用于识别滚动轴承状态的24项振动指标

1336

滚动轴承状态监测指标时域、频域、能量

轴承故障从早期异常到功能故障是一个逐渐劣化的过程,利用时域特征指标进行故障识别存在严重的时长滞后性和应对被动性;频域信号对状态变化比较敏感,目前主要是借助典型频率分量来判断,但典型频率分量经常会有波动或偏差;信号的能量谱反映了信号中各频率成分的能量分布情况,也可以较好地描述信号频域特征的变化。

用于轴承状态监测和故障诊断的特征指标很多,而且每个特征指标对轴承健康状态的规律性、敏感性和聚类性各不相同,为了选取优质特征指标以全面描述轴承运动状态,同时能够兼顾敏感性和稳定性,笔者搜集了常见的24种特征指标,涉及时域特征指标和频域特征指标,其中13个时域特征指标,有量纲特征指标6个,分别为:绝对均值、峰值、均方根值、方根辐值、方差、峰一峰值;无量纲特征指标最大的优点是受负载和转速等工况变化的影响小,特别适合实际应用的需要,可以从不同方面反映信号的变化,对故障表现出不同的敏感性。这里无量纲指标共有7个:偏斜度指标、峭度指标、峰值指标、波形指标、脉冲指标、裕度指标、变异系数;另外,一共采用11个频域特征指标:重心频率、均方频率、均方根频率、频率方差、频率标准差、谱峰稳定指数、5个频带相对功率谱能量(根据轴承频率范围,将频域平分成5个频带,每个频带带宽为B,分别计算每个频带的相对功率谱能量)。24个特征指标的定义表达式,如表1所示

用于识别滚动轴承状态的24项振动指标

用于识别滚动轴承状态的24项振动指标

大家可以学习一下,但 事实上我们现场没必要,也不现实去用这么多指标,另外根据很多指标得出的早期轴承故障,可能发展及其缓慢,甚至不发展。而我们常用的频谱分析及振动冲击等,就可有效发现轴承故障,上述指标中,方差Dx、偏态指标a、峰值指标Cf、有效值Xrms、裕度指标CLf、脉冲指标If和峰值Xp这7个特征指标对轴承故障故障比较敏感,而且稳定性也比较好,因此,这些指标可以用作监测和评估轴承运行状态是否良好的衡量指标。

留下一个答复

Please enter your comment!
Please enter your name here