内容发布更新时间 : 2024/9/22 5:40:40星期一 下面是文章的全部内容请认真阅读。

机械故障诊断大作业

题目：基于小波分析的轴承故障诊断 指导教师：李奕璠 班级： 学号： 姓名： 成绩：

西南交通大学峨眉校区机械工程系

西南交通大学峨眉校区

基于小波分析的轴承故障诊断

摘要滚动轴承在机械设备中使用非常广泛，其工作状态直接影响整个设备的运

行效率。对滚动轴承进行状态监测与故障诊断，能够避免重大事故的发生，获得较大的经济和社会效益。在多样化的现代信号数据处理方法中，小波分析比较适合非稳定信号分析处理，小波变换不仅能够给出信号的时间和频率的二维关系，还能根据信号局部特征调整其窗口宽度。采用Matlab编程快速地在计算机上实现基于小波分析的滚动轴承故障诊断。对正常或故障轴承的振动信号进行小波分解与重构，基于小波分解系数对含有故障特征频率的第一层细节信号进行小波重构并提取其Hilbert包络谱，从中找到并测出特征频率,并和根据理论计算得到的故障特征频率对比判断故障类型。

关键词：故障诊断小波分析Matlab Hilbert包络谱特征频率

第一章 绪 论

滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障越30%是因为滚动轴承引起的，由此可见滚动轴承故障诊断工作的重要性。滚动轴承在机械设备中使用非常广泛，其工作状态直接影响整个设备的运行品质,对滚动轴承进行状态监测与故障诊断，能够避免重大事故的发生，获得较大的经济和社会效益。随着生产的需要，对轴承故障的检测方法也越来越多，其中，运用比较广发的集中方法是FFT、功率谱、倒谱分析、小波分析、经验模态分解、形态滤波、双谱分析。

小波变换是一种时频分析方法,可进行多分辨率分析，对轴承振动信号进行小波变换, 小波变换可以把振动信号分解成多个具有不同时间和频率分辨率的小波信号，同时对振动信号进行处理时就能有效地克服信号的泄漏和混叠等，从而可以在一个变换中同时研究低频长时现象和高频短时现象。使振动信号的检测和分析更符合于真实的情况。提取其中具有故障特征的细节信号进行重构;对重构信号做Hilben包络谱分析，从中检测出轴承的故障特征频率,据此判断故障类型。利用Matlab软件编程快速地实现了基于小波变换分析的滚动轴承故障判断。

第二章 滚动轴承故障概述

1.滚动轴承故障的特征频率

1

西南交通大学峨眉校区

滚动轴承由外圈、内圈、滚动体和保持架组成，工作时外圈与轴承座或机壳相连接、固定或相对固定，内圈与机械传动轴相连接，随轴一起转动。当滚动轴承表面发生损伤故障，如内圈、滚动体或外圈出现点蚀、裂纹或剥落等，根据不同的损伤部位，按以下公式分别计算轴承故障的特征频率，如下所示：

（1）外圈故障频率：

r1d

f1=××n 1?×cosα

602D（2）内圈故障频率：

r1d

f2=××n 1+×cosα

602D（3）滚动体故障频率：

r1Dd2

f3=×× 1? ×cos2α

602dD其中，r─为转速

N─为滚珠个数 d─为滚动体直径 D─为轴承节径 A ─为滚动体接触角

2.确定轴承各项参数并计算各部件的故障特征频率

由轴承型号为SKF 6205-2RS JEM，转速1750 rpm可知：

①滚珠个数n=9；②滚动体直径d=7.938mm；③轴承节径D=39mm；④滚动体接触角α=0；⑤内圈特征频率fi=60=29.2Hz；

由以上数据计算滚动轴承不同部件故障的特征频率为： （1）外圈故障频率：

f1=

r1d

××n 1?×cosα =104.54Hz 602Dr1d

××n 1+×cosα =157.97Hz 602Dr

（2）内圈故障频率：

f2=

（3）滚动体故障频率：

r1Dd2

f3=×× 1? ×cos2α =68.68Hz

602dD第三章小波分析在轴承故障诊断中的应用

2