一种轴承故障检测的新方法
- 格式:pdf
- 大小:157.29 KB
- 文档页数:4
关于滚动轴承故障检测的改进包络分析滚动轴承是机械设备中常见的零部件,负责支撑和转动设备中的轴,因此其运转状态直接关系到设备的正常运转和寿命。
滚动轴承故障的检测一直以来是一个重要的课题,传统的故障检测方法往往不够精确和高效。
为了提高滚动轴承故障检测的精度和效率,近年来,学者们开始利用包络分析方法进行故障诊断。
本文将从滚动轴承故障检测的现状和包络分析方法的改进两个方面进行探讨。
一、滚动轴承故障检测的现状目前,滚动轴承故障检测主要依靠振动信号分析。
一般来说,通过对轴承振动信号的采集和分析,可以识别出不同类型的故障,包括滚动体故障、内外环故障和保持架故障等。
传统的振动信号分析方法存在一些问题。
对振动信号的分析需要专业的设备和技术,成本较高,不适合大规模生产的需求。
传统的振动信号分析方法针对不同类型的故障识别效果不尽如人意,特别是对于早期故障的检测效果不佳。
为了提高滚动轴承故障检测的精度和效率,有必要探索新的方法和技术。
二、包络分析方法的改进包络分析是一种常见的信号处理方法,它可以通过对原始信号的包络线进行分析,来识别出信号中的重要信息。
在滚动轴承故障检测中,包络分析方法可以用来分析轴承振动信号,从而识别出轴承的故障类型和程度。
目前的包络分析方法在滚动轴承故障检测中存在一些问题,主要表现在以下几个方面:1. 效果不尽如人意:在实际应用中,现有的包络分析方法对于不同类型故障的识别效果不尽如人意,特别是对于早期故障的诊断效果较差。
2. 计算复杂度高:现有的包络分析方法需要大量的计算资源和时间,不适合实时和在线的故障诊断需求。
为了改进包络分析方法在滚动轴承故障检测中的应用效果,需要从以下几个方面进行改进:1. 改进包络分析算法:针对滚动轴承振动信号的特点,有必要开发新的包络分析算法,以提高对不同类型故障的诊断效果。
2. 优化计算方法:对于包络分析算法的计算复杂度进行优化,以提高其实时性和在线性。
3. 结合其他信号处理方法:将包络分析方法与其他信号处理方法相结合,以提高对滚动轴承故障的诊断精度和效率。
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。
设备管理与维修2021翼4(上)基于深度学习的滚动轴承故障诊断方法陈志刚,高鹤,刘菲,杨志达(北京航天拓扑高科技有限责任公司,北京100176)摘要:提出一种基于一维卷积神经网络(CNN)与门控循环单元(GRU )的滚动轴承故障诊断方法,设计了一种基于数据驱动的滚动轴承故障诊断方法。
利用同一数据集之间特征相似并且独立同分布这一特征,分别设计网络结构和参数。
为采用CNN 和GRU 进行故障诊断提供了新的思路,具有较好的技术应用前景。
关键词:深度学习;故障诊断;滚动轴承;一维卷积;门控循环单元中图分类号:TH133.33;TP277文献标识码:B DOI :10.16621/ki.issn1001-0599.2021.04.660引言滚动轴承是机械设备中常见的组件,从简单的电风扇到复杂的机床上都有滚动轴承的应用。
事实上,超过50%的机械缺陷与轴承故障有关,从而导致机器停产、停机、甚至造成人员的伤亡[1]。
因此,滚动轴承故障诊断是机械故障诊断的一个重要方面,也是近些年来的研究热点。
近些年来,随着学者们的不断深入研究提出了各种故障诊断的方法。
传统的研究方法有:BP 神经网络[3]、概率神经网络(Probabilistic Neural Network ,PNN )[4]、小波分析[5]、EMD [6]、集合经验模态分解(Ensemble Empirical Mode Decompo原sition ,EEMD )[7]、奇异值分解(Singular value decomposition ,SVD )[8]等得到了广泛的应用。
目前基于机器学习的故障诊断方法主要有,如Logistic 回归[9]、支持向量机(Support Vector Machine ,SVM )[10]以及人工神经网络(Artificial Neural Network ,ANN )[11]、模糊推断[12]。
人工智能的蓬勃发展,深度学习在图像识别、语音识别等领域得到广泛运用。
滚动轴承故障诊断方法与技术综述引言:滚动轴承作为机械设备中常用的零部件之一,承担着支撑和传递载荷的重要作用。
然而,由于使用环境的恶劣和工作条件的复杂性,滚动轴承往往容易出现各种故障。
因此,为了保证机械设备的正常运行和延长轴承寿命,对滚动轴承的故障进行准确诊断非常重要。
一、故障诊断方法1. 观察法观察法是最常用的故障诊断方法之一。
通过观察滚动轴承的外观和运行状态来判断是否存在故障。
例如,如果发现滚动轴承有异常噪声、温度升高、润滑油泡沫、振动加剧等现象,很可能是轴承出现了故障。
2. 振动诊断法振动诊断法是一种先进的故障诊断方法,可以通过检测轴承的振动信号来判断轴承是否存在故障。
通过分析振动信号的频谱图,可以确定轴承故障的类型和位置。
常用的振动诊断方法包括时域分析、频域分析和小波分析等。
3. 声音诊断法声音诊断法是一种通过听觉判断轴承故障的方法。
通过专业人员对轴承产生的声音进行听觉分析,可以判断轴承是否存在异常。
常见的轴承故障声音包括金属碰撞声、摩擦声和振动声等。
4. 热诊断法热诊断法是一种通过测量轴承的温度来判断轴承故障的方法。
由于轴承在故障状态下会产生摩擦热,因此轴承的温度可以间接反映轴承的工作状态。
通过测量轴承的温度分布,可以判断轴承是否存在异常。
二、故障诊断技术1. 模式识别技术模式识别技术是一种基于机器学习的故障诊断技术,可以根据轴承的振动信号和声音信号等特征,通过训练模型来识别轴承的故障类型。
常用的模式识别技术包括支持向量机、神经网络和决策树等。
2. 图像诊断技术图像诊断技术是一种通过图像处理和分析来判断轴承故障的技术。
通过对轴承的外观图像进行特征提取和分类,可以实现对轴承故障的自动诊断。
常用的图像诊断技术包括边缘检测、纹理分析和目标识别等。
3. 声音信号处理技术声音信号处理技术是一种通过对轴承声音信号进行滤波、频谱分析和特征提取等处理,来判断轴承故障的技术。
通过对声音信号的频谱图和时域图进行分析,可以判断轴承故障的类型和位置。
机械设备轴承故障自动化诊断技术摘要:随着工业自动化水平的不断提高和机械设备的广泛应用,轴承故障成为影响机械设备运行稳定性和寿命的主要问题之一。
为了实现轴承故障的早期诊断和有效预警,本论文研究了机械设备轴承故障自动化诊断技术。
首先,介绍了轴承故障的常见类型和影响因素。
然后,综述了现有的轴承故障诊断方法和技术,包括振动分析、声音诊断、红外热像技术等。
接着,着重讨论了基于机器学习和智能算法的轴承故障自动化诊断技术。
通过采集和分析轴承振动信号、声音信号和红外热像图像等多种传感器数据,利用机器学习算法建立轴承故障模型,并实现自动化诊断和预警。
最后,对未来机械设备轴承故障自动化诊断技术的发展趋势进行了展望。
关键词:机械设备;轴承故障;自动化诊断一、轴承故障的常见类型和影响因素轴承故障的常见类型和影响因素是轴承故障诊断和预防的关键内容。
下面是轴承故障的一些常见类型和影响因素的介绍:1.常见类型:疲劳损伤:疲劳是轴承故障中最常见的类型之一。
长期运行和循环载荷会导致轴承材料的疲劳破裂,出现裂纹和断裂现象。
磨损:磨损是轴承故障中的另一个常见类型。
磨损可以分为表面磨损和内部磨损。
表面磨损包括磨粒磨损、磨蚀和磨粒颗粒聚集等。
内部磨损包括疲劳裂纹和磨粒进入轴承间隙等。
过热:轴承过热可能由于润滑不良、过载、外界环境温度过高等原因引起。
过高的温度会导致轴承材料膨胀,油脂失效,甚至引起轴承损坏。
杂质污染:轴承中的杂质(如尘埃、水分、金属屑等)会污染润滑剂和接触面,导致摩擦增加和磨损加剧。
安装错误:错误的安装方法和参数(如过紧或过松的装配,不正确的轴向和径向间隙等)会导致轴承的异常工作和损坏。
2.影响因素:轴承工作负荷:工作负荷是导致轴承故障的主要因素之一。
过大的负荷会导致轴承过载和超负荷工作,加速轴承的磨损和疲劳。
运转速度:高速旋转会使轴承面临较大的离心力和摩擦力,增加了故障的发生概率。
润滑状态:良好的润滑是轴承正常运行的关键。
关于滚动轴承故障检测的改进包络分析
滚动轴承是机械设备中常见且重要的部件之一,其运转状态的监测和故障检测对于保障机械设备的正常运行和预防故障具有重要意义。
目前,滚动轴承故障检测中的一种常用方法是包络分析。
包络分析方法通过提取振动信号中的包络谱,能够有效地诊断出滚动轴承的故障类型和程度。
传统的包络分析方法在某些情况下存在着一些问题,为了进一步提高滚动轴承故障检测的准确性和可靠性,一些改进的包络分析方法被提出和研究。
一种改进的方法是基于小波变换的包络分析。
传统的包络分析方法是通过在时域中提取信号的包络,并进行频谱分析。
当滚动轴承受到复杂载荷或多种故障影响时,信号的包络在时域中可能变得模糊,导致包络分析结果不准确。
小波变换能够提供更好的时频分析能力,能够准确地提取信号的包络,从而改善了滚动轴承故障检测的准确性。
另一种改进的方法是基于多尺度包络谱的包络分析。
传统的包络分析方法只能提取信号的一个包络谱,无法同时获得不同尺度下的包络谱信息。
在滚动轴承故障检测中,不同故障类型对应的特征频率可能存在不同的尺度。
基于多尺度包络谱的包络分析方法能够同时获得不同尺度下的包络谱信息,从而更好地识别出不同故障类型。
一种改进的方法是基于自适应包络分析的包络分析。
传统的包络分析方法是通过提前设定好的包络线来判断信号的包络,滚动轴承在运行过程中受到多种因素的影响,其振动信号的包络可能在不同工况下有所不同。
基于自适应包络分析的包络分析方法能够根据实际信号的特点自动调整包络线,从而更具适应性和准确性。
嗨喽,各位,我交叉滚子轴承研究者又回来了,今天我们来看看在日常的工作中如何检查检测轴承的故障,有没有什么好办法可以快速又有效的检测出来呢→_→一起来看满满的干货呀。
日常点检工作就是要通过“五感点检法”监测设备运行状态,及时对故障进行判断排除。
一般通过五感对运转中轴承的滚动声(噪声)、温度、振动及润滑状态等检查项目进行判断。
“五感”指人的目、耳、鼻、手、口的感觉。
“五感点检”:主要是在设备运转前后或运转中,由操作、点检、运行三方共同凭借五感及听音棒、检查锤、温度计等一些简单辅助器具,根据设定的周期和部位,依靠目视、耳听、鼻嗅、手触、口尝,检查与掌握设备的压力、温度、流量、泄漏、给脂状况、异音、振动、龟裂(折损)、磨损、松弛等要素的一种方法。
一、“五感点检”的方法目视据统计,人的行动的60%是从“视觉”的感知开始的。
目视适用范围极广,各种检查均可从目视法开始。
例如从轴承座的涂料破裂,轴承上、下瓦接合记号错动,可发现轴承座的松动;观察油位和油色的变化了解润滑系统运行是否正常;从烧焦、烧变色、脱落、异物、尘埃、开裂等,可观察电气元器件内缺陷等。
用目视法检查时,一定要进行认真细致的观察,如检查电气柜时,不但要看盘面,而且要进一步打开柜门,从各个角度进行观察;检查电机时,不但要看电机外壳,而且可以打开端盖,进一步观察整流状况和火花等级等。
耳听人对声波的刺激相当敏感,听音法主要鉴别异音和正常声音的区别。
机械的撞击,轴承的损坏,偏心度的发生及高速回转机械剧烈加减速,一系列的振动源都可造成各种部件松动,产生各种异常的冲击声或不规则的噪声。
继电器、接触器的动作声、电机旋转声、变压器的电磁声都有其特有的正常声音,听惯了这些正常声音后,比较后就容易发现异常。
另外,一些静止器件,例如插件板、接插件本来是不发声的,但如果听到某种“噼噼啪啪”声就要注意,因为这往往是由接触不良、螺丝或接插松动、或者电流过大等异常所引起。
听到异音后,要强化与其他感觉的联系,或借助听音棒等检查手段,以确定异常的部位。