低转速设备轴承故障诊断技巧分析

前言：想要写出一篇引人入胜的文章？我们特意为您整理了低转速设备轴承故障诊断技巧分析范文，希望能给你带来灵感和参考，敬请阅读。

摘要：分析了低转速设备滚动轴承故障的危害及产生故障的原因，提出了采用冲击脉冲法、应力波检测技术、故障信号的智能诊断数据、特征的及时提取分析、将低转速参数转化为高转速参数并分析等故障诊断的方法，最后对低转速设备滚动轴承的未来做出了展望。

关键词：故障诊断；危害；产生；诊断方法

1低转速设备滚动轴承故障的危害

在低转速设备中使用最多的零件之一就是滚动轴承，这也是最容易损坏的零件之一。由于低转速设备往往受重载，所以轴承也安装在主要部位，一旦突然损坏将会对设备造成很多影响，使设备停机，产生巨大的经济损失，同时也是后期的维修变得困难。据统计，在使用轴承的设备中，有超过30%的设备损坏是由于轴承的故障造成的。在非计划的停机维修时，我们可能会付出很大代价，在生产线上大型设备因轴承突然损坏而导致的一系列的经济损失可能是有计划的正常维修的几十倍，这造成的损失是巨大的。所以低转速滚动轴承故障的诊断是非常有必要的，这在很大程度上可以帮助我们降低经济损失。

2低转速设备滚动轴承故障的产生

2.1滚动轴承疲劳点蚀

在重力作用下，滚动轴承的内外圈由于接触而产生接触应力。在接触应力的作用下，经过一段时间后，滚动轴承上因材料寿命或质量不合格的接触面会产生疲劳点蚀，这是造成疲劳点蚀的重要因素。同时轴承内外圈的相对滚动与相对滑动、润滑油在接触面之间相对运动滚动轴承也会导致疲劳点蚀。疲劳点蚀是滚动轴承发生损坏的主要原因之一，这也是低转速设备滚动轴承发生故障的重要原因。

2.2滚动轴承塑性变形

塑性变形是指轴承受到重载荷和冲击载荷、或者温度过高而产生的额外载荷、或是外界杂质的入侵而产生的轴承刮痕。对于低转速轴承来说，局部塑性形变是它主要的失效形式之一。而且低转速设备往往受重载荷作用，所以滚动轴承一旦产生塑性形变，这些刮痕引起的冲击载荷会对滚动轴承产生进一步的破坏，使轴承失效，造成故障的产生。

2.3滚动轴承的磨损

滚动轴承随着使用的时间的增加，会产生一定程度的故障。如:在使用过程中，滚动轴承与滚动体之间会出现杂质，这就会导致滚动轴承与滚动体间的相对滑动，时间一久就会造成表面磨损，这将会降低设备的精度与使用寿命。在静止时，由于杂质的存在，会导致滚动轴承与滚动体在这个接触点处的载荷增大，在表面产生凹痕，这对轴承的使用寿命产生很大的影响。

2.4企业选用的测量标准

大多数企业都使用轴承的振动速度来作为判断轴承是否是故障的标准。然而因为转速较慢，低速设备的振动速度变化不明显，通常低转速设备的滚动轴承故障时也基本处于检测的标准值内，所以低速设备很难通过轴承的振动速度来判断轴承是否故障。当振动速度的曲线有较大改变，甚至出现高峰值高频率的振动曲线是，说明此时滚动轴承的故障已经相当严重，随时可能会发生剪切、扭转等破坏。

3低转速设备滚动轴承故障的诊断方法

3.1冲击脉冲法

冲击脉冲法就是利用轴承的滚动产生的一个高频率的冲击来确定滚动轴承是否故障的方法，当滚动轴承滚过有缺陷的位置时，会生成一个能量相对较大、频率相对较低的冲击，这种冲击随着滚动轴承缺陷部位缺陷的增大而增大，而后这些冲击信号被传感器收集，通过观测这些信号参数是否在标准值内，来判断滚动轴承有无故障。这个方法也有一定的局限性，在噪音较大或受到其他冲击的情况下，会对收集的信号产生很大的干扰，此时这种并不适用。

3.2故障信号的智能诊断

随着近些年科学技术的发展，人工智能技术飞速发展。滚动轴承故障信号的智能诊断技术就是利用了人工智能技术中的专家系统、知识工程和遗传算法等技术和滚动轴承的参数或信号相结合用于故障的诊断。这种方法可以通过对滚动轴承各个时期的状态参数进行分析，从而判断滚动轴承是否发生故障。由于这种技术的计算速度较慢，无法及时提供数据。比如在轴承工作的后期，可能轴承已经了发生故障，但系统还没有诊断出故障，所以有时很难满足对滚动轴承故障判断的及时性的需求。但对于刚开始工作的低转速设备的滚动轴承来说这种方法具有很大作用，可以起到很好的检测故障的作用，可以实现对轴承的实时的监测的需要，对轴承的情况也可以有很好的了解。

3.3应力波检测技术

应力波是指失效部件之间进行相对运动产生的表面波，由滚动轴承内外圈的摩擦和磨损产生的杂质与外来杂质的相对运动使滚动轴承表面产生凹槽、裂痕和形变都可以产生应力波。应力波因子技术是材料会在外力作用下产生的声发射现象为基础来进行研究的，该技术基本原理是，在部件表面某一位置处用驱动器激发应力波，然后在这个表面的其他位置使用接收器接收信号，并对这些信号进行分析，根据分析结果对该部件内部的损伤进行检测。部件内部的损伤和这些损伤部位的周围的反馈信号都会与正常部位有较大的区别。许多现代学者认为这种技术是比较适合于低转速设备滚动轴承故障诊断的。

3.4数据特征的及时提取分析

这种方法是利用对滚动轴承的时域参数进行分析，从这些产生中提取出一些有特征的参数，如果这些数据与正常值相比较有较大偏差，可以通过这些特征量与正常值的比较，对滚动轴承进行故障诊断。通过对这些数据进行分析，判断这些数据是否处于在正常范围内，进而得到滚动轴承的状态和情况，这种方法也可以对轴承故障进行诊断。这种方法较上一种方法的好处是及时，可以及时得到任一时刻的数据，对轴承故障进行有效的预防。

3.5将低转速参数转化为高转速参数并分析

可以通过采集滚动轴承的振动速度和振动高频加速度的波形，与正常值相比对，进行分析，得到较高的滚动轴承故障诊断的准确率。由于低转速设备被采集到的振动能量较低，所以通常需要对这些数据进行补偿。一般考虑速度能量的补偿，使加速度乘上补偿因子，通常补偿因子是3000转每分钟与所测得速度的比值。而且对于比较重要的设备，可以把补偿因子的取值取的略大一些。这样就可以把低转速滚动轴承的参数转换到高转速的参数，用转换后的参数进行分析，这样可以大大提升低转速设备滚动轴承故障诊断的准确率。

4结论

由于低转速设备滚动轴承发生故障危害较大，造成的经济损失也较大，同时常规诊断也较难发现问题，因此采用一个合适的故障诊断方法是有必要的。具体来说，可以采用冲击脉冲法、应力波检测技术、故障信号的智能诊断数据、特征的及时提取分析、将低转速参数转化为高转速参数并分析这些方法来进行低转速设备滚动轴承的故障诊断，最终能使滚动轴承使用寿命的延长，或者提前找出可能会发生故障的滚动轴承，并作出相应的更换方案，降低设备损坏的可能性。我相信在未来将会有更多好的方法来解决这个问题。

参考文献

[1]陈长征，孙长城.低速滚动轴承故障信号捕捉与分离研究[J].沈阳工业大学学报，2007（4）：15.

[2]苏志忠，吴金强，张国新.低速重载滚动轴承故障诊断的研究与应用[J].轴承，2008（11）：5.

[3]朱泉，陆德伟.低转速设备滚动轴承故障诊断技巧[J].设备管理与维修，2019（4）：6.

[4]李钝，姜海翔，文圣香.齿面接触疲劳点蚀的产生机理[J].荆楚理工学院学报，2012（4）：25.

[5]陈长征，孙长城，费朝阳，等.基于应力波的低速滚动轴承故障诊断新方法研究[J].机械强度，2007（12）：15.

作者：丁洋 单位：嘉兴学院