机械故障诊断大作业滚动轴承
- 格式:docx
- 大小:21.64 KB
- 文档页数:12
滚动轴承故障及其诊断方法
滚动轴承是一种很常见的机械元件,广泛用于工业和消费市场,用于
转动机械装置的旋转部件。
它们的主要功能是支撑和稳定轴,允许轴在指
定的位置和方向上旋转,以及在转动时减少摩擦和重复负载。
滚动轴承可
以在各种不同类型的机械设备中找到,例如汽车,风能发电机,摩托车,
电机,空调,电气箱等。
滚动轴承可以长期高效工作,但如果不适当地维护和维修它,可能会
导致故障。
常见的滚动轴承故障包括损坏,轴承旋转变慢,轴承外壳发热,内部损坏,轴键变形,低速磨擦,扭矩问题等。
解决这些问题的关键是找
出故障的根本原因,并根据现场条件采取正确的解决方案。
要有效诊断滚动轴承故障,可以采用以下方法。
1.检查外壳:检查轴承外壳表面,以及固定螺丝和轴承挡圈是否松动、弯曲或破损。
检查底座是否正确安装,轴是否紧固,以及轴承应用的负载
是否正确。
2.状态检查:检查轴承内部和外壳的温度,查看是否有油漆和碳垢,
并检查轴承内部有无异响和异常磁性。
3.拆卸检查:仔细检查轴承内部的轴承衬套、滚珠和圆柱滚道,查看
是否有损坏、磨损或异物。
滚动轴承故障诊断实例
滚动轴承故障诊断实例可以包括以下几种情况:
1. 声音异常:当滚动轴承出现故障时,可能会出现异常的噪音,如嘶嘶声、刮擦声或者咔咔声等。
这种情况下,可以通过听觉判断故障的类型和位置。
噪音一般源于滚珠或滚道表面的损伤或者磨损。
2. 振动异常:故障的滚动轴承会导致轴承运行不稳定,产生过大的振动。
可以通过振动传感器来检测振动的频率和幅度,进而判断故障的严重程度和位置。
振动异常可能是由于轴承内部松动、滚子损伤或滚道不平整等问题引起的。
3. 温度异常:滚动轴承运行时,由于磨擦和摩擦产生的热量,轴承温度会有所上升。
但是,如果滚动轴承的温度明显高于正常值,可能表明存在故障。
可以通过红外测温仪或接触式温度计来测量轴承的温度,判断是否存在异常。
4. 润滑问题:滚动轴承需要得到正确的润滑以保持正常运行。
如果滚动轴承出现故障,润滑不足或者污染等问题,会导致滚动轴承的寿命缩短。
可以通过观察润滑脂或润滑油的颜色、黏度以及滚动轴承周围是否有渗漏等来判断润滑是否正常。
上述实例中的故障诊断需要依靠专业的设备和工具,同时需要具备相应的专业知识和经验,建议请专业人士进行诊断和修复。
滚动轴承故障诊断分析全解
滚动轴承是机械设备中的重要元件,也是故障率最高的构件。
其突发的故障可能会严重影响机械设备的正常运行,即使是轻微的故障,也会降低设备的使用寿命。
因此,对滚动轴承的故障进行及时诊断和维修,是确保轴承的正常运行的关键。
本文将对滚动轴承故障诊断进行全面阐述,以便于有助于轴承的可靠运行。
一般来讲,滚动轴承的故障可以归结为以下几类:
(1)疲劳损坏:由于长期的使用,滚动轴承中的滚动体和锥形齿轮等内部零件可能会因疲劳而损坏,最终导致轴承的故障;
(2)腐蚀破坏:由于设备运行时的温度、湿度及磨损较大,滚动轴承容易受到空气、油品及其他化学性腐蚀剂的作用,从而造成内部零件的磨损;
(3)水分侵入:滚动轴承组装后,如果存在漏油现象,则滚动轴承内部容易污染,从而导致滚动体及锥形齿轮等内部零件受损;
(4)润滑油工作性能不佳:润滑油在机械设备运行时,若由于品质或温度等原因,润滑油的性能不佳,轴承容易受到损坏;
(5)安装不良:滚动轴承安装后,若没有正确地调整轴的负荷和动转瞬间,将会对轴承组件产生振动和噪音,从而导致故障。
课程名称:机械故障诊断设计题目:基于FFT的轴承故障诊断学院:机械工程系班级:学号:姓名:指导老师:李奕璠2017年12月23日摘要滚动轴承是旋转机械中重要的零件,以往的动检工作对滚动轴承强烈振动原因分析不足,不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测,根据所测数据做出诊断分析,及时发现滚动轴承强烈震动情况。
傅里叶变换在故障诊断技术中是重要的工具,但傅里叶变换及其逆变换都不适合数字计算机计算,要进行数字计算机处理,必须将连续性信号离散化,无限长数据有限化,再进行采样和截断。
这种算法称为有限离散傅里叶变换(DFT),为了提高效率,在DFT的基础上,运用快速傅里叶变换(FFT)对滚动轴承进行故障诊断。
通过FFT方法分析轴承的信号图,对滚动轴承振动的产生原因进行深入分析,不断总结经验,提高故障分析能力,掌握造成滚动轴承强烈振动的原因,及时消除振动,为设备安全提供可行性措施。
关键词:滚动轴承;故障诊断;FFT23第1章 绪论1.1 滚动轴承概述滚动轴承(rolling bearing )是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦,从而减少摩擦损失的一种精密的机械元件。
滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成,内圈的作用是与轴相配合并与轴一起旋转;外圈作用是与轴承座相配合,起支撑作用;滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间,其形状大小和数量直接影响着滚动轴承的使用性能和寿命;保持架能使滚动体均匀分布,引导滚动体旋转起润滑作用。
图1 滚动轴承结构滚动轴承是各类旋转机械中最常用的通用零件之一,也是旋转机械易损件之一。
据统计,旋转机械的故障越有30%是由轴承故障引起的,它的好坏对机械的工作状况影响很大。
轴承的缺陷会导致机器剧烈振动和产生噪声,甚至会引起设备的损坏。
因此,对重要用途的轴承进行工况检测与故障诊断是非常必要的。
1.2 本次任务本次总共给出了4组通过现场测试得到的滚动轴承运行数据,包括1组正常轴承数据,1组内圈故障数据,1组外圈故障数据,1组滚动体故障数据。
机械故障诊断大作业滚动轴承(共15页)--本页仅作为文档封面,使用时请直接删除即可----内页可以根据需求调整合适字体及大小--课程名称:机械故障诊断设计题目:基于FFT的轴承故障诊断学院:机械工程系班级:学号:姓名:指导老师:李奕璠2017年12月23日摘要滚动轴承是旋转机械中重要的零件,以往的动检工作对滚动轴承强烈振动原因分析不足,不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测,根据所测数据做出诊断分析,及时发现滚动轴承强烈震动情况。
傅里叶变换在故障诊断技术中是重要的工具,但傅里叶变换及其逆变换都不适合数字计算机计算,要进行数字计算机处理,必须将连续性信号离散化,无限长数据有限化,再进行采样和截断。
这种算法称为有限离散傅里叶变换(DFT),为了提高效率,在DFT的基础上,运用快速傅里叶变换(FFT)对滚动轴承进行故障诊断。
通过FFT方法分析轴承的信号图,对滚动轴承振动的产生原因进行深入分析,不断总结经验,提高故障分析能力,掌握造成滚动轴承强烈振动的原因,及时消除振动,为设备安全提供可行性措施。
关键词:滚动轴承;故障诊断; FFT第1章绪论滚动轴承概述滚动轴承(rolling bearing)是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦,从而减少摩擦损失的一种精密的机械元件。
滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成,内圈的作用是与轴相配合并与轴一起旋转;外圈作用是与轴承座相配合,起支撑作用;滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间,其形状大小和数量直接影响着滚动轴承的使用性能和寿命;保持架能使滚动体均匀分布,引导滚动体旋转起润滑作用。
图1滚动轴承结构滚动轴承是各类旋转机械中最常用的通用零件之一,也是旋转机械易损件之一。
据统计,旋转机械的故障越有30%是由轴承故障引起的,它的好坏对机械的工作状况影响很大。
轴承的缺陷会导致机器剧烈振动和产生噪声,甚至会引起设备的损坏。
机械故障诊断大作业滚动轴承TYYGROUP system office room 【TYYUA16H-TYY-TYYYUA8Q8-课程名称:机械故障诊断设计题目:基于FFT的轴承故障诊断学院:机械工程系班级:学号:姓名:指导老师:李奕璠2017年12月23日摘要滚动轴承是旋转机械中重要的零件,以往的动检工作对滚动轴承强烈振动原因分析不足,不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测,根据所测数据做出诊断分析,及时发现滚动轴承强烈震动情况。
傅里叶变换在故障诊断技术中是重要的工具,但傅里叶变换及其逆变换都不适合数字计算机计算,要进行数字计算机处理,必须将连续性信号离散化,无限长数据有限化,再进行采样和截断。
这种算法称为有限离散傅里叶变换(DFT),为了提高效率,在DFT的基础上,运用快速傅里叶变换(FFT)对滚动轴承进行故障诊断。
通过FFT方法分析轴承的信号图,对滚动轴承振动的产生原因进行深入分析,不断总结经验,提高故障分析能力,掌握造成滚动轴承强烈振动的原因,及时消除振动,为设备安全提供可行性措施。
关键词:滚动轴承;故障诊断; FFT第1章绪论滚动轴承概述滚动轴承(rolling bearing)是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦,从而减少摩擦损失的一种精密的机械元件。
滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成,内圈的作用是与轴相配合并与轴一起旋转;外圈作用是与相配合,起支撑作用;滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间,其形状大小和数量直接影响着滚动轴承的使用性能和寿命;保持架能使滚动体均匀分布,引导滚动体旋转起润滑作用。
图1滚动轴承结构滚动轴承是各类旋转机械中最常用的通用零件之一,也是旋转机械易损件之一。
据统计,旋转机械的故障越有30%是由轴承故障引起的,它的好坏对机械的工作状况影响很大。
轴承的缺陷会导致机器剧烈振动和产生噪声,甚至会引起设备的损坏。
井下运输机械滚动轴承故障的检测与诊断摘要对于井下运输机械来说,其轴承故障问题,直接关系着井下运输正常运行。
要想保证井下运输机械正常运行,就应该时常对机械滚动轴承进行检测和诊断。
本文主要从井下运输机械滚动轴承常出现的故障问题、井下运输机械滚动轴承故障检测及故障诊断方法等,对井下运输机械滚动轴承故障的检测与诊断进行相应分析。
关键词井下运输机械;滚动轴承;故障检测;诊断中图分类号td421 文献标识码a 文章编号1674-6708(2012)64-0111-02随着科学技术的发展,许多大型井下作业企业已经采用的机械运输方法进行相应运输,机械运输在一定程度上节省大量时间和成本,提高了企业效率。
然而,机械在实际工作中,特别是在井下作业过程中,常会出现一些问题,尤其是滚动轴承故障问题。
一旦出现这一故障问题,就会影响机械滚动轴承的正常运行。
在这种情况下,就需要对井下运输机械故障进行相应的检测并作出正确的诊断,以便更好的解决滚动轴承故障问题。
如何更好的对井下运输机械轴承故障问题进行检测和诊断,已经成为相应企业值得思索的事情。
1 井下运输机械滚动轴承常出现的故障问题由于井下作业环境恶劣,再加上严重干扰,使得井下运输机械常会出现一些故障,而在这些故障中比较严重易受损的就是滚动轴承。
这种轴承经常会发生疲劳、胶合或是保持架断裂等故障。
出现这种故障的主要原因是滚动轴的金属特性造成的。
滚动轴承的金属硬度较高,变形后无法复原,抗击性能比较差、抗疲劳性差,再加上井下作业受到的抗击比较多,使得滚动轴承粘着磨损、磨料磨损、疲劳磨损或是微动磨损等。
一旦滚动轴承出现磨损现象,如果井下机械在运转的过程中轴承不出现温度高现象,是很难察觉到滚动轴承故障的,等到人们发觉时井下运输机械滚动轴承已经出现大部分磨损。
一旦轴承出现这类故障,就会使支撑轴错位,齿轮会出现打齿现象,甚至会使整个齿轮箱破裂,进而影响井下运输机械的正常运行。
严重时甚至会造成机械停机。
滚动轴承常见故障及故障程度诊断方法滚动轴承是一种常见的机械传动部件,广泛应用于各种设备和机器中。
然而,由于长期的运转和使用,滚动轴承可能会出现各种故障。
及早诊断并解决这些故障,可以提高设备的工作效率和寿命。
下面将介绍一些常见的滚动轴承故障以及相应的故障程度诊断方法。
1.磨损故障:磨损是滚动轴承最常见的故障之一、它可能是由于振动、超负荷、不当润滑或外部杂质等因素引起的。
磨损故障的特点是滚道、轴承座和滚珠表面的磨损或变形。
在诊断方面,可以使用肉眼观察滚道和滚珠表面的磨损情况,并通过手感判断是否存在磨损故障。
2.疲劳故障:疲劳是滚动轴承的另一种常见故障。
它通常是由高载荷、频繁起停、轴向冲击或轴承内部结构缺陷等因素引起的。
疲劳故障的特点是滚珠或滚道出现裂纹或剥落。
在诊断方面,可以使用显微镜观察滚珠和滚道表面的裂纹或剥落情况,或者进行动态振动分析以检测是否存在疲劳故障。
3.温升故障:温升是滚动轴承的常见故障之一,通常是由于不当润滑、过高的润滑脂粘度、轴承过紧或过松、内部结构问题等因素引起的。
温升故障的特点是轴承运行时温度升高。
在诊断方面,可以使用红外热像仪测量轴承温度,或使用测温仪对轴承不同部位进行温度测量,以判断是否存在温升故障。
4.噪声故障:噪声是滚动轴承常见的故障之一,通常是由于轴承松动、滚珠损坏、滚子不对中、不正确的润滑或外部冲击等因素引起的。
噪声故障的特点是轴承运行时产生噪声。
在诊断方面,可以使用听诊器或声音分析仪对轴承的运行声音进行监测和分析,以判断是否存在噪声故障。
5.润滑故障:滚动轴承的润滑是保证轴承正常运行的重要因素,不当的润滑可能会导致轴承故障。
润滑故障的特点是润滑油脂污染、量不足或过多、润滑脂分解或硬化等。
在诊断方面,可以通过观察润滑油脂的颜色、质地和气味来判断是否存在润滑故障。
除了上述常见的滚动轴承故障,还有一些其他故障,如过载、轴向偏移、振动等。
对于这些故障,可以使用适当的仪器和设备,如振动测量仪、位移传感器等进行诊断和监测。
滚动轴承故障诊断分析滚动轴承是机械设备中常见的关键部件之一,其工作状态直接关系到设备的稳定性和可靠性。
因此,对滚动轴承的故障诊断分析具有重要的意义。
本文将从滚动轴承的故障类型、故障诊断方法等方面进行详细分析,并给出相应的解决方案。
首先,滚动轴承的故障类型主要有疲劳、磨损、锈蚀、杂质和润滑不良等几种。
疲劳是滚动轴承最常见的故障类型之一、当滚动轴承在长期高速运转或负荷过重的情况下,会引起轮廓形状的改变,从而导致疲劳断裂。
对于这种故障,可以通过定期检查和维护来延长轴承的使用寿命。
磨损是指滚动轴承在摩擦和磨削的作用下,导致轴承零件表面的材料损失。
主要有磨损、磨粒和烧伤等。
对于这种故障,可以通过增加润滑剂的使用量、选择合适的润滑剂和改善润滑条件来解决。
锈蚀是指滚动轴承在潮湿环境下,由于润滑不良或长期闲置等原因,轴承表面产生氧化而导致的故障。
对于这种故障,应注意轴承的密封和润滑条件,及时更换润滑剂和防护涂层,确保轴承的正常运转。
杂质是指滚动轴承中的异物,如尘埃、粉末、金属屑等。
这些杂质会导致轴承卡死、摩擦增大等故障。
对于这种故障,应定期清洗和更换润滑剂,保持滚动轴承的清洁。
润滑不良是滚动轴承的故障的主要原因之一、轴承在运转时,需要有足够的润滑剂来减小摩擦和磨损。
如果润滑不良,会导致轴承失效。
对于这种故障,应定期检查润滑剂的使用情况和润滑条件,进行必要的维护和更换。
其次,滚动轴承的故障诊断方法主要有故障模式识别、振动分析和声学诊断等。
故障模式识别是根据滚动轴承故障表现的各种特征,进行故障模式的分类和判断。
通过对轴承工作状态的观察和记录,可以对轴承的故障模式进行准确识别,为后续的维修提供参考。
振动分析是通过对滚动轴承振动信号的采集和分析,来判断轴承的工作状态。
不同的故障模式会产生独特的振动信号,通过对这些信号的频谱分析和时域分析,可以准确诊断出轴承的故障类型和程度。
声学诊断是通过对滚动轴承工作时产生的声音进行分析和判断。
机械故障诊断大作业题目:基于小波分析的轴承故障诊断指导教师:***班级:学号:姓名:成绩:西南交通大学峨眉校区机械工程系基于小波分析的轴承故障诊断摘要滚动轴承在机械设备中使用非常广泛,其工作状态直接影响整个设备的运行效率。
对滚动轴承进行状态监测与故障诊断,能够避免重大事故的发生,获得较大的经济和社会效益。
在多样化的现代信号数据处理方法中,小波分析比较适合非稳定信号分析处理,小波变换不仅能够给出信号的时间和频率的二维关系,还能根据信号局部特征调整其窗口宽度。
采用Matlab编程快速地在计算机上实现基于小波分析的滚动轴承故障诊断。
对正常或故障轴承的振动信号进行小波分解与重构,基于小波分解系数对含有故障特征频率的第一层细节信号进行小波重构并提取其Hilbert包络谱,从中找到并测出特征频率,并和根据理论计算得到的故障特征频率对比判断故障类型。
关键词:故障诊断小波分析Matlab Hilbert包络谱特征频率第一章绪论滚动轴承是机器的易损件之一,据不完全统计,旋转机械的故障越30%是因为滚动轴承引起的,由此可见滚动轴承故障诊断工作的重要性。
滚动轴承在机械设备中使用非常广泛,其工作状态直接影响整个设备的运行品质,对滚动轴承进行状态监测与故障诊断,能够避免重大事故的发生,获得较大的经济和社会效益。
随着生产的需要,对轴承故障的检测方法也越来越多,其中,运用比较广发的集中方法是FFT、功率谱、倒谱分析、小波分析、经验模态分解、形态滤波、双谱分析。
小波变换是一种时频分析方法,可进行多分辨率分析,对轴承振动信号进行小波变换, 小波变换可以把振动信号分解成多个具有不同时间和频率分辨率的小波信号,同时对振动信号进行处理时就能有效地克服信号的泄漏和混叠等,从而可以在一个变换中同时研究低频长时现象和高频短时现象。
使振动信号的检测和分析更符合于真实的情况。
提取其中具有故障特征的细节信号进行重构;对重构信号做Hilben包络谱分析,从中检测出轴承的故障特征频率,据此判断故障类型。
机械故障诊断大作业滚动轴承Prepared on 22 November 2020课程名称:机械故障诊断设计题目:基于FFT的轴承故障诊断学院:机械工程系班级:学号:姓名:指导老师:李奕璠2017年12月23日摘要滚动轴承是旋转机械中重要的零件,以往的动检工作对滚动轴承强烈振动原因分析不足,不能满足设备维修工作的需要。
所以要定期对旋转机械进行动态监测,根据所测数据做出诊断分析,及时发现滚动轴承强烈震动情况。
傅里叶变换在故障诊断技术中是重要的工具,但傅里叶变换及其逆变换都不适合数字计算机计算,要进行数字计算机处理,必须将连续性信号离散化,无限长数据有限化,再进行采样和截断。
这种算法称为有限离散傅里叶变换(DFT),为了提高效率,在DFT的基础上,运用快速傅里叶变换(FFT)对滚动轴承进行故障诊断。
通过FFT方法分析轴承的信号图,对滚动轴承振动的产生原因进行深入分析,不断总结经验,提高故障分析能力,掌握造成滚动轴承强烈振动的原因,及时消除振动,为设备安全提供可行性措施。
关键词:滚动轴承;故障诊断; FFT第1章绪论滚动轴承概述滚动轴承(rolling bearing)是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦,从而减少摩擦损失的一种精密的机械元件。
滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成,内圈的作用是与轴相配合并与轴一起旋转;外圈作用是与相配合,起支撑作用;滚动体是借助于保持架均匀的将滚动体分布在内圈和外圈之间,其形状大小和数量直接影响着滚动轴承的使用性能和寿命;保持架能使滚动体均匀分布,引导滚动体旋转起润滑作用。
图1滚动轴承结构滚动轴承是各类旋转机械中最常用的通用零件之一,也是旋转机械易损件之一。
据统计,旋转机械的故障越有30%是由轴承故障引起的,它的好坏对机械的工作状况影响很大。
轴承的缺陷会导致机器剧烈振动和产生噪声,甚至会引起设备的损坏。
因此,对重要用途的轴承进行工况检测与故障诊断是非常必要的。
本次任务本次总共给出了4组通过现场测试得到的滚动轴承运行数据,包括1组正常轴承数据,1组内圈故障数据,1组外圈故障数据,1组滚动体故障数据。
这4组数据的文件名分别为1. mat, 2. mat, 3. mat, 4. mat。
但是,1. mat并不意味其为正常轴承,2. mat 并不意味其为内圈故障轴承,以此类推。
轴承型号为SKF 6205-2RS JEM。
转速1750 rpm。
信号采样频率为12000 Hz。
选用合适的信号分析方法,利用Matlab软件编程,对上述4组信号进行分析,得到每一组数据分别代表哪一类状态的轴承,从而实现滚动轴承的状态判断与故障诊断。
滚动轴承故障诊断方法最初轴承故障诊断是利用听棒,靠听觉判断。
继听棒、电子听诊器之后,又引入了各种测振仪。
随着对滚动轴承的运动学、动力学的深入研究,加之快速傅里叶变换技术的发展,人们开创了用频域分析方法来检测和诊断轴承故障诊断的新领域。
离散傅立叶变换(Discrete Fourier Transform,DFT)及其快速算法快速傅里叶变换(Fast Fourier Transform,FFT)算法很多,分别依照数据的组合方式和抽取方式可以分为时域法和频域法,基2和基4算法等。
其实现方法主要有两种,一种是用硬件实现,用硬件实现时速度较快,但系统的成本很高;另一种是用软件实现,用软件在PC 机或工作站上实现时虽然速度较慢,但成本非常低。
本文中采用软件实现。
第2章快速傅里叶变换(FFT)算法FFT简介FFT是一种DFT的高效算法,称为快速傅立叶变换(fast Fourier transform),它根据离散傅氏变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进获得的。
FFT算法可分为按时间抽取算法和按频率抽取算法。
FFT的原理先简要介绍DFT的基本原理,再介绍FFT。
DFT的运算为:X(n)=∑x(k)W N nkN−1k=0,(n=0,1,2,…,N−1)x(k)=1N∑X(n)W N−nkN−1k=0,(k=0,1,2,…,N−1)其中W n =e−j2πN ⁄ 由于序列x (k )和它的离散傅里叶变换X (n )都是复数,并且随着序列长度k 的增大,运动量将急剧增加。
因为离散傅里叶变换的应用十分广泛,因此寻求一种可以使运算量减少的改进算法势在必行。
就目前的情况来看,使用最多的算法是基于Cooley 和Tukey 提出的基2算法。
该算法可以分为按时间抽取DIT 和按频率抽取DIF 。
这里以DIT 为例来说明。
在DFT 运算中,系数W N nk 具有对称性和周期性,因此下列各式成立:W Nk (N−n )=(W N kn )∗ W N (nk+N 2)=W N nk W N n 2=−W N nk采用基2算法时,N 通常都是2的M 次方, 即N =2M (不满足该条件的可以通过加0等方式来处理)。
x(n)的DFT 为:X (k )=∑x (n )W n kn N−1k=0,(k =0,1,2,…,N −1)把上式按n 的奇偶分为两组, 得:X (k )=∑x (2r )W N 2rk +∑x (2r +1)W N(2r+1)k N 2−1r=0N 2−1r=0=∑x (2r )W N 2rk N 2−1r=0+W N k ∑x (2r +1)W N 2rk N 2−1r=0由于W N 2rk =e −j 2πN 2rk =e −j 2πN/2rk =W N/2rk ,所以:X (k )=∑x (2r )W N/2rk +W N k ∑x (2r +1)W N/2rk N 2−1r=0N 2−1r=0=G (k )+W N k H(k)G (k )=∑x (2r )W N/2rk N 2−1r=0和H (k )=∑x (2r +1)W N/2rk N 2−1r=0具有周期性,因此:{X(k)=G(k)+W N k H(k),k=0,1,…,N2−1 X(k+N2)=G(k)−W N k H(k),k=0,1,…,N2−1这样,我们就可以根据两个N/2点序列来求x(n)的DFT,用蝶形表示就是图一所示的形式。
图2 经典FFT算法的蝶形第3章故障诊断的结果滚动轴承的故障机理因为滚动轴承在运动过程中,由于滚动体与内圈、外圈或滚动体冲击而产生振动,该振动有其固有频率。
而初期故障往往表现为内圈、外圈或者滚动体上的局部点蚀。
点蚀部位对与其接触轴承部件产生冲击作用,产生的冲击力激励轴承座及其支承结构,形成一系列由冲击激励产生的减幅振荡,这种减幅振荡是一种低频脉动,称之为滚动轴承的通过振动,这种因周期冲击而产生的频率称之为通过频率。
通过振动发生周期是有规律的,可以从转速和轴承的几何尺寸求得。
并且,损伤发生在内、外圈或滚动体上时,频率不同。
这一轴承通过振动发生的频率也称为轴承的故障特征频率。
这是损伤类故障引起的振动信号的基本特点。
滚动轴承的故障特征频率根据不同的损伤部位,按以下公式分别计算轴承故障的特征频率,如下所示:设轴承外圈固定,内圈(即轴)的旋转频率为f s,轴承节径为D,滚动体直径为d,接触角为α,滚动体个数为z;再假设滚动体与内外圈之间纯滚动接触。
可以得到,滚动体的公转频率为f c=f s2(1−dDcosα)滚动体自转频率为f b=D[1−(d)2cos2α]f s外圈故障特征频率:f O=zf c=z2[1−dDcosα]f s内圈故障特征频率:f i=z(f s−f c)=z2[1+dDcosα]f s滚动体故障特征频率:f r=f b=D2d[1−(dD)2cos2α)f s由轴承型号为SKF 6205-2RS JEM,转速1750 rpm可知:滚珠个数z=9;滚动体直径d=7.938mm;轴承节径D=39mm;滚动体接触角α=0; f s=N60=29Hz所以,f r=68Hz,f O=104Hz,f i=157Hz第4章 FFT后的结果故障诊断的图像根据4组数据,得到以下四张图。
图1 第一组数图2 第二组数据图3 第三组数据图4 第四组数据分析及结论图1的频谱中,在全频率段基本都有较高阶谐波,且呈对称状态,最大幅值在0Hz 和12000Hz左右。
图2的频谱中,在频率为0-2000Hz和Hz的频段有较高阶谐波,且呈对称状态,幅值较大,最大幅值在2000Hz和10000Hz左右。
在2000Hz-10000Hz的频段中,幅值很小。
图3的频谱中,在频率为2000Hz-4000Hz和8000Hz-10000Hz的频段有较高阶谐波,且呈对称状态,最大幅值在3000Hz和9000Hz左右。
在0Hz-2000Hz、4000Hz-8000Hz和10000Hz-12000Hz的频段中,波形振幅也不太平稳。
图4的频谱中,在频率为0Hz-4000Hz和8000Hz-12000Hz的频段有较高阶谐波,且呈对称状态。
在4000Hz-8000Hz的频段中,波形幅值较小。
由于正常轴承的频率比较集中,所以,图2为正常轴承,主要集中在0-2000Hz和Hz的频段。
故障轴承的频率较为分散,又由于外圈的轴承的高阶谐波段比内圈的轴承的高阶谐波段更加分散点,而图3除了高阶谐波段之外,其余波段都略显起伏,故较之图4在4000Hz-8000Hz波段的平稳,图3为外圈故障,图4为内圈故障。
对于图1,由于其在全波段都有很大的起伏,且在信号时域图中,与其余三图相差太大,故为滚动体故障。
附录x=y(:,1);;%信号数组subplot(2,1,1);plot(x);%时域波形xlabel('时间序列');ylabel('幅值');title('信号时域图');fs=12000;%采样频率N=length(x);n=0:N-1;y=fft(x,N);%进行fft变换m=abs(y(1:N))*2/N;%求信号的真实幅值f=n*fs/N; %进行对应的频率转换subplot(2,1,2)stem(f(1:N),m(1:N));%绘出频谱图xlabel('频率/Hz');ylabel('幅值');title('信号频谱图');grid on;x=y(:,2);;%信号数组subplot(2,1,1);plot(x);%时域波形xlabel('时间序列');ylabel('幅值');title('信号时域图');fs=12000;%采样频率N=length(x);n=0:N-1;y=fft(x,N);%进行fft变换m=abs(y(1:N))*2/N;%求信号的真实幅值f=n*fs/N; %进行对应的频率转换subplot(2,1,2)stem(f(1:N),m(1:N));%绘出频谱图xlabel('频率/Hz');ylabel('幅值');title('信号频谱图');grid on;x=y(:,3);;%信号数组subplot(2,1,1);plot(x);%时域波形xlabel('时间序列');ylabel('幅值');title('信号时域图');fs=12000;%采样频率N=length(x);n=0:N-1;y=fft(x,N);%进行fft变换m=abs(y(1:N))*2/N;%求信号的真实幅值f=n*fs/N; %进行对应的频率转换subplot(2,1,2)stem(f(1:N),m(1:N));%绘出频谱图xlabel('频率/Hz');ylabel('幅值');title('信号频谱图');grid on;x=y(:,4);;%信号数组subplot(2,1,1);plot(x);%时域波形xlabel('时间序列');ylabel('幅值');title('信号时域图');fs=12000;%采样频率N=length(x);n=0:N-1;y=fft(x,N);%进行fft变换m=abs(y(1:N))*2/N;%求信号的真实幅值f=n*fs/N; %进行对应的频率转换subplot(2,1,2)stem(f(1:N),m(1:N));%绘出频谱图xlabel('频率/Hz');ylabel('幅值');title('信号频谱图');grid on;。