毕业设计开题报告测控技术与仪器轴承运行状态监测与故障诊断方法研究一、选题的背景、意义装备制造业是为国民经济和国防建设提供技术的重要产业，而振兴装备制造业的重中之重是提高装备的创新和产品的国产化，轴承产品作为装备制造业中重大装备的基础零件，也必须实现其自主创新和国产化。

从文献所知，国务院在《关于加快振兴装备制造业若干意见》中提出,选择16个对国家经济和国防建设有重要影响的关键领域，以重大装备为重点，尽快扩大自主装备的市场占有率[1]。

而在这16个关键领域中的重大技术装备中,绝大部分都要装用轴承，并且需要高技术的轴承来保证其精度、性能、寿命和可靠性。

据数据显示,至2010年，这16个关键领域每年要配套轴承约 550.5万套，产值约 116.5亿元。

滚动轴承作为机械设备中重要的零件，是机械设备的重要故障源之一。

统计表明：在使用滚动轴承的机械中，大概有 30%的机械故障是由滚动轴承引起的。

在感应电机故障中，滚动轴承故障约占电机故障的40%左右,而齿轮箱各类故障中的轴承故障率仅次于齿轮占20%。

有关资料表明，我国现有的机车用的滚动轴承，每年约40%要经过下车检验，其中的33%左右被更换。

因此，改定期维修为状态监控维修，研究机车轴承故障监测和诊断，有重要的经济效益和实用价值[2]。

据统计，对机械设备应用状态监测与故障诊断技术，事故发生率可降低75%，维修费用可减少25～50%。

滚动轴承的状态监测与故障诊断技术在了解轴承的性能状态和及时发现潜在故障等方面起着至关重要的作用，并且可以有效提高机械设备的运行管理水平及维修效能，具有显著的经济效益。

二、相关研究的最新成果及动态现在，我国在滚动轴承监测与故障诊断技术方面的研究经历了2个重要阶段:从70年代末到80年代初，主要吸收国外先进技术，并对一些故障原理和诊断方法展开研究；从80年代初期到现在，全面开展了对滚动轴承的故障诊断新理论及其应用的研究工作，引入了先进技术，大大提高了诊断系统可实施性，并取得了丰硕成果[1]。

对滚动轴承故障监测和诊断的理论与方法的研究一直是研究的重点。

根据故障监测和诊断方法原理的不同，滚动轴承的故障诊断技术主要为振动诊断技术、油液诊断技术、热诊断技术、声学诊断技术、油膜电阻诊断技术、光纤诊断技术等[1],其中振动诊断技术、铁谱诊断技术、热诊断(热成像诊断和温度诊断)技术应用最为广泛。

综合故障诊断与处理主要为群体集的综合、方法集的综合、信息集的综合、评价集的综合、趋势集的综合、优化集的综合，涵盖了信息融合、群体决策、确定性推理、优化和诊断方法等理论与方法[3]。

在众多的轴承故障诊断方法中，振动检测方法是应用最广泛的一种方法，主要是因为振动信号提供的故障信息多面对早期故障轴承具有较强的检测能力。

但其它部件正常的振动信号常常与轴承故障信息混合在一起，给检测带来了一定的困难。

随着检测手段的提高和信号处理技术的发展，振动检测方法已被广大科技工作者利用，并取得一系列的成果[6]。

三、课题的研究内容及拟采取的研究方法（技术路线）、研究难点及预期达到的目标当滚动轴承出现局部损伤类故障后，振动信号中包含了以故障特征频率为周期的周期性冲击成分.其特点就是在平稳振动的基础上，每隔一定时间就出现一个冲击成分。

滚动轴承所出现的故障不同，振动信号中所包含的冲击成分的特征频率也不相同。

滚动轴承典型故障的特征频率可以根据公式来计算。

这样，只要计算轴承故障时的特征频率即可判定所出现的故障类型。

振动检测方法中的时域诊断方法是发展最早的一种检测方法。

时域诊断可以理解为振动信号的时域图像分析方法[7]。

在时域诊断中，普通采用振动信号的基本数字特征及其概率分布特征来进行分析和诊断。

应用比较广泛的有：振动信号的平均值，均方根值，方差，概率密度函数，概率分布函数，自相关函数，关函数，互相关函数以及峰值因子，波形因子，脉冲因子，峭度系数等无量纲特征参数[8]。

滚动轴承的时域诊断也就是对轴承振动信号的时域图像进行分析，提取故障特征信息较常用的方法是有效值和峰值判别方法及无量纲因子判别方法[9]。

滚动轴承振动信号的瞬时值随着时间的推移而不断变化。

有效值能有效的反映这种变化情况。

有效值就是振动幅值信号的均方根值。

计算公式为：()()2/12**⎥⎦⎤⎢⎣⎡=⎰∞+∞-dx x p t x X RMS其中：()x p 是幅值分布的概率密度函数，()t x 为振动幅值。

由于有效值对时间进行了平均，所以对具有表面皱裂等无规则的振动异常能给出较好的评价。

而对表面剥落、裂纹和伤痕等局部损伤，由于冲击波峰的幅值大，持续时间短，因而有效值变化小。

对这种形态的故障，采用峰值判别比较好。

峰值是某段时间内轴承振动幅值的最大值，它对故障冲击产生的瞬时振动做出正确的指示。

特别对早期故障中的剥落和划伤等，非常容易由峰值的变化检测出来。

而对外部突发干扰产生的瞬时振动也非常敏感，这样有可能诊断失效[10]。

时域振动中常用的一种敏感因子是无量纲因子，这些无量纲指标是由信号的幅值的统计特征参数演化而来的，主要有以下：(1)峰值因子：()[]()()2/12dx x p t x /x max ⎥⎦⎤⎢⎣⎡=⎰∞+∞-t E C(2)脉冲因子：()[]()()()x d x p t x /t x max ⎰+∞∞-=E I (3)波形因子：()()dx x p t x /x ⎰+∞∞-=RMS L (4)峭度：()()()()[]224dx x p t x /dx x p t x ⎰⎰+∞∞-+∞∞-=V K 以上几个指标的数值大小不受轴承尺寸。

转速及负荷的影响，而只取决于故障的大小和类型，因而可以采用阑值判别方法进行轴承的故障诊断。

其中，峰值因子和峭度对早期故障的检测性能比较可靠。

对正常轴承，峰值因子一般在35-45之间，峭度在3左右，而当轴承一旦出现故障时，其值将显著增大，可能达到几十。

随着故障的增大，其值也增大，然而当故障特别严重时，其值反而减小，这一点应该引起重视。

这些因子各有其局限性，例如峰值因子，他对轴承的局部剥落、压痕等故障非常敏感，且不受振动信号的绝对水平影响。

但是对于片状损伤、皱裂或磨损之类的异常几乎没有检测能力[11]。

总体来说，时域分析方法比较简单，适宜于噪声干扰小的场合，是简易诊断的好方法[12]。

采用频域分析方法可以对轴承早期故障进行精密诊断，直接对轴承振动信号进行频谱分析，结合频谱图的频率结构和特征频率分析，也可以判别轴承的好坏[13]。

在轴承的运转过程中，由于故障的存在导致轴承振动系统的共振而引起周期性的脉动冲击响应。

在信号的频谱图中，在高频范围内有最明显的反映，频域诊断就是基于这一基本原理。

而由于其他信号的干扰存在，直接的频谱分析难于给出准确地分析结论，频域分析中，目前应用最成功的是共振解调方法[14]。

共振解调方法也叫做包络分析方法，改方法以轴承的共振频区为检测频带。

包络解调方法就是对低频冲击所激起的高频共振波形进行包络检波和低通滤波，获得对应于低频冲击而放大并展宽了的共振解调波，可根据包络信号的频率成分识别出故障的模式[16]。

希尔伯特变换的一个重要应用就是处理带通信号的包络解调，获得瞬时相应和瞬时频率。

轴承故障振动冲击信号中的调制信号是轴承损伤故障所产生的周期冲击信号，调制频率为冲击信号频率，即故障特性频率，载波信号为轴承机构系统固有振动信号，载波频率为固有频率。

共振解调波与故障冲击一一对应，因此，希尔伯特分析可用于轴承故障信号解调，得出故障特征频率值[15]。

利用时域参数不能精确诊断出故障位置[17]，而通过对包络信号进行频率分析，可以比较精确的确定出故障发生的部位和层次。

在滚动轴承的故障诊断系统中，包络分析是精确诊断的有效手段之一，而且被广泛应用，它通过分析包络信号的频次和强度来得到诊断信息。

如对于滚动轴承来说，它可以有效的识别出边频带，而找出调制信号的特征，然后结合对机械设备本身的了解，进行故障诊断。

在进行频域分析时，主要是分析它的频谱图，结合特征频率来识别出故障[18]。

由于滚动轴承的许多故障是以振动信号中调制情况为特征信息的，基于Hilbert变换技术的包络分析对这些调制信号进行幅值和频率解调，放大了故障特征信息，极大的提高了信噪比，而可以容易诊断出轴承的故障。

因此，基于Hilbert变换技术的包络分析方法是诊断滚动轴承故障的一种有用方法。

四、研究工作详细进度和安排2011.11.01-2011.01.10 完成文献综述和外文翻译。

2011.01.11-2011.02.27 完成开题报告。

2011.02.28-2011.03.31 了解几种常用测振传感器的工作原理，选择合适的传感器。

分析滚动轴承故障产生的原因及特征信号与故障之间的关系。

2011.04.01-2011.05.20 数据采集和运行状态分析。

2011.05.21-2011.05.26 文档整理，论文评阅、修改和答辩准备。

2011.05.27-2011.05.29 毕业答辩。

五、参考文献[1] 李兴林,张仰平,曹茂来等.滚动轴承故障监测诊断技术应用进展[J].工程与试验,2009,49(14):1-5.[2] 张丽. 机车滚动轴承故障的产生及诊断方法[J]哈尔滨铁道科技，2010，（02）:38-39.[3] KONSTANTINOS C. GRYLLIAS and IOANNIS ANTONIADIS. A peak energy criterion{P.E}for the selection of resonance bands in complex shifted morlet wavelet(CSMW)based demodulation of defective rolling element bearings vibration response[J]. International Journal of Wavelets, Multiresolution and Information Processing,2009,(4):388-409.[4] 吕维杰.振动分析技术在滚动轴承故障诊断中的应用[J].中国新技术新产品，2010(12):27.[5] 唐茗,李力.滚动轴承故障程度识别与诊断研究[J].轴承,2008,(8):32-35.[6] 赵晓玲.滚动轴承故障振动检测方法[J].重庆科技学院学报,2007(1):41-44.[7] 崔硕.时域指标在滚动轴承故障诊断中的应用[J].机械工程与自动化，2008(2):100-102.[8] 屈梁生.机械故障诊断学[M].上海:上海科技出版社,1986.[9] 梅宏斌.滚动轴承振动监测[M].北京:机械工业出版社,1995.[10] 程光友.时域指标在滚动轴承故障诊断中的应用[J].中国设备工程,2005(12):34-35.[11] 王静,邓军,曹阳.轴承状态监测与诊断系统研究与开发[J].噪声与振动控制,2008,28(5):83-85.[12] 仇学青,张鑫.滚动轴承故障诊断研究的国内现状与发展方向[J].煤矿机械,2007,28(6):6-8.[13] 王肇琪,付勤毅.滚动轴承故障的振动检测方法[J].有色矿山,1999(1):36-40.[14] K. REZAEI MOGHADAM, A. MOHAJERIN ARIAEI, M. H. KAHAEI, and J. POSHTAN Bearing fault detection using virtual-based ICA algorithm[J].Fluctuation and Noise Letters,2008(3):23-33.[15] 卜伶俐,郭建英,蒋凤林.小波分析与Hilbert分析在滚动轴承故障诊断中的应用[J].哈尔滨理工大学学报，2008(2):83-89.[16] 刘宗政,陈恳,陈振华等.滚动轴承的振动特性分析及典型故障诊断[J].机械设计与制造,2009(3):103-105.[17] 崔硕.时域指标在滚动轴承故障诊断中的应用[J].机械工程与自动化，2008（2）:100-102.[18] 马波,魏强等.Hilbert变换的包络分析及其在滚动轴承故障诊断中的应用[J].北京化工大学学报,2004(6):96-97.。