轴承故障诊断

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。

滚动轴承故障诊断方法综述

摘要：机械装备的安全运行对于现代工业发展具有重要的现实意义，同时也能有效保障人员安全和降低企业经济损失，因此相关的设备故障诊断技术也得到极大关注。轴承作为机械装备特别是旋转机械设备中的重要基础部件，各种复杂工况下，容易发生滚动体变形、磨损、腐蚀、裂缝等各种形式的缺陷，因此如何实现对滚动轴承的故障检测和识别具有重要的意义。

关键词：机械；滚动轴承；故障诊断

引言

轴承故障诊断主要采用的手段是获取设备的振动信号、声发射信号、电磁信号、超声信号等，通过一定的手段从这些信号之中获得轴承的相关故障信息。通常所采集得到的信号不能直接作为模式识别工具的输入数据，因为这些原始信号不仅数据量大同时对于轴承所处的工况比较敏感，需要对采集的数据进一步处理。从某种意义上讲，机械故障诊断可视为一个故障模式识别过程，模式识别技术的发展对于机械故障诊断技术的发展有着直接的影响。通过设计合理的模式分类器来进行故障模式识别是故障诊断的又一关键步骤[2]。目前在轴承故障诊断领域主要采用统计模式识别方法和人工智能识别方法两大类。随着人工智能技术的不断发展，为解决滚动轴承的故障诊断问题提供了新的手段和方法，本文主要针对滚动轴承故障模式识别方面的研究工作进行综述，并给出相关的研究趋势。

1基于贝叶斯推理的故障模式识别技术

首先采用小波包分解得到峭度特征量；然后，采用主成分分析法、核主成分分析法等降维方法选择合适的特征量，最后将选择的特征量送入到朴素贝叶斯分类器和线性判别分析模型（LDA）中，从而实现对轴承的故障进行分类。基于红外图像分割的旋转机械故障诊断方法，首先采用图像分割算法对红外图像进行特征提取，然后采用特征融合算法进行故障特征融合，最后将融合后的特征量分别作为朴素贝叶斯分类器和支持向量机分类模型的输入量，对这两种识别模型进行训练并将训练后的模型用于故障识别。实验结果表明该算法具有故障模式识别分类准确度高、速度快等优势。但由于朴素贝叶斯分类算法建立在属性条件独立性假设的基础之上，而此假设在实践过程常常并不满足，因此该方法在实际轴承故障诊断应用中具有一定的局限性。

滚动轴承的故障诊断⽅法研究

滚动轴承的故障诊断⽅法研究

第1章绪论1.1研究的⽬的和意义

滚动轴承是⽣产机械中的地位⽆可替代，当然也最易损坏的部件。其运⾏状态会直接影响整台机械⼯作效率、精度寿命和可靠性。滚动轴承的损坏会导致⽣产机械剧烈振动，并伴有强⼤噪声，不仅会影响产品的加⼯质量，严重时会导致⽣产机械的损坏或机械事故。随着电机的⼴泛应⽤及其⾃动化程度的不断提⾼，对其安全性、精度和故障诊断的准确性的要求也随之提⾼。传统的诊断⽅法不仅成本较⾼、准确率偏低，并且更新费⽤⾼，已然不能满⾜⾼科技设备的需求。基于以上原因，本⽂在虚拟仪器的环境下，利⽤多传感器信息融合技术，实现滚动轴承的故障诊断，会对现在和将来的⽣产技术提供强有⼒的帮助。1.2国内外电机滚动轴承故障诊断的研究现状

近现代以来，国内和国外的研究机构及学者在电机滚动轴承故障诊断的理论、技术与⽅法等⽅⾯进⾏了⼤量的研究分析⼯作，发表了诸多研究成果。

在国外，美国南卡罗林娜⼤学运⽤振动响应的多参数多频率的⽅法，对具有裂纹的和损伤的故障轴承进⾏诊断，⽬前已经取得了良好的成果。美国宾州⼤学采⽤alpha beta -gamma跟踪滤波器和Kalman滤波器，对轴承故障的智能预⽰实现了完美成功。⽇本九州⼯业⼤学运⽤基因算法优化组合特征参数，成功诊断出⼯况滚动轴承微弱故障。意⼤利的Cassino⼤学，使⽤⾃谱技术对出现的轴承进⾏检测，判断故障轴承的初始问题，到⽬前为⽌也取得了有效的研究成果。国外的这些技术有我们值得借鉴的地⽅，去其糟粕取其精华，研究更有技术的故障轴承诊断系统。

在国内，当滚动轴承存在故障时，⼤都以振动检测为主，因为轴承故障后常伴随巨⼤的声响，以及明显的外观表现。国内的主要研究成果如下图所⽰。

或⾃⾝故障等多个⽅⾯的原因，会对故障造成误判或错判，如:声级计传感器易受到噪声的⼲扰，不能准确、⽆失真的反映滚动轴承的真实信号，温度传感器由于易受到外界温度的⼲扰，也常会出现误判或者错判等等。调研及试验结果表明，滚动轴承出现故障时，最明显的特征是机床振动信号的变化，与此同时其电机的电流也会发⽣变化，且电流可以敏感的反映故障信息。所以，运⽤加速度传感器监测机床的振动信号、电流传感器监测电机的电流变化信号，并在智能信息处理技术上，通过多传感器信息融合，获取滚动轴承的故障信息，是较为简单且效的⽅法。1.3本⽂的主要研究⼯作

～　～　譬　…　一…一　嚣　麓　……　＾　舭…　麓茹ｊ　黟　蒜…　

一、前言　

在钢铁厂内，轴承故障是机械　

设备主要的故障形式之一，对于轴　

承故障的及早诊断与分析有利于提　

高机械设备视情维修的准确性，降　

低故障率，是现代钢铁企业优化设　

备管理及进行预知维修的一个重要　

方面。　

二　滚动轴承故障的基　

本形式　

滚动轴承一般由滚动体、内　

圈、外圈和保持架四大件组成。当　故障诊断及经验总结　

福建三安钢铁有限公司　（安溪３６２４１　１）　杨国华　

【摘要】介绍了滚动轴承故障的基本形式、国内新近的监测　方法及诊断原理，并针对滚动轴承故障进行了经验总结。　Ｉ关键词】滚动轴承故障诊断共振解调非线性　

轴承工作时，往往是内圈（外围）转动　

而另外一个套圈保持固定，滚动体　

沿着滚道既作自转又作公转运动，　保持架随着滚动体的公转而作圆周　

运动，其运动状况主要是滚动兼滑　

动摩擦。　

滚动轴承在使用过程中由于　

本身质量或外部原因，它的承载能　

力、旋转精度和耐磨性能会发生变　

化。当轴承的性能指标低于使用要　

求而不能正常工作时，轴承就发生　

了故障甚至失效，其基本形式主要　

有以下几种。　

（１）疲劳剥落轴承在较高的　转速下，在巨大的交变接触应力多　

次反复作用下，金属会发生疲劳，　

表现为滚动体或辊道表面剥落，初　期是形成不规则的小凹坑，以后逐　

步延伸成片。　

（２）非自然剥落由于轴承型　

号选用不对或安装不当等人为因素　

引起的、发生在轴承使用中期或早　

期的剥落称为非自然剥落。　

（３）磨损磨损是滚动轴承最　

常见的一种损伤现象。由于长时间　

运转，混杂在润滑油中的杂质微粒　

侵入轴承，就会在滚动体与滚道上　

发生磨粒磨损，使工作表面上出现　

解。在冷却器前改变进入冷却器的　

高温气体温度，实际上是改变了冷　

却器的效率。剩余部分的冷空气在　

冷却器后混入。如果把Ａｆ设定得较　

小的话，风机的设计运行工况则会　

非常接近于恒温工况。温度损失和　风量损失越小。　

五、结语　

综上所述，对于输送高温气体