滚动轴承早期故障在线监测与诊断
故障诊断5-滚动轴承的振动监测与诊断
100
150
200 250 Frequency(Hz)
3号 6307
fr fc
f op
f ip
f bp
50
19
153
246
102
33
小结
本讲小结
掌握滚动轴承诊断的特点； 掌握滚动轴承失效的基本形式； 掌握滚动轴承振动机理及其特征频率； 掌握滚动轴承振动故障的识别方法。
教学内容
重点与难点
滚动轴承的失效的基本形式及其失效原因； 滚动轴承的振动机理； 滚动轴承的振动故障识别。
学习目标 了解滚动轴承的几种沉积失效形式及其原因； 掌握滚动轴承的故障特征频率的计算方法； 学会用时域分析法、频谱分析法及包络法等分
析滚动轴承的各种故障。
2
滚动轴承失效的基本形式
峰值反映的是某时刻振幅的最大值，因而它适用于象 表面点蚀之类的具有瞬时冲击的故障诊断。另外，对于 转速较低的情况（如300r/min以下），也常采用峰值进 行诊断。
22
滚动轴承的振动诊断
3）波形系数法
所谓波峰系数 Cf ，是指峰值与有效值或均方根值之比（xp/xrms）。 特点，是由于它的值不受轴承尺寸、转速、传输通道、及载荷 的影响，也不受传感器、放大器一、二次灵敏度变化的影响。 对 Cf 值随时间变化趋势的监测，可以有效地对滚动轴承故障进 行早期预报，并能反映故障的发展变化趋势。 滚动轴承无故障时，Cf 为一较小的稳定值，滚动轴承的波峰系 数约为5；一旦轴承出现了损伤，则会产生冲击信号，振动峰值明 显增大，但此时均方根值尚无明显增大，Cf 值增大，可达几十； 当故障不断扩展，峰值逐步达到极限后，均方根值开始增大，Cf 逐步减小，直至恢复到无故障时的大小。
24
基于小波包熵的轴承状态监测和早期故障诊断技术
＠ ２ ０ １ ３ Ｓ ｅ ｉ ． Ｔ ｅ ｃ ｈ ． Ｅ ｎ ｇ ｒ ｇ ．
基于小波包熵 的轴承状态监测和 早期故障诊断技术
冯桓楮 张来斌 石 帅 梁 伟
（ 中国石油大学 （ 北京 ）机械与储运工程学院 ， 北京 １ ０ ２ ２ ４ ９ ）
摘
要
滚动轴承是旋转机械 中最 常用的轴承之一。但其早期故障诊断仍是 亟待 解决 的问题。研 究 旨在通 过基于小 波包熵
解， 进而分析信号高频部分的细节信息。对滚动轴 承早期 故 障 诊 断 ， 一 般 认 为 高频 部 分 （ １ ０ ０ ０ — １ ０ ０ ０ ０ Ｈ ｚ ） 比较敏感 ， 但只能识别总体状态 ， 低频部 分（ ＜ １ ０ ０ ０ Ｈ ｚ ） 则可进行精确的故障诊断¨ 。
的状 态监测技术提早发现轴承 的早期故 障， 进 而利用最小二乘支持 向量机 （ Ｌ Ｓ — Ｓ Ｖ Ｍ） 精确诊 断轴承 的故 障类型。利用加速 轴 承寿命 试验 台的轴承全寿命数据和 故障轴承 数据验证 了方法 的有效性和 实用 性。结果表 明， 相 比传 统监测指标 ， 小 波包 熵有 较好 的早期预警能力 ； 结合 小波相对能量指标 ， Ｌ Ｓ — Ｓ Ｖ Ｍ 能快速有 效地 诊断滚动轴承早期故障。 关键词 状态监测 早期故 障诊 断 小波熵 中 已被 证 实 十 分适 合 分 析 非 平
稳信号 。熵的概念来源于热力学 ， 但很快在许多 领域中得到了推广应用 ， 信号处理领域也有很多相 关应用 。熵 的大小揭示 了观测信号 的有 序程 度。将小波包熵应用于滚 动轴承的振动信号状 态
监 测 中。试验 数据 分 析 表 明 ， 小 波 包熵 有 优 良 的早
中图法分类 号 Ｔ Ｈ １ ７ ２ ；
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。
货车滚动轴承早期故障轨边声学诊断系统的应用与管理
数据 、 用 中报警 轴 承检 查及 处理 情况 的反馈 数 据 与 车 运
辆检 修 及轴 承装 用 相 结 合 ， 以通 过 科 学 分 析 方 法 ， 可 对 不 同类 型 、 同生产 厂家 的轴 承运 用状 态 及质 量 进 行评 不 价， 为铁 路 车辆 制造 、 承生产 提供 科 学合理 的依 据 。 轴
王 德 明 （ ９４ ） ， 宁 绥 中 人 ， 级 工 程 师 （ 回 日期 ：ｏ ２ ５ １ ） １ ７一 男 辽 高 修 ２ １ —０ — １
第 ４期
货 车 滚 动 轴 承 早 期 故 障 轨边 声 学 诊 断 系 统 的 应 用 与 管 理
的数 量分 别 为 ３ ４ ２ ９和 ２ １个 。有 的轴 承 故 障 已 经 ３ ，８ ８
货 车滚 动 轴 承 早期 故 障轨 边声 学 诊 断 系统 的应 用 与 管理
王德 明 ，肖井 波。
（ 沈 阳铁 路 局 车 辆 处 ，辽 宁 沈 阳 １ ０ ０ ； １ １０ １
２ 沈 阳铁 路 局 车 辆 检 测 所 ，辽 宁 沈 阳 １ ０ ０ ） １ ０ １
摘
要
针 对 我 国铁 路 车 辆 部 门 的 安 全 检 测 设 备 Ｔ Ｓ的应 用 与 管 理 办法 、 程 进 行 了介 绍 ， 给 出 了 该 软 件 系 ＡＤ 流 并
车 辆 轴 承 的 运 行 状 态 、 障 数 据 。为 车 轴 检 修 由 定 期 修 故 到状态 修 、 行 公 里修 提供 可靠 的技 术手 段 。 走
位 进行 检查 确认 ； 现场 检车工 长要 对 现场 检 车员认 定 无
故 障轴位 进行 复核 。
滚动轴承状态监测与故障检测
本文采用压电式加速度传感器获取原始振动信号序列，经零均值预处理后利用振动信号分析诊断法对滚动轴承运行状态进行智能化监测。
通过MATLAB软件对滚动轴承振动信号进行时域和频域范围的分析，得到时域特征值、频域特征值和FFT谱特征值，对获取的有效特征值归一化处理后作为输入神经元传递到BP神经网络中。
网络模型经过训练使其误差在允许的范围内即模型初步建立，经校验模型符合条件后就可对滚动轴承状态进行模式识别，实现滚动轴承故障的快速诊断。
关键词：特征抽取，BP神经网络，MATLAB第一章绪论 (1)1.1．滚动轴承运行状态智能化监测的研究意义 (1)1.2．滚动轴承故障形式分析 (1)1.3．滚动轴承主要的状态监测技术 (2)1.3.1 振动信号分析诊断法 (2)1.3.2轴承润滑状态监测诊断法 (2)1.3.3 油液分析诊断法 (3)1.3.4 温度监测诊断法 (3)1.4．滚动轴承状态监测常用传感检测方法 (3)1.5．滚动轴承运行状态特征信号提取处理方法 (3)1.5.1 时域分析 (4)1.5.2 频谱分析 (4)1.5.3 小波分析 (5)第二章滚动轴承振动信号处理和特征抽取 (5)2.1．滚动轴承振动信号处理 (6)2.1.1MATLAB软件简介 (6)2.1.2 MATLAB软件应用实例 (7)2.1.3 滚动轴承振动信号数据预处理 (7)2.2．滚动轴承振动信号特征抽取 (9)2.2.1滚动轴承振动信号时域特征值抽取 (9)2.2.2 滚动轴承振动信号频域特征值抽取 (11)2.2.3滚动轴承振动信号的FFT谱特征值抽取 (12)2.3．滚动轴承振动信号特征值归一化 (14)第三章基于BP神经网络的滚动轴承故障模式识别 (16)3.1．BP神经网络工作原理 (16)3.2．滚动轴承故障的BP神经网络设计 (18)3.2.1输入层和输出层神经元个数的选择 (18)3.2.2隐含层神经元个数的选择 (19)3.2.3BP神经网络训练参数选择 (19)3.2.4滚动轴承状态模式识别 (19)3.2.5 BP神经网络模型测试 (20)第四章结论 (20)参考文献 (21)附录：MATLAB程序设计 (22)第一章绪论1.1.滚动轴承运行状态智能化监测的研究意义随着现代化生产的日益规模化与自动化，机械设备的故障检测技术愈显重要，机械故障检测也越来越受到重视。
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滚动轴承是工业领域中常见的机械部件之一，主要用于支撑和转动机械设备。
在使用过程中，滚动轴承可能会出现一些故障，如轴承损耗、磨损等问题。
针对这些故障，及时进行状态监测和故障判断是非常必要的。
本文将从滚动轴承的状态监测和故障诊断两个方面进行介绍。
指标监测：通过监测关键指标，如轴承的温度、位置振动、噪声等，可以获得轴承的运行状态。
其中，温度的监测是比较常见的方法，通常使用温度计和红外线测温技术进行监测。
对于高速轴承还可以使用锅炉测温计进行实时监测。
位置振动监测是指通过振动传感器或加速度计获取轴承的振动数据，根据振动数据来分析轴承的状态。
如果轴承的振动频率很高，则说明可能存在故障。
油润滑监测：为了确保轴承的正常运行，需要进行油润滑监测。
在油润滑监测过程中需要测量油温、油压、粘度等指标，同时还需要检查油的浑浊度和金属微粒的含量。
这些指标可以帮助判断油润滑的状态是否正常。
损耗诊断：损耗是指轴承零件表面材料的脱落、烧焦、磨损等现象。
通过损耗诊断可以确定损耗的原因，如材料强度、润滑状况等。
损耗诊断可以使用金相分析和扫描电子显微镜等技术。
磨损诊断：磨损是指轴承零件表面材料被磨损或腐蚀的现象。
磨损可能是由于轴承内部的某些因素引起的，例如材质、润滑状况、工作载荷等。
可以使用虚拟仪器技术、金属磨损颗粒分析等方法对轴承的磨损程度进行诊断。
结论通过对滚动轴承的状态监测和故障诊断，可以提高轴承的可靠性和安全性，延长轴承的使用寿命，减少维修和更换的次数和成本。
因此，对滚动轴承进行状态监测和故障诊断是非常重要的。
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滚动轴承作为工业设备中常见的零部件之一，承载着机器运行过程中的重要轴向负荷。
滚动轴承的状态监测与故障判断对于设备的正常运行和维护至关重要。
本文将探讨滚动轴承的状态监测技术、故障判断方法以及相关的应用实例。
一、滚动轴承的状态监测技术1. 振动监测技术振动监测是最常见的滚动轴承状态监测技术之一。
通过在轴承上安装振动传感器，可以实时监测轴承运行时所产生的振动信号。
根据振动信号的频率、幅值和波形等特征参数，可以判断轴承的运行状态，从而及时发现轴承的异常情况。
声音监测是利用特定的声学传感器对轴承运行时产生的声音信号进行监测和分析。
通过分析声音的频谱、频率和幅值等参数，可以判断轴承的工作状态和存在的故障问题。
温度监测是通过在轴承上安装温度传感器，实时监测轴承的工作温度。
当轴承发生异常时，温度会升高，通过监测温度的变化可以及时发现轴承故障的存在。
4. 油膜厚度监测技术滚动轴承常常需要润滑油润滑，在轴承内形成一定厚度的油膜以减少摩擦和磨损。
油膜厚度监测技术可通过超声波传感器或其它传感器测量油膜的厚度，判断油膜的完整性和润滑效果，进而判断轴承的工作状态。
二、滚动轴承的故障判断方法1. 振动特征分析法通过对轴承振动信号的频谱分析、包络分析和趋势分析等方法，判断轴承是否存在异常振动，以及具体的故障类型，如轴承内环、外环或滚动体的故障。
通过监测轴承的工作温度，分析温度的变化趋势和幅值变化，判断轴承是否存在异常，例如摩擦热、润滑不良或局部热点等故障。
1. 航空发动机轴承的状态监测与故障判断航空发动机轴承是航空发动机中的重要部件，其状态的监测与故障的判断对飞机的安全运行至关重要。
航空发动机轴承通常采用振动监测和声音监测技术，通过监测振动信号和声音信号的特征参数，判断轴承的工作状态和可能存在的故障问题。
滚动轴承的状态监测与故障判断是工业生产中的重要课题，通过采用多种监测技术和故障判断方法，可以有效地保障轴承的安全运行，延长其使用寿命，提高设备的可靠性和运行效率。
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。
滚动轴承故障诊断综述
摘要：滚动轴承是旋转机械中使用最多，最为关键，同时也是机械设备中最易损坏的机械零件之一。
滚动轴承质量的好坏对机械设备运行质量影响很大，许多旋转机械设备的运行状况与滚动轴承的质量有很大的关系。
滚动轴承作为旋转机械设备中使用频率较高，同时也是机械设备中较为薄弱的环节，因此对滚动轴承进行故障诊断具有重大意义。
引言：故障诊断技术是一门研究设备运行状况信息，查找故障源，研究故障发展趋势，确定相应决策，与生产实际紧密相结合的实用技术。
故障诊断技术是20世纪中后迅速发展起来的一门新型技术。
国外对滚动轴承故障诊断技术的研究开始于20世纪60年代。
美国是世界上最早研究滚动轴承故障诊断技术的国家，于1967年对滚动轴承故障进行研究，经过几十年的发展，先后研制了基于时域分析，频域分析，和时频分析的滚动轴承故障诊断技术。
目前国外已经研制出先进的滚动轴承故障诊断仪器，并且已经应用于工业生产中，对预防机械事故，减少损失起到了至关重要的作用。
国内对故障诊断技术的研究起步较晚，20世纪80年代我过开始研究滚动轴承故障诊断技术，经过多年的研究，先后出现了基于振动信号的滚动轴承故障诊断，基于声音信号的滚动轴承诊断方法，基于温度的滚动轴承诊断方法，基于油膜电阻的滚动轴承诊断方法和基于光钎的滚动轴承诊断方法。
从实用性方面来看，基于振动信号的滚动轴承诊断方法具有实用性强，效果好，测试和信号处理简单等优点而被广泛采用。
在滚动轴承故障诊断中，比较常用的振动诊断方法有特征参数法，频谱分析法，包络分析法，共振解调技术。
其中共振解调技术是目前公认最有效的方法。
振动检测能检测轴承的剥落、裂纹、磨损、烧伤且适于早期检测和在线检测。
因而，振动诊断法得到一致认可。
包络检测是轴承故障振动诊断的一种有效方法,实际中已广泛使用。
当轴承出现局部损伤类故障后，振动信号中包含了以故障特征频率为周期的周期性冲击成分，虽然这些冲击成分是周期出现的，但单个冲击信号却具有非平稳信号的特性。
滚动轴承早期故障检测与健康状态评估方法
$item1_c现有的滚动轴承故障 检测方法主要包括振动分析、 声发射分析、油液分析等。
$item1_c现有的滚动轴承故障 检测方法主要包括振动分析、 声发射分析、油液分析等。
现有的滚动轴承故障检测方法 主要包括振动分析、声发射分 析、油液分析等。
02
滚动轴承故障诊断方法
振动信号分析
振动信号分析是一种常用的滚动轴承故障检测方法。通过安装在 轴承座或设备上的振动传感器采集振动信号，提取特征频率，判 断轴承的运行状态。
经验模态分解原理
01
经验模态分解是一种自适应信号分解方法，能够将复
杂信号分解成若干固有模态函数。
故障检测流程
02 通过将轴承振动信号进行经验模态分解，提取固有模
态函数，进一步分析故障特征。
优势与局限
03
经验模态分解能够捕捉到信号中的非线性、非平稳特
性，但分解结果受噪声影响较大。
04
健康状态评估技术研究
常见的特征频率包括轴承的内圈、外圈和滚动体的故障频率，以 及它们的谐波和倍频。对这些特征频率的分析可以帮助识别轴承 的故障类型和位置。
声发射信号分析
声发射信号分析是一种利用声波检测轴承故障的方法。当轴 承元件表面因摩擦、剥落等原因产生裂纹时，会发出声波信 号。
通过在轴承周围安装声发射传感器，可以捕捉这些信号，并 对其进行分析。常见的分析方法包括波形分析、频谱分析和 小波变换等，以提取特征频率和判断轴承的健康状态。
温度信号分析
温度信号分析是一种利用温度变化监测轴承运行状态的方 法。由于轴承故障会导致局部摩擦和热量产生，因此轴承 的温度会发生变化。
通过在轴承附近安装温度传感器，可以实时监测轴承的温 度变化。通过对温度数据的趋势分析和异常检测，可以判 断轴承的运行状态是否正常，以及是否存在故障。
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滚动轴承在机械设备中起着重要的作用，一旦发生故障，可能会导致设备停机，对生产造成不良影响。
滚动轴承的状态监测与故障判断对于设备的正常运转至关重要。
本文将从滚动轴承的状态监测方法以及故障判断技术两方面进行介绍。
滚动轴承的状态监测可以采用多种方法。
一般来说，常见的方法有振动信号监测、温度监测以及润滑油分析等。
振动信号监测是一种较为常用的滚动轴承状态监测方法。
通过在轴承上设置振动传感器，可以实时采集轴承振动信号，并对其进行分析。
正常情况下，滚动轴承的振动信号应该是稳定的，频率也应该在一定的范围内。
如果发现振动信号出现异常，频率突然增大或者波形发生变化，可能意味着轴承存在故障。
温度监测也是一种常用的滚动轴承状态监测方法。
通过在轴承上设置温度传感器，可以实时监测轴承的温度。
当轴承发生故障时，由于摩擦产生的热量会导致轴承温度升高。
通过监测轴承的温度变化，可以判断轴承是否存在故障。
润滑油分析也是一种常用的滚动轴承状态监测方法。
通过定期检测润滑油中的金属颗粒、污染物和酸值等指标，可以判断轴承的磨损程度和润滑状况。
如果发现润滑油中出现大量的金属颗粒或者酸值超过正常范围，可能意味着轴承存在故障。
除了状态监测，滚动轴承的故障判断也需要采用相应的技术。
常用的故障判断技术主要包括故障模式诊断和故障特征提取。
故障模式诊断是通过分析轴承故障的特征模式，判断故障的类型和程度。
常见的故障模式有疲劳断裂、卡死、胶合、磨损等。
通过对轴承进行振动分析、声学分析和红外热像等技术的应用，可以诊断出轴承的故障模式。
故障特征提取是通过分析轴承振动信号或者其他相关信号的频谱、波形和包络等特征，提取与轴承故障相关的特征参数。
通过对这些特征参数的分析和比较，可以判断轴承的故障类型和程度。
常见的特征参数有峭度、峰值因子、波形因子等。
滚动轴承的状态监测和故障判断对于设备的正常运转至关重要。
通过采用合适的监测方法和故障判断技术，可以及时发现轴承故障，并采取相应的维修措施，保证设备的正常运行。
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
滚动轴承是一种常见的机械设备，用于支撑旋转轴的运动。
由于长时间工作和外界环
境的影响，滚动轴承容易出现故障，对设备运行造成不良影响。
对滚动轴承的状态进行监
测和故障判断非常重要。
滚动轴承的状态监测主要包括振动、温度和声音三个方面。
振动监测是滚动轴承状态监测中最常用的方法之一。
通过对滚动轴承的振动信号进行
采集和分析，可以判断滚动轴承是否存在异常。
通常采用加速度传感器安装在滚动轴承上，通过测量振动信号的振幅、频率和相位等参数，可以判断轴承是否存在轴向、径向和角向
振动异常。
温度监测也是滚动轴承状态监测中的重要方法。
由于滚动轴承在工作过程中会产生摩
擦和热量，因此温度的升高可能是滚动轴承存在问题的信号。
通过在滚动轴承上安装温度
传感器，可及时监测轴承温度的变化，当温度超过设定的阈值时，即可判断轴承存在异常
情况。
对于滚动轴承的故障判断，可以通过上述状态监测方法得到的数据进行分析和对比。
当滚动轴承的振动频率突然增大、温度异常升高、噪音变得异常大时，很有可能是滚动轴
承出现了故障。
还可以制定一套滚动轴承健康状态和故障特征的模型，通过监测数据和模
型进行对比分析，准确判断滚动轴承是否存在故障。
滚动轴承的状态监测和故障判断是保证设备安全运行和提高设备可靠性的重要手段。
通过振动、温度和声音监测等方法，可以实时监测滚动轴承的状态，并根据监测结果进行
故障判断和预测，为设备的维护提供科学依据。
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滚动轴承是工业中常见的重要零部件，它承载着旋转机械中的轴承负荷，保证了机械设备的正常运转。
由于滚动轴承长期在高速高温、重负荷等恶劣环境下工作，容易出现磨损和故障。
对滚动轴承的状态进行监测和故障判断对于机械设备的正常运转和安全生产至关重要。
一、滚动轴承的状态监测方法1. 振动和声音监测：通过监测轴承在运转过程中的振动和声音变化，可以判断轴承是否存在异常。
当轴承损坏或磨损时，会产生异常的振动和噪音，通过监测振动和声音可以及时发现轴承的故障。
2. 温度监测：轴承在工作时会产生摩擦热，因此轴承的温度是一个重要的监测指标。
通过监测轴承的温度变化，可以判断轴承是否存在异常情况，及时进行维护和检修。
3. 润滑状态监测：滚动轴承的正常运转需要良好的润滑状态，因此监测轴承的润滑状态对于预防轴承故障至关重要。
可以通过监测润滑油的清洁度、油液中的杂质、油液的粘度等参数来判断轴承的润滑状态。
4. 裂纹监测：轴承在工作时受到很大的载荷和振动，容易产生裂纹和损伤。
通过检测轴承表面的裂纹和损伤情况，可以及时发现轴承的故障。
4. 观察表面损伤：通过观察轴承表面的磨损和裂纹情况，可以判断轴承的故障程度。
当轴承表面出现严重的磨损和裂纹时，需要及时更换轴承以避免设备的故障和事故。
滚动轴承的状态监测和故障判断对于机械设备的正常运转和安全生产至关重要。
通过采用多种监测方法和故障判断方法，可以及时发现轴承的故障，避免设备的停机和事故，提高设备的运行可靠性和安全性。
企业在实际生产中应加强滚动轴承的状态监测和故障判断，建立健全的轴承维护管理制度，确保设备的正常运转和安全生产。
滚动轴承的状态监测与故障判断
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。
监测与诊断的目的和意义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。
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目前仍在使用，不过一些工具已经被改进到电子听诊器等。
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，但由于其它的外部原因，这种方法的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（RMS）或峰值来判断轴承是否有故障。
这些仪器减少了我们对经验的依赖，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，很大程度上提高了滚动轴承故障诊断工作的准确性和及时性。
此后，许多公司都安装了大量的振动监测传感器来监测轴承的长期运行，再有就是航天领域也采用了这样的监测仪器。
1976-1983年，公司研制了NB系列轴承监测仪，利用轴承振动信号的1~15kHz范围，测量了轴承故障的均方根和峰值。
城轨车辆齿轮箱滚动轴承在线状态监测与故障诊断
城轨车辆齿轮箱滚动轴承在线状态监测与故障诊断城轨车辆齿轮箱滚动轴承在线状态监测与故障诊断随着城市轨道交通的迅速发展，城轨车辆已经成为了现代城市中重要的交通工具之一。
城轨车辆的安全和稳定运行对于保障乘客的出行安全至关重要，而齿轮箱作为城轨车辆的重要组成部分，起到了传动和承载的关键作用。
因此，城轨车辆齿轮箱滚动轴承的在线状态监测与故障诊断变得至关重要。
城轨车辆齿轮箱滚动轴承在线状态监测是一种通过采集车辆运行数据和实时监测传感器数据的技术手段，旨在实时监测齿轮箱滚动轴承的运行状态。
通过对数据的采集和分析，可以及时发现齿轮箱滚动轴承的异常情况，进而进行相应的故障诊断和维修。
城轨车辆齿轮箱滚动轴承的在线状态监测与故障诊断技术的发展，不仅可以提高城轨车辆的安全性和可靠性，还可以降低维修成本和提高维修效率。
首先，城轨车辆齿轮箱滚动轴承的在线状态监测主要通过传感器对相关信号进行采集。
传感器的种类多样，包括加速度传感器、温度传感器、轴位传感器等。
这些传感器可以实时监测滚动轴承的振动、温度、轴向位移等参数，从而获取齿轮箱滚动轴承的工作状态信息。
其次，城轨车辆齿轮箱滚动轴承的在线状态监测需要对采集到的数据进行处理和分析。
通过对数据进行频域分析、时域分析、统计分析等方法，可以得到齿轮箱滚动轴承的特征参数。
这些特征参数可以反映滚动轴承的健康状况，比如振动频率、温度变化等。
通过与正常工作状态下的特征参数进行对比，可以判断滚动轴承是否存在异常情况。
最后，城轨车辆齿轮箱滚动轴承的在线状态监测与故障诊断的关键在于准确判断滚动轴承是否存在故障。
传统的故障诊断方法主要依靠人工经验和检查，但这种方式存在主观性较强、效率低下等问题。
而基于数据驱动的故障诊断方法可以根据采集到的实时数据，运用机器学习算法进行故障诊断。
通过训练算法并建立故障模型，可以准确判断滚动轴承的故障类型和严重程度，从而指导维修工作。
总之，城轨车辆齿轮箱滚动轴承的在线状态监测与故障诊断可以提高城轨车辆的运行安全性和可靠性。
浅谈动车组滚动轴承早期故障轨边声学诊断系统(TADS)运用原理
浅谈动车组滚动轴承早期故障轨边声学诊断系统（TADS）运用原理作者：张磊来源：《科学与财富》2018年第21期摘要：动车组滚动轴承故障轨边声学诊断系统（Trackside Acoustic Detection System ，TADS），该系统的主要功能是，利用轨边声学检测装置对通过该设备的动车组进行噪声的采集与分析，发现滚动轴承的早期故障。
TADS系统利用轨边声学检测及计算机诊断技术，对运行列车滚动轴承的振动声音信号进行采集分析，并根据轴承不同部位的故障预先建立复杂的数学模型，判断轴承内套、外套、滚柱等主要部位的裂纹、剥离、磨损、侵蚀等故障，从而实现滚动轴承早期故障的在线诊断。
关键字：TADS；动车组；声学；轴承中图分类号：U270 文献标识码：A1.动车组TADS简介随着中国动车组保有量的不断增加及动车使用年限的不断增长，高速铁路的行车安全成为影响动车事业发展的关键问题。
然而，在国内，对于动车组动态监测的设备依然十分匮乏。
动车组滚动轴承故障轨边声学诊断系统正是在多年货车滚动轴承故障轨边声学诊断系统研发及应用经验的经验上，针对动车组设备运行及机械特点创新发展而来。
动车组TADS安装于动车组运行正线，利用轨边声学采集装置，对高速通过的动车组滚动轴承进行动态实时检测，发现滚动轴承常见的内圈、外圈、滚子可能存在的麻点、剥离、划伤、变色等轴承故障，并根据故障严重情况进行分级预报。
2.动车组TADS必要性在动车组高速运行情况中，轮对轴承一旦发生故障就会迅速发展，若没有及时进行发现，会导致热轴、燃轴、切轴事故的发生，因此需要对轮对轴承进行在线检测与故障诊断，以减少或杜绝事故的发生，最大限度地发挥轴承的潜力，节约开支，保障正常运行秩序。
当前对动车组滚动轴承故障的故障检测主要依靠车载轴温报警装置和随车机械师人工检查。
车载轴温报警装置主要检测的是轴承晚期故障，一旦出现轴温报警必须立即停车检查，严重影响行车秩序，造成巨大的社会影响和经济损失。
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滚动轴承是一种常见的机械设备中的元件，其主要作用是减少机械设备中的摩擦和磨损，以达到增加机械设备使用寿命的目的。
随着现代工业的不断发展与进步，滚动轴承在机械设备中的使用也越来越普遍。
然而，长期以来，滚动轴承的故障和损坏一直是机械设备运行中不可忽视的问题。
因此，及时做好滚动轴承的状态监测与故障判断对于机械设备的正常运行和保养非常重要。
滚动轴承的状态监测主要包括以下几个方面：1. 声音状态监测：通过听声识别轴承故障的声音，判断轴承是否存在噪声等异常声音。
2. 温度状态监测：通过测量轴承的温度来判断轴承是否存在过热现象，以及过热现象是否足以影响轴承的使用寿命。
3. 振动状态监测：通过振动传感器对轴承进行振动监测，判断轴承是否存在振动异常，并分析振动的原因。
4. 油润滑状态监测：通过判断轴承油液的清洁程度和油液质量，来判断轴承的润滑状态。
以上状态监测的方法综合运用，可以有效地对滚动轴承的状态进行监测，及时发现轴承存在的问题，并进行必要的修复措施。
1. 外观判断：通过对轴承的外观进行检查，判断轴承是否存在外观缺陷。
3. 油液检查：通过对轴承的润滑油液进行检查，判断轴承是否存在油液污染、流量不足等问题。
滚动轴承的故障判断需要对轴承进行全方位的检查，尤其对于内部零件的检查和油液状态的检查是关键。
通过多种故障判断方法的综合应用，可以更为准确地判断轴承的故障状况，更好地进行修复措施。
总之，滚动轴承的状态监测与故障判断工作对于机械设备的正常运行和保养同样重要，应该得到足够的重视和关注。
通过对滚动轴承的状态进行及时监测，可以避免轴承故障导致机械设备的停机维修，从而提高机械设备的运行效率和使用寿命。
动车组滚动轴承故障轨边声学检测技术及应用
技术应用0 引言我国动车组具有运行速度高、连续高速运行里程长的特点，滚动轴承承受的动态载荷较大，容易出现轴承故障。
当前对动车组和客车车辆滚动轴承的检测主要依靠车载轴温报警装置进行在线监控和定期进行人工检查。
车载轴温报警装置主要监控轴承晚期故障，一旦出现轴温报警必须立即停车检查，严重影响行车秩序，造成巨大社会影响[1]。
定期人工检查无法及时监测轴承故障，而且受个人主观因素影响，容易出现故障漏检、漏判。
迫切需要采用先进技术及设备开展动车组和客车车辆滚动轴承早期故障检测和诊断，有效预防滚动轴承事故的发生。
目前，国内外在列车滚动轴承故障轨边声学诊断领域做的比较成熟的有美国TTCI和澳大利亚Track IQ公司，其研制开发的滚动轴承故障轨边声学诊断系统在全世界均有70多套应用。
2003年开始，我国与Track IQ等国外公司合作，引进了滚动轴承故障轨边声学诊断系统（Trackside Acoustic Detection System，TADS），为适应我国的铁路状况，逐步实现国产化。
试验过程中对TADS 的硬件进行了全面消化吸收，对软件进行联合开发，对系统的组网方式进行了改进，取得了良好效果[2]。
我国动车领域运用的LM滚动轴承故障轨边声学诊断系统（即LM系统），通过引进先进的动车组TADS系统并将其国产化，采用先进的轨边声学指向跟踪技术、声音频谱分析技术和计算机智能识别技术对动车组和客车车辆滚动轴承外、内圈滚道和滚动体裂纹、剥离、磨损及腐蚀等故障进行早期诊断及分级报警，适用于各型CRH系列动车组及客车车辆滚动轴承故障的在线动态检测。
1 滚动轴承故障及检测机理1.1 滚动轴承故障客车车辆滚动轴承一般由外圈、内圈、滚动体和保持架四部分组成。
（1）内圈与轴相配合并与轴一起旋转。
动车组滚动轴承故障轨边声学检测技术及应用厉 浩：上海铁路局车辆处，工程师，上海，200071张 渝：西南交通大学，副教授，四川 成都，610031彭朝勇：西南交通大学，讲师，四川 成都，610031摘 要：滚动轴承是走行装置中的一个关键零部件，在列车运行过程中承受的动态载荷较大，容易出现轴承故障，对车辆运行产生重大影响。
滚动轴承状态检测与故障诊断
滚动轴承状态检测与故障诊断目录摘要 (1)关键词 (1)Abstract (1)Key words (1)第1章绪论 (2)一、滚动轴承的失效形式 (2)1．滚动轴承的疲劳失效 (2)2．滚动轴承的胶合失效 (2)3．滚动轴承的磨损失效 (2)4．滚动轴承的烧伤失效 (2)5．滚动轴承的腐蚀失效 (2)6．滚动轴承的破损失效 (3)7．滚动轴承的压痕失效 (3)二、设备故障诊断技术的发展概况 (3)第2章设备故障诊断的技术基础和振动诊断方法 (4)一、设备故障诊断的概述 (4)二、设备故障诊断技术常见方法 (4)1．时域分析法 (5)2．频域分析法 (5)3．时频分析法 (5)4．智能诊断 (5)第3章滚动轴承的主要诊断方法 (6)一、振动信号简易诊断法 (6)１．振幅值诊断法 (6)２．波形因数诊断法 (6)３．波峰因数诊断法 (6)４．概率密度诊断法 (6)二、油液分析诊断 (7)三、温度监测诊断法 (7)四、间隙（游隙）监测诊断法 (7)参考文献 (8)致谢 (9)摘要：滚动轴承是机械设备中最常见的零部件，其性能与工况的好坏直接影响到与之相联的转轴以及安装在转轴上的齿轮乃至整个机器设备的性能。
据统计，在使用轴承的旋转机械中，大约有30％的故障都是由于轴承引起的。
因此，研究滚动轴承的失效机理，提出相应的预防和维护措施，对于降低设备的维修费用，延长设备维修周期，提高经济效益，保证设备的长期安全稳定运行，均有现实的意义。
关键词：滚动轴承；故障；振动；诊断Abstract：Rolling bearing is the mechanical equipment is the most common parts, its performance and modes of the direct influence on the shaft and the associated with the gear axis installed in the whole machine equipment performance. According to statistics, in the use of rotating machine, bearing about 30% of the fault is due to bearing cause. Therefore, the study of rolling bearings failure mechanism and corresponding preventive and maintenance measures, for reducing the equipment of the cost of maintenance of the equipment, prolong maintenance cycle, to improve the economic benefit and guarantee the safe and stable operation of the equipment's long-term, all have realistic significance.Key words：Bearing；vibration；fault；diagnosis第1章绪论滚动轴承是机械设备中最常见的零部件，其性能与工况的好坏直接影响到与之相联的转轴以及安装在转轴上的齿轮乃至整个机器设备的性能。
- 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)。
西安交通大学学报 JOURNAL OF XIcAN J IAOT ONG UN IVERSIT Y
Vol. 32 l 6 Jun. 1998
滚动轴承早期故障在线监测与诊断
王丽丽 王 超
( 西安交通大学, 710049, 西安)
摘要 对滚动轴承早期故障的诊断提出了一种简便有效的方法. 阐明频域和时域分离故障信息的 原理, 讨论了窄带滤波器设计参数选取的方法, 特别是对窄带滤波器的中心频率及带宽与故障特征 频率之间的关系给出了定量的描述, 对窄带信号峰值包络包含的低频分量的放大作用给出了定量 的分析. 最后以 5 套 307 轴承为例进行了成功的诊断. 采用文中提出的方法可由功率谱直接判读故 障谱峰, 该方法直观、快速、简便, 非常适用于滚动轴承的在线监测与诊断. 关键词 轴承 故障诊断 希尔伯特变换 窄带滤波 功率谱密度 中国图书资料分类法分类号 T B 123
calculated using t he H ilbert t ransf orm and narrow-band filtration, and then the com ponent of it caused
by t he f ault is am plif ied using mathematical transformation. In discussing t he choice of t he narrow-
图 1 损伤系统简化模型
y ( t) = y 1( t) + y2( t )
( 1)
对上式进行傅里叶变换并移项, 得
Fy ( f ) = Fy (f ) - Fy ( f )
( 2)
2
1
其中的
F
y
(
1
f
)
可用标准无损伤轴承事先测试得到.
对 Fy ( f ) 进行傅里叶逆变换, 即得到 y 2( t ) . 于 2
A ( t ) cos[ X0 t + U( t ) ]
( 12)
]
E 式中 A 1( t ) =
A mcos( Xm - X0) t +
m= 0
Bmsin( Xm - X0) t ;
]
E B1( t ) = Bm cos( Xm - X0) t m= 0
A m sin( Xm - X0) t
Xm = m X1 = m 2TP, m = 1, 2, ,
met hod is valid w ith high accuracy. T he met hod proposed is very suit able for t he rolling bearing. s on-
line inspect ion and diagnosis.
Keywords beari ng f aul t diagnosis H ilbert tr ansf or m
2 故障信息的波形分离
成功诊断的关键是正确设计一个窄带滤波器,
它相当于一个具有窄带频响函数的线性系统, 故障
信号经窄带滤波后转化为窄带随机信号, 只要合理
地选择窄带滤波器的中心频率和带宽, 经一定的变
换后就可以将故障信息与载波信号分离开来. 下面
着重讨论中心频率和带宽的选择问题. 2. 1 故障信号的分离
C2y
y
(
1
f
)由
1
逐渐 变小.
由于 在故障 频率附 近
G 11
( f ) 与噪声水平相当, 所以当 G 22 ( f ) 增大到与 G 11
( f ) 相当时, C2yy ( f ) 趋于 1/ 2. 另外由式( 5) 看出: 当 1
G 22( f ) 由 0 开始增大时, C2yy ( f ) 由 0 开始逐渐变 2
b ( t ) = - Z( t ) sin X0 t + Z^ ( t ) cos X0 t ;
A ( t) = [ a2( t ) + b2( t) ] 1/2 =
[ Z2( t ) + Z^ 2( t ) ] 1/ 2;
( 8)
U( t ) = arctg [ b( t ) / a( t ) ] ; Z^ ( t ) 为 Z( t ) 的希尔伯特变换;
1 故障信息的频谱分离
滚动轴承在运行中出现损伤时, 其结果: 一是损 伤引起系统特性变化; 二是引起系统内零部件或损 伤界面之间相互撞击. 这种情况可将系统简化为如 图 1 所示的模型. 图中 x 1( t ) 是原始激励, x 2 ( t ) 是 损伤引起的附加激励, H 1( X) 是对 x 1( t ) 的传递函 数, H 2( X) 是对 x 2( t ) 的传递函 数, y ( t ) 是 系统对 x 1( t ) 和 x 2( t ) 响应的复合振动信号, y 1( t ) 是无损 伤时轴承振动信号, y 2( t ) 是系统对损伤冲击 x 2( t ) 的响应部分.
X0 为窄带滤波器的中心频率. 其中 A ( t ) 是 Z( t ) 的峰值包络, 它是一个相对慢变
信号. 它所含的频率成分取决于窄带滤波器的中心
频率和带宽.
对式( 7) 两边平方并取对数, 得 lnZ 2( t ) = lnA 2( t ) + ln cos2[ X0 t + U( t ) ]
( 9)
y
(
1
f
)
=
|
G
yy
(
1
f
)
|2
Gyy ( f ) Gy 1y 1( f )
( 3)
在 x 1( t ) 与 x 2 ( t ) 相互独立的条件下, 经化简
可表达为
C2yy 1 ( f ) =
1+
1 G 22( f ) / G 11( f )
( 4)
式中 G 22( f ) 是故障信号 y 2( t ) 的功率谱; G 11( f )
to dig nose the rolling bearing. s tiny fault . T he t heory for ex tracting the fault signal in bot h f requency-
domain and t ime- domain is ex pounded. T he envelope signal of t he rolling bearing w ith fault sig nal is
The On- Line Inspection and Diagnosis for the Rolling Bearing. s Tiny Fault
Wang L il i Wang Chao
( Xican J iaot ong U niversity, 710049, X ican)
Abstract An ef fective met hod based on the H ilbert t ransform and narrow- band filtration is proposed
( 22)
2. 3 故障频率分量谱峰的放大 对 A ( t ) 取数学期望, 有 R2A ( t ) = R2a( t) + R2b ( t )
文献[ 1] 主要针对滚动轴承的局部缺陷, 如内外
收到日期: 1997O03O04. 王丽丽: 女, 1968 年 7 月 生, 建筑工程与力学学院工程力学系, 博士生, 讲师.
第6期
王丽丽等: 滚动轴承早期故障在线监测与诊断
75
滚道、滚动体的疲劳剥落等一类损伤而提出了一种 非常简便、有效的诊断方法. 本文进一步详细阐述该 方法的基本原理及特点, 特别是对窄带滤波器的中 心频率和带宽的选取给出了定量的描述. 给出了窄 带信号峰值包络所含低频分量与故障分量的关系及 其放大倍数. 最后以 5 套 307 轴承为例进行了诊断. 实践证明本方法快速、简便、实用, 结果可靠.
t
( 13)
由上式可以看出, 经滤波后, 其频率为| XmX0| , 即保留下来的频率分量应满足下述不等式
| Xm - X0 | [
1 2
$X
( 14)
或者
| mf 1 - f 0 | [
1 2
$f
( 15)
式中: $f 为带宽; f 0 为中心频率; m 为波数, 满足
下述不等式
f 0-
1 2
$f
band f ilt er. s parameters, t he relat ionship betw een t he f ilter. s parameters( center freqency and band
range) and the fault. s charact eristic f reqency is described quant italively. Ex amples show t hat t his
是, 损伤 x 2( t ) 的响应信号 y 2 ( t ) 从复合信号 y ( t )
中分离出来. 分离出的 y 2( t ) 是否确是故障信号, 或
者说 y ( t ) 中是否包含故障信息, 可以用相干函数来
检验. 当前振动信号 y ( t ) 与无损伤信号 y 1( t ) 的相
干函数为
C2y
大; 当 G 22( f ) 与 G 11( f ) 相当时, C2yy2 ( f ) 趋于 1/ 2. 由此可见, 当在故障频率的邻 域内 C1yy1 ( f ) 和 C2yy2 ( f ) 都趋于 1/ 2 时, 可以判断这时轴承已出现故障.
然后对 y ( t ) 或 y 2( t ) 进行窄带滤波变换等处理, 进 一步判断故障位置.
f s 分量谱峰、2f s 谱峰和 3f s 谱峰.