[摘要]：由于在機(jī)械系統(tǒng)中，滾動(dòng)軸承是一種故障多發(fā)的機(jī)械零部件，設(shè)計(jì)出能夠有效檢測(cè)滾動(dòng)軸承故障的診斷系統(tǒng)具有很重要的意義。本文在基于滾動(dòng)軸承常見故障下建立故障頻率分布模型，并針對(duì)干擾故障模型的噪聲信號(hào)設(shè)計(jì)了FIR高通數(shù)字濾波器來提取出有效故障頻率段。結(jié)合工程實(shí)例設(shè)計(jì)了對(duì)工程用發(fā)電機(jī)轉(zhuǎn)子軸承的故障診斷系統(tǒng)，并且通過實(shí)驗(yàn)測(cè)試發(fā)現(xiàn)有很好的效果。

[關(guān)鍵詞]：滾動(dòng)軸承、故障診斷、頻譜分析、FIR濾波器

Roller bearing fault diagnosis system based on fuzzy neural 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 roller bearing’s 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 experiment and was found to have a very good result .

[Key words]： rolling bearing； fault diagnosis； frequency spectrum analysis； FIR digital filter

0 引言

隨著機(jī)械工業(yè)的大力發(fā)展，滾動(dòng)軸承是應(yīng)用十分廣泛的重要機(jī)械基礎(chǔ)零件。滾動(dòng)軸承具有效率高，摩擦阻力小，裝配方便，潤滑容易等特點(diǎn)，因而在旋轉(zhuǎn)機(jī)械中得到廣泛的應(yīng)用。滾動(dòng)軸承是大部分旋轉(zhuǎn)機(jī)械的組成部件，但滾動(dòng)軸承卻是易損元件，許多旋轉(zhuǎn)機(jī)械的故障都與滾動(dòng)軸承有關(guān)[1]。據(jù)有關(guān)資料統(tǒng)計(jì)，機(jī)械故障的70%是振動(dòng)故障，而振動(dòng)故障中有30%是由滾動(dòng)軸承引起的[2]。

在滾動(dòng)軸承出現(xiàn)故障時(shí)，直接檢測(cè)故障信號(hào)是十分困難的。一般的檢測(cè)方法是利用軸承故障產(chǎn)生的二次效應(yīng)的變化來作為故障診斷的依據(jù)，比如振動(dòng)、噪聲、熱量等[3]。而根據(jù)二次效應(yīng)的不同特征，其診斷的方法各有不同。在眾多的軸承故障診斷方法中，振動(dòng)檢測(cè)方法是應(yīng)用最廣泛的一種方法，這主要是因?yàn)檎駝?dòng)信號(hào)提供的故障信息多，對(duì)早期故障軸承都具有較強(qiáng)的檢測(cè)能力。

振動(dòng)法是通過安裝在軸承座或箱體上適當(dāng)位置的振動(dòng)傳感器測(cè)量軸承振動(dòng)信號(hào)，并對(duì)該信號(hào)進(jìn)行處理和分析來判斷軸承的工況和故障。由于振動(dòng)法具有可以適用于各種類型各種工況的軸承；可以有效的診斷出早期微小的故障；信號(hào)測(cè)試與處理簡(jiǎn)單、直觀；診斷結(jié)果可靠等優(yōu)點(diǎn)，所以在實(shí)際應(yīng)用中使用極為廣泛。目前，在國內(nèi)外開發(fā)生產(chǎn)的滾動(dòng)軸承故障監(jiān)測(cè)與診斷儀器和系統(tǒng)中大部分是根據(jù)振動(dòng)法的原理開發(fā)的，有關(guān)軸承監(jiān)測(cè)與診斷方面的文獻(xiàn)也大部分討論的是振動(dòng)法。[4]從適用性、實(shí)用性和有效性的觀點(diǎn)看，振動(dòng)法也是最好的方法[5]。

其它的振動(dòng)方法還有利用聲發(fā)射技術(shù)、光纖技術(shù)進(jìn)行滾動(dòng)軸承故障診斷，但由于各種原因和局限性，這些技術(shù)的應(yīng)用還沒有普及。

1 故障診斷理論與方法

1.1滾動(dòng)軸承故障模型與理論故障頻率計(jì)算

滾動(dòng)軸承振動(dòng)信號(hào)是滾動(dòng)軸承狀態(tài)信息的載體，它蘊(yùn)含了豐富的異常或故障信息，而振動(dòng)特征是軸承運(yùn)行狀態(tài)好壞的重要標(biāo)志。因此，振動(dòng)測(cè)試是滾動(dòng)軸承運(yùn)行狀態(tài)的基本測(cè)試手段。對(duì)振動(dòng)信號(hào)的檢測(cè)能夠獲得軸承狀態(tài)的有效信息，對(duì)它的分析則是滾動(dòng)軸承診斷領(lǐng)域中一個(gè)被廣泛采用的方法。

現(xiàn)在常用的滾動(dòng)軸承故障診斷的方法主要有：時(shí)域、頻域和頻-時(shí)域等。本文主要是采用頻域分析方法對(duì)軸承早期故障進(jìn)行精密診斷。直接對(duì)軸承振動(dòng)信號(hào)進(jìn)行頻譜分析，結(jié)合頻譜圖的頻率分布和特征頻率來判斷軸承的故障。

頻域分析主要包括頻譜分析、功率譜分析和倒頻譜分析，這些計(jì)算所用的基本方法都是通過快速傅里葉變換FFT法，頻譜分析是將離散序列{xi}經(jīng)FFT變換成頻域中的序列{xk}

，k=0，1，…，N-1

滾動(dòng)軸承各元件的振動(dòng)頻率計(jì)算公式如下：

（1） 當(dāng)滾動(dòng)體缺陷時(shí)。一般的公式：

（1）

當(dāng)外環(huán)靜止、內(nèi)環(huán)運(yùn)動(dòng)和內(nèi)環(huán)靜止、外環(huán)運(yùn)動(dòng)時(shí)，公式分別可變?yōu)椋?/p>

（2）

（2） 當(dāng)內(nèi)滾道（外環(huán)）缺陷時(shí)。一般的公式：

（3）

當(dāng)外環(huán)靜止、內(nèi)環(huán)運(yùn)動(dòng)和內(nèi)環(huán)靜止、外環(huán)運(yùn)動(dòng)時(shí)，公式分別可變?yōu)椋?/p>

（4）

（3） 當(dāng)外滾道（內(nèi)環(huán)）缺陷時(shí)。一般的公式：

（5）

當(dāng)外環(huán)靜止、內(nèi)環(huán)運(yùn)動(dòng)和內(nèi)環(huán)靜止、外環(huán)運(yùn)動(dòng)時(shí)，公式分別可變?yōu)椋?/p>

（6）

公式中各項(xiàng)參數(shù)為：n—滾動(dòng)體的個(gè)數(shù)；d—滾動(dòng)體的直徑；D—軸承節(jié)徑；fn—內(nèi)環(huán)的旋轉(zhuǎn)頻率；fw—外環(huán)的旋轉(zhuǎn)頻率。

1.2 信號(hào)的提取與濾波器設(shè)計(jì)

在實(shí)際測(cè)量中，由于軸承安裝不對(duì)中，軸承徑向載荷以及滾道粗糙造成的干擾信號(hào)也會(huì)被傳感器采集進(jìn)來，這樣必然會(huì)影響到故障點(diǎn)的判斷，所以對(duì)干擾噪聲的濾波就顯得尤為重要。

軸承安裝不對(duì)中導(dǎo)致信號(hào)中產(chǎn)生與軸承轉(zhuǎn)動(dòng)同頻率的周期信號(hào)，且根據(jù)軸承不對(duì)中的程度信號(hào)的幅值也不同，嚴(yán)重影響對(duì)信號(hào)的分析。由于軸承制造工藝上的限制以及經(jīng)過長時(shí)間的使用，軸承的內(nèi)外滾道勢(shì)必會(huì)變得越來越粗糙，產(chǎn)生的高頻隨機(jī)噪聲也會(huì)干擾系統(tǒng)的準(zhǔn)確測(cè)量，但是這些不會(huì)構(gòu)成故障對(duì)機(jī)器設(shè)備產(chǎn)生直接的影響，因此可以忽略。所以，通過分析上面兩種噪聲信號(hào)，發(fā)現(xiàn)由于軸承安裝不對(duì)中產(chǎn)生低頻信號(hào)遠(yuǎn)遠(yuǎn)低于軸承故障產(chǎn)生的信號(hào)頻率。所以選用FIR高通數(shù)字濾波器對(duì)測(cè)量的實(shí)際信號(hào)進(jìn)行濾波，去除低頻噪聲的影響。

數(shù)字FIR高通濾波器的阻帶截止頻率設(shè)計(jì)為90Hz，通帶截止頻率為120Hz，阻帶抑制比80dB，通帶波紋度為1dB，高通濾波器的頻譜圖如圖1所示。

圖1 FIR高通濾波器的頻譜圖

通過matlab模擬仿真出同時(shí)具有兩種故障特征的振動(dòng)測(cè)試信號(hào)，該振動(dòng)測(cè)試信號(hào)中既有當(dāng)滾動(dòng)體缺陷和內(nèi)滾道缺陷時(shí)產(chǎn)生的故障信號(hào)，又包含了軸承不對(duì)中產(chǎn)生的與軸承旋轉(zhuǎn)同頻率的噪聲信號(hào)和滾道粗糙產(chǎn)生的高頻隨機(jī)噪聲信號(hào)。測(cè)試信號(hào)的頻譜圖如圖2中的上圖所示。經(jīng)過濾波器濾波后測(cè)試信號(hào)的頻譜圖如圖2中的下圖所示?？梢钥闯?，信號(hào)中由于軸承不對(duì)中產(chǎn)生的50Hz噪聲信號(hào)被完全濾除掉，僅剩下兩個(gè)由軸承故障產(chǎn)生的振動(dòng)信號(hào)，方便人為觀察和計(jì)算機(jī)頻率識(shí)別。

圖2 滾動(dòng)軸承故障測(cè)試信號(hào)頻譜圖

2實(shí)例分析

在實(shí)際中以工程發(fā)電機(jī)為例，發(fā)電機(jī)的轉(zhuǎn)子主軸在工作的時(shí)候以很高的速度旋轉(zhuǎn)，然而支撐轉(zhuǎn)子的滾動(dòng)軸承的好壞直接影響到發(fā)電機(jī)的整體性能。當(dāng)滾動(dòng)軸承出現(xiàn)故障時(shí)，發(fā)電機(jī)的振動(dòng)加劇，產(chǎn)生強(qiáng)烈的噪音，嚴(yán)重會(huì)損壞發(fā)電機(jī)，造成嚴(yán)重的經(jīng)濟(jì)損失。因此對(duì)發(fā)電機(jī)轉(zhuǎn)子軸承故障的檢測(cè)具有重要的意義。

根據(jù)前面的分析將振動(dòng)傳感器安裝在發(fā)電機(jī)轉(zhuǎn)子軸承處的支撐架上。由于軸承在損壞時(shí)轉(zhuǎn)子在旋轉(zhuǎn)時(shí)將產(chǎn)生振動(dòng)，并帶動(dòng)機(jī)架也隨之振動(dòng)。經(jīng)過對(duì)機(jī)械的結(jié)構(gòu)分析發(fā)現(xiàn)，機(jī)架的振動(dòng)在軸承處最為明顯。振動(dòng)傳感器選用磁鐵吸附安裝型傳感器，在機(jī)架上選擇一處較為平坦的地方，用磨具打磨掉表面的銹蝕和油漆，將振動(dòng)傳感器牢牢的吸附在機(jī)架上。

振動(dòng)傳感器的引線端連接一個(gè)信號(hào)調(diào)理電路，主要是將振動(dòng)傳感器輸出的電信號(hào)轉(zhuǎn)化為可以直接輸入到數(shù)據(jù)采集卡里面的0-+10V標(biāo)準(zhǔn)電壓信號(hào)。這樣可以提高數(shù)據(jù)采集精度，避免出現(xiàn)由于輸入電壓太小降低了數(shù)據(jù)采集卡對(duì)信號(hào)電壓的分辨精度。數(shù)據(jù)采集卡選用研華的PCI-1713模擬量輸入卡，支持32路單端或16路差分輸入，12位A/D轉(zhuǎn)換分辨率采樣速率可達(dá)100KHz。

經(jīng)過數(shù)據(jù)采集卡后直接將采集到的振動(dòng)信號(hào)數(shù)據(jù)輸入到計(jì)算機(jī)中，通過在計(jì)算機(jī)中構(gòu)建FIR軟件濾波器濾除掉干擾故障信號(hào)的噪聲，并且通過頻譜分析軟件檢測(cè)出振動(dòng)信號(hào)的峰值頻率。得到故障信號(hào)的峰值頻率后通過前面的理論分析可以判斷出軸承的故障信息。并且可以通過現(xiàn)場(chǎng)的儀表顯示出來也可以通過網(wǎng)絡(luò)上傳到集中控制中心進(jìn)行統(tǒng)一的調(diào)度。滾動(dòng)軸承的故障診斷系統(tǒng)結(jié)構(gòu)圖如圖3所示。

圖3 滾動(dòng)軸承故障診斷系統(tǒng)結(jié)構(gòu)示意圖

利用該系統(tǒng)對(duì)軸承進(jìn)行故障檢測(cè)，經(jīng)過系統(tǒng)濾波和頻譜分析后得出分析后的振動(dòng)信號(hào)頻譜圖如圖4所示。分析發(fā)現(xiàn)，該振動(dòng)信號(hào)在350Hz和470Hz的頻率下有較強(qiáng)的振動(dòng)信號(hào)分布，通過前面的理論分析發(fā)現(xiàn)該軸承可能存在滾動(dòng)體缺陷和內(nèi)滾道缺陷的故障。在其他頻率段存在的幅值較低的尖峰頻率信號(hào)來自于發(fā)電機(jī)其余機(jī)構(gòu)產(chǎn)生的頻率，如柴油機(jī)活塞振動(dòng)，機(jī)架的固有頻率以及機(jī)械傳動(dòng)件的不對(duì)中間隙產(chǎn)生的振動(dòng)等。

圖4 實(shí)際軸承振動(dòng)測(cè)試后的頻譜圖

3 結(jié)論

本文通過對(duì)滾動(dòng)軸承故障特性的研究，了解到滾動(dòng)軸承的故障中滾動(dòng)體故障、內(nèi)滾道故障和外滾道故障的故障頻率特征，并結(jié)合角接觸球軸承建立了滾動(dòng)軸承故障特征頻率模型。根據(jù)故障頻率模型確定了在軸承故障時(shí)的頻率分布，并設(shè)計(jì)了FIR數(shù)字高通濾波器來濾除軸承不對(duì)中產(chǎn)生的低頻干擾信號(hào)。在得到軸承的測(cè)試頻譜分布后，通過設(shè)計(jì)了基于數(shù)據(jù)采集卡的振動(dòng)傳感器數(shù)據(jù)采集系統(tǒng)來對(duì)工程用發(fā)電機(jī)的轉(zhuǎn)子軸承的故障進(jìn)行診斷。分析轉(zhuǎn)子軸承的振動(dòng)信號(hào)頻譜圖發(fā)現(xiàn)該軸承出現(xiàn)的滾動(dòng)體缺陷和內(nèi)滾道缺陷可以很好的被檢測(cè)出來。在實(shí)際使用中可以取得很好的效果。

參考文獻(xiàn)：

[1] 高國華.滾動(dòng)軸承故障診斷虛擬儀器的開發(fā)[D].中國礦業(yè)大學(xué).2002.05

[2] 張思揚(yáng)，匡芳君，徐薇鴻. 基于WPD和模糊神經(jīng)網(wǎng)絡(luò)的軸承故障診斷[J]. 湖南科技大學(xué)學(xué)報(bào)（自然科學(xué)版）.2010.06.25（2）：28-31

[3] 雷繼堯，丁康.軸承故障診斷[M].西安交通大學(xué)出版社.1991.07

[4] 楊海，王蒙，王建.礦山機(jī)械滾動(dòng)軸承的常見故障分析與診斷[J].煤礦機(jī)械.2010.08.31（08）：251-253

[5] 李輝， 鄭海起，唐力偉. 基于倒雙譜分析的軸承故障診斷研究[J].振動(dòng)、測(cè)試與診斷.2010.08.30（4）：353-355

[6] 蘇敏，王勇等. 基于LabVIEW的滾動(dòng)軸承故障診斷系統(tǒng)[J].軸承.2010.9：41-44