一种电机轴承外圈故障辨识方法与流程

本发明属于轴承故障诊断领域，具体涉及一种电机轴承外圈故障辨识方法。

背景技术：

轴承是旋转机械装备的关键部件之一，其状态直接影响设备的正常运行。通过对振动信号的处理和分析，实现对机械部件的故障诊断，是比较常见的处理方式，流程见图1所示。通过分析振动信号即可发现潜在故障(或故障源)，则基于现有振动信号预测信号未来走势，从而发现潜在故障，也是可行的。

轴承的故障诊断一般分为三个步骤：信号采集、故障提取(信号处理)和故障诊断。其中故障提取是关键步骤。如何有效的提取故障信号一直是轴承故障研究领域的热门。信号处理与频谱分析的目的是要描述信号的频谱含量在时间上变化，以便能在时间和频谱上同时表示信号的能量或者强度。传统的傅立叶变化并没有告诉我们那些频率在什么时候出现，因此该方法无法表现出信号的时变性。

技术实现要素：

为了克服背景技术的缺点与不足之处，本发明提出一种电机轴承外圈故障辨识方法。

本发明的技术方案是：一种电机轴承外圈故障辨识方法，其步骤如下：

(一)先通过加速度传感器获取轴承各个位置的振动信号，并将振动信号通过滤波器过滤，获得一个序列；

(二)对(一)所获的序列进行求幅值操作得到Sig(k)，k＝0，1，…，N-1，N为采样点个数；

(三)对(二)中得到的Sig(k)进行傅里叶变化，得到

$F\left(r\right)=\frac{1}{N}{\mathrm{\Σ}}_{k=0}^{N-1}sig\left(k\right)\exp (-j\frac{2\mathrm{\π}rk}{N}),0\≤r\≤N-1;$

(四)获得外圈、内圈、滚动体和保持架在特征频率处的幅值，依次为A_o、A_i、A_b、A_c；

(五)根据

从获得的数据中辨识外圈的数据，A_o(i)表示A_o的第i个量；

(六)通过对步骤(5)中获得θ的公式进行坐标轴及曲线描绘，并将所获得A_o、A_i、A_b、A_c置于该坐标轴内，通过检测外圈数据位于曲线内的位置进行外圈故障的识别。

步骤(四)中，首先获得外圈、内圈、滚动体和保持架的特征频率公式，

$F_b=\frac{D_C}{2*D_b}{F}_s\[1-{\left(\frac{D_b}{D_C}\cos \mathrm{\θ}\right)}^2\];$

$F_{bpi}=\frac{N_b}{2}{F}_s\[1+\left(\frac{D_b}{D_C}cos\mathrm{\θ}\right)\];$

$F_{bpo}=\frac{N_b}{2}{F}_s\[1+\left(\frac{D_b}{D_C}cos\mathrm{\θ}\right)\];$

$F_c=\frac{1}{2}{F}_s\[1-\left(\frac{D_b}{D_C}\cos \mathrm{\θ}\right)\],$

其中D_b为滚动体直径；D_C为滚动轴承平均直径(节径)；θ为径向方向接触角；F_s为轴的转频。F_b为滚动体特征频率；F_bpi为内圈特征频率；F_bpo为外圈特征频率；F_c为保持架特征频率；N_b为滚动体个数，

其次，以分别获得轴承的外圈频域特征量A_o、内圈频域特征量A_i、滚动体频域特征量A_b、保持架频域特征量A_c。

所述外圈的频域特征量A_o由以下公式

获得。

所述内圈频域特征量A_i由以下公式

获得。

所述滚动体频域特征量A_b由以下公式

获得。

所述保持架频域特征量A_c由以下公式

获得。

所述(一)中滤波器的带宽为6～12kHz。

本发明能够利用轴承各特征频率为特征向量，并通过获得的θ辨识出外圈与其他部分的数据。

附图说明

图1为轴承信号处理流程图。

图2为外圈辨识方法流程图。

具体实施方式

下面针对附图对本发明的实施例作进一步说明：

本发明提供一种电机轴承外圈故障辨识方法，其步骤如下：

(一)先通过加速度传感器获取轴承各个位置的振动信号，并将振动信号通过滤波器过滤，获得一个序列，滤波器的带宽为6～12kHz；

(二)对(一)所获的序列进行求幅值，用Sig(k)表示，k＝0，1，…，N-1，N为采样点个数；

(三)对(二)中的得到的Sig(k)进行傅里叶变化，得到

$F\left(r\right)=\frac{1}{N}{\mathrm{\Σ}}_{k=0}^{N-1}sig\left(k\right)\exp (-j\frac{2\mathrm{\π}rk}{N}),0\≤r\≤N-1;$

(四)通过(三)的公式获得外圈、内圈、滚动体和保持架在特征频率处的幅值，依次为A_o、A_i、A_b、A_c；

由F(r)获得轴承数据包含轴承四部分相关信息，即各部分相互影响，因此对外圈辨识造成困难，

(五)由切比雪夫不等式可得外圈与其他部分数据的辨识阈值公式为

从获得的所有数据中辨识出外圈的数据，A_o(i)表示A_o的第i个量；。

(六)通过对步骤(5)中获得θ的公式进行坐标轴及曲线描绘，并将所获得A_o、A_i、A_b、A_c置于该坐标轴内，通过检测外圈数据位于曲线内的位置进行外圈故障的识别。

即当建立完整的坐标轴，并在坐标轴内描绘θ的曲线后，通过A_o、A_i、A_b、A_c置于该坐标轴内，通过观测A_o数据位于坐标轴内与曲线的位置，来进行外圈故障的识别，若外圈出现故障，则该数据与其他数据位于θ曲线的不同侧，而当外圈正常时，则所有数据均位于θ曲线的同侧。

步骤(四)中，通过图1和图2的流程，首先获得外圈、内圈、滚动体和保持架的特征频率公式，

$F_b=\frac{D_C}{2*D_b}{F}_s\[1-{\left(\frac{D_b}{D_C}cos\mathrm{\θ}\right)}^2\];$

$F_{bpi}=\frac{N_b}{2}{F}_s\[1+\left(\frac{D_b}{D_C}cos\mathrm{\θ}\right)\];$

$F_{bpo}=\frac{N_b}{2}{F}_s\[1-\left(\frac{D_b}{D_C}cos\mathrm{\θ}\right)\];$

$F_c=\frac{1}{2}{F}_s\[1-\left(\frac{D_b}{D_C}cos\mathrm{\θ}\right)\]$

其中D_b为滚动体直径；D_C为滚动轴承平均直径(节径)；θ为径向方向接触角；F_s为轴的转频。F_b为滚动体特征频率；F_bpi为内圈特征频率；F_bpo为外圈特征频率；F_c为保持架特征频率；N_b为滚动体个数，

其次，以带入(三)的公式分别获得轴承的外圈频域特征量A_o、内圈频域特征量A_i、滚动体频域特征量A_b、保持架频域特征量A_c。

而所述外圈的频域特征量A_o由以下公式

获得。

所述内圈频域特征量A_i由以下公式

获得。

所述滚动体频域特征量A_b由以下公式

获得。

所述保持架频域特征量A_c由以下公式

获得。

实施例不应视为对发明的限制，但任何基于本发明的精神所作的改进，都应在本发明的保护范围之内。