下载文档原格式
《基于振动信号的机械故障特征提取与诊断研究》篇一一、引言随着工业自动化和智能化水平的不断提高，机械设备的故障诊断与维护成为工业生产中不可或缺的环节。
机械故障的早期发现与诊断对于保障生产安全、提高设备运行效率具有重要意义。
传统的机械故障诊断方法大多依赖于专业人员的经验和对设备的了解，但随着设备复杂性和系统化程度的增加，单纯依赖经验的方法已经难以满足实际需求。
因此，研究基于振动信号的机械故障特征提取与诊断技术成为了一个重要课题。
二、振动信号与机械故障关系概述振动信号是反映机械设备运行状态的重要参数之一。
机械设备在运行过程中，由于各种原因如部件磨损、松动、断裂等会产生异常振动，这些异常振动信号中包含了丰富的故障信息。
通过对振动信号的采集、分析和处理，可以提取出反映机械故障的特征信息，为故障诊断提供依据。
三、振动信号的采集与预处理1. 振动信号采集：通过安装在机械设备上的传感器，实时采集设备的振动信号。
传感器的选择应根据设备的类型、工作环境和诊断需求来确定。
2. 预处理：采集到的振动信号往往包含噪声和其他干扰信息，需要进行预处理以提高信号的信噪比。
常用的预处理方法包括滤波、去噪和归一化等。
四、基于振动信号的机械故障特征提取1. 时域分析：通过时域分析方法，如均方根值、峰值、峭度等指标，提取出反映机械故障的特征参数。
2. 频域分析：通过频域分析方法，如频谱分析、功率谱分析等，提取出与机械故障相关的频率成分和能量分布特征。
3. 智能算法：利用智能算法如神经网络、支持向量机等对振动信号进行学习和训练，自动提取出反映机械故障的特征。
五、机械故障诊断方法研究1. 模式识别：将提取出的特征参数输入到模式识别系统，通过训练和分类实现故障诊断。
2. 专家系统：结合专业知识库和推理机制，构建专家系统进行故障诊断。
3. 多源信息融合：将振动信号与其他传感器获取的信息进行融合，提高诊断的准确性和可靠性。
六、实例应用与分析以某机械设备为例，采用基于振动信号的故障特征提取与诊断方法进行实际应用。
利用振动信号分析故障诊断方法研究引言：振动信号是一种常见的故障诊断手段，通过对机械或电气设备产生的振动信号进行分析，可以有效地判断设备的工作状态和潜在故障。
近年来，随着科学技术的发展，振动信号分析在工业领域得到了广泛的应用。
本文旨在探讨利用振动信号分析进行故障诊断的方法及其研究意义。
一、振动信号分析的原理振动信号是机械设备在运行过程中由于内部结构、运动部件等原因所产生的振动，其特征包括振动频率、振幅、相位等。
振动信号分析的核心原理是通过对振动信号的频谱分析，确定故障特征频率，从而判断设备是否存在故障。
二、常见的振动信号分析技术1. FFT频谱分析快速傅里叶变换(FFT)是一种基于傅里叶变换的频谱分析方法，通过FFT分析振动信号的功率谱密度，可以得到频率信息。
利用频谱分析技术，可以检测设备内部的故障频率，如轴承的谐波频率、齿轮的啮合频率等。
2. 小波分析小波分析是一种时频分析方法，通过对振动信号进行小波变换，可以同时获得时域和频域的信息。
小波分析相对于FFT分析更具优势，可以有效地提取出瞬时频率、瞬时幅值等特征，对非平稳信号的分析具有较好的效果。
3. 非线性分析振动信号中包含了丰富的非线性特征，如共振、周期倍频、离散谱等，通过对振动信号进行相空间重构、Lyapunov指数计算等非线性分析方法，可以有效地判断设备是否存在故障。
三、利用振动信号分析故障诊断的应用振动信号分析在工业领域具有广泛的应用，可以用于早期故障预测、设备状态监测、故障诊断等方面。
1. 早期故障预测通过对设备产生的振动信号进行分析，可以提前检测到设备存在的潜在故障，并采取相应的维护措施。
例如，在风力发电机组中，通过监测主轴箱的振动信号可以判断主轴箱内轴承是否存在异常磨损，从而预测轴承故障的发生时间。
2. 设备状态监测振动信号可以反映设备的实时工作状态，通过对振动信号的监测与分析，可以及时了解设备的运行情况。
例如，在石油钻机上安装振动传感器，可以实时监测钻杆的振动情况，通过对振动信号的分析，可以判断钻具是否受损，避免钻具折断等事故的发生。
电机振动分析与故障诊断技术研究摘要：本论文基于电机振动分析与故障诊断技术的研究，旨在探讨电机振动信号的特征提取和故障诊断方法。
首先介绍了电机振动分析的背景和意义，然后从信号处理和故障诊断两个方面，详细阐述了现有的相关技术和方法。
最后，就电机振动分析与故障诊断技术的应用前景进行了讨论。
关键词：电机振动分析，故障诊断，特征提取，信号处理引言：电机是各行各业中广泛应用的重要设备之一，它在工业生产中扮演着至关重要的角色。
然而，随着电机长时间运行和磨损，故障的发生频率也逐渐增加。
因此，对电机振动信号进行分析和故障诊断显得尤为重要。
本章将介绍电机振动分析的背景和意义，并着重阐述电机振动信号的特征以及电机故障诊断的重要性。
1. 电机振动分析的背景和意义：电机振动分析是通过对电机振动信号进行监测、分析和诊断，以判断电机的运行状况、检测潜在故障和预测设备寿命。
它在工业生产中具有重要的背景和意义：早期故障诊断：电机振动信号可以反映电机内部的运行状态和潜在故障。
通过分析振动信号，可以及早检测到电机存在的异常振动特征，为进行早期故障诊断提供依据。
提高工作效率：电机振动分析可以帮助工程师了解电机运行的负荷情况和运行时的振动特征。
通过优化电机的负荷分配和运行条件，可以提高工作效率，降低能源消耗和设备维修频率。
增强设备可靠性：通过定期监测电机的振动信号，可以实时观察电机的运行情况，及早发现故障现象，并进行针对性维修和维护，提高设备的可靠性和稳定性。
降低维修成本：电机振动分析可帮助工程师更好地了解电机内部的故障位置和原因。
根据故障的特征，可以准确识别故障点，提前准备所需零部件和维修工具，从而降低维修成本和停机时间。
1.1 电机振动信号的特征：电机振动信号是通过传感器捕捉到的机械振动信号，它包含了丰富的信息，可以反映电机内部的运行情况和潜在故障。
电机振动信号的几个重要特征包括：频率特征：振动信号可以分解成不同频率的成分，每个频率对应着不同的机械振动模态。
基于振动信号的电机轴承故障诊断方法的相关探索摘要：近年来，随着我国科技的进步，我国机电设备处理技术越来越先进。
电机是现代工业制造中的一项重要驱动设备，这类设备往往组成零件较多，如轴承为电机系统的核心构成部件，其主要作用是减少机械部件之间的消耗摩擦，具有较高的标准性和精度性，使用十分方便。
但轴承属于一种连接部件，一方面来说需要对结构进行支撑，另一方面也会受到机械应力和机械磨损的影响，所以轴承在应用过程中十分容易出现形变或腐蚀，影响轴承的应用，导致其出现故障。
关键词：振动信号；电机轴承；故障诊断；探索方案引言设备状态监测与故障诊断在现代化设备管理与维修中占有重要的地位，也是预防维修的必要条件，其主要技术手段包括振动频谱分析、光谱分析、热成像、声发射、电气信号分析等。
为了满足设备精细化管理需求，防止设备突发故障，提高设备运行可靠性，真正实现由预防性维护向预测性维护转型，最终实现设备故障根源性分析研究的管理模式，设备状态监测与故障诊断技术出现从单一技术分析向多技术融合的趋势发展。
多技术融合的诊断方法对复杂故障诊断提供了多视角的诊断分析，各诊断技术之间形成了相辅相成、互为补充的格局，从而实现降低设备故障率，提高设备综合经济效益的目的。
1基于振动信号下的电机轴承诊断概述振动检测法是一种电机轴承故障中应用最为广泛的主流诊断方案，其主要是对振动信号进行获取并通过振动信号的频率对电机的运行状况进行判断。
首先来说振动信号在获取过程中较为方便，并且振动信号所需要应用的传感器获取价格低廉，具有较高的敏感度，这对于大多数工厂的批量生产来说都有十分重要的意义，能够在有效提高诊断准确率的同时降低生产成本。
而在应用振动信号对电机运行状况进行检查时，振动信号受外界因素影响的状况较低，具有较高的诊断准确性。
相关研究显示，轴承的运行状态与故障诊断中，应用轴承法能够对症状进行明确的同时，避免对轴承的运行造成影响，其价格低廉也获得了较多厂商的信赖。
基于振动模态识别的煤矿大型机电设备故障诊断方法
董志勇
【期刊名称】《山西焦煤科技》
【年(卷),期】2024(48)2
【摘要】为了提高煤矿大型机电设备运行的安全性与可靠性,对设备进行准确、快速地故障诊断至关重要。
基于此,提出了基于振动模态识别的煤矿大型机电设备故障诊断方法研究。
首先,根据设备的结构特点和运行状况,考虑设备的运行工况,布置传感器测点,采集设备运行状态下的振动信号;其次,对多传感器信号进行融合处理,为后续故障诊断提供分析基础;再次,基于振动模态识别原理提取出能够反映设备状态的特征参数,包括振动信号的均值、最大值、均方根值特征;最后,建立煤矿大型机电设备故障征兆与故障因素的模糊集合,通过设备故障征兆模糊向量,确定故障程度与类型。
试验结果表明,该方法故障诊断率可达到94%以上,表现出良好的准确性和可靠性。
【总页数】4页(P29-32)
【作者】董志勇
【作者单位】山西焦煤集团有限责任公司
【正文语种】中文
【中图分类】TD407
【相关文献】
1.基于能量算子的煤矿机电设备故障诊断方法
2.基于振动信号相位检测的大型机电设备故障诊断技术
3.基于振动信号相位检测的煤矿大型机电设备故障诊断技术
4.基于振动模态和振动传递的铁路货车故障诊断方法研究
5.基于深度学习的煤矿机电设备故障诊断方法
因版权原因，仅展示原文概要，查看原文内容请购买。
ＤＯＩ：１０．１６５２５／ｊ．ｃｎｋｉ．ｃｎ１４－１１３４／ｔｈ．２０１９．０２．０５３总第１９０期２０１９年第２期机械管理开发ＭＥＣＨＡＮＩＣＡＬＭＡＮＡＧＥＭＥＮＴＡＮＤＤＥＶＥＬＯＰＭＥＮＴＴｏｔａｌ１９０Ｎｏ．２，２０１９引言煤矿主通风机在矿井易燃易爆危险气体排放、瓦斯浓度稀释和人员通风换气等方面起着重要作用，是保障矿井安全的核心设备。
主通风机的运行状态直接影响着设备功能的实现。
在长期连续性运行过程中，主通风机由于设备损耗以及运行环境等原因，往往会出现一些不可预见性的机械或电子故障，而突发性故障可能导致矿难的发生，因此对其故障的预防性维护和出现故障后的及时诊断则显得尤为重要。
煤矿主通风机的运行模式振动较大，机械结构复杂，影响其性能的因素层次多、种类多，建立合适的数学机理模型较为困难。
对于这种情况，信号处理法故障诊断技术是一种适合煤矿主通风机故障分析的方法。
1故障机理分析煤矿主通风机由三相异步电动机通过联轴器连接，传递运动和转矩的。
主通风机一般出现的故障有机械故障和控制系统故障。
本文主要针对机械故障的诊断做说明。
机械故障常出现在风机和电动机两大部件处。
由于设备的维护和运行环境的影响，煤矿通风系统中主通风机发生机械故障的频率很高，对通风系统的功能实现影响很大。
对于主通风机发生故障的部位往往集中在轴承部分和旋转部分［１］。
１．１煤矿主通风机轴承故障机理分析主通风机滚动轴承的结构组成如图１所示。
主通风机滚动轴承运动时，外圈固定不动，内圈与轴承一起运动。
假设d 为滚动体的直径，D ｍ为轴承滚道的直径，D ｉ为内圈滚道的直径，D ０为外圈滚道的直径，内圈随轴一起以频率f 旋转。
滚动轴承在运动时，动力来自轴承的轴向力，滚动轴承内的滚珠虽轴向力发生运动。
滚珠在轴承内圈与外圈的轨道槽内运动时，受到向外的轴向力，滚珠运动时，除了做圆周运动外，还会在内外圈轨道的偏外侧运动，这样就会使运动状态的内外圈发生轴向位移，即滚珠的运动直径由d 变为d ｃｏｓα。
振动故障诊断技术在矿山设备上的应用摘要：振动故障诊断技术具有诊断结果准确可靠，便于设备故障现场的实时诊断；频域分析法是振动诊断技术的方法之一。
对振动信号的数值处理后进行频谱分析，并从频谱族中辨识出故障频率。
根据对管磨机振动强度的评价标准对比，并通过与计算频率进行比较，找出故障部位，确定故障类型。
此方法具有一定的实际应用价值。
关键词：振动故障诊断故障特征频率实际应用中图分类号：td44 文献标识码：a 文章编号：1672-3791（2012）10（a）-0045-01在工业领域普遍存在的振动是衡量设备状态的重要指标之一，当机械内部发生异常时，设备就会出现超过正常振动范围的振幅。
振动故障诊断技术是以设备的机械运动模型系统在某种外加激励作用下的响应作为诊断信息的分析要素。
通过对现场监测得到的振动参量进行动态数据处理与技术比对，对机械设备的运行状态作出诊断。
对于出现故障的设备确定故障特征、分析故障成因等信息。
振动在线与离线诊断技术具有结果准确可靠，便于实时处理等诸多特点，使其它成为应用最广泛、最普遍的故障诊断技术之一。
1 故障信号振动诊断概述故障信号振动诊断属于动态测试技术的范畴。
其基本原理是对所建立的机电系统模型在激励作用下所产生的动态响应信号作为分析源，通过对信号的振动位移、速度、加速度特征量进行分析处理，形成分析的基础数据，对比设备的行业与运行特征指标参数，对机械设备的运行状态进行判定。
对存在设备故障的系统得出故障点位置、故障产生程度、故障形成因素的诊断分析结果。
对机电设备现场振动信号的在线监测和离线分析是振动诊断技术的基础。
对出现故障现象的机电设备进行振动监测与检测时，需要将检振传感器布置于特定测点，利用传感器拾取的信号经转化与放大滤波电路处理后变为用于分析处理的电信号。
将此信号输入分析设备进行数学变换处理，获得信号的时域与频域样本；做信号分析并将结果进行记录与显示或打印输出。
振动故障诊断技术常用的分析方法有多种。
《基于振动信号的机械故障特征提取与诊断研究》篇一一、引言随着工业的快速发展，机械设备在生产过程中的作用日益凸显。
然而，机械设备的故障往往会导致生产线的停工，甚至可能引发安全事故。
因此，对机械设备的故障诊断与预测成为了工业领域的重要研究课题。
在众多故障诊断方法中，基于振动信号的故障诊断因其非接触性、实时性和准确性，得到了广泛的应用。
本文将针对基于振动信号的机械故障特征提取与诊断进行研究，以期为机械设备的维护与检修提供理论支持。
二、振动信号的采集与处理振动信号的采集是机械故障诊断的基础。
通过安装在机械设备上的传感器，我们可以实时获取设备的振动信息。
这些信息包含了设备的运行状态、负载情况以及潜在的故障信息。
为了提取有用的故障特征，我们需要对采集到的振动信号进行预处理。
预处理过程主要包括信号的滤波、去噪和特征提取。
滤波可以去除信号中的干扰成分，提高信号的信噪比。
去噪则可以通过各种算法，如小波变换、经验模态分解等，将信号中的噪声成分进行有效抑制。
特征提取则是从处理后的信号中提取出与故障相关的特征信息，如振动的幅度、频率、波形等。
三、机械故障特征提取机械故障的特征提取是机械故障诊断的关键步骤。
通过分析振动信号的时域、频域和时频域特征，我们可以提取出与设备故障相关的特征信息。
在时域分析中，我们可以计算振动的均值、方差、峰值等统计量，以评估设备的运行状态。
在频域分析中，我们可以通过频谱分析、阶次分析等方法，识别出设备在不同频率下的振动情况。
时频域分析则可以同时考虑时间和频率的信息，通过小波变换、短时傅里叶变换等方法，揭示设备在运行过程中的动态变化。
针对特定的机械设备，我们还可以结合设备的运行原理和故障模式，提取出更具针对性的特征信息。
例如，对于旋转机械设备，我们可以提取出轴承的振动信号，通过分析轴承的频率成分和波形变化，判断轴承的磨损、润滑情况以及可能的故障类型。
四、机械故障诊断在提取出机械故障特征后，我们需要建立相应的诊断模型，对设备的运行状态进行判断。
矿山机电设备故障诊断技术分析探讨矿山机电设备在矿山生产中起着至关重要的作用。
由于设备的长时间运行和高强度工作，设备故障是不可避免的。
为了及时准确地诊断和处理设备故障，提高设备的可靠性和运行效率，矿山机电设备故障诊断技术显得尤为重要。
在矿山机电设备故障诊断技术中，常见的故障诊断方法有振动诊断、红外热像诊断、声音诊断和电流诊断等。
振动诊断技术是一种常用且较为可靠的故障诊断技术。
通过对设备振动信号的分析，可以判断设备是否存在故障以及故障的类型和严重程度。
振动诊断技术在轴承故障、齿轮故障和电机故障等方面有较好的应用效果。
红外热像诊断技术则是通过记录设备表面的红外热像图，来分析设备的工作状态和热量分布情况。
这种技术适用于高温故障、电路故障和设备冷却问题等方面。
声音诊断技术主要通过对设备工作时的声音信号进行分析，来判断设备是否存在异常或故障。
电流诊断技术则是通过对设备的电流信号进行分析，来判断设备的运行状态和电器部件的工作情况。
除了上述的常用技术外，还有一些新兴的故障诊断技术也值得探讨。
机器学习和人工智能技术在故障诊断领域的应用越来越广泛。
通过对大量的故障样本进行训练，机器学习模型可以自动学习和识别故障模式，从而实现自动化的故障诊断。
还有一些基于传感器网络的故障诊断技术也具有巨大的潜力。
通过在设备上安装多个传感器，可以实时监测设备的状态，并及时发现潜在的故障。
矿山机电设备故障诊断技术在实际应用中还面临着一些挑战。
首先是故障样本数量的问题。
由于设备故障的数量相对较少，导致获取足够的故障样本用于训练和验证模型变得困难。
其次是数据采集和存储的问题。
现场设备的数据量往往非常庞大，如何高效地采集和存储这些数据，成为了一个亟待解决的问题。
还有故障诊断结果的准确性和可靠性问题。
不同的故障诊断技术可能会出现误判或漏判的情况，如何提高故障诊断结果的准确性和可靠性也是一个重要的研究方向。
矿山机电设备故障诊断技术在矿山生产中具有重要的意义。
煤矿机电设备振动检测分析研究摘要：煤矿是世界上最为重要的能源之一。
随着现代化煤矿机电设备的建设与应用，煤矿机电设备几乎取代了人力劳动。
虽然煤矿机电设备及系统工程成为煤炭生产的主体，但在煤炭生产经营活动管理中，人依旧在设备的安全管理过程中占据着重要的地位。
煤矿机电设备在运行时，时常会出现振动，严重的甚至会产生径向跳动以及轴向窜动，影响其他设备的使用。
因此，本文主要对煤矿机电设备振动检测分析研究，以此来进行实时监测，最大限度地降低机电设备的故障概率。
关键词：煤矿；机电设备；振动检测引言煤矿生产的特殊性决定了对煤矿机电设备安全运行有着极高的要求。
煤炭安全管理作为一项动态的、复杂的系统工程，设备的安全性往往是牵一发而动全身的。
任何一个环节、一项工作受到危险源或风险因素的干扰，都可能给煤炭系统工程的安全运行带来严重的后果。
因此，通过对煤矿机电设备运行过程中产生的振动检测分析，确定机电设备状态变化的主要规律，可以满足煤矿机电设备维修的要求，并根据实际情况创建引入煤矿机电设备维修。
1煤矿机电设备故障的主要因素煤矿挖掘主要作业环境在井下巷道中，由于挖掘运输设备种类多、作业环境恶劣、机电设备操作人员素质参差不齐等因素，造成机电设备发生故障的原因相对比较复杂。
例如机电设备自身结构设计缺陷，没有按照规范安装设备造成设备带伤运行，操作人员对设备运行情况不熟悉，煤矿巷道内粉尘、潮湿等恶劣的作业环境，这些都有可能对机电设备造成损伤。
提升机电设备的稳定性和安全性需要在设计制造环节进行严格控制把关，提升设计的合理性和制造质量，保障机电设备自身功能和运行质量过关，避免由于机电设备制造工艺层面不过关而造成频繁发生故障。
另外，机电设备长时间运行，一些易损部件和润滑传动装置需要及时进行维修保养，这就需要高超的故障诊断技术，在设备检修诊断环节发现设备的故障隐患，在故障发生前对故障进行有效排除，做好设备故障的预防。
2煤矿机电设备的诊断检测2.1温度诊断温度诊断是煤矿机电设备检修使用较为普遍的一种方法，主要是观察设备屏幕上的实时温度变化，并将其与设备出厂温度相比，从而发现异常，进行预警。
基于振动信号分析技术在矿用电机故障诊断中的应用与研究作者：贺艳等来源：《价值工程》2013年第08期摘要：矿用电机的安全运行是矿山生产安全的重要保证，为及早排除矿用电机在运行过程中的隐患，及时诊断出电机故障原因。
针对矿用电机封闭式和防爆式的特点，采用了在线监测方式，通过对电机轴承及电机轴转子不平衡造成的故障进行振动检测，对振动信号进行分析研究，并与轴承故障特征频率及转子旋转故障特征频率比对分析，找到了故障原因，为矿用电机的故障诊断提供了科学依据和先进方法。
Abstract： The safe running of mine motor is an important part of safe production in mine， so it is important to remove the potential risk of mine motor and timely diagnose the failure as soon as possible. According to the characteristics of the closed and explosion proof mine motor， the online monitoring is used to take vibration detection for the imbalance of motor bearing and rotor and analyze the vibration information， and compare the bearing failure characteristic frequency and the rotation of the rotor fault characteristic frequency， try to find fault reason， providing scientific basis and advanced method for fault diagnosis of mine motor.关键词：振动信号分析技术；矿用电机；轴承；转子不平衡Key words： vibration signal analysis technology；mining motor；bearing；rotor imbalance中图分类号：TH17 文献标识码：A 文章编号：1006-4311（2013）08-0037-030 引言矿山生产强调的是安全，在矿山生产设备运行过程中，防患于未然，将问题解决在事故发生之前是每个矿山生产过程中的重要工作，要保证设备的安全运行，每个环节都不容忽视，尤其是矿用电机的安全运行，电动机相当于生产系统的心脏，一旦发生故障，将造成重大损失。
电动机在使用过程中出现的故障的因素很多，通常出现的故障有：转子不平衡、转子不对中、轴承磨损、转子摩擦剂浮动密封故障等，但其中电动机轴承磨损和电轴在使用过程中转子不平衡，是电动机最主要的，也是对电机使用造成影响最大的故障。
为及早发现问题，采用对电动机线监测方式，随时采集电动机的振动信号，经过对电动机运行振动信号进行分析对比，可以及时发现问题，为排除故障提供了可靠依据，由于矿用电动机具有封闭性和防暴性的特点，无法测量轴向振动数据，在对转子不平衡检测时，采用测点为水平和垂直方向进行检测分析，找到了故障原因。
为矿用电动机的故障诊断提供了一种定量分析的先进方法。
下面针对矿用通风系统的电动机在使用过程中的故障进行实例分析。
1 电动机轴承故障诊断矿山通风机是矿井重要的设备之一，为保证通风机的电动机正常运行，对在井口外的电动机型号为JK630-2电机，配置了VIBXPERT双通道振动数采器及FFT频谱分析仪，在电动机前、后轴承处用八个测点分别对轴承径向与轴向方向进行状态检测，图1为通风机电动机测点分布图。
电动机及其轴承型号参数如下：电机型号JK630-2；功率：630Kw；转速为2975r/min。
轴承型号为：3E222，接触角：0°，滚动体直径：30mm，轴承中经：155mm，滚动体个数：10。
对电动机监测了半个月后，对采集到的振动信号数据分析，发现在检测过程中，电动机前、后轴承处用八个测点的振动值均呈上升趋势。
从数据中看出，204测点的速度有效值上升幅度最大，由月初的2.97mm/s上升到月中的7.27mm/s。
上升了1.45倍。
按国际标准ISO2372振动烈度标准，属于C类（还允许范围）范围。
电机后轴承各测点（201、202、203、204）的在半个月中振动值平均上升1.75倍；前轴承各测点（205、206、207、208）的振动值平均上升幅度为1.61倍。
超过了允许范围。
为了确定故障性质、部位及损坏程度，需要振动波形共振调节包络波进行分析，图2a、2b分别是201测点和206测点的时域波形（经过共振调解滤波后的）；图3a，3b分别是204测点和206测点的幅值频谱图。
当滚动轴承正常时，转动平稳，噪声小，振动小；当滚动轴承出现缺陷时，在运行中就会产生冲击，引起脉动性振动；从图2a中振动信号出现了较大幅度的周期性冲击脉冲信号。
图2b所示的时域波形则较平稳，没有明显的冲击信号。
在图3a中信号在202.5HZ时振动幅值较大，在二倍频405.0Hz处有明显谐波；图3b中的谱峰呈衰减趋势，没有异常峰值出现。
据图3分析，在旋转频率（50Hz）处振动幅值和二倍频处虽然有谱峰出现，但振幅分量所占的比例并不大，所以，可基本排除转子不平衡和不对中故障。
故只对电机前、后轴承进行故障特质频率分析。
通过计算得到轴承内圈各故障特征频率fi=297.5Hz；滚动体故障频率fr=124.3HZ；计算公式为：①fi=nzfj±f（其中：n——为正整数，z——滚动体数，f——轴转速频率，fj——一个滚动体在内圈上的通过频率）；②fr=2nf0±fc（其中：n——为正整数，f0——滚动体相对于保持架的通过频率，fc——保持架转速频率）。
因此，从图3a中202.5Hz处的谱峰可看出属于该轴外圈故障特征频率。
当设备运转时，滚动体经过该缺陷时，产生强烈的冲击，因而振动幅值增大，频谱图上反映在故障特征频率处出现较大谱峰。
从上述，通过振动信号分析技术，得出一，在201测点（图2a）时域波形图上出现的冲击脉动信号是轴承故障特征；第二，204测点（图3a）频谱图上较高谱峰处的频率与轴承外圈特征频率吻合；第三，电动机后轴承各测点（205、206、207、208）振动值平均上升幅度比以前轴承各测点（201、202、203、204）高出0.19倍，同时据后轴承时域波形图和频谱图上都出现的轴承故障特征频率，可判定振源来自后轴承；第四，电动机前轴承时域波形图和频谱图上均未发现异常，振动值增大可判定是由于后轴承故障引起的。
基于上述四点，可以确定电机后轴承外圈滚道内出现了剥落坑。
后经停机检查发现，电动机后轴承处外圈滚道内有一处15mm×8mm、深为0.3mm的剥落坑，证实诊断结论正确。
2 电动机转子不平衡的故障诊断分析井口处电动机采用的是防爆式封闭型电机，型号为：JB710M1-2型，额定转速为：2986r/min，由于该电动机无法测量轴向振动信号，所以测点采取垂直和水平方向6个测点（如图4所示）。
经过两个月的在线监测，采集了各测点的幅值频谱图，通过对频谱图上各频率段的速度有效值数据分析（如表1所示），301、302、34、306各测点的速度有效值和位移峰的峰值都有不同程度的增大，速度有效值上升幅度分别为：301测点2.18倍，302测点2.36倍，304测点1.38倍，306测点2.19倍。
电动机转速为2986r/min，旋转频率为49.77Hz，接近50Hz，从所测数据看看出，在旋转频率（50Hz）处，各测点速度有效值都有不同程度增大，上升幅度分别为1.10倍、1.72倍和1.37倍，在两倍频和三倍频处则增大极少；水平方向（302、306）均比垂直方向（301、304）的幅值大，图5为第三个月某天采集的各测点的速度有效值频谱图，从四个测点的频谱图上可看出，都是在旋转频率（50Hz）处谱峰分量大，205Hz处有i少量谱峰，高倍频率处也出现了少量谱峰，多次采集的频谱图都与图5这天的频谱图基本相似。
从对采集的振动信号分析，可总结出以下几点：（1）电动机各测点的振动值增大，主要源于旋转频率处振动幅值增大，而旋转频率处振动幅值比垂直方向大，是转子不平衡特征之一；（2）水平方向振动幅值比垂直方向大，也是转子不平衡特征之一；（3）250.00Hz处有谱峰，但所占比例不大，估计滚动轴承有磨损。
因此，判断该电动机振动值增大的原因为转子不平衡引起的。
在第三个月监测数据中发现某天306测点的速度有效值高达8.32mm/s，按国际标准ISO2372标准属于C区，而302、306测点的位移峰的峰值分别为51.3μm和58.1μm，均超过机械部《离心鼓风机和压缩机技术条件》所规定的标准（主轴转速≤3000r/min，双振幅应≤51μm），根据判断，对电动机进行了停机检查，做转子动平衡测定调整，并及时更换了新轴承，运行后振动值恢复正常。
3 结论振动分析技术对设备的振动信号测试和分析，可获得机体、转子或其他零部件的振动幅值、频率和相位三个要素，经过对信号的分析处理与识别，了解到机器的振动特点、结构强弱、振动来源、故障部位和故障原因。
本文通过在线监测矿用电动机，通过对电动机前、后轴承和电机壳体分布不同的测点，用振动分析技术诊断出电动机故障原因，经过实践检验，诊断结果正确性很高。
VIBXPERT振动数采器及FFT频谱分析仪，是通过德国船级社认证的，可将振动信号转换为电信号，便于数据处理和分析，可处理成为多种能够反映故障状态的特征信息谱图，为进一步识别故障提供依据。
振动分析技术为矿用电动机判断故障，预报事故提供了可靠的保证和依据，为矿山安全生产，延长产品的使用寿命，提高经济效益都具有十分重要的实用价值。
参考文献：[1]王旭红.高压旋转电机的状态监测和故障诊断研究[D].湖南大学，2002.[2]程彦敏.异步电动故障诊断方法应用预测[D].上海海事大学，2007.[3]刘春.机械工程测试技术，北京：北京理工大学出版社，2009.[4]宁良胜.电机轴承振动测量和仪器[J].轴承，1987（02）.。
