滚动轴承的振动信号特征分析报告(DOC)

南昌航空大学实验报告

课程名称：数字信号处理

实验名称：滚动轴承的振动信号特征分析实验时间： 2013年5月14日

班级： 100421

学号： ********

**：***

成绩：

滚动轴承的振动信号特征分析

一、实验目的

利用《数字信号处理》课程中学习的序列运算、周期信号知识、DFT 知识，对给定的正常轴承数据、内圈故障轴承数据、外圈故障轴承数据、滚珠故障轴承数据进行时域特征或频域特征提取和分析，找出能区分四种状态（滚动轴承的外圈故障、内圈故障、滚珠故障和正常状态）的特征。

二、实验原理

振动机理分析：机械在运动时，由于旋转件的不平衡、负载的不均匀、结构刚度的各向异性、间隙、润滑不良、支撑松动等因素，总是伴随着各种振动。

振动的幅值、频率和相位是振动的三个基本参数，称为振动三要素。

幅值：幅值是振动强度的标志，它可以用峰值、有效值、平均值等方法来表示。

频率：不同的频率成分反映系统内不同的振源。通过频谱分析可以确定主要频率成分及其幅值大小，从而寻找振源，采取相应的措施。

相位：振动信号的相位信息十分重要，如利用相位关系确定共振点、测量振型、旋转件动平衡、有源振动控制、降噪等。对于复杂振动的波形分析，各谐波的相位关系是不可缺少的。

在振动测量时，应合理选择测量参数，如振动位移是研究强度和变形的重要依据；振动加速度与作用力或载荷成正比，是研究动力强度和疲劳的重要依据；振动速度决定了噪声的高低，人对机械振动的敏感程度在很大频率范围内是由速度决定的。速度又与能量和功率有关，并决定动量的大小。

提取振动信号的幅域、时域、频域、时频域特征，根据特征进行故

障有无、故障类型和故障程度三个层次的判断。

三、 实验内容

Step1、使用importdata （）函数导入振动数据。

Step2、把大量数据分割成周期为单元的数据，分割方法为：

设振动信号为{x k }(k =1,2,3,…,n )采样频率为f s ，传动轴的转动速率为V r 。 采样间隔为：

1

s

t f ∆= （1）

旋转频率为：

60r

r V f =

（2）

传动轴的转动周期为：

1

r T f = （3）

由式（1）和（3）可推出振动信号一个周期内采样点数N ：

1

1s r r s

f f T

N t f f =

==∆ （4） 由式（2）可得到传动轴的转动基频f r =29.95Hz ，再由式（3）可得到一个周期内采样点数N=400.67，取N =400。

Step3、提取振动信号的特征，分析方法包括：

1、时域统计分析指标（波形指标(Shape Factor)、峰值指标(Crest Factor)、脉冲指标(Impulse Factor)、裕度指标(Clearance Factor)、峭度指标(KurtosisValue) ）等，相关计算公式如下：

（1）波形指标：

P

f X WK X =

(5)

其中，

P

X 为峰值，X 为均值。p X 计算公式如下：

),,2,1}(max{N i x X i p ==

（2）波峰指标：

p

f rms X CK X =

(6)

其中，

rms

X 为均方根值。均方根值计算如下：

rms X （3）峭度指标：

4

rms

K X β

=

(8)

其中，β为峭度，计算式如下：

4

1

1N

i i x N β==

∑ (9)

（4）脉冲指标：

P

X I X =

(10)

（5）偏度指标：

3rms

P X α

=

(11)

其中，α为偏度，计算式如下：

31

1N

i

i x

N

α==

∑ (12)

（6）裕度指标：

r

p X X L =

(13)

其中，r X 为方根幅值，计算公式如下：

2

11⎥⎦

⎤

⎢⎣⎡=∑=N i i r x N X

2、频域分析，包括离散频谱序列统计分析指标，阶次分析等。 滚动轴承的理论特征频率计算公式如下： （1）内圈故障频率： (1cos())2i r N d

f f D

α=+ =161.73 Hz （2）外圈故障频率： (1cos())2o r N d

f f D

α=-=107.82 Hz （3）滚珠故障频率： 22(1()cos ())2b r D d

f f d D

α=

-=141.17 Hz 其中，N 为滚珠数，d 为滚珠直径，α 为接触角,D 为轴承节径。

Step4（提高要求）、提取未知信号的特征，与已知信号的特征进行比对分类，诊断信号是否存在故障以及故障类型。

未知故障类型信号：1.mat

四、实验的程序代码

（1）、待测信号1

function [y1,y2,y3,y4]=KuttosisFactor(); s=importdata('E:\原始信号\内圈故障\105.mat'); s_value=s.X105_DE_time'; s_cutvalue=s_value(1:24000); tree=wpdec(s_cutvalue,3,'sym6'); det=wpcoef(tree,2);