滾動軸承故障診斷---文獻綜述(共5頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上滾動軸承故障診斷文獻綜述 2008-4-2 14:38:00 | By: mp2  0文獻綜述滾動軸承故障診斷1.前言滾動軸承是各種旋轉(zhuǎn)機械中應(yīng)用最廣泛的一種通用機械零件，它是機器最易損壞的零件之一。據(jù)統(tǒng)計。旋轉(zhuǎn)機械的故障有30是由軸承引起的?？梢娸S承的好壞對機器的工作狀況影響很大。軸承故障診斷就是要通過對能夠反映軸承工作狀態(tài)的信號的測取，分析與處理，來識別軸承的狀態(tài)。包括以下幾個環(huán)節(jié)：信號測取；特征提取；狀態(tài)識別：故障診斷；決策干預(yù)1。滾動軸承故障診斷傳統(tǒng)的分析方法有沖擊脈沖法，共振解調(diào)法，倒頻譜分析技術(shù)。在現(xiàn)代分析方法中，小波分析是最近幾年才出現(xiàn)井得以應(yīng)

2、用和發(fā)展的一種時頻信號分析方法。它具有時域和頻域的局部化和可變時頻窗的特點用它分析非平穩(wěn)信號比傳統(tǒng)的傅里葉分析更為最著。由于滾動軸承的故障信號中禽有非穩(wěn)態(tài)成分，所以剛小波分析來處理其振動信號可望獲得更為有效的診斷特征信息2。滾動軸承故障的智能診斷技術(shù)就是把神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊理論等技術(shù)與滾動軸承的特征參數(shù)有機地結(jié)合起來進行綜合分析的故障診斷技術(shù)。2.故障信號診斷方法2.1沖擊脈沖法(spm)SPM技術(shù)(Shock Pulse Method)，是在滾動軸承運轉(zhuǎn)中，當(dāng)滾動體接觸到內(nèi)外道面的缺陷區(qū)時，會產(chǎn)生低頻沖擊作用，所產(chǎn)生的沖擊脈沖信號，會激起SPM 傳感器的共振，共振波形一般為20kHz6

3、0kHz，包含了低頻沖擊和隨機干擾的幅值調(diào)制波，經(jīng)過窄帶濾波器和脈沖形成電路后，得到包含有高頻和低頻的脈沖序列。SPM 方法是根據(jù)這一反映沖擊力大小的脈沖序列來判斷軸承狀態(tài)的。此種方法目前被公認為對診斷滾動軸承局部損傷故障工程實用性最強的。此方法雖然克服了選擇濾波中心頻率和帶寬的困難，但這種固定中心頻率和帶寬的方法也有其局限性，因為，一些研究結(jié)果表明，滾動軸承局部損傷故障所激起的結(jié)構(gòu)共振頻率并不是固定不變的，在故障的不同階段可能激起不同結(jié)構(gòu)的共振響應(yīng),而不同部位的故障(內(nèi)、外圈、滾子)也會激起不同頻率結(jié)構(gòu)的共振響應(yīng)。顯然，固定的濾波頻帶有其局限性。實際使用情況表明，當(dāng)背景噪聲很強或有其他沖擊源

4、時，SPM診斷效果很差，失去實用價值。2.2共振解調(diào)技術(shù)共振解調(diào)法(Demodulated Resonance Analysis)也稱包絡(luò)分析法或高頻共振技術(shù)是處理機械沖擊引起的高頻響應(yīng)信號的有效方法。當(dāng)機械故障引起等間隔的高頻沖擊脈沖響應(yīng)信號時，用硬件進行高通濾波，檢波和低通濾波提取信號的包絡(luò)，或?qū)τ糜布蜍浖M行高頻帶通濾波后的信號進行Hilbert變換求包絡(luò)；對包絡(luò)信號檢測其峰值P、均值R或PR值，可診斷滾動軸承的某些故障。當(dāng)以軸承結(jié)構(gòu)系統(tǒng)的共振頻率為濾波器的中心頻率時，包絡(luò)分析方法存在著如何確定帶通濾波器的中心頻率和帶寬的問題。由于預(yù)先難以確定設(shè)備結(jié)構(gòu)系統(tǒng)的共振頻率，不同設(shè)備結(jié)構(gòu)系統(tǒng)共

5、振頻率的變化范圍又較大，為了使濾波器具有較大的適應(yīng)性，只好選擇較寬的濾波頻帶，但是，較寬的頻帶勢必引入大量的干擾噪聲，降低信噪比；若帶寬選得過窄則有可能漏掉結(jié)構(gòu)系統(tǒng)的共振頻率。對包絡(luò)信號進行譜分析可識別出沖擊產(chǎn)生的頻率，但是當(dāng)出現(xiàn)諧波或由于包絡(luò)信號存在幅值調(diào)制而引起和頻、差頻時，包絡(luò)譜變得十分復(fù)雜，難以識別；而此時，包絡(luò)譜單一譜峰的峰值也不能用于評價故障的嚴重程度。2.3小波分析小波變換是近年來發(fā)展起來的一種新的時頻信號分析方法，由于其良好的時頻特性，被國內(nèi)外廣大科研工程人員應(yīng)用于故障診斷領(lǐng)域。文獻21以Haar小波變換為基礎(chǔ)，采用脈沖指標為診斷參數(shù)，對滾動軸承進行故障診斷。對經(jīng)過小波變換方法

6、處理后的滾動軸承振動信號進行譜分析，以自定義的診斷參數(shù)作為識別滾動軸承損傷類故障的特征量，但是，由于該方法采用的變換尺度較小，當(dāng)存在其他低頻段強能量干擾時，該特征量的有效值得懷疑。小波變換與其他分析方法的結(jié)合對滾動軸承進行故障診斷，取得了良好的診斷效果。文獻22對振動信號進行小波分解，然后再進行包絡(luò)解調(diào)分析，減小了計算量，提高了診斷準確率。文獻23利用小波包對滾動軸承的振動加速度信號進行分解，得到振動信號在不同頻帶的能量，并以此作為特征向量，然后采用加權(quán)k近鄰法對滾動軸承進行故障診斷。文獻24利用小波包得到的滾動軸承在不同頻帶的能量特征與徑向基函數(shù)網(wǎng)絡(luò)(RBFN)相結(jié)合，同樣得到了理想的檢測結(jié)

7、果。2.4 倒頻譜診斷滾動軸承故障在對齒輪箱類設(shè)備進行故障診斷時為更準確地找出故障特征頻率。往往需要進行頻率細化分 昕。但在實際分析時發(fā)現(xiàn)，僅進行頻率細化分析有時還無法看清頻率結(jié)構(gòu)。還需要進一步做倒頻譜分析倒頻譜能較好地檢測出功率譜上的周期成分通常在功率譜上無法對邊頻的總體水平做出估計而倒頻譜則具有“概括”能力。能較明顯地顯示出功率譜上的周期成分，使之定量化。將原來譜上成族的邊頻帶簡化為單根譜線。便于觀察。而齒輪、軸承等零部件發(fā)生故障時，振動頻譜具有的邊頻帶一般都具有等間隔(故障頻率)的結(jié)構(gòu)，利用倒頻譜的這個優(yōu)點?？梢詸z測出功率譜中難以辨識的周期性信號。3.故障信號的智能診斷技術(shù)滾動軸承的智能

8、診斷技術(shù)就是利用人工智能技術(shù)中的專家系統(tǒng)、知識工程、遺傳算法、模糊理論和人工神經(jīng)網(wǎng)絡(luò)等技術(shù)和滾動軸承的特征參數(shù)或其他信號處理方法相結(jié)合對軸承故障進行診斷與監(jiān)測。文獻25利用滾動軸承中狀態(tài)監(jiān)測中的幾個特征量，即峰值、有效值、峭度值，軸承外圈、內(nèi)圈和滾動體的特征頻率幅值等參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，對滾動軸承的故障進行診斷，試驗表明該方法可以對軸承故障進行有效的監(jiān)測和診斷。文獻26將分形維數(shù)概念與多層感知器神經(jīng)網(wǎng)絡(luò)結(jié)合，以分形維數(shù)作為特征量輸入的分形神經(jīng)網(wǎng)絡(luò)診斷方法，應(yīng)用到軸承系統(tǒng)實例診斷分析，獲得了明顯的診斷結(jié)果。文獻27構(gòu)造了基于P一范數(shù)模糊神經(jīng)網(wǎng)絡(luò)，算法可以對SugenoTakagi模型進行

9、逼近，因而更便于學(xué)習(xí)，克服了單純前向神經(jīng)網(wǎng)絡(luò)訓(xùn)練中容易陷入局部極小及收斂速度較慢的缺點。文獻28將小波包和神經(jīng)網(wǎng)絡(luò)相結(jié)合，先利用小波包分解對滾動軸承的動態(tài)信號進行分析、提取特征，然后采用Kohonen神經(jīng)網(wǎng)絡(luò)進行滾動軸承故障診斷。文獻29利用遺傳規(guī)劃的方法對滾動軸承的振動信號幅值特征參數(shù)進行自組織，生成了高分辨率的用于逐次診斷的最佳特征參數(shù)，以提高軸承故障診斷的準確率。明延鋒在文獻30中提出了一種基于并行組合模擬退火算法的故障識別方法。此算法是將模擬退火算法較強的局部搜索能力和遺傳算法對搜索過程總體較強的把握能力相結(jié)合，相互取長補短，而構(gòu)成的一種性能優(yōu)越的全局搜索算法。試驗表明該算法在滾動軸承

10、早期故障信號(弱信號)識別應(yīng)用中非常有效，但存在運算速度慢的缺點。3 總結(jié)近幾年，新技術(shù)和新方法層出不窮，人工智能和計算機在軸承故障診斷中的應(yīng)用越來越廣泛，今后的發(fā)展方向主要體現(xiàn)在以下方面：(1)時域分析和頻譜分析在軸承故障診斷中的應(yīng)用將日趨完善；(2)對于軸承故障診斷的理論和方法進一步深入研究，并且各種研究成果將會逐步應(yīng)用到實際生產(chǎn)；(3)故障診斷智能系統(tǒng)進一步的深入研究，多種軸承故障分析方法相結(jié)合，如小波神經(jīng)網(wǎng)絡(luò)、模糊識別與小波分析相結(jié)合等新分析方法應(yīng)用智能專家系統(tǒng)，提高診斷的效率和準確率；(4)隨著計算機和網(wǎng)絡(luò)技術(shù)的發(fā)展，遠程故障診斷將是現(xiàn)代故障診斷發(fā)展的一個重要的方向。參考文獻1 王軍

11、. 滾動軸承故障診斷. 中國高教論叢,2002,24(2):27302 秦香敏，潘宏俠. 滾動軸承故障診斷方法研究. 科技情報開發(fā)與經(jīng)濟,2007,17(2):1501513 仇學(xué)青,張鑫.滾動軸承故障診斷研究的國內(nèi)現(xiàn)狀與發(fā)展方向.煤礦機械,2007,28(6):684 金曉光，高德柱.倒頻譜分析在滾動軸承故障診斷中的應(yīng)用. 冶金動力,2007,4:93975 岳建海,裘正定.信號處理技術(shù)在滾動軸承故障診斷中的應(yīng)用與發(fā)展.信號處理,2005,21(2):1851906 周曉凱。機械設(shè)備故障診斷理論方法及其應(yīng)用的研究，天津大學(xué)博士論文，1993。7 鐘秉林黃仁機械故障診斷學(xué)M北京：機械工業(yè)出版社

12、19978 中國機械工程學(xué)會設(shè)備管理與維修雜志川2001年8月9 韓慶大設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)【M耽陽：東北大學(xué)設(shè)備診斷工程中心。200510 盛兆順，尹琦玲設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)及應(yīng)用【M】北京：化學(xué)工業(yè)出版社，200311 王江萍機械設(shè)備故障診斷技術(shù)及應(yīng)用U1西安：西北工業(yè)大學(xué)出版社，200112 劉惟信機械可靠性設(shè)計M北京：清華大學(xué)出版社，199613 孔瑞蓮航空發(fā)動機可靠性工程M北京：航空工業(yè)出版社，199514 李濤，賀永軍，劉志儉Matlab工具箱應(yīng)用指南一應(yīng)用數(shù)學(xué)篇M北京：電子工業(yè)出版社，200015 張志涌，徐彥琴Matlab教程一基于6X版M北京：北京航空航天大學(xué)出版

13、社，200116 楊福生小波變換的工程分析及應(yīng)用M北京：科學(xué)出版社，199917 沈松，劉進明用小波變換識別機械故障中的通過振動J振動與沖擊，1999，18(2)18 張賢達現(xiàn)代信號處理M北京：清華大學(xué)出版社，200219 張賢達，保錚非平穩(wěn)隨機信號分析與處理北京：國防工業(yè)出版社，199931532020 吳今邁設(shè)備診斷實例上海：上?？茖W(xué)技術(shù)文獻出版社1997182 18721 Yan Yuling，Shimogo TaroApplication of the impulseindex in rolling element beating fault diagn osisMechanical

14、systems and signal processing，1 992，6(2)22 Rubibi Rand Meneghetti UApplication of the envelopeand wavelet tran sforin an alyses for the diagnosis ofincipient faults in ball bearingsMechanical Systems andSignal Processing，2001，15(2)，28730223 夏利民，谷士文等。基于小波包分析的貨車滾動軸承故障診斷，中國鐵道科學(xué)，2002，23(6)。24 李世玲，李治等?；谛〔ò芰刻卣鞯臐L動軸承故障監(jiān)測方法，系統(tǒng)仿真學(xué)報，2003，15(1)。25 Bo Li and MoYuen Chow，etcNeuralnetworkbasedmotor rolling bearing fault diagn osis，IEEE tran sactionson industrial electronics，October,2000，47(5)26 侯祥林，李永強等。非線性機械設(shè)備系統(tǒng)的