基于虚拟仪器的机床状态故障诊断系统和方法与流程

本发明属于故障诊断的技术领域，具体涉及一种基于虚拟仪器的机床状态故障诊断系统和方法。

背景技术：

机械故障诊断的技术起始于上个世纪70年代，由美国宇航局(nasa)成立的故障预防小组开展了故障诊断的工作。随后其他国家(英、法、德等)相继对改技术进行不断的完善和探索。历经多年的研究，如今该技术已由最初的航天领域渗透到各个制造业领域。

我国的故障诊断技术的研发起始于上个世纪90年代，在时间上虽然落后发达国家20余年，但是在广大学者和研发团队的努力下，也取得了一定成果，并开始往故障诊断的先进技术靠拢。其中包括哈尔滨工业大学自主开发的rthtlene、mmd-2、mmd-3系统，西安交通大学开发的rb-20系统。虽然国家越来越多学者都投身于故障诊断领域的研发中，但是与先进水平相比较仍然具有一定的差距。这其中的原因主要是企业对机床的故障诊重视程度远远不够，追求的只是短期效益，对故障诊断技术的投资少且分散，开发出来的检测诊断系统的通用性和可靠性有待提高，导致科技与实际应用脱节。

技术实现要素：

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于虚拟仪器的机床状态故障诊断系统和方法，通过时域和频域分析手段并综合故障诊断的理论知识，识别出机床内部滚动轴承以及齿轮的故障，并根据故障的状况类型给出相应的解决方案。

为了达到上述目的，本发明采用以下技术方案：

本发明一种基于虚拟仪器的机床状态故障诊断系统，包括信号采集模块、信号预处理模块、信号时域分析模块和信号频域分析模块，所述信号采集模块与信号预处理模块连接，所述信号时域分析模块、信号频域分析模块分别与信号预处理模块连接；

所述信号采集模块，用于将数据采集卡采集的数据导入到labview程序作为程序的输入模块，

所述信号预处理模块包括小波降噪模块以及低通滤波模块，用于对采集的数据进行降噪和滤波；

所述信号时域分析模块，用于对时域信号进行分析，所述信号时域分析模块包括统计特征参数计算模块、时序信号显示模块以及自相关模块；

所述统计特征参数计算模块，利用了labview的统计函数，该统计函数用于将预处理后的振动信号的统计特征参数计算；

所述时序信号显示模块，用于显示对采集到的振动信号特征参数的计算结果；

所述自相关模块，是对信号在时域当中特性的平均度量，用来描述信号x(t)在两个不同的任意时刻s,t之间的相关程度；

所述信号频域分析模块，用于反映故障特征频率，从而有效辨别故障的类型，所述信号时域分析模块包括傅里叶变换模块、自功率频谱分析模块、倒谱分析模块以及包络谱分析模块；

所述傅里叶变换模块，通过频域分析旋钮搭配条件结构实现自相关模块功能的启用与关闭；

所述自功率频谱分析模块，用于获得振动信号的频率结构特征，振动信号通过自功率谱函数，输出功率谱图；

所述倒谱分析模块，用于将信号的傅里叶变换频谱图进行对数运算；

所述包络谱分析模块，用于对预处理后的振动信号进行包络分析，得到信号的外包络信息，使用时域与频域的手段对其进行分析。

作为优选的技术方案，所述信号采集模块包括振动传感器、电荷放大器和数据采集卡，所述振动传感器选用压电式加速度传感器；

所述压电式加速度传感器，用于采集振动信号，并把信号传输到电荷放大器中；

所述电荷放大器，用于接收压电式加速度传感器的电荷信号并加以放大，将原本微弱的信号经电荷放大器放大后能够进行与电脑之前的传输；

所述数据采集卡，接收来自电荷放大器放大后的信号，并与计算机中的labview程序进行数据联通。

作为优选的技术方案，所述数据采集卡采集振动传感器的数据，所述振动传感器选用压电式加速度传感器；所述数据采集卡选用usb-6008。

作为优选的技术方案，所述小波降噪模块，用于将信号进行小波变换后，产生的小波系数包含了信号的重要信息，其中信号本身的小波系数较大，而噪声信号的小波系数较小，通过设置一个合适的阀值，使得噪声信号消除并使得原本信号保留；

所述低通滤波模块，用于允许低于低通截止频率信号通过而将信号超出低通截止频率的部分进行滤波处理。

作为优选的技术方案，所述自相关模块的表达式为：

r(s,t)＝e[x(s)*x(t)]。

作为优选的技术方案，所述傅里叶变换模块中，振动信号会从左往右经过快速傅里叶变换函数，输出双边频谱图，为了将双边频谱图转化为单边频谱图，取原本数组大小的一半作为新的数组大小，能得到单边频谱图；

所述倒谱分析模块中，先将输入的振动信号通过自功率谱函数得出自功率谱，再用对数函数将横坐标表示为底数为10的对数，在进行傅里叶逆变换得到信号的倒谱图；

所述包络谱分析模块中，将振动信号的平方与其hilbert变换后的平方相加，得到的结果取算术平方根，然后进行傅里叶变换得到信号的包络谱图，为了便于分析应将双边包络谱图转化为单边包络谱图，取原本数组大小的一半作为新的数组大小，得到单边包络谱图。

本发明还提供了一种基于虚拟仪器的机床状态故障诊断系统的故障诊断方法，包括下述步骤：

将振动信号的测点布置在主轴箱附近，获取主轴箱内轴承以及齿轮的工作频率与故障特征，两个振动传感器布置在主箱上，其中一个传感器负责主轴轴向振动信号的采集，另一个传感器负责主轴径向振动信号的采集；

根据主轴箱内的齿轮副根据转速档位的调整而选择不同的配合方式，

计算滚动轴承与齿轮特征频率；

滚动轴承的故障诊断方法，

对于滚动轴承来说，故障特征频率计算式如式(2)～(4)所示；

轴承外圈故障频率：bpfo＝(n/2)z[1-(d/d)cosα](2)

轴承内圈故障频率：bpfi＝(n/2)z[1+(d/d)cosα](3)

保持架故障频率：ftf＝(n/2)[1-(d/d)cosα](4)

其中：

d＝滚动体直径；

d＝滚动轴承平均直径；

α＝径向方向接触角；

z＝滚动体数目；

n＝轴的转速；

在实际计算中，用式(5)～(7)计算动轴承的故障特征频率；

轴承外圈故障频率：

轴承内圈故障频率：

保持架故障频率：

其中：

z＝滚动体数目；

n＝轴的转速；

齿轮的故障分析为：

将齿牙比作弹簧，齿轮体本身的质量作为弹簧体的质量，在忽略轮齿摩擦力的情况下，那么齿轮副的振动方程如式(8)所示。

mrx＝cx+k(t)x＝k(t)e1+k(t)e2(t)(8)

式中的mrx＝(m1m2)/(m1+m2),m1＝主动轮的质量，m2＝从动轮的质量，c＝齿轮啮合的阻尼，x＝齿轮的作用线上相对位移，k(t)＝齿轮的啮合刚度，并随时间变化而变化，也就是说k(t)表示的是齿轮啮合的动态过程；e1表示的是齿轮受到载荷后所产生的静弹性形变的平均值，e2(t)则是齿轮故障与误差所造成的齿轮间的相对位移，也就是故障函数。

作为优选的技术方案，轴承失效的四个阶段为：

(1)第一阶段：轴承失效初期，这个阶段轴承首先在次表面形成微观裂纹或晶格的错位，轴承表面则看不到裂纹或微小剥落，在振动信号的低频段并不会形成明显的冲击信号，所以用传统加速度传感器并不能拾取到振动故障信号，但次表面的微观裂纹或晶格的错位会出现声发射信号或应力波信号，因此在这个阶段轴承故障的特征体现在超声频率段，利用声发射传感器或基于共振的加速度传感器进行获取，表现为测得信号的峰值或能量值变大；

(2)第二阶段：轴承失效发展期，在这个阶段轴承微观劣化开始由次表面向表面扩展，并在轴承接触的表面产生裂纹或者微小剥落等损伤点；当轴承的元件表面与这些损伤点接触时，会形成一定频率的冲击脉冲，依据傅里叶变换可知，短时冲击的信号在频域上是宽频信号，因此这个冲击信号会激起轴承零部件高频固有频率发生共振，从而使其振动加强，通过加速度传感器便能将这部分信号获取，再利用包络解调的技术便能观察到轴承的故障特征频率，到了第二阶段末期还能观察到故障的特征频率倍频；在这个阶段轴承的温度正常，噪声略微增大，振动速度总量略微增大，振动频谱变化不太明显，但尖峰能量有增加，频谱更加突出；这时的轴承故障频率出现在大概500hz-2khz范围，轴承的故障特征频率暂时被埋没在低频段较高的噪音当中，因此，故障特征频率段观察不到清晰的故障特征频率；

(3)第三阶段：轴承失效快速发展期，在这个阶段随着轴承损伤加速发展，损伤点对轴承接触面冲击也越来越强烈，在共振频率段解调的轴承故障的特征频率倍频越来越多，并且其周期性冲击能量的大小已经可以直接通过振动信号功率谱观察出来，这时直接在振动信号功率谱上清晰地看到轴承故障特征频率，并且其倍频也有越来越多的趋势；此时轴承故障频率出现在大概0～1khz范围；建议于第三阶段后期予以更换轴承，此时已经可轻易看到磨损等滚动轴承故障特征；

(4)第四阶段：轴承失效末期，在这个阶段，滚动轴承已经快达到寿命终点，损伤点也能够通过肉眼观察得到，轴承运动噪音也变得特别大，温度急速地升高；此时，功率谱上不仅可以清楚地看到轴承故障特征频率及倍频，假设损伤点交替地进入载荷区的话，还能够在故障特征频率的旁边看到很明显的调制边频；在第四阶段末期，信号的频谱线变得不是很清晰，并在功率谱上形成凸出的“茅草堆”，高频振动的能量在这时很有可能不升反降，一旦发现高频的监测量开始下降，不一定是轴承表面状态变好，反而是说明轴承已经快到寿命终点。

作为优选的技术方案，齿轮的故障诊断的步骤中：

啮合刚度变化率的表达式如式(9)所示；

式中的n1以及n2分别表示的是齿轮副主动轮与从动轮的转速，单位是r/mi,而z1以及z2分别表示的是主动轮与从动轮的齿数；而k(t)e2(t)则是造成齿轮振动异常的激振源，它受啮合刚度和故障函数的共同影响；

作为优选的技术方案，齿轮的故障诊断的步骤中包括齿轮的啮合频率计算，具体为：

对于齿轮副而言，齿轮啮合频率的计算公式如式(10)所示；

f＝nz(10)

其中：

z＝齿轮齿数；

n＝轴的转速。

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明采用压电式加速度传感器配合电荷放大器使用实现对车床振动信号的采集，再通过数据采集卡把采集到的振动信号传输到计算机，利用labview软件编程实现对振动信号的时域及频域的分析。通过时域和频域分析手段并综合故障诊断的理论知识，识别出机床内部滚动轴承以及齿轮的故障，并根据故障的状况类型给出相应的解决方案，最终实现对车床的故障诊断。

2、本发明在硬件部分学习使用与振动信号分析的相关仪器，比如电荷放大器、压电式加速度传感器、数据采集卡等等，并能够使用这些仪器准确的采集机床的振动信号以供软件分析。

3、本发明在软件部分学习labview编程，完成振动信号分析系统的编译，能够很好的分析硬件传输进来的振动信号。

附图说明

图1是本发明故障诊断系统的方框图；

图2是本发明故障诊断系统的结构原理图。

图3是本发明信号预处理模块的结构示意图；

图4是本发明的统计函数示意图；

图5是本发明自相关函数的示意图；

图6是本发明傅里叶变换模块的结构示意图；

图7是本发明自功率谱的结构示意图；

图8是本发明包络谱的结构示意图；

图9是本发明倒谱分析的结构示意图；

图10是本发明105r/min的转速下振动信号的时域频谱图；

图11是本发明105r/min的转速下振动信号的频域频谱图；

图12是本发明180r/min的转速下振动信号的时域频谱图；

图13是本发明180r/min的转速下振动信号的频域频谱图；

图14是本发明560r/min的转速下振动信号的时域频谱图；

图15是本发明560r/min的转速下振动信号的频域频谱图；

图16是本发明800r/min的转速下振动信号的时域频谱图；

图17是本发明800r/min转速下振动信号的频域频谱图；

图18是本发明本发明800r/min转速下振动信号的包络谱图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1、图2所示，本实施例一种基于虚拟仪器的机床状态故障诊断系统，包括信号采集模块、信号预处理模块、信号时域分析模块和信号频域分析模块，所述信号采集模块与信号预处理模块连接，所述信号时域分析模块、信号频域分析模块分别与信号预处理模块连接。

所述信号采集模块，用于将数据采集卡采集的数据导入到labview程序作为程序的输入模块，本实施例中，将usb-6008数据采集卡采集的数据导入到labview程序作为程序的输入模块。可以通过两个输入控件分别控制采集模块的采样率与采样数以达到最佳的信号采集效果，为后续的信号调理以及信号分析提供基础。

基于上述信号采集模块，本实施例的振动测试平台包括：2个压电式加速度传感器、1个电荷放大器、usb-6008数据采集卡、激振器、td1630a函数发生器、偏心轮以及简支梁。

保证这些硬件的相互配合是实现信号采集的第一步，各个硬件的作用分别是：

(1)压电式加速度传感器：采集振动信号，并把信号传输到电荷放大器中；

(2)电荷放大器：接收压电式加速度传感器的电荷信号并加以放大，原本微弱的信号经电荷放大器放大后就能够进行与电脑之前的传输；

(3)usb-6008：接收来自电荷放大器放大后的信号，并与计算机中的labview程序进行数据联通；

(4)td1630a函数发生器与激振器：函数发生器负责激振信号的生成，通过选择不同的参数(信号类型、初始相位、输出幅值等等)来实现不同的激振效果，激振器是函数发生器的激振工具。

(5)偏心轮：通过电机的回转带动偏心轮的转动，实现对简支梁的正弦激振。

所述信号预处理模块包括小波降噪模块以及低通滤波模块，用于对采集的数据进行降噪和滤波；所述信号的预处理模块如图3所示，该模块包含两个信号调理功能：小波降噪与低通滤波器。以下是相关功能的基本介绍以及编程思路：

(1)小波降噪的基本思想是将信号进行小波变换后，产生的小波系数包含了信号的重要信息，其中信号本身的小波系数较大，而噪声信号的小波系数较小，通过设置一个合适的阀值，使得噪声信号消除并使得原本信号保留。

(2)低通滤波器的作用是：允许低于低通截止频率信号通过而将信号超出低通截止频率的部分进行滤波处理。在程序中可以通过输入控件来控制低通截止频率的大小。

编程思路：图3左侧是振动信号的输入端口，通过布尔按钮配合条件结构来分别实现小波降噪和低通滤波器的启用与关闭，右侧是振动信号经过预处理后的输出端口。

进一步的，所述信号时域分析模块，用于对时域信号进行分析，所述信号时域分析模块包括统计特征参数计算模块、时序信号显示模块以及自相关模块。

其中实现各个功能的程序框图如下：

(1)统计特征参数的计算的实现利用了labview的统计函数如图4所示。该函数能够实现将预处理后的振动信号的统计特征参数计算。直接体现了labview智能化的优势。

编程思路：左侧是信号输入端口，通过统计函数输出多个时域统计特征参数。

(2)实现信号的自相关的程序框图如图5所示。自相关函数是对信号在时域当中特性的平均度量，用来描述信号x(t)在两个不同的任意时刻s,t之间的相关程度，其表达式为式(1)。

r(s,t)＝e[x(s)*x(t)](1)

编程思路：通过旋钮搭配条件结构实现自相关功能的启用与关闭，左侧是振动信号输入端口，经过自相关函数输出自相关波形到时域分析波形图中。

信号的频域分析能够有效地反映故障特征频率，从而可以有效辨别故障的类型。本实施例中，所述信号频域分析模块，用于反映故障特征频率，从而有效辨别故障的类型，所述信号时域分析模块包括傅里叶变换模块、自功率频谱分析模块、倒谱分析模块以及包络谱分析模块；

所述傅里叶变换模块，通过频域分析旋钮搭配条件结构实现自相关模块功能的启用与关闭；傅里叶变换是通过傅里叶级数的正交函数展开式的基础上形成的，把一个周期信号展开傅里叶级数形式被称为频域分析，透过傅里叶变换可以清晰的观察到信号各个组成成分的频率，以便故障特征频率的识别，实现信号傅里叶变换的程序框图如图6所示。

编程思路：通过频域分析旋钮搭配条件结构实现自相关功能的启用与关闭，从左往右，振动信号会经过快速傅里叶变换函数，输出双边频谱图，为了便于分析应将双边频谱图转化为单边频谱图，具体思路是取原本数组大小的一半作为新的数组大小，就能得到单边频谱图。

所述自功率频谱分析模块，用于获得振动信号的频率结构特征，振动信号通过自功率谱函数，输出功率谱图；进行自功率谱分析的目的主要是获得振动信号的频率结构特征，因为功率谱实际反映的是振动信号幅值的平方，所以在反映振动信号的频率结构方面具有优势。实现信号自功率谱分析的程序框图如图7所示。

编程思路：振动信号通过自功率谱函数，输出功率谱图。

所述倒谱分析模块，用于将信号的傅里叶变换频谱图进行对数运算。

倒谱分析是一种将信号的傅里叶变换频谱图进行对数运算之后，在进行傅里叶逆变换的一种信息分析方法。对于高速运转的大型机械，其运动状态是十分复杂的，尤其是当设备出现轴系不对中、齿轮或者滚动轴承出现缺陷、油膜的破损等现象发生时，获得的振动信号则更为复杂。用一般的频域分析方法已经不足以识别出故障特征频率，而采用倒谱分析，会增强辨识故障特征频率的能力，实现倒谱分析的程序框图如图9所示。

编程思路：先将输入的振动信号通过自功率谱函数得出自功率谱，再用对数函数将横坐标表示为底数为10的对数，在进行傅里叶逆变换得到信号的倒谱图。

所述包络谱分析模块，用于对预处理后的振动信号进行包络分析，得到信号的外包络信息，使用时域与频域的手段对其进行分析。对预处理后的振动信号进行包络分析后，可以得到信号的外包络信息，可以使用时域与频域的手段对其进行分析，例如提取振动信号的特征参数。振动信号的某些时域特征对描述轴承的性能状况有着一定的帮助。但是在一些特殊情况，例如时域特征参数不能用来精确诊断轴承故障部位的情况，往往是对包络信号本身进行频域分析。在滚动轴承故障诊断的方法中，其包络谱分析可以有效识别边频，进而找出调制信号特性并进行轴承故障的诊断；实现信号包络谱分析的程序框图如图8所示。

编程思路：将振动信号的平方与其hilbert变换后的平方相加，得到的结果取算术平方根，然后进行傅里叶变换得到信号的包络谱图，同样为了便于分析应将双边包络谱图转化为单边包络谱图，具体思路是取原本数组大小的一半作为新的数组大小，就能得到单边包络谱图。

在本发明的另一个实施例中，基于虚拟仪器的机床状态故障诊断系统的故障诊断方法，包括下述步骤：

s1、将振动信号的测点布置在主轴箱附近，获取主轴箱内轴承以及齿轮的工作频率与故障特征，两个振动传感器布置在主箱上，其中一个传感器负责主轴轴向振动信号的采集，另一个传感器负责主轴径向振动信号的采集；

s2、根据主轴箱内的齿轮副根据转速档位的调整而选择不同的配合方式，

s3、计算滚动轴承与齿轮特征频率；

s4、滚动轴承的故障诊断方法，

对于滚动轴承来说，故障特征频率计算式如式(2)～(4)所示；

轴承外圈故障频率：bpfo＝(n/2)z[1-(d/d)cosα](2)

轴承内圈故障频率：bpfi＝(n/2)z[1+(d/d)cosα](3)

保持架故障频率：ftf＝(n/2)[1-(d/d)cosα](4)

其中：

d＝滚动体直径；

d＝滚动轴承平均直径；

α＝径向方向接触角；

z＝滚动体数目；

n＝轴的转速；

在实际计算中，用式(5)～(7)计算动轴承的故障特征频率；

轴承外圈故障频率：

轴承内圈故障频率：

保持架故障频率：

其中：

z＝滚动体数目；

n＝轴的转速；

s5、齿轮的故障分析为：

将齿牙比作弹簧，齿轮体本身的质量作为弹簧体的质量，在忽略轮齿摩擦力的情况下，那么齿轮副的振动方程如式(8)所示。

mrx＝cx+k(t)x＝k(t)e1+k(t)e2(t)(8)

式中的mrx＝(m1m2)/(m1+m2),m1＝主动轮的质量，m2＝从动轮的质量，c＝齿轮啮合的阻尼，x＝齿轮的作用线上相对位移，k(t)＝齿轮的啮合刚度，并随时间变化而变化，也就是说k(t)表示的是齿轮啮合的动态过程；e1表示的是齿轮受到载荷后所产生的静弹性形变的平均值，e2(t)则是齿轮故障与误差所造成的齿轮间的相对位移，也就是故障函数。

进一步的，轴承失效的四个阶段为：

(1)第一阶段：轴承失效初期，这个阶段轴承首先在次表面形成微观裂纹或晶格的错位，轴承表面则看不到裂纹或微小剥落，在振动信号的低频段并不会形成明显的冲击信号，所以用传统加速度传感器并不能拾取到振动故障信号，但次表面的微观裂纹或晶格的错位会出现声发射信号或应力波信号，因此在这个阶段轴承故障的特征体现在超声频率段，利用声发射传感器或基于共振的加速度传感器进行获取，表现为测得信号的峰值或能量值变大；

(2)第二阶段：轴承失效发展期，在这个阶段轴承微观劣化开始由次表面向表面扩展，并在轴承接触的表面产生裂纹或者微小剥落等损伤点；当轴承的元件表面与这些损伤点接触时，会形成一定频率的冲击脉冲，依据傅里叶变换可知，短时冲击的信号在频域上是宽频信号，因此这个冲击信号会激起轴承零部件高频固有频率发生共振，从而使其振动加强，通过加速度传感器便能将这部分信号获取，再利用包络解调的技术便能观察到轴承的故障特征频率，到了第二阶段末期还能观察到故障的特征频率倍频；在这个阶段轴承的温度正常，噪声略微增大，振动速度总量略微增大，振动频谱变化不太明显，但尖峰能量有增加，频谱更加突出；这时的轴承故障频率出现在大概500hz-2khz范围，轴承的故障特征频率暂时被埋没在低频段较高的噪音当中，因此，故障特征频率段观察不到清晰的故障特征频率；

(3)第三阶段：轴承失效快速发展期，在这个阶段随着轴承损伤加速发展，损伤点对轴承接触面冲击也越来越强烈，在共振频率段解调的轴承故障的特征频率倍频越来越多，并且其周期性冲击能量的大小已经可以直接通过振动信号功率谱观察出来，这时直接在振动信号功率谱上清晰地看到轴承故障特征频率，并且其倍频也有越来越多的趋势；此时轴承故障频率出现在大概0～1khz范围；建议于第三阶段后期予以更换轴承，此时已经可轻易看到磨损等滚动轴承故障特征；

(4)第四阶段：轴承失效末期，在这个阶段，滚动轴承已经快达到寿命终点，损伤点也能够通过肉眼观察得到，轴承运动噪音也变得特别大，温度急速地升高；此时，功率谱上不仅可以清楚地看到轴承故障特征频率及倍频，假设损伤点交替地进入载荷区的话，还能够在故障特征频率的旁边看到很明显的调制边频；在第四阶段末期，信号的频谱线变得不是很清晰，并在功率谱上形成凸出的“茅草堆”，高频振动的能量在这时很有可能不升反降，一旦发现高频的监测量开始下降，不一定是轴承表面状态变好，反而是说明轴承已经快到寿命终点。

进一步的，齿轮的故障诊断的步骤中：

啮合刚度变化率的表达式如式(9)所示；

式中的n1以及n2分别表示的是齿轮副主动轮与从动轮的转速，单位是r/mi,而z1以及z2分别表示的是主动轮与从动轮的齿数；而k(t)e2(t)则是造成齿轮振动异常的激振源，它受啮合刚度和故障函数的共同影响；

齿轮的故障诊断的步骤中包括齿轮的啮合频率计算，具体为：

对于齿轮副而言，齿轮啮合频率的计算公式如式(10)所示；

f＝nz(10)

其中：

z＝齿轮齿数；

n＝轴的转速。

为了更好的验证本申请的测试效果，以c6132a1机床为例，对本发明做进一步的阐述，c6132a1机床的传动结构集中在床身上方(也成为主轴箱)，动力输入则集中在床脚部位。驱动电机利用带传动将能量从床脚传输到主轴箱，并通过调节主轴箱内各个齿轮组的搭配以调节传动比，达到调节主轴转速的目的。

(1)测试点的选择：

振动信号获取测点应该从实际出发，最能反映加工零件精度的主轴就是最理想的测点。所以把测点布置在主轴箱附近，更有利于获取主轴箱内轴承以及齿轮的工作频率与故障特征。其中一个传感器负责主轴轴向振动信号的采集，另一个传感器负责主轴径向振动信号的采集。

(2)振动信号分析系统在金工车间的搭建:

由于金工车间环境比较复杂，选用的硬件搭配以轻便小巧为主，故选择的硬件有：压电式加速度传感器、电荷放大器、usb-6008数据采集卡以及笔记本电脑。

(3-1)c6132a1车床的故障诊断；

(3-1)转速档位的选择，主轴箱内一共有4组齿轮副能够根据转速档位的调整而选择不同的配合方式，选择合适的转速档位即可对所有的齿轮副进行检测及故障诊断。

经过分析，最终转速档位选择与对应启用的齿轮副如表1所示。分析这四组转速下的振动信号频谱就能完成对主轴箱内所有齿轮副的故障诊断。

表1

(3-2)滚动轴承与齿轮特征频率的计算；在进行振动信号的采集与分析之前，首先需要完成一定的前期工作：特征频率的计算以及相关的故障理论分析。前期的数据结果与采集的振动信号相互对比分析才能得出最终的故障诊断结果。

(3-2-1)105r/min的转速下：

滚动轴承的故障特征频率计算：对于滚动轴承来说，它的故障特征频率由式(5)～(7)可得。

∵n＝105/60＝1.75hz，轴承滚动体数目z＝28；

∴外圈故障频率：

内圈故障频率：

保持架故障频率：

齿轮的啮合频率计算：对于齿轮副而言，齿轮啮合频率由式(10)可得。在此转速下，n1＝105/60＝1.75hz，齿轮齿数z1＝81；

f81＝f20＝n1z1＝(105/60)×81＝148hz

因此，105r/min的转速下齿轮的啮合频率和轴承故障频率如表2和表3所示。

(3-3-2)180r/min的转速下：

同理，在此转速下；

∵n＝180/60＝3hz，轴承滚动体数目z＝28，齿轮齿数z1＝65；

∴外圈故障频率：

内圈故障频率：

保持架故障频率：

齿轮的啮合频率：f27＝f65＝n1z1＝(180/60)×65＝199.8hz

因此，180r/min的转速下齿轮的啮合频率和轴承故障频率如表4和表5所示。

(3-2-3)560r/min的转速下：

同理，在此转速下，

∵n＝560/60＝9.33hz，轴承滚动体数目z＝28，齿轮齿数z1＝44；

∴外圈故障频率：

内圈故障频率：

保持架故障频率：

齿轮的啮合频率：f44＝f54＝n1z1＝(560/60)×44＝410.67hz

因此，560r/mim的转速下齿轮的啮合频率和轴承故障频率如表6和表7所示

(3-2-4)800r/min的转速下：

同理，在此转速下，

∵n＝800/60＝13.33hz，轴承滚动体数目z＝28，齿轮齿数z1＝36；

∴外圈故障频率：

内圈故障频率：

保持架故障频率：

齿轮的啮合频率：f36＝f65＝n1z1＝(800/60)×36＝480hz

因此，800r/mim的转速下齿轮的啮合频率和轴承故障频率如表8和表9所示。

(4)c6132a1车床的振动监测与故障诊断；

(4-1)105r/min的转速下振动信号的频谱如图10、图11所示。

从功率谱图中可以看出，两传感器对应的频谱图主要区别是：第一传感器频谱含有轴承外圈故障频率，而第二传感器频谱含有轴频、幅值较高且噪声较少。该振动信号低频成分包含了齿轮的啮合频率，即148hz及其倍频成分并且都存在边频带现象，其中148hz的幅值很高。对比不同状态下的齿轮频谱图可以发现此现象与齿轮过载故障对应。即机床主轴箱内与齿组成的齿轮副可能出现了过载故障。频谱的边频带较少，幅值也较低，所以这种故障是轻微的。

同时在30hz附近也出现了峰值，对照表2、表3可以发现这是轴承内圈的故障频率，根据对轴承振动信号的分析结论，这是轴承失效的第三阶段，近一步分析发现轴承故障频率没有存在边频带现象，也没有出现倍频成分。所以这是轴承失效的第三阶段初期，说明此故障对机床的影响很小，还不需要更换轴承。

(2)180r/min的转速下振动信号的频谱如图12、图13所示。

从功率谱图可以看出，对比105r/min转速下的频谱图可以发现齿轮啮合频率附近出现了更多的边频带，其三倍频600hz不降反升并且出现了120hz左右的固有频率，对比不同状态下的齿轮频谱图可以发现此现象与齿轮磨损故障对应。即机床主轴箱内与齿组成的齿轮副可能出现了磨损故障。频谱的边频带较少，幅值也较低，所以这种故障是轻微的。

同样在50hz附近也出现了峰值，对照表2、表3可以发现这是轴承内圈的故障频率，因为机床的轴承是不会随转速档位改变而改变的，所以轴承故障诊断跟105r/min转速下一致。即这是轴承失效的第三阶段，轴承故障频率没有存在边频带现象，也没有出现倍频成分。所以这是轴承失效的第三阶段初期，说明此故障对机床的影响很小，还不需要更换轴承。

(3)560r/min的转速下振动信号的频谱如图14、图15所示，

从功率谱图可以看出，对比180r/min转速下的频谱图可以发现齿轮啮合频率附近的边频带变少，其倍频呈现逐级递减的趋势，可以看出其三倍频1230hz已经要被噪声信号埋没。对比不同状态下的齿轮频谱图可以发现此现象与图齿轮正常对应，即机床主轴箱内与齿组成的齿轮副工作正常。

同样的在156hz附近也出现了峰值，对照表2、表3可以发现这是轴承内圈的故障频率，因为机床的轴承是不会随转速档位改变而改变的，所以轴承故障诊断跟105r/min转速下一致。即这是轴承失效的第三阶段，轴承故障频率没有存在边频带现象，也没有出现倍频成分。所以这是轴承失效的第三阶段初期，说明此故障对机床的影响很小，还不需要更换轴承。

(4)800r/min的转速下振动信号的频谱如图16、图17所示。

从功率谱图可以看出，对比560r/min转速下的频谱图可以发现齿轮啮合频率附近的边频带增多，啮合频率对应的峰值也很高，其三倍频1440hz不降反升，对比不同状态下的齿轮频谱图可以发现此现象与图齿轮磨损故障对应，即机床主轴箱内与齿组成的齿轮出现磨损故障。频谱的边频带较少，幅值也较低，所以这种故障是轻微的。

轴承方面，不管第一传感器还是第二传感器的频谱图都没有出现轴承的故障频率，对比前三种转速的频谱图可以发现，800转速下的振动信号频谱图的噪声明显增大，初步推断轴承的故障信号可能埋没在噪声信号当中。为了验证这一推断，对此振动信号进行包络谱的分析。

其包络谱图如图18所示，在包络谱图中可以清晰地看出224hz附近出现了峰值，对照表2、表3可以发现这是轴承内圈的故障频率，因为机床的轴承是不会随转速档位改变而改变的，所以轴承故障诊断跟105r/min转速下一致。即这是轴承失效的第三阶段，轴承故障频率没有存在边频带现象，也没有出现倍频成分。所以这是轴承失效的第三阶段初期，说明此故障对机床的影响很小，还不需要更换轴承。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。