滚动轴承故障诊断方法与技术综述
中国石油大学（华东）现代远程教育大作业
课程名称：故障诊断技术
报告名称：滚动轴承故障诊断方法与技术综述
学生姓名：**
学 号：2280745500016
年级专业层次：专升本
学习中心：江苏苏州学习中心
提交时间：2022年6月19日
滚动轴承故障诊断方法与技术综述
摘要：滚动轴承在机械设备中运用非常广泛，其工作状态直接影响整个设备的运行质量，对滚动轴承进行状态监测与故障诊断，能够尽早发现轴承故障从而避免重大事故的发生。
通过广泛查阅国内外文献和资料，了解国内外轴承故障诊断方法与应用技术的发展历史与现状，并在此基础之上，对6306滚动轴承采用适当的故障诊断技术进行分析（如振动诊断技术），并可比较不同诊断技术的优缺点。滚动轴承作为旋转机械设备中使用频率较高，同时也是机械设备中较为薄弱的环节，因此对滚动轴承进行故障诊断具有重大意义。
故障诊断技术是一门研究设备运行状况信息，查找故障源，研究故障发展趋势，确定相应决策，与生产实际紧密相结合的实用技术。故障诊断技术是20世纪中后迅速发展起来的一门新型技术。国外对滚动轴承故障诊断技术的研究开始于20世纪60年代。美国是世界上最早研究滚动轴承故障诊断技术的国家，于1967年对滚动轴承故障进行研究，经过几十年的发展，先后研制了基于时域分析，频域分析，和时频分析的滚动轴承故障诊断技术。
目前国外已经研制出先进的滚动轴承故障诊断仪器，并且已经应用于工业生产中，对预防机械事故，减少损失起到了至关重要的作用。国内对故障诊断技术的研究起步较晚，20世纪80年代我过开始研究滚动轴承故障诊断技术，经过多年的研究，先后出现了基于振动信号的滚动轴承故障诊断，基于声音信号的滚动轴承诊断方法，基于温度的滚动轴承诊断方法，基于油膜电阻的滚动轴承诊断方法和基于光钎的滚动轴承诊断方法。从实用性方面来看，基于振动信号的滚动轴承诊断方法具有实用性强，效果好，测试和信号处理简单等优点而被广泛采用。在滚动轴承故障诊断中，比较常用的振动诊断方法有特征参数法，频谱分析法，包络分析法，共振解调技术。其中共振解调技术是目前公认最有效的方法。
振动检测能检测轴承的剥落、裂纹、磨损、烧伤且适于早期检测和在线检测。因而，振动诊断法得到一致认可 。包络检测是轴承故障振动诊断的一种有效方法,实际中已广泛使用。当轴承出现局部损伤类故障后，振动信号中包含了以故障特征频率为周期的周期性冲击成分，虽然这些冲击成分是周期出现的，但单个冲击信号却具有非平稳信号的特性。Fourier变换在频域上是完全局部化的，但由于其基函数在时域上的全局性使它没有任何的时间分辨率，因此不适合非平稳信号的分析。短时Fourier 变换虽然在时域和频域上都具有一定的分辨率而由于其基函数只能对信号进行等带宽的分解。因此基函数一旦确定，其时域和频域分辨率也就不能变化，从而不能自适应地确定信号在不同频段的分辨率。小波变换基函数的伸缩和平移能形成一系列变化的时频窗，低频处时窗变宽，高频处时窗变窄，而频窗的变化正好相反，这样小波变换就具有了可变分辨率的特征，从而满足了时频分析的要求。因此，可以用小波变换对滚动轴承进行状态监视和故障诊断。
关键词：（轴承检测，故障诊断，共振调解，小波分析）
滚动轴承是各种旋转机械中应用最广泛的一种通用机械零件，它是机器最易损坏的零件之一。据统计。旋转机械的故障有30％是由轴承引起的。可见轴承的好坏对机器的工作状况影响很大。轴承故障诊断就是要通过对能够反映轴承工作状态的信号的测取，分析与处理，来识别轴承的状态。包括以下几个环节：信号测取；特征提取；状态识别：故障诊断；决策干预[1]。
滚动轴承故障诊断传统的分析方法有冲击脉冲法，共振解调法，倒频谱分析技术。
在现代分析方法中，小波分析是最近几年才出现井得以应用和发展的一种时—频信号分析方法。它具有时域和频域的局部化和可变时频窗的特点．用它分析非平稳信号比传统的傅里叶分析更为最著。由于滚动轴承的故障信号中禽有非稳态成分，所以刚小波分析来处理其振动信号．可望获得更为有效的诊断特征信息[2]。
滚动轴承故障的智能诊断技术就是把神经网络、专家系统、模糊理论等技术与滚动轴承的特征参数有机地结合起来进行综合分析的故障诊断技术。 2.1冲击脉冲法(spm)
SPM技术(Shock Pulse Method)，是在滚动轴承运转中，当滚动体接触到内外道面的缺陷区时，会产生低频冲击作用，所产生的冲击脉冲信号，会激起SPM 传感器的共振，共振波形一般为20kHz～60kHz，包含了低频冲击和随机干扰的幅值调制波，经过窄带滤波器和脉冲形成电路后，得到包含有高频和低频的脉冲序列。SPM 方法是根据这一反映冲击力大小的脉冲序列来判断轴承状态的。此种方法目前被公认为对诊断滚动轴承局部损伤故障工程实用性最强的。此方法虽然克服了选择滤波中心频率和带宽的困难，但这种固定中心频率和带宽的方法也有其局限性，因为，一些研究结果表明，滚动轴承局部损伤故障所激起的结构共振频率并不是固定不变的，在故障的不同阶段可能激起不同结构的共振响应,而不同部位的故障(内、外圈、滚子)也会激起不同频率结构的共振响应。显然，固定的滤波频带有其局限性。实际使用情况表明，当背景噪声很强或有其他冲击源时，SPM诊断效果很差，失去实用价值。
2.2共振解调技术
共振解调法(Demodulated Resonance Analysis)也称包络分析法或高频共振技术是处理机械冲击引起的高频响应信号的有效方法。当机械故障引起等间隔的高频冲击脉冲响应信号时，用硬件进行高通滤波，检波和低通滤波提取信号的包络，或对用硬件或软件进行高频带通滤波后的信号进行Hilbert变换求包络；对包络信号检测其峰值P、均值R或P／R值，可诊断滚动轴承的某些故障。当以轴承结构系统的共振频率为滤波器的中心频率时，包络分析方法存在着如何确定带通滤波器的中心频率和带宽的问题。由于预先难以确定设备结构系统的共振频率，不同设备结构系统共振频率的变化范围又较大，为了使滤波器具有较大的适应性，只好选择较宽的滤波频带，但是，较宽的频带势必引入大量的干扰噪声，降低信噪比；若带宽选得过窄则有可能漏掉结构系统的共振频率。对包络信号进行谱分析可识别出冲击产生的频率，但是当出现谐波或由于包络信号存在幅值调制而引起和频、差频时，包络谱变得十分复杂，难以识别；而此时，包络谱单一谱峰的峰值也不能用于评价故障的严重程度。
2.3小波分析
小波变换是近年来发展起来的一种新的时频信号分析方法，由于其良好的时频特性，被国内外广大科研工程人员应用于故障诊断领域。文献[21]以Haar小波变换为基础，采用脉冲指标为诊断参数，对滚动轴承进行故障诊断。对经过小波变换方法处理后的滚动轴承振动信号进行谱分析，以自定义的诊断参数作为识别滚动轴承损伤类故障的特征量，但是，由于该方法采用的变换尺度较小，当存在其他低频段强能量干扰时，该特征量的有效值得怀疑。小波变换与其他分析方法的结合对滚动轴承进行故障诊断，取得了良好的诊断效果。文献[22]对振动信号进行小波分解，然后再进行包络解调分析，减小了计算量，提高了诊断准确率。文献[23]利用小波包对滚动轴承的振动加速度信号进行分解，得到振动信号在不同频带的能量，并以此作为特征向量，然后采用加权k近邻法对滚动轴承进行故障诊断。文献[24]利用小波包得到的滚动轴承在不同频带的能量特征与径向基函数网络(RBFN)相结合，同样得到了理想的检测结果。
2.4 倒频谱诊断滚动轴承故障
在对齿轮箱类设备进行故障诊断时．为更准确地找出故障特征频率。往往需要进行频率细化分 昕。但在实际分析时发现，仅进行频率细化分析有时还无法看清频率结构。还需要进一步做倒频谱分析倒频谱能较好地检测出功率谱上的周期成分．通常在功率谱上无法对边频的总体水平做出估计．而倒频谱则具有“概括”能力。能较明显地显示出功率谱上的周期成分，使之定量化。将原来谱上成族的边频带简化为单根谱线。便于观察。而齿轮、轴承等零部件发生故障时，振动频谱具有的边频带一般都具有等间隔(故障频率)的结构，利用倒频谱的这个优点。可以检测出功率谱中难以辨识的周期性信号。
滚动轴承的智能诊断技术就是利用人工智能技术中的专家系统、知识工程、遗传算法、模糊理论和人工神经网络等技术和滚动轴承的特征参数或其他信号处理方法相结合对轴承故障进行诊断与监测。文献[25]利用滚动轴承中状态监测中的几个特征量，即峰值、有效值、峭度值，轴承外圈、内圈和滚动体的特征频率幅值等参数作为神经网络的输入参数，对滚动轴承的故障进行诊断，试验表明该方法可以对轴承故障进行有效的监测和诊断。文献[26]将分形维数概念与多层感知器神经网络结合，以分形维数作为特征量输入的分形神经网络诊断方法，应用到轴承系统实例诊断分析，获得了明显的诊断结果。文献[27]构造了基于P一范数模糊神经网络，算法可以对Sugeno—Takagi模型进行逼近，因而更便于学习，克服了单纯前向神经网络训练中容易陷入局部极小及收敛速度较慢的缺点。文献[28]将小波包和神经网络相结合，先利用小波包分解对滚动轴承的动态信号进行分析、提取特征，然后采用Kohonen神经网络进行滚动轴承故障诊断。文献[29]利用遗传规划的方法对滚动轴承的振动信号幅值特征参数进行自组织，生成了高分辨率的用于逐次诊断的最佳特征参数，以提高轴承故障诊断的准确率。明延锋在文献[30]中提出了一种基于并行组合模拟退火算法的故障识别方法。此算法是将模拟退火算法较强的局部搜索能力和遗传算法对搜索过程总体较强的把握能力相结合，相互取长补短，而构成的一种性能优越的全局搜索算法。试验表明该算法在滚动轴承早期故障信号(弱信号)识别应用中非常有效，但存在运算速度慢的缺点。
滚动轴承的早期故障是滚子和滚道剥落、凹痕、破裂、腐蚀和杂物嵌入。
即主要故障形式：疲劳剥落、磨损、塑性变形、锈蚀、断裂、胶合、保持架损坏。
产生主要原因包括搬运粗心、安装不当、不对中、轴承倾斜、轴承选用不正确、润滑不足或密封失效、负载不合适以及制造缺陷。
滚动轴承它是由内圈、外圈、滚动体和保持架四部分组成。当滚动体和滚道接触处遇到一个局部缺陷时，就有一个冲击信号产生。缺陷在不同的元件上，接触点经过缺陷的频率是不相同的，这个频率就称为滚动轴承的特征频率。滚动轴承的故障特征频率的数值一般在几赫兹到几百赫兹之间，在频谱图中的1000Hz以内的低频区域
2、滚动轴承故障诊断的要素
滚动轴承由内圈、外圈、滚动体和保持架四部分组成，每个轴承部件对应一个轴承故障特征频率。滚动轴承的故障频率分布有一个明显的特点，往往在低频和高频两个频段内都有表现。所以在频率分析时，可以选择在这两个频段进行分析。根据滚动轴承的故障形式在频域中的表现形式，将整个频域分为三个频段，既高频段、中频段和低频段。
l 高频阶段指频率范围处于2000－5000Hz 的频段，主要是轴承固有频
率，在轴承故障的早期，高频段反映比较敏感；
中频阶段指频率范围处于800－1600Hz 的频段，一般是由于轴承润滑不良而引起碰磨产生的频率范围；
l 低频阶段指频率范围处于0－800Hz 的频段，基本覆盖轴承故障特征
频率及谐波；
在高频段和低频段中所体现的频率是否为轴承故障频率，还要通过
其他方法进行印证加以确认。根据滚动轴承的故障特征频率在频域和时
域中的表现，可将滚动轴承的诊断方法总结为三个频段；八个确认，简
称三八诊断法。
齿轮故障主要振动特征：
1、齿轮所发生的故障有很多，其主要有三个方面：制造时发生的异常现象，如节线偏斜、偏心、齿距误差、齿形误差；安装时发生的异常现象，如齿轮轴的歪斜；使用时发生的异常现象，齿面磨损、点蚀、胶合、断齿和塑性变形等。
2、障齿轮频谱和波形特征
（1）故障齿轮在啮合频率机器谐波频率上有较大的振动分量。齿轮啮合频率等于齿数乘以齿轮转频。
（2）在啮合频率及其谐波频率附近有表明调制作用的边频带。且边带间距为1X。
（3）随齿轮故障的发展，边频越来越丰富，幅值增加。
（4）齿轮断齿表现为断齿数量乘以齿轮转频。
（5）齿面损伤程度看边频带，同时出现损伤齿数乘以齿轮转频的振动。
（6）对于螺线齿轮、斜齿轮和人字齿轮，轴向振动大，其频谱特征与径向振动相同。
（7）在齿轮传动中，由于载荷波动而产生幅值调制，因转速波动产生频率调制。因此在啮合频率或固有频率两旁产生一簇簇频率间隔相等的边频族。根据边频的频率间隔确定故障的根源，根据边频幅值的大小确定故障的严重程度。
（8）在相同工作条件下，将故障齿轮箱频谱与基准频谱对比，注意频谱中的啮合频率及其二倍和三倍频。根据明显增大的啮合频率分量或其谐波分量确定有故障的齿轮对。
（9）在对比基准频谱时，注意啮合频率及其二倍和三倍频有无边频带。根据边频的频率间隔确定故障的根据（即产生调制的故障部位），边频幅值的大小表明故障严重程度。
（10）为求出边频的频率间隔，应设置足够大的谱线数，以提高频率分辨率，也可采用细化和倒频谱技术。
（11）利用连续监测判定齿面点蚀剥落程度。
1）新齿轮全频范围内振动水平低，啮合频率分量及其二、三次谐波分量的幅值依次减小。
2）中等点蚀程度的频谱振动水平增大，啮合频率二次谐波幅值超过基波幅值，且二次谐波边频增多。
3）达到严重程度时，谱底噪声水平急剧上升，且啮合频率谐波延伸到七次以上。
（12）齿轮缺陷产生的冲击可以激发一个或多个齿轮的自振，自振频率是各齿轮的固有频率。在自振频率两侧有故障齿轮转速调制产生的边频，在高分辨率细化谱上可以象分析啮合频率边频一样进行诊断。
3、故障齿轮的形式与波形、频谱的关系
1）齿轮齿距的改变、载荷波动、局部缺陷以及均布缺陷（连成片的缺陷或分布缺陷）都会对啮合频率产生调制作用。
2）齿轮局部缺陷：如断齿、局部点蚀等，激发的是窄脉冲，其频谱在较宽的频率范围内具有相等而较小的幅值。幅值随频率的增加而减小，脉冲越窄，减小得越慢。
3）连成片的缺陷：齿轮均匀磨损、划痕、擦伤、大面积点蚀等，激发的是宽脉冲，其频谱的频率范围窄，幅值衰减较快。
4）由上述两种缺陷的调制作用而形成的边带也不同：
a）局部缺陷情况下，边带范围宽，幅值小，变化平缓。
b）均布缺陷情况下，边带范围窄，集中于载波峰附近，幅值较大，衰减较快。
齿轮箱故障诊断的要素
在齿轮箱故障的诊断分析方法中，我们常采用幅域分析、频域分析、时域分析、时域同步平均分析、相关分析等方法。在实际工作中，我们总结出齿轮箱故障诊断的“三八诊断法”。 三八诊断法就是通过齿轮箱故障频域、时域特征等三个大方面和八个小方面对齿轮箱的故障进行判别，以确定齿轮箱是否产生故障、故障产生的部位、故障的严重程度。应用齿轮箱故障诊断的“三八诊断法”能够快速的判别齿轮箱的故障。
结论：
齿轮三八故障诊断方法是齿轮故障诊断的一个基本方法，通过对采集振动信号的分析，能够解决齿轮的大部分问题。要熟练掌握齿轮故障的诊断分析方法，必须在工作中经过大量的实践、验证。在齿轮故障诊断过程中，还可应用温度、油品分析等辅助诊断手段，进一步提高故障诊断的准确性和可靠性。
近几年，新技术和新方法层出不穷，人工智能和计算机在轴承故障诊断中的应用越来越广泛，今后的发展方向主要体现在以下方面：
(1)时域分析和频谱分析在轴承故障诊断中的应用将日趋完善；
(2)对于轴承故障诊断的理论和方法进一步深入研究，并且各种研究成果将会逐步应用到实际生产；
(3)故障诊断智能系统进一步的深入研究，多种轴承故障分析方法相结合，如小波神经网络、模糊识别与小波分析相结合等新分析方法应用智能专家系统，提高诊断的效率和准确率；
(4)随着计算机和网络技术的发展，远程故障诊断将是现代故障诊断发展的一个重要的方向。
参考文献
[1] 王军. 滚动轴承故障诊断. 中国高教论丛,2002,24(2):27～30
[2] 秦香敏，潘宏侠. 滚动轴承故障诊断方法研究. 科技情报开发与经济,2007,17(2):150～151
[3] 仇学青,张鑫.滚动轴承故障诊断研究的国内现状与发展方向.煤矿机械,2007,28(6):6～8
[4] 金晓光，高德柱.倒频谱分析在滚动轴承故障诊断中的应用. 冶金动力,2007,4:93～97
[5] 岳建海,裘正定.信号处理技术在滚动轴承故障诊断中的应用与发展.信号处理,2005,21(2):185～190
[6] 周晓凯。机械设备故障诊断理论方法及其应用的研究，天津大学博士论文，1993。
[7] 钟秉林黄仁．机械故障诊断学[M]．北京：机械工业出版社．1997．
[8] 中国机械工程学会．设备管理与维修杂志川．2001年8月．
[9] 韩庆大．设备状态监测与故障诊断技术【M]耽阳：东北大学设备诊断工程中心。2005．
[10] 盛兆顺，尹琦玲．设备状态监测与故障诊断技术及应用【M】．北京：化学工业出版社，2003．
[11] 王江萍．机械设备故障诊断技术及应用[U1．西安：西北工业大学出版社，2001．
[12] 刘惟信．机械可靠性设计[M]．北京：清华大学出版社，1996
[13] 孔瑞莲．航空发动机可靠性工程[M]．北京：航空工业出版社，1995
[14] 李涛，贺永军，刘志俭．Matlab工具箱应用指南一应用数学篇[M]．北京：电子工业出版社，2000
[15] 张志涌，徐彦琴．Matlab教程一基于6．X版[M]．北京：北京航空航天大学出版社，2001
[16] 杨福生．小波变换的工程分析及应用[M]．北京：科学出版社，1999．
[17] 沈松，刘进明．用小波变换识别机械故障中的通过振动[J]．振动与冲击，1999，18(2)．
[18] 张贤达．现代信号处理[M]．北京：清华大学出版社，2002
[19] 张贤达，保铮．非平稳随机信号分析与处理．北京：国防工业出版社，1999．315~320
[20] 吴今迈．设备诊断实例．上海：上海科学技术文献出版社．1997．182～ 187
[21] Yan Yuling，Shimogo Taro．Application of the impulseindex in rolling element beating fault diagn osis．Mechanical systems and signal processing，1 992，6(2)．
[22] Rubibi R．and Meneghetti U．Application of the envelopeand wavelet tran sforin an alyses for the diagnosis ofincipient faults in ball bearings．Mechanical Systems andSignal Processing，2001，15(2)，287—302
[23] 夏利民，谷士文等。基于小波包分析的货车滚动轴承故障诊断，中国铁道科学，2002，23(6)。
[24] 李世玲，李治等。基于小波包能量特征的滚动轴承故障监测方法，系统仿真学报，2003，15(1)。
[25] Bo Li and Mo—Yuen Chow，etc．Neural—network—basedmotor rolling bearing fault diagn osis，IEEE tran sactionson industrial electronics，October,2000，47(5)．
[26] 侯祥林，李永强等。非线性机械设备系统的分形神经网络诊断方法，振动工程学报，2001，14(2)
[27] 许锋，鲍明。p一范数模糊推理神经网络及其在滚动轴承诊断中的应用，振动工程学报，2001，14(1)
[28] 夏利民。基于Kohonen神经网络的滚动轴承故障诊断计算机工程，2003，29(3)
[29] 张业伟，骆志高。基于遗传规划的滚动轴承故障诊断试验研究，中国设备工程，2001，9
[30] 明延锋，张永祥等。滚动轴承故障诊断中的并行组合模拟退火算法研究，海军工程大学学报，2001，13(3)
附录
版权声明：
1.大文斗范文网的资料来自互联网以及用户的投稿，用于非商业性学习目的免费阅览。
2.《滚动轴承故障诊断方法与技术综述》一文的著作权归原作者所有，仅供学习参考，转载或引用时请保留版权信息。
3.如果本网所转载内容不慎侵犯了您的权益，请联系我们，我们将会及时删除。