﻿ 滚动轴承故障诊断实验研究 Experimental Study on the Fault Diagnosis of Rolling Bearing

Mechanical Engineering and Technology
Vol. 08  No. 01 ( 2019 ), Article ID: 28898 , 9 pages
10.12677/MET.2019.81006

Experimental Study on the Fault Diagnosis of Rolling Bearing

Limin Lu

Huaneng Shanghai Power Service Co. Ltd., Shanghai

Received: Jan. 20th, 2019; accepted: Feb. 11th, 2019; published: Feb. 18th, 2019

ABSTRACT

This paper introduces the common faults of rolling bearing, including outer ring, inner ring of the rolling bearing and rolling element, and carries out experimental research on the faults of rolling bearings. It obtains the normal signal and fault signal by using fault simulation experiment table and gets the frequencies of different faults according to relevant empirical formulas. It is found that time domain analysis and frequency-domain analysis method have their own advantages through the analysis of fault by means of time domain and frequency domain method and the fault diagnosis results are in consistent with the actual faults, indicating that experiment table can well simulate the fault of rolling bearing.

Keywords:Rolling Bearing, Fault Diagnosis, Experimental Study, Time Domain Analysis, Frequency Domain Analysis

Copyright © 2019 by author(s) and Hans Publishers Inc.

1. 引言

2. 轴承常见故障及信号特征

$\left(\frac{n}{60}*0.5\right)*N*\left[1-\frac{d}{D}*\mathrm{cos}\alpha \right]$ (1)

$\left(\frac{n}{60}*0.5\right)*N*\left[1+\frac{d}{D}*\mathrm{cos}\alpha \right]$ (2)

$\left(\frac{n}{60}*0.5\right)*\frac{D}{d}*\left[1-{\left(\frac{d}{D}*\mathrm{cos}\alpha \right)}^{2}\right]$ (3)

3. 实验研究

3.1. 故障诊断试验装置

Figure 1. Fault diagnosis test-bed for rotating machinery

Table 1. Composition of fault diagnosis test-bed for rotating machinery

3.2. 故障的设置

1) 轴承内、外圈故障：通过在轴承外(内)圈面上加工出小凹槽，以模拟轴承内、外圈磨损故障。

2) 轴承滚动体故障：通过在轴承一个滚动体上加工出小的凹槽，以模拟轴承滚动体磨损故障。

3.3. 滚动轴承振动信号的时域分析与频域分析

Table 2. Fault frequency of rolling bearing

3.3.1. 时域分析与频域分析方法

1) 时域分析

Table 3. Dimensional indices

Table 4. Dimensionless indices

2) 频域分析

3.3.2. 滚动轴承滚动体故障的时域和频域分析

1) 滚动轴承滚动体故障的时域分析

Figure 2. Time domain diagram of bearing roller fault

Table 5. Parameter of dimensional indices

a) 滚动体故障的峰值参数为6.9983是正常轴承的参数2.3151的三倍左右，说明故障振动图象离横坐标偏差大大增加。

b) 故障信号的峰–峰值相对正常轴承的数值也有较大增加。

c) 均值方面两者均值基本相同都为−0.0009近似为0，说明两者图形都大致关于横坐标对称。

d) 均方根值又称有效值，它用来反映信号能量的平均大小，有滚动体故障的轴承运行中因为故障部位的影响会增大冲击，能量会大大增加，均方根值也会大大增加。

Table 6. Parameter of dimensionless indices

a) 滚动体故障的峭度系数为5.9946，而正常轴承的峭度值为3.0，滚动体故障的峭度指标与正常比明显增加。

b) 从振动信号的峰值指标可以发现，滚动体故障的滚动轴承峰值指标相对正常的轴承指标有大大增加。

c) 滚动体故障轴承的裕度指标相对正常轴承的大幅增加，裕度指标用于描述振动信号的整体离散度，滚动体故障的滚动轴承的裕度指标相对正常轴承大大增加，说明滚动体故障的轴承振动信号更加离散；

d) 滚动体故障的脉冲指标比正常轴承的要大，而脉冲指标表示振动信号图像的陡峭程度，故障信号的脉冲指标大于正常轴承信号，说明滚动体故障的图像比正常轴承的图形更加陡峭；

e) 波形指标主要反映振动信号的时域波形，有滚动体故障的振动图形和无故障的振动图形波形趋势都大致形同。

2) 滚动轴承滚动体故障的频域分析

Figure 3. PSD diagram of bearing roller fault

3.3.3. 滚动轴承滚动体故障的时域和频域分析

1) 滚动轴承内圈故障的时域分析

Figure 4. Time domain diagram of inner circle fault

Table 7. Parameter of dimensional indices

a) 内圈故障的峰值参数是相对正常的参数增大一倍多，说明故障振动图象离横坐标偏差大大增加。

b) 峰–峰值相对正常轴承的数值也有较大的增加。

c) 均方根值比正常的轴承大，由于有故障的轴承，在运行过程中，因为故障部位的影响会增大冲击，能量会大大增加，均方根值也会大大增加。

d) 内圈故障振动信号的方差比正常的大大增加，说明故障数据的离散程度比正常的大大增加。

Table 8. Parameter of dimensionless indices

a) 内圈故障的峭度系数与正常轴承故障指标中峭度指标比有明显的增大。

b) 内圈故障轴承的裕度指标相对正常轴承的大幅增加，说明内圈故障的轴承振动信号更加离散。

c) 内圈故障的脉冲指标比正常轴承的要大，说明内圈故障的图像比正常轴承的图形更加陡峭。

d) 波形指标主要反映振动信号的时域波形，但内圈故障的振动图形和无故障的振动图形波形趋势都大致形同。

2) 滚动轴承内圈故障的频域分析

Figure 5. PSD diagram of inner circle fault

3.3.4. 滚动轴承外圈故障的时域和频域分析

1) 滚动轴承外圈故障的时域分析

Figure 6. Time domain diagram of outercircle fault

Table 9. Parameter of dimensional indices

Table 10. Parameter of dimensionless indices

2) 滚动轴承外圈故障的频域分析

Figure 7. PSD diagram of outer circle fault

4. 实验研究

1) 对滚动轴承部件的故障进行时域分析时，发现故障信号的有量纲参数数值和无量纲参数数值均高于正常工作状态下的数值。

2) 时域分析时：可通过数值看出故障时域波形偏离横坐标的偏差程度的大小、振动信号的离散程度、振动图形的波形趋势是否与正常状态下的轴承一致、波形陡峭程度等。

3) 频域分析时：使用功率谱的方法可以看出滚动轴承的外圈、内圈、滚动体故障频率的数值。

4) 通过对滚动轴承故障的模拟，发现时域分析与频域分析结合，对故障的判断会更加准确。

Experimental Study on the Fault Diagnosis of Rolling Bearing[J]. 机械工程与技术, 2019, 08(01): 39-47. https://doi.org/10.12677/MET.2019.81006

1. 1. 汪嘉晨, 唐向红, 陆见光. 轴承故障诊断中特征选取技术[J]. 山东大学学报(工学版), 2018, 49(1): 1-9.

2. 2. 张春娟, 肖武清, 范雪飞, 司良群. 滚动轴承故障诊断与检测研究[J]. 现代制造技术与装备, 2018(8): 120-123.

3. 3. 余永增. 滚动轴承声信号特征提取和诊断试验研究[J]. 应用声学, 2018, 37(6): 1-6.

4. 4. 高彩霞, 吴彤, 付子义. 基于改进EMD的滚动轴承故障特征提取方法[J]. 软件导刊, 2018(17): 36-40.

5. 5. 戴志强. 滚动轴承故障诊断与振动信号处理[D]: [硕士学位论文]. 哈尔滨: 哈尔滨工业大学, 2012.

6. 6. 武栋梁. 滚动轴承常见故障及其振动信号特征[J]. 科技资讯, 2012(18): 85, 87.

7. 7. 张雪英, 刘秀丽, 栾忠权. 基于VMD与FastICA的滚动轴承故障诊断[J]. 北京信息科技大学学报(自然科学版), 2018, 33(5): 28-33, 87.

8. 8. 张津. 旋转机械振动信号故障诊断研究[J]. 装备机械, 2017(4): 55-60.

9. 9. 贺启盛, 张文豹. 基于自适应振动信号处理下旋转机械故障诊断的思考[J]. 科学技术创新, 2018(10): 35-36.

10. 10. 苏乃权, 熊建斌, 张清华, 黄崇林. 旋转机械故障诊断研究方法综述[J]. 机床与液压, 2018, 46(7): 133-139.

11. 11. 梁灿彬, 曹周键, 陈陟陶. 量纲分析简介(续2) [J]. 大学物理, 2018, 37(2): 12-17.