（控制理论与控制工程专业论文）基于rbf神经网络的故障诊断.pdf

江苏大学硕士研究生毕业论文 摘要 石油钻井是一种连续的作业过程，一旦发生故障将会带来严重的经济损失。 钻井设备属于大型设备，有许多传动机构，易发生故障的部件主要是传动滚动轴 承。本文针对油田钻井设备滚动轴承的故障诊断和预测进行了研究，可用于预防 事故的发生。 滚动轴承的振动信号是非平稳信号，用常规方法难以从振动信号中提取有效 故障特征信息。本文采用小波变换理论对滚动轴承振动信号进行数据分析处理， 结合r b f 神经网络进行故障诊断，取得了良好的诊断效果。 由于在油田工地现场采集的振动信号数据中背景噪声很大，直接进行特征提 取，难以有效地将振动信号中的故障特征信息提取出来。本文分析总结了几种小 波消噪阈值的选取方法，采用小波消噪对振动信号进行消噪预处理，有效地消除 了背景噪声对滚动轴承振动信号的干扰，提高了信噪比。根据轴承振动信号的特 点，研究了小波熵从振动信号中提取故障信息的方法，并用该方法对现场采集的 三种工况下的振动信号数据进行了分析研究。结果表明，振动信号特征提取的小 波熵方法，能有效地将隐含在振动信号中的故障特征提取出来。 在特征提取的基础上，进一步采用k m e a n s 聚类算法的r b f 神经网络，将 采用小波熵方法提取出来的特征向量作为r b f 神经网络的输入，对所提取的特 征向量进行分类，从而得出轴承的工作状态。故障诊断统计结果表明，k m e a n s 聚类算法的r b f 神经网络故障诊断的正确率达到9 4 2 ，取得了理想的诊断效 果。本文也采用了b p 神经网络对该三种工况下的滚动轴承进行了故障诊断，通 过比较验证表明，r b f 神经网络在油田钻井滚动轴承故障诊断中具有明显的优 势。 关键词：滚动轴承，故障诊断，小波熵，特征提取，r b f 神经网络 江苏大学硕士研究生毕业论文 a b s t r a c t t h ep r o d u c i n gp r o c e s so fp e t r o l e u md r i l l i n gi sac o n t i n u o u sp r o c e s s ， i fi tg o e sw r o n g ，t h ee c o n o m i cl o s sw i l lb ev e r ys e r i o u s l y t h ed r i l l i n g e q u i p m e n t i so n ek i n do fl a r g ee q u i p m e n t s ，h a sm a n yt r a n s m i s s i o n m e c h a n i s m s ，a n di t sr o i l i n gb e a r i n g se a s i l yg ow r o n g t h i sp a p e rs t u d i e d t h ef a u l td i a g n o s i sa n df o r e c a s to ft h ed r i l l i n gr o l l i n gb e a r i n g s ，a n d p r e v e n t e df a u l t sf r o mo c c u r r i n gb yt h i sm e t h o d t h ef a u l tf e a t u r ei n f o r m a t i o nc a nn o tb eo b t a i n e da v a i l a b l yb yr e g u l a r m e t h o d st oe x t r a c tt h ef e a t u r e so fn o n s t a t i o n a r yv i b r a t i o ns i g n a l s p r o d u c e db yf a u l tr o l l i n gb e a r i n g s t h ep a p e ru s e dt h ep r i n c i p l eo f w a v e l e tt oa n a l y z ea n dp r o c e s st h ev i b r a t i o ns i g n a ld a t ao ft h er o l l i n g b e a r i n g s ，u s e dr b fn e u r a ln e t w o r kt od i a g n o s et h ef a u l t s ，a n dt h er e s u l t o ft h ef a u l td i a g n o s i sw a sv e r yw e l l b e c a u s et h e r ew a sl o t so fb a c k g r o u n dn o i s ei nt h ev i b r a t i o ns i g n a l s o ft h er o l l i n gb e a r i n g s ，t h er e a lf a u l tf e a t u r ei n f o r m a t i o nc o u l dn o tb e o b t a i n e da v a i l a b l yi ft h ef e a t u r e sw e r ee x a c t e dd i r e c t l y t h ep a p e ru s e d t h ep r i n c i p l eo fw a v e l e td e n o i s et op r e p r o c e s st h ev i b r a t i o ns i g n a l s ，a n d s e v e r a lm e t h o d so fs e l e c t i n gt h et h r e s h o l d so fw a v e l e td e n o i s ew e r ea l s o i n t r o d u c e d t h ee f f e c to fa n t i g r o u n dn o i s ew a sp e r f e c tw i t ht h em e t h o d s o fw a v e l e td e n o i s e ，a n di m p r o v e dt h es i g n a l t o n o i s er a t e a c c o r d i n gt o t h ec h a r a c t e r i s t i c so ft h ev i b r a t i o ns i g n a l so ft h er o l l i n gb e a r i n g s ，a m e t h o dn a m e dw a v e l e te n t r o p yw a sr e s e a r c h e dt oe x t r a c tt h ef e a t u r e s ，a n d w a su s e dt oa n a l y z et h et h r e et y p e so fv i b r a t i o ns i g n a l so ft h er o l l i n g b e a r i n g s t h er e s u l t ss h o w e dt h a tt h er e a lf a u l tf e a t u r e so ft h ev i b r a t i o n s i g n a l sc o u l db ee x t r a c t e dv e r yw e l lb yt h i sm e t h o d 0 nt h eb a s i so ff e a t u r ee x t r a c t i o n ，t h ep a p e ru s e dr b fn e u r a ln e t w o r k w i t hk - m e a n sa l g o r i t h mt oc l a s s i f yt h ef e a t u r ev e c t o r s ，w h i c hw e r e e x t r a c t e db yt h ew a v e l e te n t r o p ym e t h o da n dp u ti n t ot h er b fn e u r a ln e t w o r k 江苏大学硕士研究生毕业论文 t h e n t h eo p e r a t i n gm o d e so ft h er o l l i n gb e a r i n g sw e r ec l a s s i f i e d t h e s t a t i s t i c a lr e s u l to ff a u l td i a g n o s i ss h o w e dt h a tt h ef a u l td i a g n o s i s c o r r e c t i o nr a t eo ft h er b fn e u r a ln e t w o r kw i t hk - m e a n sa l g o r i t h mw a su p t o9 4 2 a n do b t a i n e dp e r f e c td i a g n o s i sr e s u l t m e a n w h i l e ，b pn e u r a l n e t w o r kw a sa l s ou s e dt od i a g n o s et h et h r e et y p e so ft h eo p e r a t i n gm o d e s o ft h er o l l i n gb e a r i n g s c o m p a r e dw i t ht h et o wn e u r a ln e t w o r k s ，t h er b f n e u r a ln e t w o r kw a sf i t t e rf o rf a u l td i a g n o s i so ft h er o l l i n gb e a r i n g so f p e t r o l e u md r i l l i n gt h a n t h a to f b pn e u r a ln e t w o r k k e y w o r d s ：r o l l i n gb e a r i n g ：f a u l td i a g n o s i s ：w a v e l e te n t r o p y f e a t u r ee x t r a c t i o n ：r b fn e u r a ln e t w o r k i i l 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文 的规定，同意学校保留并向国家有关部门或机构送交论文的 复印件和电子版，允许论文被查阅和借阅。本人授权江苏大 学可以将本学位论文的全部内容或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存和 汇编本学位论文。 保密口，在年解密后适用本授权书。 本学位论文属于 不保密日。 ， j 学位论文作者签名：篡齐c 硎 指导教师签名： 像眨务 f 秒年多月莎曰御多年6 月多日 独创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的 指导下，独立进行研究工作所取得的成果。除文中已注明引 用的内容以外，本论文不包含任何其他个人或集体已经发表 或撰写过的作品成果。对本文的研究做出重要贡献的个人和 集体，均已在文中以明确方式标明。本人完全意识到本声明 的法律结果由本人承担。 学位论文作者签名：绷 日期：矽年月多日 江苏大学硕士研究生毕业论文 第一章绪论 1 1 本课题研究背景及意义 随着现代化设备的日趋大型化、复杂化、自动化和连续化，机械设备的故障 诊断技术越来越受到重视。如果一台机械设备在出现故障征兆没有及时发现，那 么故障发生后，轻则停工停产经济受到损失，重则发生重大事故，后果不堪设想。 为此，研制和开发出一套自动故障诊断系统，在出现故障征兆时能够给出预警信 号，及时排除故障隐患，对于现代企业来说，具有重大的经济意义。 近几十年来，因关键设备故障而引起的灾难性事故时有发生，例如：1 9 8 6 年1 月2 8 日美国“挑战者”号航天飞机由于火箭系统故障在空中爆炸解体，导 致7 名宇航员全部遇难，总计损失达到1 2 亿美元，美国宇航事业一度陷于低潮； 1 9 8 6 年4 月2 6 日，前苏联切尔诺贝利核电站机组发生故障导致大量发射性物质 泄漏事故，导致2 0 0 0 多人伤亡，数万人疏散，经济损失达3 0 多亿美元，污染波 及周边各国。1 9 8 8 年秦岭电厂五号汽轮机组在进行超速实验过程中先后发生轴 承断裂灾难性事故，造成经济损失达3 0 0 0 多万元t l , 2 1 。 国内外大量资料表明，开展故障诊断的经济效益是很明显的：据日本统计， 在采用诊断技术后，事故率减少7 5 ，节约维修费2 5 5 0 ；英国对2 0 0 0 个 国营工厂调查显示采用诊断技术后每年节省维修费3 亿英镑，用于诊断技术的费 用仅为o 5 亿英镑。我国每年用于设备维修的费用仅冶金部门就有2 5 0 亿，如果 推广故障诊断技术，每年可减少事故5 0 一7 0 ，节约维修费用1 0 一3 0 ，效 益非常可观。 本课题的来源为华东石油设计院针对油田钻井设备中的绞车及传动机组滚 动轴承故障诊断而提出来的。目前，油田钻井设备中的一个3 5 2 4 型轴承价值几 十万元，更换整套绞车及传动机组滚动轴承的费用则高达数百万元。现场经验观 察发现，易发生故障的部件主要是传动滚动轴承。如果滚动轴承一旦发生故障， 则会使油田石油生产停工停产，而且维修时间长，维修费用高，造成严重的经济 损失。为此，本课题的目的是在基于r b f 神经网络的基础上，研制和开发出一 套针对绞车及传动机组滚动轴承进行故障诊断的系统，能够在轴承早期故障时发 l 江苏大学硕士研究生毕业论文 出预警信号，提前对将要发生故障的轴承进行维修或更换，缩短停工停产时间和 减小维修费用，从而使石油生产损失减少到最低，保证石油生产顺利安全进行。 1 2 故障诊断的内容和方法 滚动轴承故障诊断的目的是保证轴承在一定的工作环境( 承受一定的载荷， 以一定的转速运转等) 下和一定的工作期间内可靠有效地运行，以保证整个机器 的工作精度。与此目的相适应，轴承故障诊断就要通过对能够反映轴承工作状态 的信号进行观测、分析和处理来识别轴承的状态。所以，从一定程度上说，轴承 故障诊断就是轴承的状态识别。 一个完整的轴承故障诊断过程包括以下5 个方面的内容妇1 ： 1 信号测取根据轴承的工作环境和性质，选择并测取能够反映轴承工作情 况或状态的信号； 2 特征提取从测取的信号中以一定的信号分析与处理方法抽取出能够反映 轴承状态的有用信息； 3 状态识别根据征兆以一定的状态识别方法识别轴承的状态，即简单地判 断轴承工作是否有故障； 4 状态分析根据征兆，进一步分析有关状态的情况以及发展趋势；当轴承 有故障时，详细分析故障类型、性质、部位、产生原因与趋势等； 5 决策干预根据轴承状态及其发展趋势，做出决策，如调整、控制、维修 或继续监视等。 在多种机械故障诊断方法中，适用于检测滚动轴承故障的方法很多，但主要 的方法1 有：振动检测法、噪声检测法、温度检测法、污染分析法、间隙测定 法、油膜电阻检测法和电子听诊检测法等。 振动检测法是通过安装在轴承座或箱体适当方位的振动传感器检测轴承振 动信号，并对此信号进行分析与处理来判断轴承工况和故障的方法。由于振动检 测法具有：( 1 ) 适用于各种类型工况的轴承：( 2 ) 可以有效地诊断出早期微小故 障；( 3 ) 信号采集与处理简单、直观并可重复检测；( 4 ) 诊断结果准确可靠等优 点，在实际工程中得到了极为广泛的应用1 4 1 0 用振动检测法进行故障检测，又可 分为时间检测法和频率检测法。时间检测法中有代表性的检测项目有：峰值、有 江苏大学硕士研究生毕业论文 效值、峰值因数、峭度和脉冲因数等。频率检测法中有代表性的检测项目有：同 步均衡、对数倒频谱、可调频率分析法、高频共振分析法和短时信号处理等。目 前，国内外开发生产的各种滚动轴承监测与诊断仪器和系统大部分是根据振动检 测法的原理制成的，有关滚动轴承监测与诊断的文献大部分都是利用振动检测法 方法。 1 3 国内外研究现状及发展趋势 轴承故障诊断在国外开始于2 0 世纪6 0 年代。在其后的几十年的发展时间里， 各种方法与技术不断产生、发展和完善，应用的领域不断扩大，诊断的有效性不 断提高。总的说来，轴承故障诊断的发展经历了以下几个阶段3 , 5 , 6 1 0 第一阶段：利用通用的频谱分析仪诊断轴承故障。2 0 世纪6 0 年代中期，由 于快速傅立叶变换( f f t ) 技术的出现和发展，振动信号的频谱分析得到了很大 的发展。人们根据对滚动轴承元件有损伤时产生的振动信号特征频率的计算和采 用频谱分析仪实际分析得到的结果进行比较来判断滚动轴承是否有故障。 第二阶段：利用冲击脉冲技术诊断轴承故障。在6 0 年代末期，首先由瑞典 s p m 仪器公司开发出冲击脉冲计，根据冲击脉冲的最大幅值来诊断轴承故障。 这种方法能比较有效地检测到轴承的早期损伤类故障。 第三阶段：利用共振解调技术诊断轴承故障。1 9 7 4 年，美国波音公司的d r h a t t i n g 发明了一项叫“共振解调分析系统“的专利4 1 。共振解调技术与冲击脉 冲技术相比，对轴承早期损伤类故障更有效。共振解调技术不但能诊断出轴承是 否有故障，而且可以判断出故障发生在哪个轴承元件上以及故障发生的大致严重 程度。 第四阶段：开发以微机为中心的轴承监测与故障诊断系统。2 0 世纪9 0 年代 以来，随着微机技术迅猛发展，开发以微机为中心的滚动轴承故障诊断系统引起 了国内外研究者的重视。微机信号分析和故障诊断系统不但具有灵活性高，适用 性强，易于维护和升级的特点，而且易于推广和应用。 随着信号检测技术、计算机技术、数字信号处理技术、人工智能技术的迅速 发展，轴承故障诊断已经成为融合数学、物理、力学等自然科学和计算机技术、 数字信号处理技术、人工智能技术的综合科学。与传统的诊断方法相比，目前的 江苏大学硕士研究生毕业论文 研究方向主要表现在以下几个方面| 7 - 1 2 1 1 小波变换 从8 0 年代后期开始，小波变换得到了迅速的发展。由于小波变换在时频域 的局部化和可变时频窗的特点，与传统的傅立叶变换相比，小波变换更适合分析 非平稳信号。因为滚动轴承的损伤故障信号是典型非平稳信号，所以用小波变换 处理轴承滚动振动信号，能更有效地获取故障特征信息。 2 专家系统 近年来随着人工智能技术的发展，专家系统技术得到了迅速的推广。所谓专 家系统就是一个智能的计算机程序，它能模拟专家在处理问题时的一些推理方 法，利用已有的知识和经验建立模型，解决问题。将基于知识的专家系统技术应 用于故障诊断领域可以使滚动轴承诊断分析和决策分析更加准确可靠。 3 模糊诊断 由于滚动轴承振动信号中故障特征与故障类型不存在绝对的对应关系，一种 故障可能引起多种特征，而一种故障特征可能对应多类故障，因此近年来，模糊 理论被引进到轴承故障诊断领域。轴承故障模糊诊断中的概念是模糊概念，可以 用模糊集合来表示，而模糊变换运算是用来讨论模糊判断和推理的。 4 神经网络 轴承故障诊断的目的是从故障定位到确定故障性质，进而确定故障发生的程 度。由于神经网络具有处理复杂多模式及进行联想，推测和记忆的功能，因而近 年来在故障诊断领域引起了广泛的研究。 1 4 本文的主要研究内容 根据滚动轴承故障诊断的研究现状，本文提出了基于小波熵和r b f 神经网 络滚动轴承故障诊断的研究：分析总结了几种小波消噪阈值的选取方法，采用小 波消噪对绞车及传动机组3 5 2 4 型滚动轴承振动信号进行消噪预处理，有效地消 除了背景噪声对滚动轴承振动信号的干扰，提高了信噪比；根据小波包能量和 s h a n n o n 熵理论，提出了滚动轴承的特征提取方法小波熵，有效地提取了振 动信号中的特征信息；最后采用k m e a n s 聚类算法的r b f 神经网络对滚动轴承 故障进行诊断，并和b p 神经网络故障诊断的结果进行了比较分析。 江苏大学硕士研究生毕业论文 本文内容安排如下： 第一章介绍了课题的研究背景、意义及相关的发展趋势； 第二章滚动轴承故障机理，进行了滚动轴承故障特性分析； 第三章振动信号分析处理及特征提取，采用小波变换理论对绞车及传动机 组3 5 2 4 型滚动轴承振动信进行分析预处理，用小波熵提取振动信号特征向量； 第四章r b f 神经网络故障诊断，分析了r b f 神经网络原理，用m a t l a b 语言实现了k m e a n s 聚类算法的r b f 神经网络，对故障进行诊断，并和b p 神 经网络诊断的结果进行了比较分析； 第五章滚动轴承检测系统设计，介绍了本课题的软硬件系统； 第六章结论与展望，小结了论文的工作，并给出了一些建议及展望。 江苏大学硕士研究生毕业论文 第二章滚动轴承故障机理 轴承是机械系统中重要的支撑部件，其性能与工况的好坏直接影响到与之相 连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。据有关数据统计， 在使用轴承的旋转机械中，大约有3 0 的故障都是由于轴承引起的”。因此， 开展对轴承的故障诊断研究具有很现实的意义。 2 1 滚动轴承的结构 滚动轴承是由内环、外环、滚动体和保持架四种元件组成。通常，其内环与 机械传动轴的轴颈过盈配合联接，工作时与轴一起转动；外环安装在轴承座、箱 体或者其它支撑物上，工作时一般固定和相对固定。但也有外环回转、内环不动 或内外环分别按不同的转速回转的使用情况。滚动体是滚动轴承的核心元件，它 使相对运动表面间的滑动摩擦变成滚动摩擦。滚动体的形式有球形、圆柱形、圆 锥形、鼓形等。在滚动轴承内外环上都有凹槽滚道，它们起着降低接触应力和限 制滚动轴承轴向移动的作用。保持架使滚动体等距离分布并减少滚动体间的摩擦 和磨损。如果没有保持架，相邻滚动体将直接接触，且相对摩擦速度是表面速度 的两倍，发热和磨损都较大。图2 1 所示为滚动轴承( 球轴承) 典型结构示意图。 图2 1 滚动轴承典型结构示意图 注：d 一轴承的节径； _ 内圈滚道半径； t 2 接触角。 6 d 滚动体直径； 吃外圈滚道半径； 江苏大学硕士研究生毕业论文 2 2 滚动轴承失效的基本形式 滚动轴承在工作过程中，由于装配不当、润滑不良、水分和异物侵入、腐蚀 和过载等都可能使轴承损坏。滚动轴承损伤形式非常复杂，下面列出滚动轴承的 主要损伤形式1 2 , 1 4 1 0 1 磨损失效 这是滚动轴承常见的一种失效形式，是轴承滚道、滚动体、保持架、座孔和 安装轴承的轴颈，由于机械原因引起的表面磨损。一般来说轴承表面磨损后产生 的振动同正常轴承的振动具有相同的性质，即两者的波形都是无规则的，随机性 较强。但磨损后的振动幅值明显高于正常轴承。因此对这种故障诊断的方法常常 是监测振动信号的有效值和峰值，如果明显高于正常轴承，即判定为磨损。 2 疲劳失效 这是滚动轴承另外一种常见的失效形式，滚动轴承的内外滚道和滚动体表面 既承受载荷又相对滚动，由于交变载荷的作用，首先在表面下一定深度处( 最大剪 应力处1 形成裂纹，继而扩展到接触表面使表层发生剥落或蜕皮。 3 腐蚀失效 轴承零件表面的腐蚀是由以下三种原因造成的：( 1 ) 润滑油、水分或者湿气 的化学腐蚀；( 2 ) 轴承表面间有较大电流通过造成的电腐蚀；( 3 ) 轴承套环在座 孔中或轴颈上产生微小相对运动而造成的微振腐蚀。 4 断裂失效 过载运行可能会引起轴承零件断裂。磨削、热处理、装配不当会引起残余应 力，工作时热应力过大也会引起轴承零件断裂。另外，装配方法、工艺不当，也 可能造成轴承套环挡边和滚子倒角处掉块。 5 压痕失效 压痕是在滚道或滚动体表面上产生局部变形而出现的凹坑，它既可能是由于 过载、撞击，也可能是由于装配敲击或异物侵入滚道而形成。 6 胶合失效 胶合是指滚道和滚动体表面由于受热而局部熔合在一起的现象，常出现在高 速、高温、重载、润滑不良、起动加速度过大等情况下。 7 保持架损坏 7 江苏大学硕士研究生毕业论文 由于装配或使用不当可能会引起保持架变形，增加它与滚动体之间的摩擦， 甚至使某些滚动体卡死不能滚动，也有可能造成保持架与内、外环发生摩擦等。 这一损伤会进一步使振动噪声与发热加剧导致轴承损坏。 2 3 滚动轴承振动机理及故障特征频率 2 3 1 滚动轴承故障的振动信号产生机理 对滚动轴承的各种故障诊断方法都离不开对轴承的振动分析。一般来说，滚 动轴承的振动可以分为三大类： 第一类与轴承变形有关的振动。轴承是一弹性变形体，轴承承受载荷时，由 于承载滚动体的不断变换使得轴承在运行时发生弹性振动。它与轴承的异常状态 无关。 第二类与轴承加工有关的振动。轴承各元件在加工中不可避免地出现加工误 差。如表面波纹、轻微的擦痕、装配误差等均会引起轴承振动。 第三类轴承在运行时发生故障而引起的振动。轴承在实际运行过程中，由于 发生破碎、断裂、剥落等故障而产生振动反映了轴承的损伤情况，是我们所感兴 趣的，这类振动所产生的振动信号是我们监测分析的对象。 滚动轴承振动的频谱可以分为三个部分b 1 ： 1 低频段频谱( 1 k h z 以下) 。包括轴承的故障特征频率及加工装配误差引起 的振动特征频率。通过分析低频段的谱线，可监测和诊断相应的轴承故障。但是， 由于这一频段易受机械中其它零件及结构的影响，并且在故障初期反映局部损伤 故障位置的特征频率成分信息的能量很小，常常淹没在噪声之中，因此，低频段 频谱不宜于诊断轴承的早期局部损伤故障。但通过低频段的分析，可以将轴承装 配不对中、保持架变形等故障诊断出来。 2 中频段频谱( 1 k h z - - 2 0 k h z ) 。主要包括轴承元件表面损伤引起的轴承元 件的固有振动频率。分析此频段内的振动信号可以较好地诊断出轴承的局部损伤 故障。通常采用共振解调技术，通过适当的滤波，获取信噪比较高的振动信号， 进而分析轴承故障。 3 高频段频谱( 2 0 k h z 以上) 。如果测量用的加速度传感器谐振频率较高 ( 4 0 k h z 以上) ，那么由于轴承损伤引起的冲击在2 0 k h z 以上的高频也有能量分 江苏大学硕士研究生毕业论文 布，所以测得的信号中含有2 0 k h z 以上的高频成分。对此高频段信号进行分析 也可以诊断出轴承的相应故障。但是，当加速度传感器谐振频率较低，且安装不 牢固时，很难测得这一频带内的信号。 振动信号的产生机理如图2 2 所示。 f 丽 离席垂升+ 鳖 斗蛩 引兰叶。l 一 怛嘲 图2 2 滚动轴承振动信号产生机理 由于轴的旋转，滚动体在内外圈之间波动。虽然轴承的滚动表面加工得非常 平滑，但从微观来看，仍然有小的凹凸。滚动体在这些凹凸面上转动时，产生交 变的激振力。由轴承和外壳形成的振动系统由于这个力的激励将发生振动。 通常，由于滚动表面的凹凸形状是无规则的，所以激振力也具有随机性，振 动系统的振动将是各种频率成分组成的随机振动。 当轴承存在故障时，滚动表面损伤的形态和轴的旋转速度决定了激振力的频 谱；轴承和外壳决定了振动系统的传递特性；它1 1 3 - - 者共同决定了最终的振动频 谱。由此可知，由于轴承异常所引起的振动频率，受轴的旋转速度和损伤部分的 形状以及轴承和外壳振动系统的传递特性三者所决定。 一般，轴的旋转速度越高，且损伤的形态越严重时，振动的频率就越高。轴 承振动系统中轴承的尺寸越小，其固有振动频率越高。因此，由于异常所产生的 振动，对所有轴承都共同具有的特定频率是没有的。另外，即使对一个特定的轴 承，当异常产生时，几乎也不会只发生单一频率的振动。 因此，滚动轴承的回转速度、不同部件的故障特征频率就构成了对其诊断的 依据，了解滚动轴承各部分的故障特征频率非常重要。 江苏大学硕士研究生毕业论文 2 3 2 滚动轴承的固有振动频率 滚动轴承在运转时，即使是新轴承也会产生振动，它主要是由下列两种振动 组合而成的。第一种是由于轴承滚动元件的不圆度、凹凸不平的粗糙度和波纹度 引起的振动，这种粗糙不平的起伏是随机的，因而所引起的振动也是随机的，但 是振级较小；第二种是由于外力的激励而引起的轴承某个元件在其固有频率上的 振动。各轴承元件的固有频率与轴承的外形、材料和质量有关，而与轴转速无关。 对各种轴承元件，其固有频率有确定的范围，可按下式计算求得1 3 1 ： 滚动体钢球的固有频率为： b= 鼍孕寺( 2 1 ) 一厂一丁矿 ( 2 1 ) 式中，r 钢球半径，m ； p 材料密度，堙m 3 ； e 材料弹性模量，n m 2 。 轴承内、外圈在圈平面内的固有频率为： 厂，= 黯寺乒 ( 2 2 ) 式中，i 套圈截面绕中性轴的惯性矩，m 4 ： d 回转轴线到中性轴的半径，m ； m 套圈单位长度的质量，k g m ； n 节点数。 轴承元件的固有频率的可能范围大致在2 0 - - 6 0 k h z 。人们往往利用此段频率 作为诊断频带。因为轴承元件的缺陷或其不规则表面在运转中引起的脉冲冲击能 激发轴承某个元件以其固有频率振动，从而使故障信号在此频带中得到放大，提 高了故障信号的信噪比。 2 3 3 滚动轴承各元件单一缺陷的特征频率 当内圈、外圈、滚子出现点蚀等故障时，会产生一定( 特征) 频率的冲击，引 起轴承振动，机器运行会出现周期性脉冲。这种周期性脉冲作用时间短，形状陡 峭。根据轴承产生缺陷零件的不同，滚动轴承的缺陷特征频率5 1 为： o 江苏大学硕士研究生毕业论文 外环缺陷： f o = 茜( 1 一半)( 2 3 ) 内环缺陷： 工= 子等( 1 + 互苦唑)( 2 4 ) 滚子缺陷： 兀= 器( 1 一正等争) ( 2 5 ) 保持架不平衡： 厂。= t 簪( 1 一生警卫) ( 2 6 ) 式中，d 滚动体直径，i t i i t i ； 口一为轴承节径，m m ； 口接触角； z 一滚动体数量； n 工作转速，r r a i n 。 当轴承出现故障后，在其振动频谱中会出现其特征频率的谱峰。但在实际中， 谱峰的频率并不总是精确地等于理论计算值。这主要是因为滚动体并非纯滚动等 因素( 如实际轴承的几何尺寸的误差、轴承安装后变形) 造成的，所以在频谱图上 寻找各特征频率时，需在计算的频率值的左右找其近似值作诊断判断。另外，上 面各特征频率的计算公式都是以一个剥落坑与一个滚动体接触为前提的，所以在 实际应用时，在上述计算公式上还得乘上滚动体数z 。此外，随着故障程度的增 加，经常还会出现一些以特征频率为主频，以轴频为差值的调制边频现象，而当 内圈、外圈和滚子同时出现故障时，由频谱分析诊断故障比较困难。 2 3 4 滚动轴承有异常时的振动特性 滚动轴承的异常情况是多种多样的，为了叙述方便，在此讨论各种典型单一 异常形式的振动特性 1 6 1 这并不意味着典型的异常形式总是独立发生的。 2 3 4 1 滚动轴承构造所引起的振动 1 轴承元件受力变形所引起的振动 给滚动轴承施加一定载荷时，由于内、外环以及滚动体的受力变形，使旋转 江苏大学硕士研究生毕业论文 轴中心发生变动，同时产生振动。这时的振动称为滚动体的传输振动，它由滚动 体的公转而产生。该振动的主要频率成分为玩( 其中z 为滚动体数， z = 誓( 1 一d c o s 5 ) 为滚动体公转频率，f r 为轴的旋转频率) 。 2 旋转轴弯曲时引起的振动 当旋转轴弯曲或倾斜时，此时轴承发生振动的主要频率成分为玩z 。 3 滚动体直径不致引起的振动 当一个滚动体的直径大于其它滚动体的直径时，旋转轴轴心将随滚动体的公 转频率f 、而变动，即发生此频率的振动。此外，因轴向刚度的不同还会引发频 率为幌，( 其中n = 1 ，2 ，) 的振动，频率一般在1 k h z 以下。 2 3 4 2 由于精加工面波纹引起的振动 轴承制造时，如在滚道或滚动体的精加工面上留有波纹，当凸起部数目达到 某个定值时，会产生特有的振动，如表2 1 所示： 2 1 精加工面波纹引起的振动 波纹位置波纹的凸起数振动频率 内环 门z 1 n f , ， 外环 n z 1 蜕 滚动体 2 n 2 晚丘 其中：z 为滚动体个数，n = 1 ，2 ，3 ， 2 3 4 3 滚动轴承的非线性引起的振动 滚动轴承是通过滚道与滚动体的弹性接触来承受载荷的，该弹性系数很大， 当轴承润滑状态不良时，就会出现非线性弹性，因而引发振动。其振动频率为轴 旋转频率，及其谐波2 z ，3 ，和分频( 1 2 ) ，( 1 3 ) f ，。这种形式的振 动常在深沟球轴承中发生，而在自动调心和滚子轴承上不常发生。 2 3 4 4 滚动轴承损伤( 缺陷) 引起的振动 1 轴承严重磨损引起偏心时的振动 在使用过程中由于发生严重磨损而使轴承偏心时，轴的中心将产生振摆，振 动频率为嘎( 其中n 为自然数，为轴旋转频率) 。 2 内环有缺陷时的振动 江苏大学硕士研究生毕业论文 当内环某个部分存在剥落、裂纹、压痕、损伤等缺陷时，振动频率为f 及其 高次谐波2 z ，3 ，。由于轴承通常有径向间隙而使振动受到轴旋转频率，或 滚动体公转频率z 的调制。 3 外环有缺陷时的振动 当外环有缺陷时，轴承的振动频率为五及其高次谐波2 l ，3 五，。与内 环缺陷振动特征不同的是，由于此时缺陷的位置与承载方向相对位置固定，故不 会发生调制现象。 4 滚动体有缺陷时的振动 当滚动体上有缺陷时，轴承所产生的振动频率为五及其高次谐波2 五， 3 五，。和内环有缺陷时情况相同，由于通常存在轴承径向间隙，使振动受到 滚动体公转频率f 的调制。 江苏大学硕士研究生毕业论文 第三章振动信号分析处理及特征提取 3 1 滚动轴承振动特征分析的常规方法 轴承故障特征是对轴承故障各种特征表现的定性或定量描述，是轴承故障诊 断的主要依据。滚动轴承故障的特征提取是滚动轴承故障诊断系统的重点和难 点，能否有效的提取故障特征是能否正确诊断轴承故障的关键。滚动轴承的故障 振动特征包括时域和频域两大类：时域特征有轴承振动信号的峰值、峭度值、均 方根值等；频域特征是指轴承振动信号在特征频率处的幅值。常规的滚动轴承特 征提取方法，有时域参数监测，频谱分析和共振解调法等。 3 1 1 振动信号的时域分析 轴承振动信号的时域参数是常用的一类轴承故障特征，可分为两大类：有量 纲参数和无量纲参数1 1 6 , 1 7 , 1 8 1 。 1 有量纲参数 ( 1 ) 均方根值( r m s ) 。滚动轴承振动信号 葺 ( i = l n ，n 为采样点数) 的振幅瞬时值随着时间不断变化，作为表现这种振动变化大小的方法广泛地使用 均方根值，其表达式为： xr s =再 ( 3 1 ) 由于均方根值是对时间的平均，所以对具有表面裂纹无规则振动波形的异 常，可对其测量值作为恰当的评价。总体上来说无故障轴承比有故障轴承的r m s 小一些，有多处故障轴承的r m s 值比有单个故障的r m s 大。但是对于表面剥 落或伤痕等具有瞬时冲击振动的异常是不适用的。这是由于冲击波峰的振幅大， 但持续时间短，如对时间平均，则有无峰值的差异几乎表现不出来。对于这种形 态的异常，可用峰值进行判断。 ( 2 ) 峰值( p e a k ) 。把振动信号 蕾 分成n 段，找出n 个峰值 k ( j = 1 n ) ， 则振动信号的峰值为： 江苏大学硕士研究生毕业论文 x ，。= x ， ( 3 2 ) ，= l 它对瞬时现象也可得出正确的指示值。特别对早期轴承表面损伤，非常容易 由峰值的变化检测出来。但它对滚动体和保持架的冲击及突发性外界干扰等原因 引起的瞬时振动比较敏感。比起均方根值来，峰值的变化可能很大。 2 无量纲参数 利用有量纲参数指标判断轴承故障有一个很大的缺点，就是它要依赖历史数 据并且对载荷和转速等变化比较敏感。为了克服这个缺点，可采用无量纲的参数 指标。 ( 1 ) 峰值因子( c r e s tf a c t o r ) 。峰值因子表示波形是否有冲击的指标，表达式 为： c = x ，e f x 月m s( 3 3 ) 由于峰值因子的值不受轴承尺寸、转速及载荷的影响，所以正常异常的判断 可非常单纯地进行；此外，峰值因子不受振动信号的绝对水平所左右，所以传感 器或放大器的灵敏度即使变动，也不会出现测量误差。该值适用于点蚀类故障的 诊断，可以有效地对滚动轴承进行早期预报，并能反映故障的发展趋势。但这种 方法对表面裂纹或磨损之类的异常没有检测能力。 当轴承无故障时，峰值因子为一较小的稳定值；当出现损伤，则产生冲击信 号，振动峰值明显增大，而此时r m s 无明显增大，故峰值因子增大；当故障不 断扩展时，峰值逐步达到极限值后，r m s 开始增大，故峰值因子又开始逐步减 小，直到恢复到无故障时的大小。 ( 2 ) 峭度指标( k u r t o s i s ) 。峭度指标是概率密度分布峭度程度的度量，表示 振动波形中是否有冲击或者尖峭程度的值。表达式为： n k = 矿1 x ? x 。4 。 ( 3 4 ) j ；i 正常轴承的振动信号近似服从正态分布，其峭度值约为3 。当轴承出现故障 时，其峭度值将大于3 ，据此可以判断轴承是否发生了故障。主要适用于点蚀类 故障。 ( 3 ) 脉冲指标。脉冲指标定义为峰值与均值的比值，表达式如下： i=x p e a x( 3 5 ) 15 江苏大学硕士研究生毕业论文 其中，牙为信号的均值。 ( 4 ) 波形指标。波形指标定义为均方根值与均值的比值，表达式如下： s=x rms fx q 6 ( 5 ) 歪度指标( s k e w ) 。歪度指标是概率密度函数不对称的度量，表达式如 下： s ，= 手lx ，i3 x 。3 。 ( 3 7 ) ，= l 无量纲参数指标判断滚动轴承故障基本上不受轴承型号，轴转速和载荷等因 素的影响，无需考虑相对标准值或与以前的数据进行比较；另外，它们不受信号 绝对水平的影响，所以即使测点同以往的地方略有变动，也不会对诊断结果产生 太大的影响。 3 1 2 振动信号的频域分析 时域参数计算简单、快速，常用于对滚动轴承的在线监测。一旦发现轴承有 故障，要获得故障的类型、原因、程度及故障部位等精确信息时，就需要对振动 信号进行频谱分析，根据频谱图中故障特征频率成分以及各有关频率成分处幅值 的大小进行精确诊断。 在滚动轴承振动信号分析中，常用到的频域参数有重心频率f c 、均方频率 m s f 、均方根频率r m s f 、频率方差v f 、频率标准差r v f 等 3 1 。表达式分别如 下所示： f c = 童。t ( 2 万x ? ) ( 3 8 ) j = 2j - 1 n m s f = 莺? ( 4 x2 x ；) ( 3 9 ) ，= 2f = l r m s f = o m s fo 1 0 ) v f = m s f 一( f c ) 2( 3 1 1 ) rv f = 矿f ( 3 1 2 ) 其中，膏，= ( x ，一x 。) ( 式中，为采样间隔，n 为采样点数) 。 采用频域参数可以对滚动轴承故障进行粗略判断。当轴承无故障时，频率成 分主要集中在低频，f c 较小；当出现局部损伤类故障时，由于冲击引起的共振， 1 6 江苏大学硕士研究生毕业论文 主频区右移，f c 增加。 对于滚动轴承，其特征频率峰值也可以作为特征参数诊断故障。虽然滚动轴 承故障特征频率用来确定故障类型或位置，但在频谱图上这些频率成分的幅值不 一定很突出。这是由于故障可能激起系统的高频振动，使得特征频率点幅值相对 于共振峰值较低，甚至被抑制。所以直接利用频谱分析求得的特征频率峰值有可 能导致错误判断。 3 1 2 1f f t 分析 傅立叶变换是信号系统分析中基本的数学工具。通过信号的傅立叶变换，可 实现信号的频谱分析，掌握信号频谱特征，达到提取信号中有用信息的目的。 傅立叶变换公式： 夕( ) = 广f ( t ) e 一，。d t( 3 1 3 ) 傅立叶反变换公式： ，( f ) 2 去夕( 矿d t ( 3 1 4 ) 虽然傅立叶变换能够将信号的时域特征与频域特征联系起来，能分别从信号 的时域和频域分析信号，但却不能将二者有机地结合起来。这是因为信号的时域 表示中不包含任何频域信息；而傅立叶变换没有反映出随时间变换的频率，也就 是说，对于频域中的某一频率，不知道该频率是在什么时候产生的。因此，傅立 叶分析缺乏信号的局部化分析能力，在信号分析时面临着时域与频域的局部化矛 盾。 3 1 2 2 功率谱 功率谱是频域中对信号能量或功率分布情况的描述，包括自功率谱和互功率 谱 2 2 1 。其中，自功率谱与f f t 谱提供的信息量相同，但在相同条件下，自功率 谱比f f t 谱更为清晰。自功率谱可由相关函数的傅立叶变换求得，也可由f f t 谱求得。自功率谱和互功率谱的公式分别为： s 。( ，) = c r 。( f ) e - 2 ”f r d r ( 3 1 5 ) s ，( 厂) = r r ，( r ) p “7 7 d f( 3 1 6 ) 功率谱分析法可确定滚动轴承振动信号的频率构成和振动能量在各频率成 分上的分布，是一种重要的频域分析方法。虽然f f t 谱也能进行类似的分析， 1 7 江苏大学硕士研究生毕业论文 但由于功率谱是幅值的平方关系，所以功率谱比f f t 谱更能减少随机振动信号 引起的一些“毛刺”现象。 3 1 3 振动信号的共振解调分析 共振解调技术能够有效诊断滚动轴承中的局部故障。直接对振动信号进行包 络解调分析，常受到噪声的影响，难以提取故障特征频率。因而，在解调分析之 前，必须对信号降噪预处理，通常只选择感兴趣的频带信号进行分析1 3 1 。 共振解调法诊断轴承