滚动轴承损伤、偏翘、电蚀、跑外圈特征分析及信号特征提取_电动机滚动轴承内圈偏翘振动

---

前言

滚动轴承是设备预测性维护中最常见的零部件，故障类型大多以部件损伤最为常见，除此之外，文章还将对滚动轴承偏翘、电蚀、跑外圈等故障做个简单的介绍，并用python程序来识别故障类别。
至于滚动轴承松动、润滑不良、过温等其他故障，以及滑动轴承故障特征，本文章将不再赘述，详细细节可在微信公众号内留言讨论。(图片来源于网路侵删)

---

一、滚动轴承常见故障信号特征

滚动轴承由外圈、滚子和内圈组成，一般主要承受径向载荷，也有部分轴承承受径向与轴向载荷，比如推力轴承。滚动轴承的故障类型很多，振动信号中以非同步振动为主。

1.1 损伤

这里的损伤特征滚动轴承部件损伤，比如外圈剥落。当滚动轴承出现损伤时，主要通过识别振动信号中又没有对应的故障频率来确定轴承损伤类型，其中故障频率计算可相应的文献。这里需要注意的是，在提取故障特征频率时，通常基于加速度包络谱，而且当包络谱中出现故障特征频率时，轴承损伤一般处于中晚期，轴承早期损伤无效。
因此，滚动轴承故障被分为四个阶段，早期故障主要体现在高频段频谱幅值增加，中晚期主要体现在中低频段频谱幅值上升、故障特征频率显现。对应特征图如下。

1.2 偏翘

轴承偏翘是轴承不对中的一种形式，可出现在转轴或者箱体上，会产生比较大的轴向振动，旋转时会出现“抖动”现象，频谱中会出现转频的1倍频、2倍频和3倍频。该故障容易和转轴不对中、悬臂转子不平衡发生混叠，但频谱中转频的2倍、3倍会指示轴承偏翘，而非不平衡。除此之外，利用相位指标是检验轴承偏翘的关键。比如在12:00, 3:00, 6:00, 9:00方向采集数据，振动幅值比较接近，但是相位会相差90°。因此，轴承偏翘的信号特征如下图所示。

1.3 电蚀

电流在通过轴承时会损伤轴承，会在轴承滚道上蚀刻出搓衣板样的图案。这种故障在直流电机或者配有变频器设备上比较常见，比较有效的预防方法是将轴承上累积的电荷释放出去，比如碳刷接地。当轴承出现电蚀故障时，时域波形会显示冲击特征，但频谱是最有效的工具，频谱中的高频段会出现底部噪声升高，BPFO故障特征凸显，HFD技术也是个不错的选择，相应的故障特征图如下。

1.4 跑外圈

如果在安装轴承时，外圈和轴承箱体的配合间隙不当，轴承外圈可相对于箱体出现旋转，甚至出现短促尖锐的撞击声。时域波形和频谱均可分析轴承跑外圈的现象，时域波形中会出现高频调制现象，频谱中则以转频4倍频幅值升高幅度为判断依据，故障特征图如下。除此之外，基于温度信号来判断跑圈也是个不错的选择。

二、仿真DEMO

1.测试程序

代码示例如下

import pandas as pd
import matplotlib.pyplot as plt
impoort Bearing

vib = pd.read_csv('西储大学轴承数据')
fs = 12000
bearing_type = "6205"
w = 1750 / 60
fault = Bearing(vib, fs, bearing_type)
print(fault)
1
2
3
4
5
6
7
8
9
10

程序中vib为清洗好的西储大学轴承数据样本，Bearing为轴承故障识别诊断库，可实现上述轴承故障类型识别及故障特征频率计算，如有需要可留言。

---

总结

文章对滚动轴承部分故障做了简单介绍和分析，对应滚子滑动、润滑不良、轴承跑内圈、以及滑动轴承等故障因此时间关系暂不赘述，想进一步了解故障机理分析和其他故障特征，可关注wx公众号号不说话上代码，也可通过留言沟通。下面部分主要介绍电机故障类型及特征分析。