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
(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Ao、Ai、Ab、Ac;
(五)根据
从获得的数据中辨识外圈的数据,Ao(i)表示Ao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Ao、Ai、Ab、Ac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,
其中Db为滚动体直径;DC为滚动轴承平均直径(节径);θ为径向方向接触角;Fs为轴的转频。Fb为滚动体特征频率;Fbpi为内圈特征频率;Fbpo为外圈特征频率;Fc为保持架特征频率;Nb为滚动体个数,
其次,以分别获得轴承的外圈频域特征量Ao、内圈频域特征量Ai、滚动体频域特征量Ab、保持架频域特征量Ac。
所述外圈的频域特征量Ao由以下公式
获得。
所述内圈频域特征量Ai由以下公式
获得。
所述滚动体频域特征量Ab由以下公式
获得。
所述保持架频域特征量Ac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
(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Ao、Ai、Ab、Ac;
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,Ao(i)表示Ao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Ao、Ai、Ab、Ac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Ao、Ai、Ab、Ac置于该坐标轴内,通过观测Ao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,
其中Db为滚动体直径;DC为滚动轴承平均直径(节径);θ为径向方向接触角;Fs为轴的转频。Fb为滚动体特征频率;Fbpi为内圈特征频率;Fbpo为外圈特征频率;Fc为保持架特征频率;Nb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Ao、内圈频域特征量Ai、滚动体频域特征量Ab、保持架频域特征量Ac。
而所述外圈的频域特征量Ao由以下公式
获得。
所述内圈频域特征量Ai由以下公式
获得。
所述滚动体频域特征量Ab由以下公式
获得。
所述保持架频域特征量Ac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。