fused to construct a health index that characterizes the degradation of bearing performance. It is verified through experiments that the constructed health index can effectively characterize the degradation state of the bearing in three stages of normal operation, slight degradation and severely degradation.(4) Construct an EMD-Kriging model to predict the remaining useful life of rollingbearings. First, the EMD method is used to extract the main trend of the health index; secondly, the remaining useful life of the bearing is predicted based on the Kriging model; finally, the feasibility and effectiveness of the proposed model are verified by comparison and analysis with typical prediction methods where the same dataset is used.The research in this paper provides a method for the characterization of rolling bearing performance degradation and remaining useful life prediction, which has important engineering significance for improving the reliability and security of rolling bearing and even the transmission system of mechanical equipment.Keywords:rolling bearing; feature extraction; feature selection; performance degradation characterization; remaining useful life predictionClassification Number: TH133.33; TH17目录摘要 (I)Abstract (II)目录 .................................................................................................................... I V 1 绪论 .. (1)1.1 研究背景及意义 (1)1.2 国内外研究现状 (2)1.2.1 特征提取 (3)1.2.2 性能退化表征 (4)1.2.3 剩余寿命预测 (4)1.3 现状分析总结 (6)1.4 本文的研究思路和主要内容 (6)2 滚动轴承全寿命周期试验 (8)2.1 滚动轴承结构及失效模式 (8)2.1.1 滚动轴承结构 (8)2.1.2 滚动轴承常见失效模式 (9)2.2 滚动轴承加速寿命试验 (10)2.2.1 滚动轴承加速寿命试验台 (10)2.2.2 试验方案及流程 (11)2.2.3 试验结果分析 (14)2.3 本章小结 (18)3 滚动轴承振动信号的特征提取 (19)3.1 时域特征提取 (19)3.2 频域特征提取 (23)3.3 相似相关特征提取 (26)3.4 时频域特征提取 (28)3.4.1 小波包分解特征 (28)3.4.2 经验模态分解特征 (33)3.5 本章小结 (37)4 滚动轴承性能退化表征方法研究 (39)4.1 敏感特征选择 (39)4.2 基于主成分分析的健康指数构建方法 (41)4.2.1 主成分分析的基本原理 (41)4.2.2 健康指数的构建 (43)4.3 试验验证和结果分析 (44)4.3.1 PRONOSTIA试验介绍 (44)4.3.2 方法验证及结果分析 (46)4.4 本章小结 (51)5 滚动轴承剩余寿命预测方法研究 (53)5.1 Kriging模型 (53)5.2 基于EMD-Kriging的轴承剩余寿命预测模型 (56)5.2.1 基于EMD-Kriging的预测模型 (56)5.2.2 轴承剩余寿命预测流程 (57)5.3 试验验证 (58)5.4 本章小结 (63)6 总结与展望 (64)6.1 全文工作总结 (64)6.2 研究展望 (64)参考文献 (66)作者简历 (71)1 绪论1.1 研究背景及意义随着工业制造水平的进步和物联网技术的发展，复杂化和智能化已经成为机械设备（例如航空发动机、风力发电设备、高端机床等）的主要发展趋势。
滚动轴承寿命预测综述
滚动轴承寿命预测综述滚动轴承是工业机械中常见的一种零部件，在机械运转中具有重要的作用。
然而，随着使用时间的增长，轴承往往会出现磨损、损坏等问题，导致机械运转不稳定、噪音增大等现象。
因此，如何预测滚动轴承的寿命，对于提高机械的可靠性、延长机械的使用寿命具有重要的意义。
近年来，随着机械工程技术的不断发展，滚动轴承寿命预测技术也得到了广泛的应用和研究。
本文将从多个方面对滚动轴承寿命预测的研究现状、方法和应用进行综述，旨在为相关研究提供参考和借鉴。
一、滚动轴承寿命预测研究现状1.1 国内外研究现状近年来，国内外学者对滚动轴承寿命预测进行了广泛的研究。
在国外，美国、德国、日本等国家的学者在该领域的研究中处于领先地位。
他们主要采用实验、数值模拟等方法，对滚动轴承的寿命进行预测和评估。
在国内，该领域的研究主要集中于实验、数值模拟和数据挖掘等方面，但相对于国外还存在一定的差距。
1.2 研究热点当前，滚动轴承寿命预测的研究热点主要集中在以下几个方面：（1）寿命预测模型的建立：通过实验、数值模拟等手段，建立滚动轴承寿命预测模型，为机械寿命预测提供科学依据。
（2）寿命预测方法的研究：针对不同类型的滚动轴承，研究不同的寿命预测方法，提高预测准确度和可靠性。
（3）寿命预测技术的应用：将滚动轴承寿命预测技术应用于机械设备的维护和管理中，提高机械设备的可靠性和使用寿命。
二、滚动轴承寿命预测的方法2.1 实验法实验法是滚动轴承寿命预测的主要方法之一，其原理是通过实验测定滚动轴承在特定工况下的寿命，以此为依据进行预测。
实验法具有准确性高、可靠性强等优点，但需要大量的时间和资金投入，不适合大规模应用。
2.2 数值模拟法数值模拟法是滚动轴承寿命预测的另一种常用方法，其原理是通过建立数学模型，模拟滚动轴承在不同工况下的运动状态，以此为依据进行寿命预测。
数值模拟法具有成本低、时间短等优点，但需要建立准确的数学模型，模型的准确性对预测结果有重要影响。
- 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)。
滚动轴承寿命预测与故障诊断
滚动轴承是机械传动系统中常用的一种关键零部件，因其结构
简单、可靠性高、运转稳定等特点被广泛应用于工业制造、交通
运输、航天航空等领域。
然而，在长期的使用中，由于负载、转速、温度等因素的影响，滚动轴承很容易出现各种故障，严重影
响机械设备的正常性能。
因此，预测滚动轴承的寿命并对其故障
进行诊断具有极其重要的意义，不仅能够减少机器设备的维修成本，更能提高机器设备的运行效率和安全性。
一、滚动轴承寿命预测的基本理论
滚动轴承寿命预测是指通过对滚动轴承在特定工况下的运行情
况进行数学模型建立和系统分析，来预测滚动轴承在未来一段时
间内的使用寿命。
其基本理论是寿命公式理论，即基于统计学原理，通过对有限数量的试验数据进行分析，来估计大量相似产品
的寿命。
该理论最早由Weibull提出，现广泛应用于各种设备的寿命预测中。
滚动轴承的寿命是指在一定的负载、转速、温度等工况条件下，维持基本性能的使用寿命。
通常将运转时间作为寿命评定标准，
其评定方法有两种，即L10寿命和L50寿命。
其中L10寿命是指
在有10%以上的滚动轴承失败的情况下所需要的运转时间，L50
寿命则是指在有50%以上的滚动轴承失败的情况下所需的运转时间。
滚动轴承寿命预测的方法一般有以下几种：
1、基于模型的预测法
该方法是在通过对相关参数的观测和测量得到大量样本数据的基础上，建立滚动轴承故障模型，对其进行数学分析和计算，从而提出一定的预测理论。
该方法的优点是可以快速准确地预测滚动轴承的寿命，缺点是在模型建立过程中，需要考虑多种因素的影响，模型的建立难度较高。
2、基于统计模型的预测法
该方法是通过统计分析大量实测数据，确定影响滚动轴承寿命的关键因素，建立相应的统计模型，并通过多种分析方法，包括生存分析、半参数估计和回归分析等来预测滚动轴承的寿命。
该方法的优点是具有较强的实用性和普适性，但缺点是要求样本数据的质量和数量均较高，在实际操作中要具备较为广泛的背景知识和大量的经验。
3、基于人工智能的预测法
该方法是利用人工智能技术，以滚动轴承故障数据或者更高层次的数据为输入，进行数据分析和建模，通过神经网络、支持向量机、随机森林等方法来预测滚动轴承的寿命。
该方法的优点是
可以基于大量数据快速准确地预测滚动轴承的寿命，在样本数据
量较大、涉及多个因素的情况下效果更为显著。
缺点则是需要高
度的专业技能和经验，对数据质量的要求较高，且在数据量较小
时预测效果较差。
二、滚动轴承故障诊断的基本方法
滚动轴承的故障诊断指的是通过对滚动轴承的外观、声音、震动、温度等方面的检测和分析，结合滚动轴承实际运用情况的背景，来确定故障的类型、位置和原因，并在实际操作中针对故障
进行治理。
滚动轴承故障诊断的方法主要包括以下几种：
1、基于声音信号分析的故障诊断
该方法是基于滚动轴承运转过程中产生的声音信号来判断滚动
轴承是否存在故障，主要有声谱分析和小波分析两种方法。
该方
法的优点是直接有效，不受时间和距离限制，且可实现在线监控。
缺点是受环境噪声等干扰较大，精度需要多次实验调整。
2、基于振动信号分析的故障诊断
该方法是通过对滚动轴承在运转中产生的振动信号进行频谱分析、时域分析和小波分析等方法，来判断滚动轴承是否存在故障，诊断故障类型和位置。
其优点是实时性强，精度较高，缺点是对
环境干扰比较敏感。
3、基于温度和润滑油分析的故障诊断
该方法是通过对滚动轴承周围的温度和润滑油的分析，来判断
滚动轴承是否存在故障。
其优点是对环境干扰较小，检测效果较
稳定。
缺点是需要预先设置阈值，无法直接判定故障类型和位置。
4、基于图像处理的故障诊断
该方法是通过采用特定的成像技术，对滚动轴承表面的形态、
尺寸、纹理等特征进行分析和处理，以判断滚动轴承是否存在故障。
其优点是能够直接显示故障的位置和类型，缺点是对设备类型、环境条件等限制较大，精度依赖于图像处理技术的成熟度。
由于滚动轴承故障的类型和位置各异，因此在实际操作中需要
根据不同故障类型，采用不同的诊断方法和技术，结合经验和专
业知识，对故障进行综合诊断和分析，进而实现快速维修和整改。
三、滚动轴承寿命预测与故障诊断的应用前景
随着物联网、云计算等新技术的不断发展与普及，滚动轴承寿
命预测与故障诊断技术已逐渐应用于各种设备和领域，并取得了
显著的效果。
未来，滚动轴承寿命预测与故障诊断技术应用前景
主要表现在以下几个方面：
1、基于物联网技术的实时监测
未来滚动轴承寿命预测与故障诊断技术将与物联网技术相结合，实现对滚动轴承的实时监测，采用远程控制和数据分析，能够监
控到设备的工作状态和运行情况，实现机器设备的自动化维护和更高效的运转。
2、基于人工智能技术的进一步优化
未来滚动轴承寿命预测与故障诊断技术将进一步应用人工智能技术，通过深度学习、群智优化等技术解决大规模数据、高复杂度问题，提高预测和诊断的效率和精度。
3、适应多样化设备和多种应用领域
未来滚动轴承寿命预测与故障诊断技术将在适应多样化设备和多种应用领域的条件下，实现不同应用场景的个性化和定制化需求。
结合机器视觉、机器流体力学等技术，实现更为精准的故障诊断和预测效果。
总之，滚动轴承寿命预测与故障诊断技术是未来机器设备维护保养的重要手段，将有效提高机器设备的运行效率和安全性。
在实际应用中，需要基于不同场景和需求，较为灵活地使用各类预测和诊断技术，采用多种手段进行分析和验证，最终实现对滚动轴承寿命和故障的准确预测和快速治理。