轴承故障诊断 小波分析

1、机械故障诊断课程设计（指导老师：XXXXXX） 题目：滚动轴承故障诊断姓名：XXXXX爱学号：XXXXXXXX班级：XXXXXXXXX 2013年10月26日摘要滚动轴承在使用过程中由于本身质量和外部条件的原因，其承载能力、旋转精度和耐磨性能等会发生变化.当轴承的性能指标低于使用要求而不能正常工作时，轴承就发生了故障甚至失效，轴承一旦发生失效等意外情况后，机器、设备将会停转，出现功能丧失等各种异常现象，因此需要在短期内查出发生的原因，并采取相应的措施.滚动轴承的常见故障有轴承转动困难、发热；轴承运转有异声；轴承产生振动；内座圈剥落、开裂；外座圈剥落、开裂；轴承滚道和滚动体产生压痕等，随着现代生

2、产技术的发展，轴承的应用越来越广泛，而随着生产的需要，对轴承故障的检测方法也越来越多，其中，运用比较广发的集中方法是FFT、功率谱、倒谱、小波分析、人工神经网络、希尔伯特-黄变换、双谱。关键字：滚动轴承 故障 小波分析滚动轴承破坏形式由于滚动轴承的材料缺陷，加工或者装配不当，润滑不良，水分或者异物侵入，腐蚀以及过载等原因都可能导致早期损坏。即使在安装、润滑和使用维护都正常的情况下，经过一段时间的运转，滚动轴承也会出现疲劳剥落和磨损等现象影响机器的正常工作。概括起来滚动轴承的主要故障形式有：1)疲劳剥落滚动轴承工作时，滚道和滚动体表面既承受载荷又相对滚动，由于交变载荷的作用，首先在表面下一定深度

3、处(最大剪应力处)形成裂纹，继而扩展到接触表层产生剥落坑，最后大面积剥落，这种现象就叫做疲劳剥落。正常工作条件下，疲劳剥落是滚动轴承故障的主要原因。习惯上所说的轴承寿命就是指轴承的疲劳寿命。2)磨损由于滚道和滚动体的相对运动(包括滚动和滑动)和尘埃异物的侵入等都会引起表面磨损，而当润滑不良时更会加剧表面磨损。磨损的结果使滚动轴承游隙增大，表面粗糙度增加，降低了滚动轴承的运转精度，因而也降低了机器的整体运动精度，振动及噪声也随之增大。对于精密机械中所用的滚动轴承，往往就是因为磨损量限制了滚动轴承的寿命。此外 ，还有 一 种所谓的微振磨损。当滚动轴承本身不旋转而受到振动时，由于滚动体和滚道接触面间

4、微小的，往复的相对滑动，因而导致微振磨损产生，其结果是在滚道上形成波纹状的磨痕。3)塑性变形在工作负荷果重的情况下，滚动轴承受到过大的冲击载荷或者静载荷，或者因为热 变 形引起额外的载荷，或者当有高硬度的异物侵入时，都会在滚道表面形成凹痕或者划痕。这将使滚动轴承运转时产生剧烈的振动和噪声。而且，一旦产生上述凹痕，由此所引起的冲击载荷可能还会进一步引起附近表面的剥落。4)腐蚀腐蚀也是滚动轴承的常见故障之一。当水分直接侵入滚动轴承时就会引起滚动轴承腐蚀，另一方面，当滚动轴承停止工作时，滚动轴承温度下降达到零点，空气中的水分凝结成水滴吸附在轴承的表面上也会引起腐蚀。此外当滚动轴承内部有电流通过时，在

5、滚道和滚动体之间的接触点处，电流通过很薄的油膜引起火花，使表 面局部熔融，在表面上形成波纹状的凹凸不平。高精度的滚动轴承往往由于表面腐蚀，丧失精度而不能继续工作。5)断裂当载荷超过滚动轴承或者滚动体的强度极限时会引起滚动轴承零件的破裂。此外，由于磨削加工、热处理或者装配时引起的残余应力、工作时的热应力过大等也都有可能造成滚动轴承零件的断裂。6)胶合所谓胶合是指一个表面的金属粘附到另一表面的现象。在润滑不良，高速重载的情况下，由于摩擦发热，滚动轴承零件可能在极短的时间内达到很高的温度，从而导致表面损伤及损坏。7）保持架损坏通常，由于装配不当或者使用不当而引起的保持架发生变形，从而就可能增加保持架

6、与滚动体之间的摩擦，甚至使某些滚动体卡死而不能滚动，或保持架与内外滚道发生摩擦等均可引发保持架损坏，这也使振动、噪声与发热增加。而本论文重点是在研究滚广东轴承的故障信号，滚动轴承的故障主要分为三类，主要有滚动体因磨损，挤压导致滚动体变形，破坏，这种故障称为滚动体故障，第二种是轴承外圈因为挤压，剪切等的破坏，称为外圈故障，第三种是轴承内圈因为挤压等原因出现的问题吗，称为内圈故障。分析方法分析方法介绍：小波(Wavelet)这一术语，顾名思义，“小波”就是小的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间(空间)

7、频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。小波变换由于其良好的时频特性，已广泛应用于旋转机械，往复机械，齿轮，轴承等状态的检测和故障诊断中。采用不同的小波基函数并与分形，模糊评判，神经网络以及时间顺序分析等方法结合起来，可以解决大量的工程实际问题。工程设备运行状态千变万化，存在着大量的非平稳信号。机械设备在运行中，多发故障有剥落、摩擦、松动、爬行、冲

8、击、裂纹及断裂等，当故障发生或发展时将导致动态型号非平稳的出现。因此，非平稳信号课表征某些故障的存在。而在机械设备的诊断过程中，课基本分为三步：第一是诊断信号提取；第二是故障特征提取；第三十状态识别和故障诊断。由于机械设备检测信号的非平稳性，因此关键问题之一是对监测诊断中得到的机械动态信号的非平稳性进行有效分析，由于小波分析兼具时域和频域分析能力，并且具有可变的时频分辨率，因此能够很好的对非平稳信号进行分析。连续小波分析原理：小波变换方法是一种窗口大小（即窗口面积）固定但其形状可自适应改变的时频局部化方法，在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的

9、频率分辨率。图1设为一平方可积函数，即 (R),若其傅里叶变换满足条件 则称为一基本小波或小波母函数，并称上式为小波函数的可容许性条件。上式中的小波母函数进行伸缩和平移，有 称为依赖于尺度(伸缩)因子a和平移因子b的小波基函数。由于a和b是取连续变化的值，因此称为连续小波基函数。函数 (R)，则连续小波变换(Continue Wavelet Transform，简记为CWT)为：CWT,(a,b)= = 其中是小波函数的共扼。从上述定义可看出，小波变换和傅里叶变换一样，都是一种积分变换。但小波基具有尺度因子a和平移因子b两个参数，是将一个时间函数变换到时间一尺度相平面上，使得更有利于提取函数的

10、某些本质特征。而上述两参数a,b是连续变化的，故称上述变换为连续小波变换。若小波V(r)满足式(2.2.1)的可容许性条件，则连续小波变换的逆变换(ICWT)为: 其中 事实上，连续小波变换基函数是一种冗余度很高的基。小波函数特点：1）与傅里叶变换相比，fourier变换是在全时域上的变换即从负无穷时间到正无穷时间，它具有最高的频率分辨率但是没有时间分辨率。窗口fourier变化对时域加窗，因而能够同时具有时间分辨率和频率分辨率，但是由于加窗的影响，它的频率分辨率有损失，而时间分辨率取决于窗的大小。小波变换是科恩类变换，其基本思想是将函数在核函数上展开，核函数具有时间与频率分辨率，因而小波变换

11、也具有时间和频率分辨率。但是小波变换的频率并不是真正意义上的频率，只有具有相当于频率的一种比率。2）小波变换课构成函数基，一般在实际应用中，对小波进行离散化处理,所得的离散小波可以构成一个函数基。通过小波分解,可将信号按小波基的形式展开。正交小波基可以没有冗余地获得信号的局部信息，意味着可以通过分解系数重构原信号。它适用于数据压缩、信噪分离、非线性系统辨识等领域。满足框架性的非正交小波基由于提供了对函数的冗余表示，也能完全刻画函数，并从函数的分解中重构该函数。3）小波函数具有紧支性,衰减性,光滑性，若函数( t) 在区间 a ，b 外恒为零：则称该函数紧支在这个区间上， 具有该性质的小波称为紧

12、支撑小波。 显然支集愈窄小波的局部化能力就愈强， 若不是紧支撑，则希望有快速衰减性(当| t | + 时小波函数趋向于零， 这称为衰减性) 。 函数在某一点或某一区间k - 1 阶导数连续,但第k 阶导数不连续( k 为任意自然数) 则称该函数在这一点或这一区间k - 1 阶光滑， k - 1阶光滑的函数其傅里叶变换趋向于零的速度为O。 实际应用中为分析和计算的方便要求小波函数有一定的光滑性， 但这却与紧支性或快速衰减性相矛盾， 而且一个函数也不能在时域和频域同时紧支， 就是说不能希望在时域和频域同时获得最好的局部化能力。 为达到在时域和频域都有满意的局部化能力， 只能在光滑性和紧支性或和衰减

13、性之间进行平衡。故障诊断结果通过对数据的收集的分析处理，对采样数据分别进行时域变换和信号复连续小波变化，然后根据波形图，可以判断出各种故障类型。正常轴承分析：根据检测信号可知，在信号的复连续小波分解中，只有实部图形，而没有其他部位的图形，如图： 正常轴承时域波形 正常轴承复连续小波波形图2内圈故障轴承分析：内圈故障轴承的时域波形波动比较大，但整体变化比较平缓，而其复连续小波的实部，虚部，模和相位图形都存在，实部和虚部图形底部波动较缓，整体呈现流线型，模图形底部也有所变换，而相位图形看起来比较凌乱。如图所示 内圈故障轴承时域波形 内圈故障轴承复连续小波波形图3外圈故障轴承分析：外圈轴承故障的采集

14、信号与内圈故障的采集信号的时域波形相差不大，但是在复连续小波分解的图形上有明显的却别，首先是实部与虚部的波形变化很小，内圈故障的要平缓，安静得多，而模波形的中间部分也要比内圈故障轴承密集很多，在相位波形上，也要比内圈故障的轴承要乱得多。如图所示： 外圈故障轴承时域波形 外圈故障轴承复连续小波波形图4滚动体故障轴承分析：滚动体故障的轴承与其他几种故障的轴承最显著的区别是在时域波形图上，它的波动幅度很大，且故障点信号很多，而在复连续小波变换图形中，实部和虚部的波动很细微，在模的波形中，波形线上下部分要密集些，而中间要稀疏一点，相位波形中上半部分叫混乱，而下部分呈现有规律的变化，如图所示： 滚动体故

15、障轴承时域波形 滚动体故障轴承复连续小波波形图5结论：通过对轴承运行的实时数据进行采样，然后对其运用连续小波函数进行分析，能够解决不同故障轴承的判别问题，其中，可以根据采样数据的时域波形和复连续小波分解的波形，判断出正常轴承和滚动体故障轴承，而通过仔细观察对比，也能找到内外圈故障轴承，但是由于内外圈故障轴承复连续小波分解的波形图形区别不明显，也有可能出现误判的情况，但是这却能找出故障轴承的所在，因此，此方法在实际运用中也是可行的。参考文献：1 廖伯瑜. 机械故障诊断基础北京 冶金工业出版社，1994；2 周伟. 基于MATLAB的小波分析应用西安电子科技大学出版社；3 陈进. 机械设备振动监测

16、及故障诊断 上海 上海交通大学出版社。附录小波分析程序正常轴承小波分析程序%载入数据文件load normal1.mat;x=X097_FE_time;fs=12000;N=10240;t=0:N-1;X=X097_FE_time(1:N);y=X'figure(1);plot(t,y);title('原始信号时域波形');figure(2);subplot(121);%信号复连续小波分解：c=cwt(x,2:2:128,'cgau4','plot');内圈故障轴承小波分析程序load inner-race1.mat;x=X278_BA_

17、time;fs=12000;N=10240;t=0:N-1;X=X278_BA_time(1:N);y=X'figure(1);plot(t,y);title('原始信号时域波形');figure(2);subplot(121);c=cwt(x,2:2:128,'cgau4','plot')外圈故障轴承小波分析程序load outer-race1.matx=X294_DE_time;fs=12000;N=10240;t=0:N-1;X=X294_DE_time(1:N);y=X'figure(1);plot(t,y);title('原始信号时域波形');figure(2);subp