滚动轴承的振动信号特征分析报告.docx
- 文档编号:30208689
- 上传时间:2023-08-07
- 格式:DOCX
- 页数:10
- 大小:80.94KB
滚动轴承的振动信号特征分析报告.docx
《滚动轴承的振动信号特征分析报告.docx》由会员分享,可在线阅读,更多相关《滚动轴承的振动信号特征分析报告.docx(10页珍藏版)》请在冰豆网上搜索。
滚动轴承的振动信号特征分析报告
南昌航空大学实验报告
课程名称:
数字信号处理
实验名称:
滚动轴承的振动信号特征分析
实验时间:
2013年5月14日
班级:
100421
学号:
********
******
成绩:
滚动轴承的振动信号特征分析
一、实验目的
利用《数字信号处理》课程中学习的序列运算、周期信号知识、DFT知识,对给定的正常轴承数据、内圈故障轴承数据、外圈故障轴承数据、滚珠故障轴承数据进行时域特征或频域特征提取和分析,找出能区分四种状态(滚动轴承的外圈故障、内圈故障、滚珠故障和正常状态)的特征。
二、实验原理
振动机理分析:
机械在运动时,由于旋转件的不平衡、负载的不均匀、结构刚度的各向异性、间隙、润滑不良、支撑松动等因素,总是伴随着各种振动。
振动的幅值、频率和相位是振动的三个基本参数,称为振动三要素。
幅值:
幅值是振动强度的标志,它可以用峰值、有效值、平均值等方法来表示。
频率:
不同的频率成分反映系统内不同的振源。
通过频谱分析可以确定主要频率成分及其幅值大小,从而寻找振源,采取相应的措施。
相位:
振动信号的相位信息十分重要,如利用相位关系确定共振点、测量振型、旋转件动平衡、有源振动控制、降噪等。
对于复杂振动的波形分析,各谐波的相位关系是不可缺少的。
在振动测量时,应合理选择测量参数,如振动位移是研究强度和变形的重要依据;振动加速度与作用力或载荷成正比,是研究动力强度和疲劳的重要依据;振动速度决定了噪声的高低,人对机械振动的敏感程度在很大频率范围内是由速度决定的。
速度又与能量和功率有关,并决定动量的大小。
提取振动信号的幅域、时域、频域、时频域特征,根据特征进行故障有无、故障类型和故障程度三个层次的判断。
三、实验内容
Step1、使用importdata()函数导入振动数据。
Step2、把大量数据分割成周期为单元的数据,分割方法为:
设振动信号为{xk}(k=1,2,3,…,n)采样频率为fs,传动轴的转动速率为Vr。
采样间隔为:
(1)
旋转频率为:
(2)
传动轴的转动周期为:
(3)
由式
(1)和(3)可推出振动信号一个周期内采样点数N:
(4)
由式
(2)可得到传动轴的转动基频fr=29.95Hz,再由式(3)可得到一个周期内采样点数N=400.67,取N=400。
Step3、提取振动信号的特征,分析方法包括:
1、时域统计分析指标(波形指标(ShapeFactor)、峰值指标(CrestFactor)、脉冲指标(ImpulseFactor)、裕度指标(ClearanceFactor)、峭度指标(KurtosisValue))等,相关计算公式如下:
(1)波形指标:
(5)
其中,
为峰值,
为均值。
计算公式如下:
(2)波峰指标:
(6)
其中,
为均方根值。
均方根值计算如下:
(7)
(3)峭度指标:
(8)
其中,
为峭度,计算式如下:
(9)
(4)脉冲指标:
(10)
(5)偏度指标:
(11)
其中,
为偏度,计算式如下:
(12)
(6)裕度指标:
(13)
其中,
为方根幅值,计算公式如下:
2、频域分析,包括离散频谱序列统计分析指标,阶次分析等。
滚动轴承的理论特征频率计算公式如下:
(1)内圈故障频率:
=161.73Hz
(2)外圈故障频率:
=107.82Hz
(3)滚珠故障频率:
=141.17Hz
其中,N为滚珠数,d为滚珠直径,α为接触角,D为轴承节径。
Step4(提高要求)、提取未知信号的特征,与已知信号的特征进行比对分类,诊断信号是否存在故障以及故障类型。
未知故障类型信号:
1.mat
四、实验的程序代码
(1)、待测信号1
function[y1,y2,y3,y4]=KuttosisFactor();
s=importdata('E:
\原始信号\内圈故障\105.mat');
s_value=s.X105_DE_time';
s_cutvalue=s_value(1:
24000);
tree=wpdec(s_cutvalue,3,'sym6');
det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp);
T=400;
Vaule1=zeros(1,50);
forn=1:
1:
50
B=sum(xd((1+(n-1)*T):
(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):
(n*T)).^2)/T);
Vaule1(n)=B/(Rms^4);
end;
s=importdata('E:
\原始信号\正常\97.mat');
s_value1=s.X097_DE_time';
s_cutvalue=s_value1(1:
24000);
tree=wpdec(s_cutvalue,3,'sym6');
det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp);
Vaule2=zeros(1,50);
forn=1:
1:
50
B=sum(xd((1+(n-1)*T):
(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):
(n*T)).^2)/T);
Vaule2(n)=B/(Rms^4);
end;
s=importdata('E:
\原始信号\外圈故障\130.mat');
s_value1=s.X130_DE_time';
s_cutvalue=s_value1(1:
24000);
tree=wpdec(s_cutvalue,3,'sym6');
det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp);
Vaule3=zeros(1,50);
forn=1:
1:
50
B=sum(xd((1+(n-1)*T):
(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):
(n*T)).^2)/T);
Vaule3(n)=B/(Rms^4);
end;
s=importdata('E:
\原始信号\滚珠故障\118.mat');
s_value1=s.X118_DE_time';
s_cutvalue=s_value1(1:
24000);
tree=wpdec(s_cutvalue,3,'sym6');
det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp);
Vaule4=zeros(1,50);
forn=1:
1:
50
B=sum(xd((1+(n-1)*T):
(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):
(n*T)).^2)/T);
Vaule4(n)=B/(Rms^4);
end;
s=importdata('E:
\待诊断信号\1.mat');
s_value1=s;
s_cutvalue=s_value1(1:
24000);
tree=wpdec(s_cutvalue,3,'sym6');
det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp);
T=400;
Vaule5=zeros(1,50);
forn=1:
1:
50
B=sum(xd((1+(n-1)*T):
(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):
(n*T)).^2)/T);
Vaule5(n)=B/(Rms^4);
end;
y1
(1)=(Vaule1
(1)+Vaule1
(2)+Vaule1(3))/3;
y2
(1)=(Vaule2
(1)+Vaule2
(2)+Vaule2(3))/3;
y3
(1)=(Vaule3
(1)+Vaule3
(2)+Vaule3(3))/3;
y4
(1)=(Vaule4
(1)+Vaule4
(2)+Vaule4(3))/3;
y5
(1)=(Vaule5
(1)+Vaule5
(2)+Vaule5(3))/3;
y1(50)=(Vaule1(50)+Vaule1(49)+Vaule1(48))/3;
y2(50)=(Vaule2(50)+Vaule2(49)+Vaule2(48))/3;
y3(50)=(Vaule3(50)+Vaule3(49)+Vaule3(48))/3;
y4(50)=(Vaule4(50)+Vaule4(49)+Vaule4(48))/3;
y5(50)=(Vaule5(50)+Vaule5(49)+Vaule5(48))/3;
forn=2:
1:
49
y1(n)=(Vaule1(n-1)+Vaule1(n)+Vaule1(n+1))/3;
y2(n)=(Vaule2(n-1)+Vaule2(n)+Vaule2(n+1))/3;
y3(n)=(Vaule3(n-1)+Vaule3(n)+Vaule3(n+1))/3;
y4(n)=(Vaule4(n-1)+Vaule4(n)+Vaule4(n+1))/3;
y5(n)=(Vaule5(n-1)+Vaule5(n)+Vaule5(n+1))/3;
end;
%绘图
k=linspace(1,50,50);
plot(k,y1(k),'--.k',k,y2(k),'-r',k,y3(k),'-pb',k,y4(k),'--*g',k,y5(k),'m:
d');
legend('内圈故障','正常''外圈故障',’故障’,’诊断信号’);
小结:
通过现象观察可以看出,以上得到的图形都是外圈故障。
五、实验总结
这个实验室研究直升机中可能出现的滚动轴承的振动信号特征分析,用到的工具是MATLAB软件,可以对图形做更好的分析。
由于直升机在运动过程中轴承会摩擦,导致磨损,这对直升机来说是致命的,所以要做故障检测,通过现在所学的傅里叶函数的知识再结合软件绘图,我们就可以很好的解决这个问题。
六、参考文献
1.蔡旭晖.刘卫国.蔡立燕.MATLAB基础与应用教程.人民邮电出版社.2009
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 滚动轴承 振动 信号 特征 分析 报告
![提示](https://static.bdocx.com/images/bang_tan.gif)