主营:轴承回收、回收轴承
公司主营:轴承回收回收轴承业务
高价回收进口轴承、回收国产轴承,价格高、讲诚信
所在位置 > 首页 > 新闻中心 > 轴承技术

乐邦轴承回收关于滚动轴承故障检测重要性的探讨

[ 关键词:滚动轴承故障检测重要性的探讨 发表日期:2020-08-24 13:39:02 ]

  小编每次在轴承回收货物中都会整理出许多损坏的轴承,都是没有达到使用寿命的,还有的非常新,备感可惜。因此,针对滚动轴承故障检测重要性一题,与大家做出探讨。

一、滚动轴承故障检测的重要性

  滚动轴承被称为 “工业的关节 ”。滚动轴承的应用非常广泛 , 其状态好坏直接关系到机械设备的运行状态。有资料表明,在旋转机械中有 70%的故障是由滚动轴承引起的,在齿轮箱的各类故障中轴承的故障仅次于齿轮而占到 19%,电机故障中有 80%表现为电机轴承故障。而滚动轴承的失效必然导致机械装置运行的不正常,甚至引发灾难性的后果。因此,关注滚动轴承故障检测研究显得十分重要。

二、轴承常见故障和轴承状态信号的采集

1、滚动轴承常见故障以及产生原因

  滚动轴承常见的故障主要有如下几种:

(1)承受负荷的内外圈、滚动体 (滚珠、滚柱等 )表面磨损和剥落。造成滚动轴承的径向间隙、轴向间隙增大。

(2)磨损(由于滚道和滚动体的相对运动以及尘埃异物的侵入引起表面磨损。磨损的结果是配合间隙变大,表面出现刮痕或凹坑,使振动和噪声加大)。

(3)塑性变形。轴承的滚道与滚子接触面上出现不均匀的凹坑(受到过大的冲击载荷、静载荷,或因热变形增加载荷,或硬度很高的异物侵入,产生凹陷和划痕)。

(4)断裂(残余应力及过大的载荷引起轴承零件的破裂)。

(5)锈蚀(有水分或腐蚀性化学物质进入,以致在轴承元件表面上产生斑痕或点蚀)。

(6)轴承烧伤(由于润滑不良,或者高速重载,造成高温使表面烧伤及胶和)。

2、状态信号的采集

  轴承的振动来源是在轴承运作过程中,其他的零构件作用于或传输到轴承上的力是不稳定的,随时间的变化也在不停改变; 即使是一个加工非常精密的轴承也会产生振动。但对于一个完好的轴承来说,轴承的接触力是时间连续的,此时的振动信号是一个普通的振动信号,要提取出其中特征。然而,当轴承元件的工作表面出现疲劳剥落、 压痕或局部腐蚀时,轴承的性能就会大大降低,轴承运行中会出现表征故障的周期性的脉冲信号,当然,同样需要进行特征提取以便准确识别。这种周期性信号可由安装在轴承座上的传感器 ( 速度计或加速度计 ) 来接收,但其中也包含了机械振动,所以必须通过对振动信号的分析和处理来诊断轴承的故障。

三、应用于轴承状态的信号分析方法

  信号分析的目的是提取出轴承的运行信息,有效地信号处理和运行信息提取是完成状态监测和故障诊断的关键。在滚动轴承的状态监测中,对于信号特征的提取,采用的发放也是多样的。而通常的方法有以下一些:

1、Fourier 变换

  傅立叶分析提供了信号的频域分析方法,通过变换将时域和频率联系在一起,使在时域内隐藏的现象和特征在频域内显示出来。Fourier 变换将信号由时域转换为频域分析。对于平稳性时间序列而言,这种方法物理意义明确、 实时性也较高,到目前为止,FFT谱分析仍是对振动信号进行处理,提取回转部件运行状态变化和故障信息,实现大型旋转机械的故障诊断和运行状态监测。

2、小波变换 (WaveletTransformation ,WT)

  小波变换是近年来出现的一种研究非平稳信号有力的时频域分析工具,在不同尺度下由粗到精的处理方式,使其不仅反映信号的整体特性,同时也能反映信号的局部信息。由于小波变换的分析精度可调,使其既能对信号中的短时高频成份进行定位,又能对信号中的低频成分进行分析,克服了 Fourier 分析在时域上无任何分辨率的缺陷,并较短时 Fourier 变换能提取更详尽的信号信息。

四、滚动轴承故障信号的模式识别

  采用 BP神经网络技术,即误差反传误差反向传播算法的学习过程,由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息,并传递给中间层各神经元; 中间层是内部信息处理层,负责信息变换,根据信息变化能力的需求,中间层可以设计为单隐层或者多隐层结构; 最后一个隐层传递到输出层各神经元的信息,经进一步处理后,完成一次学习的正向传播处理过程,由输出层向外界输出信息处理结果。当实际输出与期望输出不符时,进入误差的反向传播阶段。误差通过输出层,按误差梯度下降的方式修正各层权值,向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程,是各层权值不断调整的过程,也是神经网络学习训练的过程,此过程一直进行到网络输出的误差减少到可以接受的程度,或者预先设定的学习次数为止。

五、总结

  本章节主要论述了滚动轴承状态监测的重要性,常见的故障及产生原因,还介绍了信号的采集需要何种传感器以及采集到的信号有哪几种处理的方法,最后通过选用 BP神经网络技术来进行模式识别。希望达到的目的是:

(1)能及时、正确地对轴承各种异常状态或故障状态做出诊断,预防或消除故障。

(2)保证轴承发挥最大的设计能力,制定合理的检测维修制度,以便在允许的条件下充分挖掘设备潜力,延长使用寿命,降低设备安全寿命周期费用。

  近些年来,随着传感技术和信号分析技术的断发展将会使轴承故障诊断变得越来越可靠。