发布时间 : 星期三 文章机械故障诊断 滚动轴承故障诊断更新完毕开始阅读
断轴承的状态是日前最适用的方法。国内外开发生产的轴承监测与诊断仪表绝大多数都是根据振动诊断原理制成的。
由于轴承的结构特点和不可避免的加上与安装误差，正常轴承运行时．不避免地已有相当复杂的振动，再加上轴承所在设备的各种振动干扰，所以根据振动信号判别轴承故障的关镕是排除干扰提高信噪比，这是一件十分复杂的技术。因此目前单独根据振动信息诊断轴承故障还不是十分可靠的技术．最好采用多种方法进行综合诊断。
(3)温度诊断法。轴承元件损伤，轴承的温度便会升高，所以对轴承可以进行温度监测。这种方法简单易行使用最早。但是它的灵敏度很低、响应也傻，特别是工作表面剥落、压痕或裂纹等局部性损伤在初期阶段几乎小pJ能根据温度变化检测出来。不过温度对轴承载荷、速度和润滑泊情况的变化还比较灵敏，所以温度诊断法对防止轴承故障还有重要意义，至今仍普遍采用。
(4)油膜电阻法。运行中的滚动轴承，由于滚道与滚动体之间形成泊膜，所以电阻很大．常在兆欧以上，若轴承损伤，润滑状态恶化，则油膜破坏，电阻变小到零酞附近。利用这种变化就可对轴承故障进行诊断。
(5)光纤监测技术。用光纤位移传感器监测轴承的运行状态是—“种直接从轴承套图表面提取信息的诊断技术，灵敏度高．传递通道的影响小。用光导纤维制成的传感器台有发送光纤束与接收光纤束两部分，光线从发射光纤束射出、 经传感器端面和铂敢套图表面间的间隙照射到套图表面上，然后反射回来，由接收光纤束至收：经光电元件转换为电压输出，间隙量d改变时，照射在套图表面的面积也随之改变，接收光纤束接收的光量、光电元件输地的电压也随之改变，可以判别轴承套圈的径向变化量和轴承的状态。 (6)油污染物分析。检测润滑油中轴承磨损产物可有效地判断轴承是否损伤。常用的分析方法有铁谱分析法和磁塞分析法。但这两种方法只适用于油润滑轴承，局限性大。
二、案例分析
1)电力机车滚动轴承诊断案例分析
当一个发生局部损伤的轴承运行时，由于滚动体的不断滚动，在接触损伤时会发生周期性的冲击信号，但在故障的早期阶段，这些特征往往淹没于噪声之中，很难分辨，这为更大的故障发生留下了隐患。因此需要及时发现故障并排除，保证机械设备的安全运行。本节中将基于改进相邻系数法的多小波降噪方法应用于机车滚动轴承的早期故障诊断中，致力于提取强噪声背景下的微弱故障特征。 这里所检测的客运型电力机车走行部的滚动轴承与1节中为同一轴承，轴承参数如表1所示，损伤如图1所示。测试时，采样频率为12800Hz，轴承转速为481r／rain。可计算外圈的故障特征频率f=53Hz，而相应的周期即为18．9ms。 采集到的时域振动信号如图1所示。可以看到，噪声强度很大，淹没了特征信息，通过时域信号很难分辨出存在冲击。
图 1 外圈轻微损伤的滚动轴承时域信号
首先采用FFT与谱峭度方法分析信号。其中，谱峭度方法是近年来发展起来 的一种有效提取故障特征的方法，该方法通过对信号进行分解获得多个不同频率 中心与带宽的频带，并在这样的频带中依据峭度选择敏感频带，并滤波获得所关心的信号，从时域及频域分别检测故障。图2为信号的频谱。图2中显示频谱中频率内容非常丰富，覆盖了从低频到高频的范围，而这其中没有太突出的频率成分，因此很难通过频域直接获得故障的特征信息。图2为采用谱峭度方法滤出的峭度最高的频段，带宽为800Hz，中心频率为6000Hz。从图2中可以看到，在[o．03s，0．08s]以及[o．16s，0．23s]之间存在较为明显的冲击，而其他位置的冲击并没有被准确地提取。因而，在图2中出现了53Hz中的谱线，但谱峰并不是很突出，而且由于谱峭度运算中的下抽样运算影响了平方包络谱的精度，造成频率分辨率下降，因此，通过该结果来判断故障存在并不严密。
图 2振动信号频谱及谱峭度方法处理结果
其次，采用Db8单小波分别结合硬阈值、软阈值及传统相邻系数法来对该信 号进行降噪。图3为采用Db8单小波硬阈值的降噪结果。尽管图3中冲击特征较为突出，但在 [o．1ls，0．15s]之间的特征却在阈值处理时被误认为是噪声而置零了。而且，在t=0．21s附近出现了一条干扰线，这是对噪声不能合理抑制造成的。图3为Db8单小波软阈值降噪的结果。在图3中[0．05s，0．15s-]内的冲击均不能分辨出来，结果比较模糊。图3中采用Db8单小波传统相邻系数法降噪的结果要好于上面两种方法，没有出现无关的干扰冲击，但[o．1ls，0．17s]区间内的冲击仍然比较微弱，难以识别。
图 3 Db8单小波降噪结果
接下来GHM多小波用于对该轴承信号分解并降噪。图4为采用GHM多小波硬
阈值降噪的结果。图4中冲击较为明显，但无关的冲击也较多，这些无关信息干扰了对故障的判断。其中，采用GHM多小波软阈值的结果与图4中类似，由于软阈值对系数的收缩作用，特征不够突出。而图4中相邻系数法有效地抑制了无关冲击，但对于几个微弱冲击的提取仍然不够好。
最后，采用基于改进相邻系数法的多小波降噪方法对该信号进行分析，如 图4所示。可以看到，该方法不仅准确地提取出所有的冲击特征，而且对于无关的干扰信息的抑制也很成功，清晰地体现出外圈故障造成的周期性冲击特征，周期18．9ms也验证了该方法的有效性。
图 4 改进相邻系数法的多小波降噪方法分析结果
2）轴承外圈故障诊断案例
图5为滚动轴承外圈存在一个直径为0．53mm、深为0．28mm的损伤时采集