滾動軸承故障診斷(附MATLAB程序)

1、第二組實驗軸承故障數(shù)據(jù)：Test2.mat 數(shù)據(jù)打開后應(yīng)采用X105_DE_time作為分析數(shù)據(jù)，其他可作為參考，轉(zhuǎn)速1797rpm軸承型號：6205-2RS JEM SKF, 深溝球軸承采樣頻率：12k Hz1、確定軸承各項參數(shù)并計算各部件的故障特征頻率通過以上原始數(shù)據(jù)可知次軸承的參數(shù)為：軸承轉(zhuǎn)速r=1797r/min；滾珠個數(shù)n=9；滾動體直徑d=7.938mm； 軸承節(jié)徑D=39mm；：滾動體接觸角=0由以上數(shù)據(jù)計算滾動軸承不同部件故障的特征頻率為： 外圈故障頻率f1=r/60 * 1/2 * n(1-d/D *cos)=107.34Hz 內(nèi)圈故障頻率f2=r/60 * 1/2 * n(

2、1+d/D *cos)=162.21Hz 滾動體故障頻率f3=r/60*1/2*D/d*1-(d/D)2* cos2()=70.53Hz保持架外圈故障頻率f4=r/60 * 1/2 * (1-d/D *cos)=11.92Hz2. 對軸承故障數(shù)據(jù)進行時域波形分析 將軸承數(shù)據(jù)Test2.mat導(dǎo)入MATLAB中直接做FFT分析得到時域圖如下：并求得時域信號的各項特征：（1）有效值：0.2909； （2）峰值：1.5256；（3）峰值因子：5.2441；（4）峭度：5.2793；（5）脈沖因子：7.2884；（6）裕度因子：9.1083：3.包絡(luò)譜分析對信號做EMD模態(tài)分解，分解得到的每一個IMF

3、信號分別和原信號做相關(guān)分析，找出相關(guān)系數(shù)較大的IMF分量并對此IMF分量進行Hilbert變換。由圖中可以看出經(jīng)過EMD分解后得到的個IMF分量和一個殘余量。IMF分量分別和原信號做相關(guān)分析后得出相關(guān)系數(shù)如下：EMD分量IMF1IMF2IMF3IMF4IMF5相關(guān)系數(shù)0.95960.19900.10960.00620.0230EMD分量IMF6IMF7IMF8IMF9IMF10相關(guān)系數(shù)0.00320.00450.00550.00600.0062由上表得：IMF1的相關(guān)系數(shù)明顯最大，所以選用IMF1做Hilbert包絡(luò)譜分析。所得Hilbert包絡(luò)譜圖如下：對包絡(luò)譜圖中幅值較大區(qū)域局部放大得到下

4、圖由以上包絡(luò)圖的局部放大圖中可以看出包絡(luò)圖中前三個峰值最大也最明顯，三個峰值頻率由小到大排列分別為58.59Hz、105.5Hz、164.1Hz。把這三個頻率數(shù)值和前文計算所得的理論值進行比較可知：頻率值最大為164.1Hz和內(nèi)圈的故障理論計算特征頻率f2=162.21Hz相近，說明此軸承的故障發(fā)生在軸承的內(nèi)圈。clc程序1：原始信號時域分析及小波去噪處理clear allz=importdata('C:UserswangkunDesktop軸承診斷test2.mat');x1=z.X105_DE_time(1:4096);clear z;N=4096;fs=12000;n=0

5、:N-1;t=n/fs; f=n*fs/N;figure(1);plot(t,x1);xlabel('t'); ylabel('幅值'); title('原信號時域圖')%小波去噪thr,sorh,keepapp=ddencmp('den','wv',x1);xd=wdencmp('gbl',x1,'db3',2,thr,sorh,keepapp);figure(2);plot(t,xd);xlabel('t'); ylabel('幅值'); titl

6、e('小波去噪后時域圖')程序2：EMD分解及Hilbert包絡(luò)clcclear allz=load('C:UserswangkunDesktop軸承診斷test2.mat');x=z.X105_DE_time(1:1024);N=1024;fs=12000;n=0:N-1;f=n*fs/N;lag=N;n=0:N-1;t=n/fs; imf=emd(x);m,n=size(imf); %imf為一m*n階矩陣，m是imf分量，n為數(shù)據(jù)點emd_visu(x,1:length(x),imf,m); %實信號的信號重構(gòu)及emd結(jié)果顯示函數(shù)for i=1:m a(i

7、)=kurtosis(imf(i,:);%峭度 b(i)=mean(imf(i,:); %均值; c(i)=var(imf(i,:); %方差; d(i)=std(imf(i,:); %均方值 e(i)=std(imf(i,:).0.5; %均方根值 f(i)=skewness(imf(i,:); %計算偏度endk,c=max(a); %k為峭度最大值，c為最大元素在數(shù)組中的位置r,lags=xcorr(x,lag,'unbiased'); %計算序列的自相關(guān)函數(shù)for i=1:mR,lags=xcorr(imf(i,:),lag,'unbiased'); %計算序列的自相關(guān)函數(shù)a=corrcoef(R(1:N/2),r(1:N/2); %相關(guān)系數(shù)矩陣【對稱】，主對角元素為1xg(i)=abs(a(1,2); %相關(guān)系數(shù)endR,C=max(xg); %R為最大值，C為最大元素在數(shù)組中的位置 figure(4);y = hilbert(imf(C,:);a = abs(y);%包絡(luò)b=fft(a);mag1=abs(b);mag=mag1*2/N;f1=(0:N-1)*fs/N