1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)機械故障診斷大作業(yè)作業(yè)名稱：滾動軸承故障診斷 院 系： 機械工程系 學(xué) 號： 姓 名： 指導(dǎo)教師： 李奕璠 分數(shù)： 傅里葉分析滾動軸承的故障診斷摘要：傅里葉變換在故障診斷技術(shù)中是重要的工具，但傅里葉變換及其逆變換都不適合數(shù)字計算機計算，要進行數(shù)字計算機處理，必須將連續(xù)性信號離散化，無限長數(shù)據(jù)有限華，基要進行采樣和截斷。這種算話稱為有限離散傅里葉變換（DFT），為了提高效率，在DFT的基礎(chǔ)上，運用快速傅里葉變換（FFT）對滾動軸承進行故障診斷。關(guān)鍵詞：故障診斷，快速傅立葉

2、變換(FFT)，滾動軸承概述滾動軸承是機器的易損件之一，據(jù)不完全統(tǒng)計，旋轉(zhuǎn)機械的故障越有30%是因為滾動軸承引起的，由此可見滾動軸承故障診斷工作的重要性。最初軸承故障診斷是利用聽棒，靠聽覺判斷，繼聽棒、電子聽診器之后，又引入了各種測振儀；1966年，瑞典SKF公司發(fā)明了沖擊脈沖儀檢測軸承損傷，1976年，日本新日鐵株式會社研制了MCV系列機器檢測儀。隨著對滾動軸承的運動學(xué)、動力學(xué)的深入研究，加之快速傅里葉變換技術(shù)的發(fā)展，開創(chuàng)了用頻域分析方法來檢測和診斷軸承故障診斷的新領(lǐng)域。離散傅立葉變換( Discrete Fourier Transform， DFT) 及其快速算法快速傅里葉變換( Fast

3、 Fourier Transform，F(xiàn)FT)算法很多，分別依照數(shù)據(jù)的組合方式和抽取方式可以分為時域法和頻域法，基2和基4算法等。其實現(xiàn)方法主要有兩種，一種是用硬件實現(xiàn), 用硬件實現(xiàn)時速度較快, 但系統(tǒng)的成本很高； 另一種是用軟件實現(xiàn)，用軟件在PC 機或工作站上實現(xiàn)時雖然速度較慢, 但成本非常低。本文中采用軟件實現(xiàn)。快速傅里葉變換（FFT）算法原理 FFT是基于DFT的一種離散的傅里葉變化的快速算法。FFT算法分為按時間抽取算法和按頻率抽取算法，先簡要介紹DFT的基本原理，再介紹FFT。DFT的運算為：Xn=k=0N-1xkWNnk，n=0,1,2,N-1xk=1Nk=0N-1XnWN-nk，

4、(k=0,1,2,N-1)其中，Wn=e-j2N由于序列xk 和它的離散傅里葉變換Xn都是復(fù)數(shù),并且隨著序列長度k的增大，運動量將急劇增加。因為離散傅里葉變換的應(yīng)用十分廣泛, 因此尋求一種可以使運算量減少的改進算法勢在必行。就目前的情況來看, 使用最多的算法是基于Cooley 和Tukey 提出的基2 算法。該算法可以分為按時間抽取DIT 和按頻率抽取DIF。 這里以DIT 為例來說明。在DFT運算中, 系數(shù)具有對稱性和周期性, 因此下列各式成立:采用基2算法時, N 通常都是2的M 次方, 即(不滿足該條件的可以通過加0等方式來處理)。x(n) 的DFT為:，k=0,1,2，,N-1把上式按

5、n的奇偶分為兩組, 得: 由于，所以： 和具有周期性，因此：這樣, 我們就可以根據(jù)兩個N /2 點序列來求x(n) 的DFT, 用蝶形表示就是圖一所示的形式。圖一 經(jīng)典FFT算法的蝶形故障診斷的結(jié)果滾動軸承在運轉(zhuǎn)過程中可能由于各種原因引起損壞，主要故障形式有疲勞剝落、磨損、塑性變形、銹蝕、斷裂、膠合、保持架損壞等。因為滾動軸承在運動過程中，由于滾動體與內(nèi)圈、外圈或滾動體沖擊而產(chǎn)生振動，該振動有其固有頻率。而初期故障往往表現(xiàn)為內(nèi)圈、外圈或者滾動體上的局部點蝕。點蝕部位對與其接觸軸承部件產(chǎn)生沖擊作用，產(chǎn)生的沖擊力激勵軸承座及其支承結(jié)構(gòu)，形成一系列由沖擊激勵產(chǎn)生的減幅振蕩，這種減幅振蕩是一種低頻脈動

6、，稱之為滾動軸承的通過振動，這種因周期沖擊而產(chǎn)生的頻率稱之為通過頻率。通過振動發(fā)生周期是有規(guī)律的，可以從轉(zhuǎn)速和軸承的幾何尺寸求得。并且，損傷發(fā)生在內(nèi)、外圈或滾動體上時，頻率不同。這一軸承通過振動發(fā)生的頻率也稱為軸承的故障特征頻率。這是損傷類故障引起的振動信號的基本特點。根據(jù)4組數(shù)據(jù)，得到以下四張圖。圖1（第一組數(shù)據(jù)）圖2（第二組數(shù)據(jù)）圖3（第三組數(shù)據(jù)）圖4（第四組數(shù)據(jù)）圖1的頻譜中，在全頻率段基本都有較高階諧波，且呈對稱狀態(tài)，最大幅值在0Hz和12000Hz左右。圖2的頻譜中，在頻率為02000Hz和1000012000Hz的頻段有較高階諧波，且呈對稱狀態(tài)，幅值較大，最大幅值在2000Hz和1

7、0000Hz左右。在2000Hz10000Hz的頻段中，幅值很小。圖3的頻譜中，在頻率為2000Hz4000Hz和8000Hz10000Hz的頻段有較高階諧波，且呈對稱狀態(tài)，最大幅值在3000Hz和9000Hz左右。在0Hz2000Hz、4000Hz8000Hz和10000Hz 12000Hz的頻段中，波形振幅也不太平穩(wěn)。圖4的頻譜中，在頻率為0Hz 4000Hz和8000Hz 12000Hz的頻段有較高階諧波，且呈對稱狀態(tài)。在4000Hz 8000Hz的頻段中，波形幅值較小。由于正常軸承的頻率比較集中，所以，圖2為正常軸承，主要集中在02000Hz和1000012000Hz的頻段，而故障軸承

8、的頻率較為分散，又由于外圈的軸承的高階諧波段比內(nèi)圈的軸承的高階諧波段更加分散點，而圖3除了高階諧波段之外，其余波段都略顯起伏，故較之圖4在4000Hz 8000Hz波段的平穩(wěn)，圖3為外圈故障，圖4為內(nèi)圈故障。對于圖1，由于其在全波段都有很大的起伏，且在信號時域圖中，與其余三圖相差太大，故為滾動體故障。附MATLAB程序：x=y(:,1);%信號數(shù)組subplot(2,1,1);plot(x);%時域波形xlabel(時間序列);ylabel(幅值);title(信號時域圖);fs=12000;%采樣頻率N=length(x);n=0:N-1;y=fft(x,N);%進行fft變換m=abs(y

9、(1:N)*2/N;%求信號的真實幅值f=n*fs/N; %進行對應(yīng)的頻率轉(zhuǎn)換subplot(2,1,2)stem(f(1:N),m(1:N);%繪出頻譜圖xlabel(頻率/Hz);ylabel(幅值);title(信號頻譜圖);grid on;x=y(:,2);%信號數(shù)組subplot(2,1,1);plot(x);%時域波形xlabel(時間序列);ylabel(幅值);title(信號時域圖);fs=12000;%采樣頻率N=length(x);n=0:N-1;y=fft(x,N);%進行fft變換m=abs(y(1:N)*2/N;%求信號的真實幅值f=n*fs/N; %進行對應(yīng)的頻率

10、轉(zhuǎn)換subplot(2,1,2)stem(f(1:N),m(1:N);%繪出頻譜圖xlabel(頻率/Hz);ylabel(幅值);title(信號頻譜圖);grid on;x=y(:,3);%信號數(shù)組subplot(2,1,1);plot(x);%時域波形xlabel(時間序列);ylabel(幅值);title(信號時域圖);fs=12000;%采樣頻率N=length(x);n=0:N-1;y=fft(x,N);%進行fft變換m=abs(y(1:N)*2/N;%求信號的真實幅值f=n*fs/N; %進行對應(yīng)的頻率轉(zhuǎn)換subplot(2,1,2)stem(f(1:N),m(1:N);%繪出頻譜圖xlabel(頻率/Hz);ylabel(幅值);title(信號頻譜圖);grid on;x=y(:,4);%信號數(shù)組subplot(2,1,1);plot(x);%時域波形xlabel(時間序列);ylabel(幅值);title(信號時域圖);fs=12000;%采樣頻率N=len