轴承故障的理论推导与计算(修订中...)

子正

已于 2024-02-20 10:09:29 修改

阅读量1k

点赞数 16

分类专栏：问题建模 # 测量调试文章标签：算法

于 2024-01-12 14:05:53 首次发布

本文链接：https://blog.csdn.net/twicave/article/details/135548400

版权

问题建模同时被 3 个专栏收录

88 篇文章 1 订阅

订阅专栏

调试

74 篇文章 0 订阅

订阅专栏

测量

69 篇文章 0 订阅

订阅专栏

1.缘起

轴承故障出现在四个关键部件。内、外壁，保持架和滚动体。失效的基本原因是应力因素造成，润滑不良的过热进而影响强度指标也是失效的来源之一。另外，轴承是机械振动的主要激励源，振动和声音反馈在器件在线探伤中是一个主要的观测对象。

轴承故障往往具备迅速恶化的特征，对于高应力和高速轴，如果不即时处理，恶化后会造成轴承外壁或者内壁发生点蚀或者断裂，保持架断裂，如果此时电机承载较大负载，轴承的恶化，会牵连到相关的动力轴。是一个不可不进行监测的项目。

2.基础知识

本节内容摘自SKF网站，特此致谢。

2.1 轴承基础

d	内径
D	外径
B	轴承宽度
H	轴承高度 - 内径、外径、宽度
r	倒角尺寸 - 外径外缘倒角
α	接触角 - 小于45度为径向齿轮，否则为轴向齿轮

一般用于轴承套圈和垫圈的标准钢材为 100Cr6，其含有约 1% 的碳和 1.5% 的铬。需要经过热处理以提高结构硬度。一般，滚动体与轴承套圈和垫圈采用同样的钢材。根据需求，滚动体可以采用陶瓷材料制成。带有陶瓷滚动体的轴承被视为混合陶瓷轴承，且越来越常见。

2.2 频谱特征

轴承的滚珠故障会体现为相应的倍频谱线（相对轴转速、轴承的特征频率）内侧，出现幅值相对于特征谱线，在线性坐标系，两个幅值间已经有明显比例关系的低频峰。

在进行频谱分析时，几个注意事项：

要明确相关的谱线特征是对数坐标系，还是线性坐标系。
分析是在原始频谱中分析，还是包络谱分析，类似这样。
如何进行频谱泄露的防护。如果采样值已经获取到，如何剔除因频谱泄露产生的虚假倍频谱线。
明确各类窗函数对信号的衰减特性。频谱响应曲线大概是怎样的。

同一个振动采样数据在不同的视图下会呈现出不同的特征，比如：

上图是西交大数据集中，原始频谱和包络谱。108.6的特征谱线在原始频谱中无法识别。

3.工程实现

工程上需要考虑因为低采样率和非周期采样所引入的虚假信号或者噪声的干扰。

一般的做法，是首先需要对谱线本身做调谐处理。硬件实现，可以加入硬件滤波电路。软件方面，可以改变采样率，提高采样数据长度的方式来增强频率识别能力。

对于既有的采样数据，我们仍然可以引入数字滤波对关心的谱线进行增强。怀疑梳状滤波器，是可以对特定频率的谱线进行针对性的调谐处理的。

3.1 振动传感器与采集器的技术指标

振动传感器
- 一款典型的恒流压变振动传感器的量程，如果矫正到+-50g的量程范围，它的电平输出是+-5V
- 振动传感器自身频响，在[1~9000Hz]内,abs(增益)=10%；-3db线，截止频率在[-0.4,12kHz]处。
多通道采集器
- 一款典型的多通道振动传感器采集器的技术指标：最高采样率250KHz。
- 多通道采样时，有 N个通道，采样率下降到250kHz/N

3.2特征频率谱线估算

假定轴承基频是Freq，轴承滚珠数是N，则故障谱线的幅度至少在1/N以上，频差一定高于Freq/N。
内圈谱线和外圈谱线的计算和确认。滚动轴承故障频率推导 - 知乎

4.网络相关资源汇集

西安因联我看到了非常难以搜索到的典型数据和分析样例：

4.1 有图有真相！常见的振动故障及其特征谱（1） - 知乎

这里明确地提及了振动峰值应随转速平方变化，这可以作为一个虚假谱线的剔除原则。

力偶不平衡的监测，以及一些工程上典型错误的测试原则和定性侦测原则，有价值。

因联这份文档的笔记（我手里有一份法国的振动分析教材，里面做的更细，但是因联这份摘要性质的文档对振动分析入门人员仍然有价值，可以对频谱和关联振动特征，首先形成一些概念性的直觉认知：

不平衡
1. 特征：转频1倍频谱线增强、相位恒定、振动幅度随转速平方变化。
2. 看配图，因联的同志是采用移动探头，类似中医号脉的方式来诊断的。事实上是配置正交振动探头，或者配置三轴振动传感器，探测径向（轴的法平面）振动，可以直观的在李萨如图上看到非常明显的压扁的椭圆，甚至近乎线性。如果是单轴传感器，示波器双通道可以直接观察到这种特征。
3. 后续1.1力偶不平衡，因联直接给出了矫正方法，很赞。力偶不平衡会出现轴向振动。
4. 悬臂转子动平衡没有接触过。
不对中
1. 特征：在1倍频谱线外，出现两倍频谱线。2倍频谱线峰值往往更高。
2. 在知乎上曾经尝试解释过这种现象的物理机制。
3. 因联同志应该是经历过现场处置，轴不对中细分为角度不对中和平行不对中。
4. 轴承不对中
偏心转子
1. 这种完全是现场经验，最终判断不是联轴器故障而是故障在传动机构的某一侧转子处。
2. 特征：转动的幅度峰值刚好位于两轴连接的延长线上。
弯曲轴
1. 你能理解为什么轴中心的弯曲体现为一倍频占优势，而靠近两端的弯曲会体现为两倍频占优势吗？

补充一些其他的振动特征：

5. 共振

在测量设备的多处，检测出相同频率，幅度与转速变化的定点谱线。一般是底座螺丝松动或者本征频率引发的。

<待续...>

import numpy as np

#算法源自《电机轴承应用技术 (豆瓣) (douban.com)，电机轴承应用技术，ISBN:9787111646600》
def CalcBearingBPFO_withRpm(nOfBall, dOfBall, dOfOuterFrame, rpmOfInnerShaft):
Result = (nOfBall*rpmOfInnerShaft/(60*2))*(1-dOfBall/dOfOuterFrame)
return Result;

def CalcBearingBPFO_withFreq(nOfBall, dOfBall, dOfOuterFrame, freqOfInnerShaft):
Result = CalcBearingBPFO_withRpm(nOfBall, dOfBall, dOfOuterFrame, freqOfInnerShaft*60)
return Result

#数据来自《XJTU-SY 滚动轴承加速寿命试验数据集解读》
def Test_BearingParams():
dOfBall = (7.92)*1e-3
dOfSpan = (39.80-29.30)*1e-3
dOfOuter=(39.80)*1e-3
rpmOfInnerShaft = 2100
freqOfInnerShart = 34.38
nOfBall = 8
bpfo_inPaper = 107.91
bpfo_real = 108.6
print('bpfo = ', CalcBearingBPFO_withRpm(nOfBall, dOfBall, dOfOuter, freqOfInnerShart*60))
print('bpfoWithInnerOuterSpace = ', CalcBearingBPFO_withFreq(nOfBall, dOfSpan, dOfOuter, freqOfInnerShart))
print('bpfo in paper = ', bpfo_inPaper, ', bpfo_real = ', bpfo_real);

Test_BearingParams()

#输出结果：

#bpfo = 110.15421105527639
#bpfoWithInnerOuterSpace = 101.23959798994976
#bpfo in paper = 107.91 , bpfo_real = 108.6