1、一种频谱分析的滚动轴承故障诊断系统中图分类号：TH133.3 文献标识码： A 文章编号： 摘要：由于在机械系统中，滚动轴承是一种故障多发的机械零部件，设计出能够有效检测滚动轴承故障的诊断系统具有很重要的意义。本文在基于滚动轴承常见故障下建立故障频率分布模型，并针对干扰故障模型的噪声信号设计了 FIR 高通数字滤波器来提取出有效故障频率段。结合工程实例设计了对工程用发电机转子轴承的故障诊断系统，并且通过实验测试发现有很好的效果。 关键词：滚动轴承、故障诊断、频谱分析、FIR 滤波器 Roller bearing fault diagnosis system based on fuzzy neu
2、ral network Abstract: In the mechanical system, roller bearing is a failure-prone mechanical part. It is very important significance that the system detect rolling bearing fault diagnosis effectively can be designed. This paper is established the fault frequency distribution model based on the rolle
3、r bearings common failure and designed a FIR high-pass digital filter that extract the effective failure frequency from the interference noise signal of the fault model. Fault diagnosis system has been designed for engineering generator rotor bearing with an engineering example, it was tested on exp
4、eriment and was found to have a very good result . Key words: rolling bearing; fault diagnosis; frequency spectrum analysis; FIR digital filter 0 引言 随着机械工业的大力发展，滚动轴承是应用十分广泛的重要机械基础零件。滚动轴承具有效率高，摩擦阻力小，装配方便，润滑容易等特点，因而在旋转机械中得到广泛的应用。滚动轴承是大部分旋转机械的组成部件，但滚动轴承却是易损元件，许多旋转机械的故障都与滚动轴承有关1。据有关资料统计，机械故障的 70%是振动故障，而
5、振动故障中有 30%是由滚动轴承引起的2。 在滚动轴承出现故障时，直接检测故障信号是十分困难的。一般的检测方法是利用轴承故障产生的二次效应的变化来作为故障诊断的依据，比如振动、噪声、热量等3。而根据二次效应的不同特征，其诊断的方法各有不同。在众多的轴承故障诊断方法中，振动检测方法是应用最广泛的一种方法，这主要是因为振动信号提供的故障信息多，对早期故障轴承都具有较强的检测能力。 振动法是通过安装在轴承座或箱体上适当位置的振动传感器测量轴承振动信号，并对该信号进行处理和分析来判断轴承的工况和故障。由于振动法具有可以适用于各种类型各种工况的轴承；可以有效的诊断出早期微小的故障；信号测试与处理简单、直
6、观；诊断结果可靠等优点，所以在实际应用中使用极为广泛。目前，在国内外开发生产的滚动轴承故障监测与诊断仪器和系统中大部分是根据振动法的原理开发的，有关轴承监测与诊断方面的文献也大部分讨论的是振动法。4从适用性、实用性和有效性的观点看，振动法也是最好的方法5。 其它的振动方法还有利用声发射技术、光纤技术进行滚动轴承故障诊断，但由于各种原因和局限性，这些技术的应用还没有普及。 1 故障诊断理论与方法 1.1 滚动轴承故障模型与理论故障频率计算 滚动轴承振动信号是滚动轴承状态信息的载体，它蕴含了丰富的异常或故障信息，而振动特征是轴承运行状态好坏的重要标志。因此，振动测试是滚动轴承运行状态的基本测试手段
7、。对振动信号的检测能够获得轴承状态的有效信息，对它的分析则是滚动轴承诊断领域中一个被广泛采用的方法。 现在常用的滚动轴承故障诊断的方法主要有：时域、频域和频-时域等。本文主要是采用频域分析方法对轴承早期故障进行精密诊断。直接对轴承振动信号进行频谱分析，结合频谱图的频率分布和特征频率来判断轴承的故障。 频域分析主要包括频谱分析、功率谱分析和倒频谱分析，这些计算所用的基本方法都是通过快速傅里叶变换 FFT 法，频谱分析是将离散序列xi经 FFT 变换成频域中的序列xk ，k=0,1,N-1 滚动轴承各元件的振动频率计算公式如下： 当滚动体缺陷时。一般的公式： 当外环静止、内环运动和内环静止、外环运
8、动时，公式分别可变为：当内滚道（外环）缺陷时。一般的公式： 当外环静止、内环运动和内环静止、外环运动时，公式分别可变为：当外滚道（内环）缺陷时。一般的公式： 当外环静止、内环运动和内环静止、外环运动时，公式分别可变为：公式中各项参数为：n滚动体的个数；d滚动体的直径；D轴承节径；fn内环的旋转频率；fw外环的旋转频率。 1.2 信号的提取与滤波器设计 在实际测量中，由于轴承安装不对中，轴承径向载荷以及滚道粗糙造成的干扰信号也会被传感器采集进来，这样必然会影响到故障点的判断，所以对干扰噪声的滤波就显得尤为重要。 轴承安装不对中导致信号中产生与轴承转动同频率的周期信号，且根据轴承不对中的程度信号的
9、幅值也不同，严重影响对信号的分析。由于轴承制造工艺上的限制以及经过长时间的使用，轴承的内外滚道势必会变得越来越粗糙，产生的高频随机噪声也会干扰系统的准确测量，但是这些不会构成故障对机器设备产生直接的影响，因此可以忽略。所以，通过分析上面两种噪声信号，发现由于轴承安装不对中产生低频信号远远低于轴承故障产生的信号频率。所以选用 FIR 高通数字滤波器对测量的实际信号进行滤波，去除低频噪声的影响。 数字 FIR 高通滤波器的阻带截止频率设计为 90Hz，通带截止频率为120Hz，阻带抑制比 80dB，通带波纹度为 1dB，高通滤波器的频谱图如图1 所示。 图 1FIR 高通滤波器的频谱图 通过 ma
10、tlab 模拟仿真出同时具有两种故障特征的振动测试信号，该振动测试信号中既有当滚动体缺陷和内滚道缺陷时产生的故障信号，又包含了轴承不对中产生的与轴承旋转同频率的噪声信号和滚道粗糙产生的高频随机噪声信号。测试信号的频谱图如图 2 中的上图所示。经过滤波器滤波后测试信号的频谱图如图 2 中的下图所示。可以看出，信号中由于轴承不对中产生的 50Hz 噪声信号被完全滤除掉，仅剩下两个由轴承故障产生的振动信号，方便人为观察和计算机频率识别。 图 2 滚动轴承故障测试信号频谱图 2 实例分析 在实际中以工程发电机为例，发电机的转子主轴在工作的时候以很高的速度旋转，然而支撑转子的滚动轴承的好坏直接影响到发电
11、机的整体性能。当滚动轴承出现故障时，发电机的振动加剧，产生强烈的噪音，严重会损坏发电机，造成严重的经济损失。因此对发电机转子轴承故障的检测具有重要的意义。 根据前面的分析将振动传感器安装在发电机转子轴承处的支撑架上。由于轴承在损坏时转子在旋转时将产生振动，并带动机架也随之振动。经过对机械的结构分析发现，机架的振动在轴承处最为明显。振动传感器选用磁铁吸附安装型传感器，在机架上选择一处较为平坦的地方，用磨具打磨掉表面的锈蚀和油漆，将振动传感器牢牢的吸附在机架上。 振动传感器的引线端连接一个信号调理电路，主要是将振动传感器输出的电信号转化为可以直接输入到数据采集卡里面的 0-+10V 标准电压信号。
12、这样可以提高数据采集精度，避免出现由于输入电压太小降低了数据采集卡对信号电压的分辨精度。数据采集卡选用研华的 PCI-1713 模拟量输入卡，支持 32 路单端或 16 路差分输入，12 位 A/D 转换分辨率采样速率可达 100KHz。 经过数据采集卡后直接将采集到的振动信号数据输入到计算机中，通过在计算机中构建 FIR 软件滤波器滤除掉干扰故障信号的噪声，并且通过频谱分析软件检测出振动信号的峰值频率。得到故障信号的峰值频率后通过前面的理论分析可以判断出轴承的故障信息。并且可以通过现场的仪表显示出来也可以通过网络上传到集中控制中心进行统一的调度。滚动轴承的故障诊断系统结构图如图 3 所示。
13、图 3 滚动轴承故障诊断系统结构示意图 利用该系统对轴承进行故障检测，经过系统滤波和频谱分析后得出分析后的振动信号频谱图如图 4 所示。分析发现，该振动信号在 350Hz和 470Hz 的频率下有较强的振动信号分布，通过前面的理论分析发现该轴承可能存在滚动体缺陷和内滚道缺陷的故障。在其他频率段存在的幅值较低的尖峰频率信号来自于发电机其余机构产生的频率，如柴油机活塞振动，机架的固有频率以及机械传动件的不对中间隙产生的振动等。 图 4 实际轴承振动测试后的频谱图 3 结论 本文通过对滚动轴承故障特性的研究，了解到滚动轴承的故障中滚动体故障、内滚道故障和外滚道故障的故障频率特征，并结合角接触球轴承建
14、立了滚动轴承故障特征频率模型。根据故障频率模型确定了在轴承故障时的频率分布，并设计了 FIR 数字高通滤波器来滤除轴承不对中产生的低频干扰信号。在得到轴承的测试频谱分布后，通过设计了基于数据采集卡的振动传感器数据采集系统来对工程用发电机的转子轴承的故障进行诊断。分析转子轴承的振动信号频谱图发现该轴承出现的滚动体缺陷和内滚道缺陷可以很好的被检测出来。在实际使用中可以取得很好的效果。 参考文献： 1 高国华.滚动轴承故障诊断虚拟仪器的开发D.中国矿业大学.2002.05 2 张思扬，匡芳君，徐薇鸿. 基于 WPD 和模糊神经网络的轴承故障诊断J. 湖南科技大学学报（自然科学版）.2010.06.25(2):28-31 3 雷继尧，丁康.轴承故障诊断M.西安交通大学出版社.1991.07 4 杨海，王蒙，王建.矿山机械滚动轴承的常见故障分析与诊断J.煤矿机械.2010.08.31（08）：251-253 5 李辉, 郑海起,唐力伟. 基于倒双谱分析的轴承故障诊断研究J.振动、测试与诊断.2010.08.30(4):353-355 6 苏敏,王勇等. 基于 LabVIEW 的滚动轴承故障诊断系统J.轴承.2010.9:41-44
