振动诊断技术在数控机床状态监测与故障诊断中应用的研究

  本文关键词：振动诊断技术在数控机床状态监测与故障诊断中应用的研究，由笔耕文化传播整理发布。

大连交通大学 硕士学位论文 振动诊断技术在数控机床状态监测与故障诊断中应用的研究 姓名：邓晓云 申请学位级别：硕士 专业：机械制造及其自动化 指导教师：葛研军 20091208

摘要

摘

要

设备故障诊断技术在保障设备的安全运行，预防事故发生，实现设备状态维修，提 高设备寿命等方面起到了关键

性的指导作用，取得了显著的经济效益和社会效益。振动

诊断技术是进行机械设备状态监测与故障诊断最常用最有效的手段。本文旨在研究振动
诊断技术在数控机床进行状态监测与故障诊断中的应用。主要研究如下工作： 分析数控机床的结构特点，确定监测和诊断的对象：研究状态监测的监测参数、测 点及方向、测试工况和监测周期的确定方法；在定期监测的基础上，建立了数控机床的

振动状态判断标准；并对数控机床进行状态识别与趋势分析。
总结常用的振动信号处理和分析方法。振动信号预处理方法包括滤波、时域同步平

均法和包络解调法。振动信号分析方法包括时域分析和频域分析两大类：时域分析主要
有统计分析和相关函数分析，统计分析包括幅值概率密度分析以及提取时域波形的特征 参数和无量纲动态指标；频域分析包括频谱分析、倒频谱分析、包络分析。

针对数控机床最易发生的轴承故障和齿轮故障进行重点研究。滚动轴承着重研究 因故障引起的冲击脉冲振动机理，滚动轴承故障特征频率的计算方法，滚动轴承典型故 障振动的时域及频域特征及针对不同故障类别采用不同诊断方法；并通过实际诊断证明
包络解调法是滚动轴承诊断最有效的方法。齿轮方面利用动力学模型，在分析齿轮啮合 刚度周期性变化的基础上，阐述了齿轮的振动故障机理；从信号调制角度分析齿轮故障

特征，并具体分析各种典型故障振动的时域及频域特征；通过实际诊断证明齿轮故障诊 断主要采用频域分析方法。同时也介绍了其它典型故障特征及成功诊断实例，包括主轴
联轴器不对中、机械松动和电机故障等。

关键词：故障诊断；状态监测；数控机床；振动信号

Ａｂｓｔｒａｃｔ

Ａｂｓｔｒａｃｔ

Ｅｑｕｉｐｍｅｎｔ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｔｅｃｈｎｏｌｏｇｙ ｈａｓ ｐｌａｙｅｄ

ａ

ｋｅｙ ｒｏｌｅ ｉｎ

ｐｒｏｔｅｃｔｉｎｇ ｔｈｅ ｓａｆｅ
ｓｔａｔｕｓ

ｏｐｅｒａｔｉｏｎ ｏｆ ｅｑｕｉｐｍｅｎｔ，ｐｒｅｖｅｎｔｉｎｇ ａｃｃｉｄｅｎｔｓ，ａｃｈｉｅｖｉｎｇ

ｅｑｕｉｐｍｅｎｔ

ｍａｉｎｔｅｎａｎｃｅ，

ｉｍｐｒｏｖｉｎｇ ｅｑｕｉｐｍｅｎｔ ｓｅｒｖｉｃｅ ｌｉｆｅ，ａｎｄ ａｃｈｉｅｖｅｄ ｒｅｍａｒｋａｂｌｅ ｅｃｏｎｏｍｉｃ ａｎｄ ｓｏｃｉａｌ ｂｅｎｅｆｉｔｓ．
Ｖｉｂｒａｔｉｏｎ

ｄｉａｇｎｏｓｉｓ

ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｔｈｅ ｍｏｓｔ ｅｆｆｅｃｔｉｖｅ ａｎｄ ｍｏｓｔ ｃｏｍｍｏｎ ｍｅａｎｓ ａｐｐｌｉｅｄ ｉｎ
ａｔ ｓｔｕｄｙｉｎｇ

ｍｅｃｈａｎｉｃａｌ ｅｑｕｉｐｍｅｎｔ ｃｏｎｄｉｔｉｏｎ ｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ Ｔｈｉｓ ｐａｐｅｒ ａｉｍｅｄ
ｔｈｅ ｖｉｂｒａｔｉｏｎ ｄｉａｇｎｏｓｉｓ ｄｉａｇｎｏｓｉｓ

ｔｅｃｈｎｏｌｏｇｙ

ｉｎ ｔｈｅ ＮＣ ｍａｃｈｉｎｅ ｔｏｏｌ ｃｏｎｄｉｔｉｏｎ ｍｏｎｉｔｏｒｉｎｇ

ａｎｄ

ｆａｕｌｔ

ａｐｐｌｉｃａｔｉｏｎｓ．Ｍａｊｏｒ
ｓｔｒｕｃｔｕｒａｌ

ｒｅｓｅａｒｃｈ ｗｏｒｋ ａｒｅ ａｓ ｆｏｌｌｏｗｓ：
ｏｆ ＮＣ

Ｔｈｅ

ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ

ｍａｃｈｉｎｅ ｔｏｏｌｓ ａｒｅ ａｎａｌｙｚｅｄ，ｔｈｅ ｏｂｊｅｃｔ ｆｏｒ
ｄｅｔｅｒｍｉｎｉｎｇ ｍｅｔｈｏｄｓ ｏｆ ｍｏｎｉｔｏｒｉｎｇ ｐａｒａｍｅｔｅｒｓ，

ｍｏｎｉｔｏｒｉｎｇ ａｎｄ

ｄｉａｇｎｏｓｉｓ

ａｒｅ

ｉｄｅｎｔｉｆｉｅｄ；Ｔｈｅ

ｍｅａｓｕｒｉｎｇ ｐｏｉｎｔ ａｎｄ ｄｉｒｅｃｔｉｏｎ，ｔｅｓｔ ｃｏｎｄｉｔｉｏｎ ａｎｄ ｍｏｎｉｔｏｒｉｎｇ ｃｙｃｌｅ ａｒｅ ｒｅｓｅａｒｃｈｅｄ ｉｎ ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｃｏｎｄｉｔｉｏｎ；Ｔｈｅ ｖｉｂｒａｔｉｏｎ ｃｒｉｔｅｒｉｏｎ ｏｆ ＮＣ ｍａｃｈｉｎｅ ｔｏｏｌｓ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ
ｒｅｇｕｌａｒ ｍｏｎｉｔｏｒｉｎｇ；Ａｎｄ ｔｈｅ ｓｔａｔｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ ｔｒｅｎｄ ａｎａｌｙｓｉｓ ｏｆ ＮＣ ｍａｃｈｉｎｅ ｔｏｏｌｓ ａｒｅ ｒｅｓｅａｒｃｈｅｄ．

Ｃｏｍｍｏｎｌｙ ｖｉｂｒａｔｉｏｎ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ ａｎｄ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄ ｉｓ ｓｕｍｍａｒｉｅｄ．Ｔｈｅ ｖｉｂｒａｔｉｏｎ
ｓｉｇｎａｌ ｐｒｅ－ｐｒｏｃｅｓｓｉｎｇ ｍｅｔｈｏｄｓ ｉｎｃｌｕｄｅ ｆｉｌｔｅｒｉｎｇ，ｔｉｍｅ—ｄｏｍａｉｎ ｓｙｎｃｈｒｏｎｏｕｓ ａｖｅｒａｇｉｎｇ

ａｎｄ

ｅｎｖｅｌｏｐｅ ｄｅｍｏｄｕｌａｔｉｏｎ

ｍｅｔｈｏｄ．Ｔｈｅ

ｖｉｂｒａｔｉｏｎ ｓｉｇｎａｌ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄｓ ｉｎｃｌｕｄｅ ｔｉｍｅ ｄｏｍａｉｎ

ａｎａｌｙｓｉｓ

ａｎｄ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ ａｎａｌｙｓｉｓ ｏｆ ｔｗｏ ｃａｔｅｇｏｒｉｅｓ：ｔｈｅ ｔｉｍｅ－ｄｏｍａｉｎ

ａｎａｌｙｓｉｓ

ｉｎｃｌｕｄｅｓ

ｐｒｏｂａｂｉｌｉｓｔｉｃ

ａｎａｌｙｓｉｓ，ａｎｄ

ｅｘｔｒａｃｔｉｎｇ ｔｈｅ ｔｉｍｅ—ｄｏｍａｉｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｗａｖｅｆｏｒｍ

ｐａｒａｍｅｔｅｒｓ

ａｎｄ ｔｈｅ ｎｏｎ—ｄｉｍｅｎｓｉｏｎａｌ ｄｙｎａｍｉｃ ｉｎｄｉｃａｔｏｒｓ，ｃｏｒｒｅｌａｔｉｏｎ ｆｕｎｃｔｉｏｎ ａｎａｌｙｓｉｓ；ｔｈｅ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ

ａｎａｌｙｓｉｓ

ｉｎｃｌｕｄｅｓ ｓｐｅｃｔｒａｌ
ｏｎ

Ｉｔ ｉｓ ｆｏｃｕｓｅｄ

ｔｈｅ ｓｔｕｄｙ ｏｆ ｆａｉｌｕｒｅｓ ｏｆ ｂｅａｒｉｎｇｓ
ｏｎ

ａｎａｌｙｓｉｓ，ｃｅｐｓｔｒｕｍ ａｎａｌｙｓｉｓ，ｅｎｖｅｌｏｐｅ ａｎａｌｙｓｉｓ． ａｎｄ ｇｅａｒｓ ｍｏｓｔｌｙ ｏｃｃｕｒｒｅｄ ｉｎ

ＮＣ

ｍａｃｈｉｎｅ ｔｏｏｌｓ．Ｉｔ ｉｓ ｆｏｃｕｓｅｄ

ｔｈｅ ｓｔｕｄｙ ｏｆ ｓｈｏｃｋ ｐｕｌｓｅ ｖｉｂｒａｔｉｏｎ ｍｅｃｈａｎｉｓｍ ｃａｕｓｅｄ ｂｙ

ｆａｉｌｕｒｅ ｆｏｒ ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇ，ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇ ｆａｕｌｔ ｃｈａｒａｃｔｅｒｉｓｔｉｃ

ｆｒｅｑｕｅｎｃｙ，ｔｈｅ ｔｙｐｉｃａｌ ｆａｕｌｔ ｖｉｂｒａｔｉｏｎ ｔｉｍｅ－ｄｏｍａｉｎ ａｎｄ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ
ｒｏｌｌｅｒ ｂｅａｒｉｎｇ

ａｎｄ ｆｏｒ ｄｉｆｆｅｒｅｎｔ

ｆａｕｌｔ ｔｙｐｅｓ ｕｓｉｎｇ ｄｉｆｆｅｒｅｎｔ

ｄｉａｇｎｏｓｔｉｃ

ｍｅｔｈｏｄｓ；Ａｎｄ

ｔｏ

ｄｅｍｏｎｓｔｒａｔｅ ｔｈａｔ ｔｈｅ ｅｎｖｅｌｏｐｅ ｄｅｍｏｄｕｌａｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｔｈｅ ｍｏｓｔ ｅｆｆｅｃｔｉｖｅ ｄｉａｇｎｏｓｔｉｃ ｍｅｔｈｏｄ
ｔｈｒｏｕｇｈ ａｃｔｕａｌ

ｄｉａｇｎｏｓｉｓ
ｕｓｅ

ｏｆ ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇ．Ｔｈｅ ｖｉｂｒａｔｉｏｎ ｆａｕｌｔ ｍｅｃｈａｎｉｓｍ ｏｆ ｇｅａｒ ｉｓ
ｏｎ

ｄｅｓｃｒｉｂｅｄ，ｂｙ ｍａｋｅ

ｏｆ ｄｙｎａｍｉｃ ｍｏｄｅｌ，ｂａｓｅｄ

ａｎａｌｙｚｉｎｇ

ｔｈｅ ｃｙｃｌｉｃａｌ

ｃｈａｎｇｅｓ

ｉｎ ｇｅａｒ

ｍｅｓｈ

ｓｔｉｆｆｎｅｓｓ；Ｔｈｅ

ｇｅａｒ ｆａｕｌｔ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｉｓ

ａｎａｌｙｚｅｄ

ｔｈｅ ｆｒｏｍ ｓｉｇｎａｌ

ｍｏｄｕｌａｔｉｏｎ，ａｎｄ ｔｈｅ

ｔｉｍｅ－ｄｏｍａｉｎ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｖｉｂｒａｔｉｏｎ ｏｆ ｔｙｐｉｃａｌ ｆａｕｌｔｓ ｉｓ ｓｐｅｃｉａｌｌｙ ａｎａｌｙｚｅｄ；Ｔｈｅ ｆｒｅｑｕｅｎｃｙ－ｄｏｍａｉｎ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄ ｉｓ ｐｒｏｖｅｄ ｔｏ ｂｅ ｕｓｅｆｕｌ ｆｏｒ ｇｅａｒ ｆａｕｌｔ

ｄｉａｇｎｏｓｉｓ
ｓｕｃｃｅｓｓｆｕｌ

ｂｙ

ｔｈｅ ａｃｔｕａｌ

ｄｉａｇｎｏｓｉｓ

Ｔｈｅ ｔｙｐｉｃａｌ

ｆａｕｌｔｓ ｏｆ ｏｔｈｅｒ ｓｔｕｄｉｅｓ

ａｎｄ

ｅｘａｍｐｌｅｓ

ｏｆ

ｄｉａｇｎｏｓｉｓ
ｌｏｏｓｅ

ａｒｅ ａｌｓｏ ｉｎｔｒｏｄｕｃｅｄ，ｉｎｃｌｕｄｉｎｇ ｔｈｅ ｍａｉｎ ｓｈａｆｔ ｃｏｕｐｌｉｎｇ ｍｉｓａｌｉｇｎｍｅｎｔ，
ｆａｕｌｔｓ。

ｍｅｃｈａｎｉｃａｌ

ａｎｄ ｅｌｅｃｔｒｉｃａｌ

ＩＩ

Ａｂｓｔｒａｃｔ

Ｋｅｙｗｏｒｄｓ：Ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ；ｃｏｎｄｉｔｉｏｎ ｍｏｎｉｔｏｒｉｎｇ；ＮＣ ｍａｃｈｉｎｅ ｔｏｏｌｓ；ｖｉｂｒａｔｉｏｎ ｓｉｇｎａｌ

ＩＩＩ

大连交通大学学位论文独创性声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。尽我所知，除了文中特别加以标注和致谢及参考 文献的地方外，论文中不包含他人或集体已经发表或撰写过的研究成

果，也不包含为获得太整窒通太堂或其他教育机构的学位或证书而
使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在 论文中作了明确的说明并表示谢意。 本人完全意识到本声明的法律效力，申请学位论文与资料若有不 实之处，由本人承担一切相关责任。

学位论文作者签名：

孑乍?％－２

日期：叫年，２月铲日

大连交通大学学位论文版权使用授权书
本学位论文作者完全了解太蓬銮通太堂有关保护知识产权及保
留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的

知识产权单位属太整銮通太堂，本人保证毕业离校后，发表或使用 论文工作成果时署名单位仍然为太整塞通太堂。学校有权保留并向
国家有关部门或机构送交论文的复印件及其电子文档，允许论文被查 阅和借阅。

本人授权太蓬交通太堂可以将学位论文的全部或部分内容编入
中国科学技术信息研究所《中国学位论文全文数据库》等相关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论 文。 （保密的学位论文在解密后应遵守此规定）

学位论文作者签名：７ｐ好
日期：纠年７２月８日
学位论文作者毕业后去向：
工作单位．Ｏ大连交通大学 电话：８４１０９２４５

通讯地址：大连交通大学机械工程学院 电子信箱：ｘｙｕｎｄｅｎｇ＠１６３．ｃｏｒｎ

邮编：１１６０２８

第一章绪论

第一章绪论
１．１设备故障诊断技术意义
设备故障诊断技术，它是指通过对设备定期监测，了解和掌握设备的运行状态，识 别设备的异常表现，早期发现设备的潜在故障并预报故障发展趋势的技术。通俗地讲就 是一种给设备“看病”的技术。 设备故障诊断技术在实际工程中应用的重大意义主要表现在两个方面： （１）提高设备运行的可靠性、安全性和有效性 设备故障诊断技术能及时地、正确地对设备的各种异常状态或故障状态作出诊断，
预防或消除故障，避免重大事故发生，保证设备安全、可靠运行。 （２）推进了设备维修制度改革

设备维修方式的发展经历了三个阶段，即早期的事后维修方式，目前普遍采用的定 期预防维修方式，现在正向状态维修方式发展。定期维修方式可以预防事故的发生，但 可能出现过剩维修或维修不足。状态维修方式是以设备故障诊断技术为基础，根据设备 运行的实际状态来决策维修，它即可避免过剩维修又可防止不足维修，是一种更科学、
更合理的维修方式。 （３）能给企业带来可观的经济效益 由于设备故障诊断技术能避免因突发性事故发生造成的经济损失，能充分挖掘设备

的潜力，延长设备的使用寿命，还能指导进行有针对性的维修，缩短维修时间，降低维 修成本，所以能给企业带来可观的经济效益。 目前设备状态监测与故障诊断技术已在保障设备安全运行，预防事故发生，实现设 备维修制度由定期预防维修向状态维修改革，提高设备寿命等方面起到了关键性的指导 作用，取得了显著的经济效益和社会效益。日本资料报道，实施故障诊断后，事故率可 减少７５％，维修费用可降低２５＂－－＇５０％；英国报道，对２０００个大型工厂调查表明，采用
诊断技术后每年节省维修费用３亿英镑，而对于故障诊断的成本为０．５亿英镑，收益为 投入的６倍，净获益达２．５亿英镑／年；我国石化系统的３０吨合成氨厂，过去每年定期 大修一次，需时４５天，检修费用占年产值的１５％。采用故障诊断后改为３年修两次，
ｒ０１

一次不到３０天，检修费用降为年产值的１０％“。。

大连交通大学工学硕士学位论文

１．２设备故障诊断技术发展
１．２．１设备故障诊断技术发展概况

设备故障诊断技术作为一门学科，是从２０世纪６０年代以后发展起来的。随着科学技
术的不断进步和发展，尤其是计算机技术和信号处理技术的迅速发展，设备故障诊断技

术以设备的管理、状态监测和故障诊断为内容，以建立新的维修体制为目标，在欧美、
日本以不同的形式得到了广泛的开展。

美国作为最早发展设备诊断技术的国家，其诊断技术在航空航天、军事、核能等尖 端部门得到广泛的应用，在世界上处于领先地位。英国在７０年代初成立了机械保健与状 态监测协会，为故障诊断技术的开展起了很大作用，目前，英国在摩擦磨损以及汽车、 飞机发动机监测和诊断方面具有领先地位。欧洲一些国家的诊断技术发展也各有特色， 如瑞典ＳＰＭ公司的轴承监测技术，丹麦Ｂ＆Ｋ公司的振动、噪声监测技术，挪威的船舶诊断 技术等。日本的诊断技术研究开始于７０年代，目前，在钢铁、化工、铁路等民用工业的
诊断技术处于领先。

我国对机械设备故障诊断工作的开展始于１９８３年，许多高校和科研机构对故障诊 断技术的理论与应用等方面进行了研究和探索，取得了可喜的成果。如灰色系统理论及 其在故障诊断中的应用、小波分析及其在机械故障中的应用、分形理论及其在故障诊断 中的应用、时间序列诊断技术、智能诊断技术等。同时哈尔滨工业大学研制了“机械振 动微机监测和故障诊断技术＂，西安交通大学研制了“大型旋转机械计算机状态监测与 故障诊断系统＂，上海汽轮机厂研制了“１２５１唧汽轮机组微机监测分类管理系统’’等。 目前而言，我国设备故障诊断技术在石化、冶金、电力等行业中应用情况较好，已取得
了一定的经济效益和社会效益，并形成了学科体系。 尽管机械设备诊断技术已取得了很大的发展，但它是一门正在发展的新型学科，还 没有达到完善的水平，主要表现在：

（１）理论与实际相脱离。故障诊断是一门实践性

极强的技术，目前从事机械故障诊断研究人员多为高校或研究单位，他们对现场设备缺
乏深入研究，而现场技术人员又没有足够的时间和技术基础，将所观察、检测的现象上 升到理论加以分析、归纳、总结。 （２）在智能诊断仪器、传感器、信号采集与分析仪
ｒ１一Ｒ］

器等方面与发达国家有一定的差距”一。 １．２．２设备故障诊断技术发展趋势 设备故障诊断技术发展到今天，已成为一门独立的跨学科的综合信息处理技术，它 以可靠性理论、信息论、控制论和系统论为理论基础，以现代测试仪器和计算机为技术

２

第一章绪论

手段，结合各种诊断现象（系统、设备、机器、装置、工程结构、工艺过程等）的特殊规 律而逐步形成的－Ｉ＇－Ｊ新兴学科。它大体上Ｅｈ－－－部分组成：第一部分为故障诊断物理、化 学过程的研究，例如以电器、机械部件失效的腐蚀、蠕变、疲劳、氧化、断裂、磨损等 理化原因的研究；第二部分为故障诊断信息学的研究，它主要研究故障信号的采集、选 择、处理与分析过程。例如通过传感器采集设备运行中的信号（如振动、转速），再经过 时域与频域上的分析处理来识别评价所处的状态或故障；第三部分为诊断逻辑与数学原 理方面的研究，主要是通过逻辑方法、模型方法、推论方法和人工智能方法，根据可观 测的设备故障表征来确定下一步的检测部位，最终分析判断故障发生的部位和产生故障
的原因。

故障诊断技术可简单地划分为传统的诊断方法、数学诊断方法以及智能诊断方法。 （１）传统的诊断方法包括：振动监测技术、油液分析技术、噪声监测技术、红外测温技 术、声发射技术以及无损检测技术等；（２）数学诊断方法包括：基于贝叶斯决策判据以及 基于线性和非线性判别函数的模式识别方法、基于概率统计的时序模型诊断方法、基于 距离判据的故障诊断方法、模糊诊断原理、灰色系统诊断方法、故障树分析法、小波分 析法以及混沌分析法与分形几何法等；（３）智能诊断方法包括：模糊逻辑、专家系统、神
经网络、进化计算方法（如遗传算法）等。

设备故障诊断技术与当代前沿科学的融合是设备故障诊断技术的发展方向。当今故 障诊断技术的发展趋势是传感器的精密化、多维化，诊断理论、诊断模型的多元化，诊
断技术的智能化１２～。

１．３设备故障诊断内容
设备故障诊断分为状态监测与故障诊断两个阶段，设备运行状态的监测是指对设备
定期监测，了解设备的劣化程度，预测设备运行状态的发展趋势；故障诊断则是指当设

备有劣化趋势或设备已经处于异常状态时，进一步对机械设备异常或故障的类型、原因、
部位及危险程度进行诊断。 设备状态监测与故障诊断的实施步骤归纳为以下四个方面： （１）信号采集

对运行中机械设备的状态进行正确的检测，获取合理的信号，因为它是设备异常或
故障信息的载体，若能够真实、充分地采集到足够数量的信号，那么就能客观地反映所 诊断设备的工作状况。 （２）信号处理

大连交通大学工学硕士学位论文

采集到的信号是表征机械设备运行过程的原始状态信号。为了提高故障诊断的灵敏 度和可靠性，必须采用信号处理技术，排除噪声、干扰的影响，把有用的故障信息从大
量的背景噪声、干扰中提取，以突出故障特征。 （３）状态识别

对于提取出来的反映机械设备故障特征的信息进行分析、比较、识别，判断机械设
备运行中有无异常征兆，进行早期诊断。 （４）故障诊断

当识别出机械设备状态异常或故障后，必须进一步对机械设备异常或故障的类型、 原因、部位和危险程度进行诊断，并预测机械设备运行状态的发展趋势。

１．４振动诊断技术
基于振动测量的振动诊断技术是机械设备故障诊断方法中最主要、最有效的方法。 振动与机械故障之间有着紧密的联系，设备在运转过程中不可避免地发生不同程度的振 动，当振动超过一定限度时就会对设备造成危害，严重时会威胁到设备的安全运行，由 此可以看出，振动伴随机械设备的运行而产生，会引起设备运行的劣化，必须将其控制 在一定的许可范围之内。统计资料表明，由于振动而引起的设备故障在各类故障中占６０ ％以上。振动是机械设备动力学特性的表征，设备振动信号中包含了系统、零部件由于
磨损、疲劳、老化等因素引起的劣化和失效等重要信息，利用各种动态测试仪器对设备

的振动信号拾取、记录，通过信号处理技术对其进行分析和处理，可以监测设备的运行 状态，识别设备的故障类型、故障来源。又因为振动信号的测量方法简单易行，分析理 论也比较成熟，因而振动诊断技术在工程实际中得到最为广泛的应用。 在机械故障诊断的发展过程中，人们发现最重要、最关键而且也是最困难的问题是 信号特征提取与状态识别。在某种意义上，故障特征提取直接关系到故障诊断的准确性 和故障早期预报的可靠性。对振动信号应用不同的信号分析方法，就形成了以下几种振
动诊断的基本方法： （１）时域诊断方法是振动检测方法中发展最早的一种检测方法。在时域诊断中，

普遍采用振动信号的基本数字特征及其频率分布特征来进行分析和诊断。应用比较广泛 的有：振动信号的平均值、均方根值、方差、概率密度函数、概率分布函数、自相关函 数、互相关函数以及峰值因子、波形因子、峭度系数等无量纲特征参数。 （２）频谱分析法。对振动信号作频谱分析，从频谱图（幅值谱、相位谱、功率谱、 细化谱、倒频谱和包络谱等）中提取有关的故障诊断信息。频率分析是机械故障诊断中
信号处理最重要和最常用的方法。

４

第一章绪论

（３）时频分析法。机械振动信号，特别是设备有故障时的振动信号具有非平稳的
特性。时频分析方法是八十年代发展起来的一种适用于处理非平稳或时变信号的方法。

它在机械故障诊断中的应用研究随后于九十年代初出现。时频分析能够捕捉由设备故障 引起的短时瞬变，从而更加准确有效地对故障进行诊断。与前述的三种仅在时域或仅在
频域上对振动信号进行分析的方法相比，时频分析法在机械故障诊断与状态监测中具有 明显的优势。它克服了Ｆｏｕｒｉｅｒ变换不能同时进行时间一频率局域性分析的缺点。常用

的时频分析方法有Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布（ＷＶＤ）、短时Ｆｏｕｒｉｅｒ变换（ＳＴＥＴ）与小波分析等
［３，８，９３

１．５研究意义、目的和主要内容
１．５．１研究意义

在机械加工行业，随着现代工业及科学技术的迅速发展，生产设备日趋大型化、集 成化、高速化、自动化、复杂化和智能化，高效率、高精度、高度自动化的数控机床在
生产中的地位越来越重要，一方面提高了生产效率和产品质量，增强了市场经济条件下

企业的竞争力和应变力；但另一方面机床突发性故障对企业生产的影响也越来越大，造 成的经济损失也是巨大的。因此，如何保障处于生产关键部位的数控机床能够安全可靠 运行，降低故障发生率，成为企业亟待解决的一大课题。设备故障诊断技术能够为数控 机床维修提供可靠的科学依据，在提高设备运行安全性、可靠性方面，在实现机床的状 态维修，降低维修成本，提高企业经济效益方面都能发挥重要的作用，适应了生产设备
现代化的发展需要。

我国故障诊断技术在大型石化、电力、冶金等行业应用最早，主要是一些大型旋转 机械，如离心式压缩机、汽轮机、球磨机、大型钻机等关键设备，但在加工机床上的应
用起步较晚，主要的原因是机床其特有的复杂结构和高精度的要求，决定了与一般设备 相比对机床设备开展故障诊断信号更复杂、识别难度更大，对准确性的要求也更高。因 此，对数控机床开展状态监测与故障诊断具有一定的开创性和现实意义。 １．５．２研究目的 应用振动诊断技术，通过对数控机床进行定期监测，识别机床当前的运行状态，预 测机床状态劣化趋势；对于有劣化趋势或已经处于异常状态的数控机床，要诊断故障发 生的部位、产生的原因、严重程度及发展趋势，以便尽早采取有效的维修措施，保证设 备安全、可靠运行。

大连交通大学工学硕士学位论文

１．５．３研究主要内容 本课题研究的具体内容如下： 第一章绪论

阐述设备故障诊断技术的意义，概述设备故障诊断技术发展概况和趋势，简介设备 故障诊断与振动诊断技术，介绍本课题的研究意义、目的和主要研究内容。 第二章数控机床振动状态监测 分析数控机床的结构特点，确定监测和诊断的对象；研究状态监测的监测参数、测 点及方向、测试工况和监测周期的确定方法；建立测试系统；研究信号采样处理方法； 建立数控机床状态判断标准；对数控机床运行状态进行识别及趋势分析。 第三章振动信号处理与分析
研究常用的振动信号处理和分析方法。振动信号预处理方法包括滤波、时域同步平

均法和包络解调法。振动信号分析方法包括时域分析和频域分析两大类：时域分析主要 包括概率分析以及提取时域波形的特征参数和无量纲动态指标、相关函数分析；频域分 析包括频谱分析、倒频谱分析、包络分析。 第四章数控机床振动故障诊断 针对数控机床最易发生的轴承故障和齿轮故障进行重点研究，包括振动机理分析、 故障特征频率、典型故障分析、故障诊断方法，并应用于数控机床故障诊断中；同时也 介绍其它典型故障特征及诊断实例，包括主轴联轴器不对中、机械松动和电机故障等。

６

第二章数控机床的振动状态监测

第二章数控机床振动状态监测
２．１数控机床结构特点
在对数控机床进行故障诊断前，必须首先了解数控机床的结构特点。数控机床由输
入输出设备、ＣＮＣ数控装置、伺服系统、可编程控制器、检测反馈装置、辅助装置和 机床本体等部分组成，如图２．１所示：

图２．１数控机床结构组成
Ｆｉ ｇ．２．１ ＮＣ ｍａｃｈｉｎｅ ｔｏｏｌ
ｓｔｒｕｃｔｕｒｅ

振动诊断主要是针对机械故障的。数控机床的机械故障主要集中在机床本体的主传

动部分，其主传动系统的结构有如下几个特点：①系列化、标准化，即其主轴单元化、
变速箱单元化。根据主轴单元与变速箱的联接方式不同而分为两种典型结构，一是分离

式传动，即主轴单元与变速籍之间通过皮带传动，此种结构在数控车床上应用的比较广
泛，二是集中式传动；即主轴单元与变速箱之间直连或通过联轴节连接，此种结构在加

工中心等应用比较广泛；②变速箱的变速级数一般为２—３级，且其滑移齿轮的操纵一般 为液压缸式或电磁离合器式；③主传动电机一般为直流或交流无级调速电机。
由数控机床结构特点可以看出，数控机床所需要监测和诊断的主要对象为主传动系 统，包括主轴单元、变速箱和主电机，容易发生故障的零部件通常为主轴轴承和齿轮。

２．２数控机床振动状态监测内容和基本步骤
２．２．１状态监测内容 数控机床振动状态监测内容有三个方面：

７

大连交通大学Ｔ学硕七学位论文

（１）振动信号测试 （２）数控机床运行状态识别 （３）数控机床运行状态趋势分析 ２．２．２状态监测基本步骤 数控机床振动状态监测的基本步骤由以下几个基本环节组成： （１）确定测试方案 （２）建立测试系统 （３）采集振动信号 （４）状态识别、趋势分析及预报

２．３确定测试方案
振动测试方案主要包括测量参数、测点及方向、测试工况及监测周期等方面‘１３】。测 试方案确定得当，是数控机床状态监测与故障诊断准确的基本保证。 ２．３．１振动测量参数选择 振动的测量参数有位移、速度和加速度。由于位移对低频振动敏感，而加速度对高 频振动敏感，速度对频率的敏感度介于二者之间，所以应根据诊断对象振动信号的频率 范围选用不同的测量参数。一般按表２．１的原则选用【１７１。

表２．１测量的选择
Ｔａｂｌｅ ２．１ Ｃｈｏｏｓｅ ｍｅａｓｕｒｉｎｇ ｐａｒａｍｅｔｅｒ

参数 位移 速度 加速度

频率范围
Ｏ～１００Ｈｚ １０～１０００Ｈｚ ＞１０００ＨＺ

使用情况 加－Ｉ＝机床的振动，旋转轴的摆动等，轴振动 旋转机械的振动 滚动轴承和齿轮的缺陷引起的振动

此外还可根据设备的异常类别而定的测量参数，如表２．２所示。在进行低频类故障

（如不平衡、不对中等）即低速设备的监测和诊断时，应选取位移参数；在进行高频类
故障（如滚动轴承、齿轮箱故障等）及高速设备的监测和诊断时，应选取加速度参数； 而在中频宽带测量中，速度是从能量观点反映振动强度大小的理想参数。

８

第二章数控机床的振动状态监测

表２．２适用于各类异常类别的测量参数
Ｔａｂｌｅ ２．２ Ａｐｐｒｏｐｒｉａｔｅ ｍｅａｓｕｒｉｎｇ ｐａｒａｍｅｔｅｒ ｔｏ ａｂｎｏｒｍａｌ ｃｏｎｄｉｔｉｏｎ

测定参数 位移 速度 加速度

异常类别 位移量或活动量成为问题的异常 振动能量和疲劳成为问题的异常 冲击力等力的大小成为问题的异常

举例 加工机床的振动现象，旋转轴的摆动 旋转机械的振动 轴承和齿轮的缺陷引起的振动

国际上许多振动诊断标准都是采用速度有效值（Ｖｒｍｓ，振动烈度）作为状态判别参 数【ｌ】。另外，齿轮和轴承是数控机床主要监测对象，它们的缺陷引起的振动频率远远超 过１０００ＨＺ，在机床内部损坏还没有影响其实际工作能力之前，高频分量就已经包含了

缺损的信息，仅当内部缺损已经发展为较大时，才能从低频信息上反映出来。因此，为
了预测机器损坏，高频信息是十分重要的，测量加速度峰值的变化及其频率结构分析成 为数控机床故障诊断最重要的手段。 综上所述，对数控机床监测，选择速度有效值和加速度峰值作为测量参数。依据

速度有效值可判断机床当前状态及劣化趋势；通过对加速度信号分析，可进行故障诊断。
２．３．２测点选择 测点选择合理与否，关系到能否获得我们所需要的真实完整的设备状态信息。必须 在查阅机床的技术文件和图纸资料，对机床结构充分了解的基础上，才能根据诊断对象 恰当地选择测点。 ＩＳ０２３７３标准推荐，测点位置的选取应遵循传递路径最短，测点刚度最大两条原则。 在对数控机床进行振动检测时，测量旋转轴振动时，可以选择在轴承座上安装传感器。

因为机床的任何一个零件或部位发生问题产生振动时，其振动会经由转轴、基座或结构
传递至轴承位置，且轴承又直接承受转子上的振动载荷、还有材质的原因以及润滑的情 况等，比较容易受到损坏，所以在一般最好都能在轴承部位进行测量，而且最好能测量 到每个轴承。另外由于低频信号的方向性较强，而高频信号方向不敏感，所以对于低频

信号，一般应在水平、垂直和轴向三个方向进行测量；对于高频振动，则只需在一个方
向（径向）进行测量即可。需要注意的是为保证测量数据的可比性，测点位置一经选定， 必须要固定不变，应做好标记。 ２．３．３测试工况确定 由于数控机床的加工过程中有大量的切屑和冷却液，且大都封闭作业，安装传感器 比较困难等原因，所以加工过程中很难测量。另外因机床工作状况不同，产生的振动信

９

大连交通人学Ｔ学硕十学何论文

号也不相同，无法进行分析比较。因此为了保证测量的可行性和可比性，测量均是在高 速空转条件下进行。 ２．３．４监测周期确定

监测周期是指每次测量的间隔时间，它的选取与数控机床的运行状态同步。应结合 机床劣化趋势分析图，根据机床的磨损速度合理的确定检测的时间间隔。机床处于稳定
运行状态时，监测周期可以相对的长一些（定为一个月）且保证固定不变，因为固定监 测周期有利于机床的趋势分析；当机床进入磨损期时，监测周期要相对缩短。

２．４建立振动测试系统
应根据信号采集的要求建立测试系统。在建立测试系统时，不仅要注意有用信号的 获取（灵敏度和精度等性能），同时还要考虑测试系统的环境适应性以及如何在测试阶段 进行降噪除噪等，以便简化后续的信号分析处理过程。

数据采 集器

———————＇■

计算机（分析系 统软件）

图２．２振动测试系统组成
Ｆｉｇ ２．２ Ｖｉｂｒａｔｉｏｎ ｔｅｓｔｉｎｇ ｓｙｓｔｅｍ

振动测试系统由加速度传感器、美国ＥＮＴＮＫ－ＩＲＤ公司的ＤＥＬ便携式数据采集器和配套 信号分析软件组成，其组成框图如图２．２所示。 （１）加速度传感器，它把机械振动信号转变为适合于电测的电参数（很小的电压信 号），得到的是模拟信号。 （２）数据采集器，包括适调放大器、Ａ／Ｄ转化器以及存贮器等。其主要功能是采 集振动信号，对信号放大、滤波、包络、平均等预处理后，经过Ａ／Ｄ转换器将模拟振动 信号转化为数字信号，存储数据并将数据传入计算机。 ＤＥＬ便携式数据采集器功能和主要性能指标如下：

①测量功能：通频幅值、速度谱、加速度谱、时域波形、相位、包络谱、时域和频
域平均及窗函数

②测量参数：速度有效值、加速度峰值、位移峰峰值 ③通频测量频率范围：速度２ＨＺ－－２ＫＨＺ，加速度２ＨＺ－－２０ＫＨＺ
④频率范围：１０－－４０ＫＨＺ

＠Ａ／Ｄ转换器的分辨率：１５位 ⑥频率分辨率：最高达１２８００线
１０

第二章数控机床的振动状态监测

⑦存储器内存：１ＭＢ并可外配内存卡 ⑧动态范围：９６ｄＢ ⑨通道数：单通道 ⑩通讯：ＲＳ２３２－－ＰＣ串口
（３）配套专用系统软件，其主要功能一是数据管理和二是信号分析处理，提取故 障特征信息，据此进行故障诊断和趋势预报。具体功能如下：

①建立状态监测数据库系统地管理与监测相关数据： ②可根据设定报警值自动报警，还可按分类自动生成统计报警值； ③分析功能可进行频谱分析、时域波形分析、趋势分析、频谱趋势分析及时序瀑布
图等；

④配备近７０００条轴承数据库，输入部件参数和运行参数可自动计算显示故障特征
频率。

２．５振动信号采集
振动信号是设备异常或故障信息的载体，若能够对运行中机床的状态进行正确的检

测，采集到采集到真实、有效、信噪比高的信号，那么就能客观地反映所诊断设备的工 作状况，这是正确诊断故障的前提。为此在采样时需考虑如下内容【８】：
２．５．１采样间隔和频率混淆 采样的基本问题是如何确定合理的采样间隔△ｆ和采样长度丁，以保证采样所得的数

字信号能真实地代表原来的连续信号ｘ（，）。采样频率六越高，采样越密集，所得的数字
信号越逼近原信号。然而，当采样长度丁一定时，Ｚ越高，数据量越大，所需的计算机

存贮量和计算量就越大。反之，采样频率低到一定程度就会丢失或歪曲原来信号的信息。
Ｓｈａｎｎｏｎ采样定理给出了不丢失信息的最低采样频率

正≥２ｋ
率混淆现象。 解决频率混淆的办法是：

（２．１）

此处，丘为原信号中最高频率成分的频率。如果不满足此采样定理，将会产生频

（１）提高采样频率以满足采样定理。一般取，＝（２．５６—４）厶。
（２）用低通滤波器滤去不需要的高频成分以防止频混现象。如滤波器的截止频率

为厶，则取厶＝Ｚ／（２．５６－４）。

大连交通大学［：学硕十学位论文

２．５．２泄漏及加窗处理 有限带宽信号通常具有无限时宽，由于我们无法取用无限数据，因而在利用离散

傅立叶变换ＤＦＴ计算时，必须将时间信号截短。截短实际上是将该时间函数与一个窗
函数相乘。相应地，在频域中则是该时间函数与窗函数的傅立叶变换相卷积。因为窗函 数的带宽是无限的，所以卷积后将使原带限频谱扩展开来而占据无限频带，这种由于截 断而造成的谱峰下降，频谱扩展称为频谱泄漏。在谱分析中，如不强调或明确指出加某 种窗函数时，就是加矩形窗，矩形窗函数波形变化剧烈，造成的频谱泄漏最严重，为了 减少泄漏，通常采用特种窗函数来替换矩形窗，称为窗处理或加窗。 本系统的ＥＤＬ数据采集器，可根据采集信号的不同选用窗函数，如Ｈａｒｍｉｎｇ窗、 Ｈａｍｍｉｎｇ窗、平顶窗、规一窗等。通常高频信号选用Ｈａｒｍｉｎｇ窗，中低频信号选用 Ｈａｍｍｉｎｇ窗。

２．６状态识别、趋势分析及预报
２．６．１状态判断标准建立与状态识别 （１）机械状态判断标准

在对机床完成测试后，要根据测出的值判定机床状态是否正常，关键要有一个正确
的状态判断标准。机械状态判断标准包括绝对标准、相对标准、类比标准。

①绝对判断标准 绝对判断标准是将测试的数据或统计量直接与标准阀值进行比较以判定设备所处 的状态。振动的烈度（振动速度有效值Ｖｒｍｓ）直接反映振动物体的振动强度，是最简
单、最常用的一种绝对判断标准。常用的国际振动判断绝对标准有ＩＳ０２３７２，ＩＳ０３９４５如 表２．３所示【１２，１４】。

１２

第二章数控机床的振动状态监测

表２．３国际标准ＩＳ０２３７２和ＩＳ０３９４５
Ｔａｂｌｅ ２．３ ＩＳ０２３７２ ａｎｄ ＩＳ０３９４５ １Ｓ０２３７２

除

ＩＳ０３９４５

（适埘予转逮为 ‘透内ｒ转速为ｉｆｆ－２００ｒ如，信号纭謇在１０－－１０００１－１ｚ范啜Ｉ＾ｉ的麓转搬槭）
１０－－２００ｒｔｓ

的大擞机器）

速度曹敛
值１翘嘲

小，Ｉ！机械
（≤ｌＳＫｗ）

巾帮鞔扳

大移 汽轮虮 机器

刚性 豢础

鬃软 基础

（１５－－－燃ｗ＇

‘ｒａｍ／ｓ） Ｏ．２毒 Ｏ．４Ｓ ０．７１ ｌ。１２ ８ １．Ｓ Ｂ ２．８ Ｃ
４．５

Ａ Ａ
Ａ ＾

优

优

Ｂ Ｃ ８ Ｃ

晓 斑
可 Ｃ

７．１ １１．２

可

１０ Ｏ ２５ ４５ ７ｌ Ｄ Ｄ Ｄ

不岈 举可

②相对判断标准
对于有些设备，由于规格、产量、重要性各种因素难以确定绝对判定标准，因此将 设备正常运转时所测得的值定为初始值，然后对同一部位定期进行测定，并按时间先后 进行比较，根据实测值与初始值的倍数比来判断设备状态的办法。表２．４所示为典型的 相对判别标准。
表２．４振动相对判断标准
Ｔａｂｌｅ ２．４ Ｖｉｂｒａｔｉｏｎ ｒｅｌａｔｉｖｅ Ｊｕｄｇｍｅｎｔ Ｓｔａｎｄａｒｄ

区域 注意区域 异常区域

低频振动 １．５～２倍 ４倍

高频振动 ３倍 ６倍

针对具体的设备制定的相对标准，若制定得当，其效果将会比使用绝对标准还要好。
因此对于现场的实际工作将有十分重要的意义。其不足之处在于，标准的建立周期长，

大连交通大学Ｔ学硕十学位论文

Ｒｆ－ｊ槛值的设定可能随时间和环境条件（包括载荷情况）而变化。因此在实际工作中，应

通过反复试验才能确赳１１】。
③类比判断标准 数台同样规格型号的设备在相同条件下运行时，可通过对各台设备的同一部位进行
测定，并对测定值进行相互比较，进而判定某台设备是否发生异常。 ２）数控机床状态判断标准建立 在实际的工程应用中，企业不应生搬硬套上述标准，可以根据设备实际情况和经验 参考建立适合自己企业设备的企业标准。通过对数台数控机床一年多的定期状态监测，

经过对监测数据的分析统计初步建立了如表２．５所示的数控机床绝对判断标准。这个标
准的制定考虑了如下两个因素：

①测试工况 测量均是在高速空转条件下进行，各类数控机床空转条件下的功率损耗不大，这样 主电机功率的影响就较小，在制定绝对标准时可以不予考虑。②以精度分组 加工精度是数控机床重要的性能指标，而机床的振动烈度大小直接影响其加工精
度，也就是说不同精度的数控机床对振动烈度的允许范围是不同的。所以标准中分为Ａ、 Ｂ、Ｃ三组，Ａ组：表示高精度数控机床组；Ｂ组：表示精密数控机床组；Ｃ组：表示 普通精度数控机床组。
表２．５数控机床状态判断标准
Ｔａｂｌｅ ２．５ ＮＣ ｍａｃｈｉｎｅ ｔｏｏｌ ｓｔａｔｕｓ Ｊｕｄｇｍｅｎｔ ｓｔａｎｄａｒｄ

ｍｍ／ｓ

不允许
７．５０ ４．５０
２．５０ １．８０

不允许 不允许 允许 注意

允许 允许 注意
注意

１．２０ ０．７０
０．４５

好 好
Ａ组 好 Ｂ组 Ｃ组
Ｏ．２８

③数控机床运行状态识别

１４

第二章数控机床的振动状态监测

数控机床的基本状态通常被认为有三种，即好、允许注意和不允许。当机床的振动 烈度处于“好＂的范围内时，可以认为机床的工作状态良好，无需进行故障诊断；当机 床的振动烈度处于“允许注意＂范围内时，说明机床的振动是允许的，但应进行故障诊 断，对故障的发展趋势进行预报；当机床的振动烈度处于“不允许’’范围内时，应立即 停机维修，排除故障。 ２．６．２数控机床运行状态趋势分析 （１）机械设备故障率曲线 与一般设备相同，数控机床的故障率随时间变化的规律可用下图２．３所示的浴盆曲

线表示。在整个使用寿命期，根据数控机床的故障频度大致分为三个阶段，即早期故障
期、偶发故障期和耗损故障期。

五（Ｉ

故 障 率

．

≮陷丁鳓ｙ ＼
Ｉ

。Ｉ．１Ｉ

。Ｉ．

、．一

１１１

。

使用ｆ

图２．３机械设备故障率曲线
Ｆｉｇ ２．３ Ｆａｕｌｔ ｒａｔｅ
ＣＨＩ Ｖｅ

①早期故障期
设备处于早期故障期，开始故障率很高，但随时间的推移故障率迅速下降。早期故 障期对于机械产品又称为“磨合期”。

②偶发故障期
设备进入偶发故障期，故障率大致处于稳定状态，趋于定值。这是设备的最佳状态

期或称正常工作期。在此期间，故障发生是随机的，偶然失效主要原因是质量缺陷、材
料弱点、环境和使用不当等因素引起，对这个时期的故障进行监测与诊断具有重要意义。 ③耗损故障期

大连交通大学Ｔ学硕十学位论文

该阶段的失效率随时间的延长而急速增加，主要由磨损、疲劳、老化和耗损等原因 造成。在此期间，可能发生突发性的、危险性的、全局性的故障，通过监测、诊断，发 现失效零部件后应及时采取措施，以避免发生事故。 （２）机床运行状态趋势分析 若对机床进行定期监测，便可获得机床运行状态变化曲线，了解设备状态劣化的趋 势，进而预测机床的剩余寿命，适时维修。

２．７数控机床状态监测实际应用
设备编号为０４６－２０的ＭＣｌ２１０数控加工中心是日本牧野公司设计制造的，用于加 工柴油机气缸盖。自２００４年９月起，对该加工中心的主传动系统实行状态监测。 （１）监测参数：速度有效值

（２）测点布置：主传动系统结构简图及测点布置如图２．４所示。
（３）监测工况：主轴空转，７００转／分钟

（４）监测周期：每月一次

图２．４ ＭＣｌ２１０加工中心主传动系统结构简图及测点布置
Ｆｉｇ ２．４ ＭＣ １ ２１ ０ Ｔｒａｎｓｍｉｓｓｉｏｎ ｓｙｓｔｅｍ ｓｔｒｕｃｔｕｒｅ ａｎｄ ｍｅａｓｕｒｉｎｇ ｐｏｉｎｔ

ａｒｒａｎｇｅｍｅｎｔ

图２．５为依据在１＃测点垂直方向测量的速度有效值绘制的振动状态趋势图。可以看
到从２００５年６月开始机床振动强度有增大趋势，但速度缓慢。该机床属Ａ组高精度机 床，振动烈度尚在允许注意范围内，机床加工精度满足要求，所以决定注意定期监测，

继续使用。直到２００６年５月，机床振动突然增大，且机床加工精度超差，才对其大修。
与定期预防维修相比，延长机床使用寿命近９个月。

１６

第二章数控机床的振动状态监测

图２．５ １＃测点垂直方向振动速度趋势图
Ｆｉｇ ２ ５ Ｐｏｉｎｔ １ ｖｅｒｔｉｃａｌ ｖｉｂｒａｔｉｏｎ ｒａｔｅ ｔｒｅｎｄ

本章小节
（１）分析数控机床的结构特点，确定监测和诊断的对象是主传动系统即主轴单元、 变速箱和主电机，特别是主轴、轴承和齿轮；

（２）研究确定状态监测测量参数、测点及方向、测试工况和监测周期的方法：
（３）建立并介绍测试系统的组成及功能； （４）研究信号采样处理方法：可通过提高采样频率和低通滤波的方法避免频率混 淆；通过加窗处理的方法来减小频率泄漏； （５）在定期监测的基础上，建立了数控机床的振动状态判断标准； （６）研究数控机床运行状态状态识别与趋势分析方法； （７）介绍数控机床状态监测及趋势分析的实际应用。

１７

大连交通大学Ｔ学硕十学何论文

第三章
３．１振动信号分类

振动信号预处理与诊断方法

按照振动信号的特性可按下图３．１进行分类㈣。

图３．１振动信号的分类

３．２信号预处理方法
采集到的信号是表征机械设备运行过程的原始状态信号。为了提高故障诊断的灵敏 度和可靠性，往往采用信号预处理技术，排除噪声、干扰的影响，把有用的故障信息从 大量的背景噪声、干扰中提取出来，以突出故障特征。信号的预处理方法有：滤波、时 域同步平均、包络解调以及其它很多方法。 ３．２．１滤波

以一定采样频率采集的振动信号中包括反映机械设备状态的真实信号和混入的噪
声信号，在进行数据处理时，为提高信噪比，突出被测机械设备的特征信息，通常要对 采集信号进行滤波处理。滤波从频率范围上说分为五种滤波，即低通滤波、带通滤波、 高通滤波、带阻滤波和全通滤波。 ３．２．２时域同步平均

时域同步平均法是从混有噪声干扰的信号中提取周期性分量的有效方法。也称相干
检波法。 一个随机信号的时域平均起着滤波的作用，当平均次数无穷大时可得信号的直流分 量，即平均值。当随机信号中包含有确定性的周期信号时，如果截取信号的采样时间等 于周期性信号的周期丁，将所截得的信号叠加平均，就能将该周期信号从随机信号、非

第二章振动信号预处理与诊断方法

周期信号以及与指定周期ｒ不一致的其它周期信号中分离出来，而保留指定的周期分量 及其高频谐波分量，提高欲研究周期信号的信噪比。即使该周期信号较弱也可分离出来， 这是谱分析法所不及的，这就是时域同步平均法的基本思路。 设观测得到的信号为 ｘ（，）＝ｄ（，）＋刀（，）
ｆ３．１１

其中ｄ（，）为欲提取的周期信号，其周期为Ｔ；玎（ｆ）为噪声信号。可以证明，时域信 号的平均相当于在频域上设置一个频域窗函数。经Ⅳ次平均后，输出噪声能量降为输入 噪声能量的１／Ⅳ，从而所得到的输出信号ｙ（ｆ）为

ｙ（ｆ）＝ｄ（，）＋掣 √Ⅳ
３．２．３包络解调

（３．２）

包络解调【１６副１就是提取载附在高频信号上的低频信号。当旋转机械的零部件的元件
出现局部损伤时，伴随设备运转这些故障会产生周期性脉冲冲击力，激起设备的高阶固 有振动。选择冲击激起的高频固有振动为研究对象，通过滤波将其从信号中分离出来，

然后通过包络检波，提取载附在其上的与周期脉冲对应的包络信号，对包络信号进行频
谱分析便能将与故障有关的信号从高频调制信号中提取出来，快速而正确地诊断出故障 发生的部位，避免了与其它低频干扰的混淆。其原理示意图如图３．２所示［９１。

篓愕鳖Ｐ叫塑Ｈ趟到
图３．２包络法诊断原理示意图
Ｆｉｇ．３．２ Ｄｉａｇｒａｍｍａｔｉｃ ｓｋｅｔｃｈ ｏｆｔｈｅ ｅｎｖｅｌｏｐｅ ａｎａｌｙｓｉｓ ｄｉａｇｎｏｓｅ ｐｒｉｎｃｉｐｌｅ

ｌ带通滤

上波分离

３．３振动信号分析
振动信号是数控机床故障特征信息的载体，对信号进行有效的分析处理来提取故障 特征信息，这是数控机床故障诊断的基础和关键一步。

１９

大连交通大学Ｔ学硕十学位论文

３．３．１振动信号时域分析 信号时域分析可分为波形分析和时域统计分析。对于某些故障信号，其波形具有明 显的特征，直接观察可以看出周期信号、谐波信号、短脉冲信号，这时利用波形分析可 以直接识别共振现象和调制现象。但是由于与其它随机信号混杂，往往很难能识别出来。 时域统计分析是直接对振动信号的时域波形进行幅值分析，得到幅值概率密度函 数，并计算振动信号的有量纲特征参数和无量纲动态指标。 （１）统计特征参数

①幅值概率密度函数 对于各态历经的随机过程可用其时间历程的幅值概率分布来描述。对于某一信号 ｘ（ｆ）的幅值概率密度函数ｐ（ｘ），可由下列关系式计算

ｐ（ｘ）＝要妥！坌生三兰攀＝出ｌｉ．ｍ。出１－ ！－［卜ｌｉｍ＋。Ｔｌｘ］

（３．３）

式中￡是在总的观测时间ｒ中信号ｘ（ｆ）位于（ｘ，ｘ＋出）区间内的所有时间之和。 幅值概率密度函数提供了随机信号沿幅值域的分布规律。不同特点的随机信号有不
同的概率密度函数。故障的产生与发展引发设备振动幅值及频谱的改变，幅值域变化很 灵敏地引起概率密度函数图形的变化。一般来说，当机械处于正常工作状态时，其概率 密度函数曲线是近似于正态分布的，而当机械出现异常周期信号时，就改变了原来的曲 线形状。

②有量纲特征参数
由上述幅值概率密度函数可以得到以下几个有量纲参数：

峰值，信号可能出现的最大瞬时值，它是对信号强度的一种描述。在测试时，对需
测信号的峰值事先应有足够的估计，以便调整仪器的范围。
Ｘ＝ｍａｘ ｘ（ｆ）Ｉ

（３．４）

平均幅值，表示了信号的直流分量（稳定分量），表达随机信号变化的中心趋势。 又ｐ＝彳１

ｆ

ｘ（ｔ）ｌ

ｄｔ

（３．５）

均方根值，又称有效值，它表征了振动的破坏能力，衡量振动能量大小的量。ＩＳＯ 标准规定，振动速度的均方根值，即有效值为“振动烈度＂，作为衡量振动强度的一个 标准。

ｘ觥＝√专ｆ，（Ｏｄｔ
方根幅值
２０

（３．６）

第二章振动信号预处理与诊断方法

耻（拍酬锄
偏斜度（简称歪度），以平均值为中心，反映波形的对称性。
—∞，

（３．７）

口３

２匕ｘ３ｐ（ｘ）出

（３?８）

峭度，反映波形的尖峭程度、有无冲击。

口。＝Ｅｘ＇ｐ（ｘ）ｄｘ

（３．９）

上述有量纲参数不仅会随着故障的发生和发展而逐渐增大，而且它们会因工作条件 （负载、转速、仪表的灵敏度等等）的改变而变化，即又存在着对故障不十分敏感、不好 区分的缺点。因此又引入了一些无量纲的参数，它们只取决于概率密度函数的形状№３５１。 由于故障的产生及发展，引发设备振动幅值域的变化，进而引发概率密度函数的变化。
所以这些参数对故障有足够的灵敏度，可以准确地判定故障。

③无量纲动态指标
波形因数，反映波形与正弦波比较的偏移与歪斜。

Ｋ：孥
Ｘ
ｐ

、

（３．１０）
一

脉冲因数，反映波形是否有冲击。

，：善 Ｘ
ｐ

、

（３．１１）
’

峰值因数，是反映波形高度的指标。

ｃ：当
Ｘ眦Ｓ

（３．１２）
、
‘

裕度因数

三：善
ｘ。

ｊ

（３．１３）

裕度指标、峭度指标和脉冲指标对于脉冲型故障比较敏感，特别是故障在早期发生
时，他们有明显增加，但匕升到一定程度，随着故障的逐渐发展反而会下降，表明它们

２ｌ

大连交通大学Ｔ学硕士学何论文

对早期故障有较高敏感性【３５１，但稳定性不好。均方值的稳定性较好，但对早期信号不敏 感。所以为了取得较好的效果，常将它们同时应用，以兼顾敏感性和稳定性。 （２）相关函数分析

①自相关分析
设ｘ（ｔ１）和Ｘ（ｔ２）是随机过程ｘ（ｔ）在任意两个时Ｎｔｌ、ｔ２时的状态，Ｐ２（ｘｌ，ｘ２；，ｌ，，２）是 相应的二阶概率密度函数，定义二阶原点混合矩

Ｒ。（ｆｌ，ｔ２）＝研ｘ（＾）ｘ（，２）】２上。上二ｊｃｌｘ２Ｐ２（ｘＩ，ｘ２；，ｌ，ｆ２）出１ｄｘ２
为随机过程Ｘ（ｔ）的自相关函数。

（３?１４）

对于平稳随机过程，由于各数字特征量不随时间而变化，因而自相关函数的统计平

均可用其时间平均来代替，则随机过程ｘ（ｔ）在两个不同时刻ｆｌ、ｆ：＝ｆ。＋ｆ（ｆ为任意值）
时的自相关函数定义为：

足。（ｆ）＝Ｅｂ（ｆ）ｘ（ｒ＋ｆ）】＝，ｌｉｍ，１。［ｘｏ）ｘｏ＋ｆ）ｄｔ

（３．１５）

它反映了随机过程ｘ（ｔ）自身在ｔ。和ｔ。＋ｆ这两个不同时刻状态之间的线形依从关系
和相似程度。周期信号的相关函数仍为同周期的周期函数，随机信号当ｆ＝０时，取得 最大值且等于均方值矽。２。

Ｒ。（ｏ）＝Ｅｋ＠）２】＝ｒｌｉ．ｍ。。歹１

ｒｘｏ）２衍＝丸２

（３．１６）

当丁专００时，尺。＠）专以２，段为均值，当／ｌ工２＝０，则尺。（∞）专０。
利用自相关函数可检测过程信号中是否混有周期性的确定性函数。设测得的信号为 ｘ（ｆ）＝ｄ（ｆ）＋，．（，） （３．１７）

其中ｄ（ｔ）是欲寻求的某一确定性的、被检测的周期性故障信号，，．（ｆ）是某一平稳随机信 号，如果，．（ｒ）与ｄ（ｔ）不相关，对于零均值化的平稳随机信号，当ｆ—００时，Ｒ，，０）专０， 对实际问题来说，经过足够长的测量时间以后Ｒ。（ｒ）≈Ｒ谢０），就可以将隐藏在随机信
号中的确定性周期信号检测出来，Ｒ崩（ｆ）的周期等于被测周期信号的周期。这样利用自 相关函数就可观测出由于故障而产生的周期性信号的大小和位置。

②互相关分析 设有两个随机过程Ｘ（ｆ）和ｙ（，），它们在任意两个时刻，，、ｔ：的取值为随机变量
ｘ（ｔ。）、Ｙ（ｔ：），则它们的互相关函数定义为：

第三章振动信号预处理与诊断方法

Ｒ掣（，ｌ，，２）＝Ｅ【ｘ（，１）ｌ厂（，２）】２上。Ｅｘｙｐ砂（ｘ，ｙ；ｔｌ，，２）蚴
式中：Ｐ。（ｘ，ｙ；ｔ。，ｔ２）是随机过程彳（，）和】，（ｆ）的二维联合概率密度。

（８—１８）

对于平稳随机过程，互关函数的统计平均可用其时间平均来代替，因而两个随机过 程Ｘ（ｆ）和】，（ｆ）在任意两个时刻，，、ｔ２＝‘＋ｒ（ｆ为任意值）时的互相关函数又可定义为：

尺叫（ｆ）＝Ｅｂ（ｒ）少（，＋ｒ）】＿～ｌｉｍｌ丁ｆ ｘ（咖（，＋ｒ）ｄｔ
此时互相关函数反映了两个信号波形在相差时间＿ｒ后的相似程度。

（３．１９）

利用互相关函数检测和回收隐藏在外晃噪声中的有用信号的时延。对于不一定是周 期性的信号，当信号与噪声的频带相同时，普通滤波法就无能为力了，而利用相关法则 是改善信噪比提取有用信号的有效方法。

设欲测的有用信号为Ｘ（ｔ），而观测得到的信号为】，（，），信号】，（，）滞后Ｘ（ｆ）一段时间
白；Ｎ（ｔ）为随机噪声信号，一般认为Ｎ（ｔ）与ｘ（ｔ）不相关，则有 】，（『）＝ａＸ（ｔ一乃）＋ⅣＯ） 其中口表示信号传输过程中的吸收系数。可得 Ｒ。（＿ｆ）＝ａＲ。（ｆ—Ｔｄ） （３．２１） （３．２０）

当ｆ＝Ｔｄ时，Ｒ。（０）具有最大值。于是根据测量出来的Ｒ胛（ｆ）的峰值，可求得乃。若已

知Ｘ（ｔ）的传播速度１，，则可计算ｘ（ｔ）与】，（ｆ）之间的距离，据此距离可判断故障的位置和
起。 ３．３．２振动信号频域分析

频率分析是机械故障诊断中信号处理最重要和最常用的方法。工程上测得的信号一
般为时域信号，然而由于故障的发生、发展往往引起信号频率结构的变化，因此需要分 析频域信息。 振动信号的频域分析的基础是频谱分析，频谱分析就是利用傅立叶变换由信号ｘ（，）

求出它的频谱Ｘ（ｆ）的过程，以获得信号的频率结构以及幅值、相位、功率及能量与频
率的关系。频谱分析中最常用的有：幅值谱、功率谱、倒频谱及细化谱等。 （１）幅值谱分析 傅立叶变换的理论依据是：任何一个复杂的周期性信号都能分解成一系列简单正弦 波的叠加‘４１。

大连交通大学ｒ学硕十学位论文

ｘ（ｆ）＝ｘｑ＋ｎｒ）

（刀＝Ｏ，±１，…，）

（３．２２）

如果在周期（一三，ｉＴ）内满足狄里赫利（。ｉｒｉｃｈｌｅｔ）条件： （１）或者处处连续，或者 只有有限个第一类间断点；（２）具有有限个极大值或极小值。则在（一三，ｉＴ）上，可以把
ｘ（ｔ）展开成三角形式的傅里叶级数，即

ｘ（，）：口。＋∑＋ｅｏ［口。ｃ。ｓ（２ｎｎｆｏｔ）＋６。ｓｉｎ（２ｎｎｆｏｔ）］ ：‰＋∑４－００彳。ｃ。ｓ（２ｎｎｆｏｔ一九）
（３．２３）

式中：直流分量：％＝歹１乓Ｔ ｘ（ｒ）衍
余弦分量：％＝亍２乓Ｔ ｘ（ｆ）ｃ。ｓ（２碱，）衍
（甩＝１，２，３，…）

正弦分量：玩２手臣ｘ（ｆ）ｓｉｎ（２砥ｒ）衍

２）…，３，２，１＝力（

谐波分量：Ａ。ｃｏａ（２ｎｎｆｏｔ－６）（聆＝１，２，３，…）

厶＝专一基波频率；
矾一玎次谐波频率（刀＝１，２，３，…）；

彳。：止丽一第ｎ次谐波分量振幅

细阳留㈦ｂｎ一第ｎ黜波分量椭
ｎ

．．Ｉ
一ｎｆｏ

Ｉ Ｉ

ｌ Ｉ
０
２４

Ｉ Ｉ

Ｉ

．
ｎｆｏ

．

一

一２ｆｏ－ｆｏ

ｆｏ ２ｆｏ

ｆ

图３．３周期信号的幅值谱
Ｆｉｇ ３．３ Ｐｅｒｉｏｄ ｓｉｇｎａｌ’Ｓ ａｍｐｌｉｔｕｄｅ

第ｊ章振动信号预处理与诊断方法

周期信号的幅值谱如图３．３所示，信号的幅值谱反映了振动信号ｘ（ｔ）中各个简谐分

量的幅值与其频率的关系，即它揭示了信号在不同频率上的幅值大小。但幅值谱最大的 缺点是信噪比相对较低，抗噪声能力较差。
（２）功率谱分析法

函数ｘ（ｆ）的功率谱密度函数（简称自谱密度）为
１
．

Ｓ“（／）２～ｌｉｍ，纠＇＿＿Ｌ＿Ｉ Ｃ（厂，丁）１２
对，即

（３?２４）

根据维纳一辛钦公式，自功率谱密度＆（厂）和自相关函数Ｒ。（ｆ）是一傅里叶变换

ｓ。（／）＝ｔ Ｒ。（ｆ）Ｐ叫斫ｄ

ｆ

Ｒ。（ｆ）＝寺伫ｓ。（厂）一２咖ａｆ
在实际的工程应用中常用单边自功率谱Ｇ。（／）来表示：

（３．２５）

若自相关函数表示信号的总能量，则自功率谱密度函数将表示单位频带宽度上所含 能量（功率）的大小，而自谱密度函数谱图就表示能量（功率）按频率分布的情况【１３１。一般

Ｇ。（厂）＝２＆（厂）

（厂＞０）

（３．２６）

对于混在随机噪声中的周期信号，幅值谱很难分析出来，功率谱则能够很好的揭示

随机信号中混有的周期信号。因为功率谱表示振动信号中各谐波分量的能量大小，是幅
值的平方，与幅值谱相比，周期信号成分更明显突出，信噪比要高，抗噪声能力要强。 利用幅值谱和功率谱分析振动信号的频率结构并比较各个谐波分量的幅值大小及变

化规律，结合故障特征频率即可诊断一般性故障。它们是故障诊断中最常用最直观的分
析手段。 （３）倒频谱分析

倒频谱也称逆谱，或称功率谱的功率谱。它是对自功率谱取对数后再进行一次傅里
叶变换，并取其平方得到的，常用的是功率倒频谱和幅值倒频谱。 信号ｘ（，）的功率倒频谱定义为

ｃ（ｒ）＝１

Ｆ（１０９Ｇ积（删１２：｜ＬｌｏｇＧ搬（厂）Ｐ一／２矿ｄｆ １２

（３．２７）

大连交通大学Ｔ学硕士学何论文

式中Ｇ。（厂）．Ｉ ＦＩＸ（ｔ）】Ｊ２爿Ｘ（力１２，也就是把时间信号ｘ（，）的功率谱函数取对数再进行傅 里叶变换。 Ｃ，（ｆ）的正平方根即为幅值倒频谱

Ｃ。（ｆ）＝Ｉ Ｆ［１０９Ｇ搬（厂）】Ｉ＝Ｉ Ｆ［１０９ ｌ ｘ（ｆ）１２］ｌ

（３．２８）

在工程上实测的振动信号往往不是振源信号本身，而是振源ｘ（，）经过传递系统
Ｈ（ｆ）到测点的输出信号ｙ（ｔ），则系统输出信号的功率谱密度为

Ｇ。（厂）＝Ｇ。（力１日（／）１２ 两边取对数后再进行傅里叶变换得响应ｙ（，）的幅值倒频谱 Ｆ［１０９Ｇｗ（厂）】＝Ｆ［１０９Ｇ。（门】＋Ｆ［２１０９ １日（厂）Ｉ】
或简写成 Ｇ。（ｆ）＝Ｇ。（ｆ）＋Ｇ。Ｈ（ｆ）

（３．２９）

（３．３０）

（３．３１）

如果Ｇ。（门和日（门具有不同结构的频带。则在倒频谱图Ｇ。（ｆ）上就能够很容易地
把Ｇ。（ｆ）和Ｇ棚（ｆ）分离开，从而实现振源信号Ｘ（ｆ）和系统特性Ｈ（厂）的线性分离作用， 这就是利用倒频谱进行载荷识别和故障诊断的原理。

啊－｛ｒ

ｆｃ
（ａ）对数功率谱

≈ｃ

｛。
（ｂ）倒频谱 图３．４倒频谱变换

Ｆｉｇ．

３．４ Ｃｅｐｓｔｒｕｍ

ｔｒａｎｓｆｏｒｍａｔｉｏｎ

如图３．４所示，功率谱中有两个周期成分，即频率丘和，，二者周期间隔不同，倒
频谱清楚地将其分离开来。可见，倒频谱分析可以有效地提取和识别频谱上的周期成分， 这是倒频谱分析的第一个优点，倒频谱分析的另一个优点是受信号传递路径影响小，这 样就不必考虑传感器位置不同和信号衰减带来的问题。 （４）细化谱分析

第二章振动信号预处理与诊断方法

细化谱分析对信号频谱中某一频段局部放大，使得分析频段的频率分辨率和频谱分 析精度都大为提高，是非常重要的一种高精度谱分析手段，对分析频谱的细微结构非常

有效。当调制频率过小且边频带很密集时，为了分析频谱图中的细微结构需要采用细化
谱分析技术。

本章小节
（１）介绍振动信号的分类； （２）介绍振动信号预处理方法Ｉ滤波、时域同步平均法和包络解调法； （３）介绍振动信号分析方法分为时域分析和频域分析两大类。 时域分析主要包括统计分析和相关函数分析，统计分析包括幅值概率密度函数， 提取时域波形的特征参数：峰值、平均幅值、均方根幅值、方根幅值、偏度和峭度，提 取无量纲动态指标：波形因数、脉冲因数、峰值因数、裕度因数。 频域分析主要有幅值谱分析、功率谱分析、倒频谱分析和细化谱分析。
．

大连交通大学Ｔ学硕十学位论文

第四章数控机床振动故障诊断
由数控机床结构特点可以看出，数控机床所需要监测和诊断的主要对象为主传动系 统，包括主轴单元、变速箱和主电机，数控机床最易发生的故障为轴承故障和齿轮故障， 下面将对此进行重点研究。

４．１滚动轴承故障诊断
滚动轴承是主传动系统中的重要支承部件，同时又是较为薄弱的环节。在正常工作 条件下，由于受到载荷、安装、润滑状态等因素的影响，运转一段时间后，滚动轴承就 会产生磨损、剥落、胶合、裂纹等各种形式的损伤，引起振动和噪声，造成机床状态劣 化。据统计约３０％的旋转机械故障是由于滚动轴承的损坏引起的，所以轴承故障的监测 与诊断一直是机械故障诊断技术中的重要内容。 ４．１．１滚动轴承振动机理分析 滚动轴承的振动是由滚动轴承各个部分的结构、工作状态、表面损伤和装配情况等 各种因素所决定的，而且还与轴承座传递过来的外界载荷和激励信号有关。轴承振动信 号产生机理如图４．１。

轴承部分的振动

外部激励 图４．１轴承振动信号产生机理
Ｆｉｇ．４．１ Ｂｅａｒｉｎｇ ｖｉｂｒａｔｉｏｎ ｇｅｎｅｒａｔｉｎｇ ｍｅｃｈａｎｉｓｍ

（１）轴承结构本身引起的振动 滚动轴承是由内环、外环、滚动体和保持架等元件组成。内环、外环分别与轴颈及 轴承座装配在一起。在大多数情况下外环不动，而内环随轴旋转。滚动轴承的典型结构 如图４．２。

第四章数控机床振动故障诊断

２ｒ２

图４．２滚动轴承典型结构
Ｆｉｇ ４．２ Ｒｏｌｌｉｎｇ ｂｅａｔｉｎｇ ｔｙｐｉｃａｌ ｓｔｒｕｃｔｕｒｅ

图中，Ｄ一轴承的节圆直径；ｄ一滚动体的直径；ｚ一为滚动体的个数； ＾一内环滚道半径；ｒ２一外环滚道半径；口一为轴承压力角。

轴承在载荷作用下，最下面的滚动体受力最大，最上面的滚动体受力最小，其余滚 动体的受力大小根据其位置的不同而不同。轴承在旋转过程中，最下面的滚动体从载荷

中心线下面向非载荷中心线位置滚动，其接触力由大变小，引起轴颈中心的位移。轴颈
中心不仅有上下方向的微动，随滚动体位置的变化，还有水平方向的微动。因此，只要

轴在旋转，每个滚动体通过载荷中心线时，就会发生一次力的变化，对轴颈和轴承座产
生激励作用，这个激励频率称为滚动体的通过频率ｆ，表达式为：

，＝ｚＬ
式中，，．厶一为滚动体的公转频率；ｚ一为滚动体的个数； （２）轴承制造或装配原因产生的振动

（４．１）

１）加工面波纹引起的振动，近似正弦，其频率比滚动体在滚道上的通过频率高很 多倍： ２）轴弯曲或轴装偏，由于轴承偏斜引起的振动，其振动频率成份位ｆｃＺ土ｆｒ； ３）滚动体大小不均匀引起的振动，其频率包括滚动体公转频率ｆｃ及ｎｆｃ士ｆｒ（其 中ｎ＝ｌ，２，…），频率数值一般在ｌ ｋＨｚ以下； ４）装配过紧或过松引起的振动，当滚动体通过特定位置时，会产生频率相应于滚 动体通过周期的周期振动； ５）滚动轴承偏心，当轴承有偏心时，轴的内圈中心便以外圈中心为中心作振动， 这时会产生振动频率ｎｆｒ（其中ｒｌ＝１，２，３…）。 轴承在制造或装配时不可避免地存在加工误差、装配误差等，它引起的振动在机床

运行早期就会出现。

大连交通大学丁学硕十学何论文

（３）轴承故障引起的振动

滚动轴承因故障引起的振动分为两大类，即磨损类故障振动和损伤类故障振动。
磨损类故障振动是指由于零件的磨损造成轴承间隙逐渐变大，振动强度随之增大。 当轴承出现磨损时，振动信号的特征是随机性很强，无明显的周期信号存在，振幅的概 率密度大体均为正态分布，频谱亦无明显差别。

损伤类故障振动是指由于轴承元件工作表面局部损伤引起的冲击振动。滚动轴承在
运转时，由于润滑不良、载荷过大、轴承内有异物等原因引起轴承工作面上产生剥落、 裂纹、压痕等离散型缺陷或局部损伤。当滚动体通过缺陷时，就会产生一个冲击脉冲振

动，这个脉冲振动可激起轴承各个组件的瞬时高频共振。因此，轴承缺陷产生的振动形
式往往是复杂的调幅振动。载波是轴承各组件的高频固有频率；起调制作用的是与损伤

有关的低频通过频率，也被称为“故障特征频率＂。
４．１．２滚动轴承故障特征信息

在滚动轴承的滚道与滚动体之间无相对滑动，承受径向、轴向载荷时各部分无变形，
外环固定、内环旋转的情况下，假设内环滚道、外环滚道、滚动体或保持架上有一处局 部缺陷（剥落或裂纹），则滚动体通过缺陷时，产生的冲击振动间隔频率也称为轴承故障

特征频率。根据轴承结构参数计算的轴承故障特征频率，如表４．１。
表４．１轴承故障特征频率
Ｔａｂｌｅ ４．１ Ｂｅａｒｉｎｇ ｆａｕｌｔ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｆｒｅｑｕｅｎｃｙ

缺陷位置 内环

特征频率

备注 Ｚ个滚动体通过内环上一处缺陷的频率

ｚ＝互１ ｚ（１＋万ｄ

ｃ。ｓ口），

外环

滚动体

保持架

无＝吉ｚ（１一五ｄ ｃ…）， ‘＝瓦Ｄ Ｚ【１一（丢ｃ。ｓ口）２】， 以＝三（，一丢ｃｏｓｍ

Ｚ个滚动体通过外环上一处缺陷的频率

滚动体上一点通过内环或外环的频率

保持架旋转频率，也是滚动体的公转频率

，一轴旋转频率；Ｄ一轴承的节圆直径；ｄ一滚动体的直径；
ｚ一为滚动体的个数；口一为轴承压力角。

在实际工作中，有时无法查到所测轴承的有关几何尺寸，根据经验，对于安装方式 为内圈旋转、外圈固定的轴承可按轴承的滚珠数Ｚ来估算其内外圈的故障频率。即０．６ｚｆ，．

为内圈故障频率，Ｏ．４矾为外圈故障频率。
３０

第四章数控机床振动故障诊断

此外，滚动轴承在其运转过程中，滚动体与内圈或外圈之间产生冲击可能诱发轴承 各元件的固有频率振动。轴承元件的固有频率仅取决于其材料、结构、尺寸和质量及安 装方式，而与轴承的转速无关。 钢球的固有频率计算公式为

厶＝半悸
，．

他２，

Ｖ Ｚｐ

式中，，．为钢球的半径ｂ），ｐ为材料密度恼／ｍ２），Ｅ为钢球的弹性模（Ⅳ／聊２）。
内外圈的固有频率计算公式为：

ｆ（ｔ．ｏ＞，＝９．４０ｘ１０５

ｘＲ２√等×丽ｎ（ｎ２－１）

∽３，

式中，尺为圆环回转轴到中性轴的半径ｍ），０—１）为固有频率的阶数，胛＝２，３，４，…，

Ｉ为圆环截面绕中性轴的惯性矩似４），Ｍ为圆环单位长度内的质量（堙／聊）心０‘４３１。
４．１．３滚动轴承典型故障分析

滚动轴承常见的故障为内环、外环或滚动体出现点蚀和疲劳剥落。因损伤部位不同
频谱图中的故障特征频率也不同，各轴承元件故障振动信号时域波形和频谱如图４．３所 示。 图４．３（ａ）为外环故障振动波形和频谱图。滚动体每次通过点蚀产生的冲击信号波

形，其峰峰值为故障间隔频率的倒数。由于外环是固定不动的，滚动体通过点蚀时具有 相等的冲击强度。则外环故障时的故障振动频率为：，吮＝ｎｚｆ。（ｎ＝１，２，…）。
图４．３（ｂ）为内环故障振动波形和频谱图。由于内环旋转，故障位置也随之旋转，故 滚动体通过内环故障位置，产生的冲击信号波形是周期性变化的。形成了以内环间隔频

率关为载波的脉冲信号幅值调制，调制频率为滚动体的公转频率以或轴的转频，。则 内环故障时的故障振动频率为：谚±兀（，）（刀＝１，２，…）。
图４．３（ｃ）为滚动体故障振动波形和频谱图。由于滚动体缺陷与内、外环接触位置在

变动，故所产生的波形与内环故障类似，脉冲幅值也出现周期性变化，但由于滚动体自
转一周分别与内外环各接触一次，会产生２个脉冲力，且由于损伤点与内环接触时产生

的脉冲力相比较损伤点与外环接触时小的多，会产生如图所示强弱相间的振动冲击。此

大连交通大学Ｔ学硕十学位论文

时的间隔频率兵的脉冲幅值将为滚动体公转频率无所调制。．则滚动体故障时的故障振

动频率为：，以＋ｆｂ（ｎ＝１，２，…），叽０＝１，２，…）。

１，玩
●—●

ｌ
－

Ｊ
Ｉ

ｌ
Ｉ

Ｊ 【ｊ
１

Ｉ Ｉ ｌ Ｉ

ｒ

Ｉ

ｌ

（句外环故障时摄动信号时域搜形和攒者圈

（ａ）内环技障时振动信号时域波形和频谱囤

一

＾

‘■＾

ｌＩ－Ａ ● ‘＿足¨儿 石Ｈ¨¨ｍ ●Ｉ－Ｉｌ且ｎ

一

（ｃ）滚动体散障对振动信号时域波形和频谨图

ｊ一

图４．３轴承元件故障振动信号时域波形和频谱图
Ｆｉｇ．４．３ Ｂｅａｒｉｎｇ ｅｌｅｍｅｎｔｓ ｆａｕｌｔ’ｓ ｖｉｂｒａｔｉｏｎ ｔｉｍｅ ｄｏｍａｉｎ ｗａｖｅ ａｎｄ ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ

４．１．４滚动轴承故障诊断方法 诊断滚动轴承故障时，应根据轴承故障类别不同，采用不同的诊断方法。 磨损类故障是一个渐变性的故障，振动强度随磨损严重程度而增大。当轴承出现磨 损时，振动信号的特征是随机性很强，无明显的周期信号存在，振幅的概率密度大体均 为正态分布，频谱亦无明显差别。因此可通过定期监测轴承的振动能量，作趋势分析和 预报。速度有效值（均方根值）指标是判定轴承磨损程度的理想特征参数。 损伤类故障是一种突发性较强又比较危险的故障，故障早期症状较难识别，是我们 进行故障诊断时重点加以研究的。 滚动轴承损伤类故障会产生冲击脉冲信号，但是由于与其它随机信号混杂，从时 域波形上往往很难直接观察出来。在时域诊断方法中，峭度指标对于脉冲型故障比较敏 感，特别是故障在早期发生时，它有明显增加，表明它对早期故障有较高敏感性呤引。可 以通过峭度指标来检测是否有早期冲击脉冲信号出现。
３２

第四章数控机床振动故障诊断

频域分析方法可以对轴承早期故障进行精密诊断。若要具体诊断出是否是轴承故障 及轴承损伤的具体部位，需要对信号进行频域分析。图４．４为滚动轴承振动的频谱结构， 可分为３个部分［４０＿４３｜：
幅值

低频段

中频段

高频段

图４．４滚动轴承振动的频谱结构
Ｆｉｇ．４．４ Ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇ’ｓ ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ ｓｔｒｕｃｔｕｒｅ

①低频段频谱（１ｋＨｚ以下）。包括轴承的故障特征频率及加工装配误差引起的振动特
征频率。通过分析低频段的谱线，也可以监测和诊断相应的轴承故障。但是，由于这一 频段易受机械中其它零件及结构的影响，并且在故障初期反映故障部位的特征频率，其 能量很小，常常淹没在噪声之中。

②中频段频谱（１ｋＨｚ－－２０ｋＨｚ）。主要包括轴承元件表面损伤引起的轴承元件固有振
动频率。分析此频段内的振动信号可以较好地诊断出轴承的局部损伤故障。

⑧高频段频谱（２０ｋＨｚ以上）。如果加速度传感器谐振频率较高（４０ｋＨｚ以上），那么
由于轴承损伤引起的冲击在２０ｋＨｚ以上的高频也有能量分布，周测得的信号中含有 ２０ｋＨｚ以上的高频成分。对此高频段信号进行分析也可以诊断出相应的轴承故障。

故障产生的振动能量激励起轴承和轴承座各零部件的固有频率振动，振动信号的频

ｒ…ｃ１

率成分不仅包含低频轴承故障特征频率，还包含轴承各部件的高频固有频率Ｈｂ”。。如 何去除高频固有频率，提取出低频故障特征频率，是滚动轴承故障诊断的关键。包络诊 断法能够提取载附在高频信号上的低频信号，是滚动轴承故障诊断最有效的一种方法。 该方法以轴承系统的共振频率区为监测带，振动信号经放大、滤波和解调，获得脉动冲 击的低频脉动信号，以此作为分析的依据，结合轴承故障特征频率即可诊断出轴承故障。 图４．５为滚动轴承包络诊断的信号处理步骤。

大连交通大学Ｔ学硕十学位论文

Ｘ（ｔ）

ｍ’Ｆ一屯，…秘如笔
ａ）振动波形
。一

』电！执。——ｉ煮麓生。——．～一 ｔ

绝对值处理｛波形
ｘ（ｔ）＇

仁ｌ／ｆ
卜——————～１

Ｉ
ｘ“）ｆ

ｒ

一／／—、一。。，一７—＼～／”’＼。．。／”气＼～
ｔ

ｃ）（ｂ）帕包络线处理波形

Ｌ…一疋…，／ｔ…一一Ｌ～九…一
ｆ ２ｆ ３ｆ ４ｆ

ｆ

ｄ）【ｃ）的频谱图
图４．５滚动轴承包络诊断的信号处理步骤
Ｆｉｇ ４．５ Ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇｓ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｂｙ ｕｓｉｎｇ ｅｎｖｅｌｏｐｅ ａｎａｌｙｓｉｓ

进行包络解调的关键之一在于带通滤波，能否将包含缺陷的固有振动分离出来十分 重要。 ４．１．５滚动轴承故障诊断实例 Ｄ０１５ＭＣＮＣ８２连杆齿型磨床是西德ＥＬＢ公司制造的，用于加工连杆与端盖结合面牙 口，全厂独此一台，投产至今，一直未大修。２００４年９月起对其主轴系统进行定期检测。 主轴系统结构简图及测点布置如图４．６所示。

ｉ

‘Ｌ

黧雾

＼ｒ川

一一

ｊ一

上＊（
一

、乡

Ｌ

图４．６连杆齿形磨床主轴系统结构简图及测点布置
Ｆｉｇ．４．６ Ｍａｉｎ ｂｅａｒｉｎｇ ｓｙｓｔｅｍ ｓｔｒｕｃｔｕｒｅ ａｎｄ ｍｅａｓｔｌｒｅ ｐｏｉｎｔ ｐｏｓｉｔｉｏｎ

第四章数控机床振动故障诊断

２００５年７月在３＃测点的加速度包络谱图中发现有１５６．７５ＨＺ频率分量和其高次谐频， 如图４．７所示，恰好与计算所得的后轴承外环的故障特征频率相同，判断该轴承外环出 现缺陷。

图４．７ ３＃测点垂直向振动加速度包络谱图
Ｆｉｇ．４．７ Ｎｏ．３ ｐｏｉｎｔ’ｓ Ｖｅｒｔｉｃａｌ ｖｉｂｒａｔｉｏｎ ａｃｃｅｌｅｒａｔｅｄ ｓｐｅｅｄ ｅｎｖｅｌｏｐｅ ｃｈａｒｔ

缩短测试周期，监测故障发展趋势，同时通知车间抓紧准备备件并安排维修。检 修结果发现该轴承外环表面有剥落，与诊断结论相符。

４．２齿轮故障诊断
４．２．１齿轮振动机理分析

齿轮系

振动

———————◆

轴系振 动

————————●＇

轴承系
振动

———————＿一■

轴承座及

床体振动

图４．８齿轮振动产生机理
Ｆｉｇ．４．８ Ｇｅａｒ ｖｉｂｒａｔｉｏｎ’Ｓ ｇｅｎｅｒａｔｉｎｇ ｍｅｃｈａｎｉｚａｔｉｏｎ

齿轮产生振动的机理可用图４．８来说明。齿轮可看成是以轮齿为弹簧、齿轮本身为 质量的振动系统，由于齿轮刚度周期性的变化、齿轮装配误差以及载荷变化等外因引起
的激振力的作用，齿轮将产生圆周方向的扭转振动，此振动可通过轴、轴承传到轴承座 及床体，轴、轴承的振动也传给轴承座及床体，使床体产生振动。 （１）齿轮传动的动力学模型１８，１５Ｊ

大连交通大学Ｔ学硕十学位论文

齿轮的振动系统是一个相当复杂的非线性系统。要建立其完整的非线性振动模型非
常困难，在研究齿轮故障时，通常将齿轮副进行简化。齿轮副作为一个振动系统，物理

模型可以简化为图４．９所示。

图４．９齿轮副啮合物理模型
Ｆｉｇ．４．９ Ｇｅａｒｓ ｅｎｇａｇｉｎｇ ｐｈｙｓｉｃａｌ

ｍｏｄｅｌ

根据振动理论，其动力学方程为【３ ７Ｊ：

旌＋Ｃ譬＋ｋ（ｔ）ｘ＝Ｆ（ｆ）
式中：Ｘ一沿啮合线上齿轮相对位移；ｃ一齿轮啮合阻尼；尼（ｆ）一啮合刚度； Ｍ一齿轮副质量，Ｍ＝（聊ｌｍ２）／（川１＋ｍ２）；Ｆ（，）－＃ｂ界激励。

（４．４）

Ｆ（ｔ）为动载荷，包括故障缺陷所产生的激励，它的变化受齿轮刚度和传动误差变化

的影响，同时还与齿面摩擦力方向的变化有关。在润滑状态良好且齿面粗糙度低的情况
下，齿面摩擦力变化对振动的影响较小，可忽略，从而可以表示为： ＾众＋Ｃ譬＋ｋ（ｔ）ｘ＝ｋ（ｔ）Ｅｌ＋ｋ（ｔ）Ｅ２０）
（４．５）

公式（４．５）的左侧代表齿轮副本身的振动特征，右侧为激振函数。由激振函数可以看 出，齿轮的振动来源于两部分：第一部分为ｋ（ｔ）Ｅ，，其中Ｅ为齿轮承载后的平均静弹性 变形，它与齿轮的误差和故障无关。正常齿轮在啮合过程中也会产生微量振动，因此称 这部分为常规振动；第二部分为ｋ（ｔ）Ｅ：（，），其中Ｅ：（，）为齿轮误差和故障造成的两齿轮 间的相对位移，称为故障函数。ｋ（ｔ）Ｅ，（，）可以较好解释与故障有关的齿轮振动。 （２）齿轮副的啮合刚度 刚度是反应零件在载荷作用下抵抗弹性变形的能力，其大小由产生单位变形所需要 的外力或外力矩来表示。对齿轮振动的产生，齿轮啮合刚度是一个很重要，同时也是一 个很复杂的参数，它受诸多因素的影响，如传递载荷、载荷分布、轮齿变形、啮合位置 和齿轮重合系数等。

３６

第四章数控机床振动故障诊断

公式（４．５）中的齿轮啮合刚度后（ｆ）是参与啮合的单对齿轮的综合刚度，是一个周 期性的变量，原因有以下两点：一是随着啮合点位置的变化，参与啮合的单一齿轮的刚

度发生变化；二是参与啮合的齿数在变化。假定齿轮副的重合度占≤２，单啮区长度为ａ， 双啮区长度为ｂ，则刚度ｋ（ｔ）如图４．１０所示…。
Ｋ（ｔ）

直齿轮 图４．１０啮合刚度变化曲线
Ｆｉｇ．４．１０ Ｒｉｇｉｄｉｔｙ ｏｆｅｎｇａｇｅｍｅｎｔ’Ｓ

斜齿轮

ｃｕｒｖｅ

由图４．１０可知，从一个轮齿进入啮合到下一个轮齿进入啮合，齿轮的啮合刚度就 变化一次。齿轮的啮合刚度变化规律取决与齿轮的重合系数和齿轮的类型，直齿轮的重

合度低，刚度变化较陡，可用周期的矩形函数来描述；斜齿轮重合度高，刚度变化较为
平缓，接近正弦波，波动幅度小，从而引起齿轮的振动和噪声小，运行比直齿轮平稳。 若齿轮副主动轮转速为ｎ．、齿数为ｚ，；从动轮转速为行：、齿数为ｚ：，则齿轮啮合 刚度的变化规律（啮合频率．疋）为：

丘＝ｚｚ?＝厶ｚ２－静＝裔ｚｚ
４．２．２齿轮故障频率特征
（１）正常齿轮的频域特征

（４．６）

正常齿轮由于刚度的影响，其波形为周期性的衰减波形，反映在频域上，有啮合频

率及其谐波分量矾Ｇ＝１，２，…），且以啮合频率成分为主，其高次谐波依次减小；同时，
在低频处有齿轮轴旋转频率及其高次谐波分量ｍｆ，（ｍ＝１，２，…），如图４．１１所示。

３７

大连交通大学Ｔ学硕十学位论文

图４．１ｌ齿轮的频域特征
Ｆｉｇ．４．１ １ ｇｅａｒ’Ｓ ｔｉｍｅ ｄｏｍａｉｎ ｃｈａｒａｃｔｅｒｓ

（２）齿轮振动信号频域的主要故障特征有：

在机床上测得的信号为上述信号一种或几种综合作用的结果，实际情况是比较复杂 的，可能还包含了各种干扰信号。下面分别介绍各个特征成分对应的故障类型，并分析

其产生原斟４２一删。
①啮合频率及其各次谐波
Ａ

ｆｃ

２ｆｃ

３ｆｃ

ｆ

图４．１２齿轮啮合频率及其高次谐波
Ｆｉ ｇ．４．１２ Ｆｒｅｑｕｅｎｃｙ ａｎｄ ｈａｒｍｏｎ ｉ
ｃ ｗａｖｅ

ｏｆ Ｇｅａｒ ｅｎｇａｇｍｅｒｔ

齿轮的振动主要是由啮合刚度后（，）的周期变化引起的，齿轮处于正常或异常状态

下，啮合频率振动成分及其谐波总是存在的，但两种状态下振动水平是有差异的。齿轮 啮合情况良好，产生的啮合频率及其各次谐波幅值较低。当齿面发生磨损，或者负荷增 大，产生齿轮径向间隙过大等故障时，啮合频率及其各次谐波成分的幅值会明显增大。
特别是当齿面均匀磨损后，齿廓形状变坏，啮合时不仅时域上的振动幅值增大，而且在 频域上啮合频率及其各次谐波也有明显增长，如图４．１２所示，得注意的是，啮合频率的 高次谐波增长比基波快的多，磨损严重时，二次谐波幅值可能超过啮合基波。因此从啮 合基频及其各次谐波的相对增长量上可以看出齿面的磨损程度。

②以齿轮啮合频率为载波的幅值调制和频率调制
ａ、幅值调制

第四章数控机床振动故障诊断

幅值调制是由于齿面载荷波动对振动幅值的影响造成的。例如，齿轮的偏心造成齿 轮啮合时一边紧一边松，从而产生载荷波动，使振动幅值按此规律周期性变化。又如，

齿轮加工造成节距不均匀及类似故障使齿轮在啮合中产生短暂的“加载＂和“卸载＂效
应，也会产生幅值调制。 根据单一简谐振动的幅值调制原理，可设代表啮合频率的载波信号为：

ｇ（ｆ）＝Ａｓｉｎ（２ｎ＂．以－Ｉ－缈）
代表齿轮轴旋转频率的调制信号为： ｅ（ｔ）＝ｌ＋Ｂｃｏｓ２ｎ＂．，， 则调幅后的信号为： ｘ（，）＝Ａ（Ｉ ４－Ｂｃｏｓ２ｒｃ．ｆ，ｔ）ｓｉｎ（２＃．丘，＋咖

（４．７）

（４．８）

（４．９）

式中，，ｃ一载波频率（啮合频率）；／，一调制波频率（齿轮轴旋转频率）；
彳一载波信号振幅；Ｂ一调制指数；缈一初相角。 将（４．９）式展开，可得

ｘ（，）：彳ｓｉｎ（２万以，＋纠＋华ｓｉｎ【２万（正＋，）ｆ＋缈】＋华ｓｉｎ【２万（丘一，弦＋缈】

（４．１０）

由（４．１０）式可知，信号经幅值调制后，除了原有的啮合频率分量外，还增加了一对分量

（丘＋，）和（丘一，），它们是以工为中心，以，为间隔，以幅值华对称分布于ｚ两侧，
Ｚ

称为边频带，如图４．１３所示。
＾Ｊ

Ｉ

Ａ。

Ｌ

Ａ。

‘毛 ｆｒ
７Ｉ
●１

ｌＩ
图４．１３幅值调制

。

Ｉｆ

ｌＩ

－

Ｆｉｇ．４．１３ Ａｍｐｌｉｔｕｄｅ ｍｏｄｕｌａｔｉｏｎ

齿轮啮合振动信号在幅值调制之前的总能量为Ａ２，经幅值调制之后，总能量Ｅ为

各频率成分能量之和，即Ｅ＝彳２＋（丢彳Ｂ）２＋‘虿１彳Ｂ）２＝彳２＋三彳２８２

（４．１ １）

３９

大连交通大学Ｔ学硕十学位论文

此可见，调幅作用使信号的总能量增加了妻彳２８２，这部分能量的大小就反映了齿 Ｚ
轮的故障程度，而调制的边带的间距则表明了故障产生的部位。 但对于实际的齿轮振动信号，载波信号和调制信号都不是单一的，一般来说都是周

期函数。在公式（４．１２）中，ｋ（ｔ）Ｅｌ一般不随故障的产生而变化，而ｋ（ｔ）Ｅ２（ｆ）是故障发生时 产生调制边频带的原因。由公式（４．１０）求得齿轮啮合振动中的幅值调制部分可表示为：
Ｊ，（，）＝Ｘｒ（，）ＤＥ（，） （４．１２）

式中，ｘｒ（ｆ）一载波信号，包含了齿轮啮合正及其高次谐波； ＤＥ（，）一调制信号，包含了齿轮轴的转频，及其高次谐波；
ＤＥ（ｆ）反映了齿轮本身误差和故障情况及其它零部件引起的齿轮传动误差情况，包 含了故障所在轴的转频及其高次谐波，对Ｙ（ｔ）做频谱分析，由于傅立叶变换的性质是时 域相乘、频域卷积，故频谱图上形成若干以啮合频率及其高次谐波为中心、间隔为齿轮

轴转频及其高次倍频的边频带，根据傅立叶变换的频域卷积定理，式（４．１１）在频域中表
示为： Ｓ。（厂）＝Ｓ，（／）枣ＳＤ（厂） （４．１３）

式中：?号一示卷积；Ｓ。（／）一】，（ｆ）傅立叶变换（即频谱）； Ｓ，（厂）一Ｘｒ（，）傅立叶变换（即频谱）；ＳＤ—ＤＥ（ｆ）的傅立叶变换（即频谱）。 如图４．１４所示，这就是齿轮啮合频率幅值调制边频带的原因。
ｓｏ（力 ｓｘ（，）

ｓｙｉｆ）

。以
．｛ｅ ２｛ｃ ３｛ｃ
｛

ｌ｜Ｉ｜｜Ｉ
｛ｃ

ｌ ｌ，ｌ ｌ｜ｌ＿
３｛ｃ｛。

｛，

｛

２｛ｃ

图４．１４幅值调制作用下的边频带
Ｆｉｇ．４．１ ４ Ｓｉｄｅ ｆｒｅｑｕｅｎｃｙ ｂａｎｄ ｕｎｄｅｒ ａｍｐｌｉｔｕｄｅ ｍｏｄｕｌａｔｉｏｎ

ｂ、频率调制（相位调制）

齿轮载荷不均匀、齿距不均匀以及故障造成载荷的波动，除了对振幅产生影响，同
时也必然产生扭矩的波动，使齿轮转速产生波动。这种波动表现在振动上即为频率调制

第四章数控机床振动故障诊断

（也称相位调制）。所以，对于齿轮来说如何导致幅值调制的因素也同时会导致频率调 制，两种调制总是同时存在的。 在齿轮信号频率调制中，载波信号和调制信号均为一般周期性函数，包含啮合频率 及其倍频成分，在啮合频率及其倍频两侧形成一系列边频带，边频间隔为齿轮所在轴的

转频，。
根据单一简谐振动的频率调制原理，可设代表啮合频率的载波信号为： ｇ（，）＝Ａ ｓｉｎ（２ｕｆ＜，＋缈） 调制信号为： Ｐ（ｒ）＝ｆｌ ｓｉｎ（２万．Ｌｔ） 则调频后的信号为： Ｘ（，）＝Ａ ｓｉｎ（２ｘ．Ｌｔ＋ｆｌ ｓｉｎ（２７ｒ．，，）＋妒） （４．１ ６） （４．１ ５） （４．１４）

笪
式中，∥一ｆ，频率调制指数即调制产生的最大相位移；
Ａｆ一最大频率偏差值，也就是齿轮的最大角速度波动量；

／，一调制频率，即分度不均匀齿轮的转频。
将式（４．１６）展开为无穷级数：

ｘ（ｆ）：要ｐ。（∥）ｓｉｎ（２矾，＋缈）＋
二

Ｊ１（ｆ１）ｓｉｎ（２ｘ（ｆ。一，ｙ＋伊）＋，１（ｆ１）ｓｉｎ（２ｎ＇（ｆ。＋，）『＋缈）＋

以（ｆ１）ｓｉｎ（２ｘ（ｆ。一２ｆ）ｆ＋缈）＋Ｊ２（ｆ１）ｓｉｎ（２ｒｃ（ｆ。＋２Ｌ弘＋伊）＋…｝（４．１７）
式中的Ｊ。（∥）表示以∥为自变量的第ｎ阶贝赛尔系数。式（４．１７）表示，调频振动信 号包含无穷多个频率分量，其中第一项人Ｊ。（ｆ１）ｓｉｎ（２ｒｃ．丘，＋咖为载波分量；第二、三项
Ｊｌ（∥）有一阶上边带和下边带分量；第四、五项以（∥）有二阶上边带和下边带分量。
Ｘ

一一、一｝套ｌ

ｊ

＾ ㈧㈣人／ ㈣㈣＾ ＼ 洲ｙ矿Ｖ Ｖ … ｙＩ Ｖ¨一
４１

大连交通大学ＩＴ学硕卜学位论文

．

（ａ）

（ｂ）

图４．１５频率调制作用下的边频带
Ｆｉｇ．４．１ ５ Ｓｉｄｅ ｆｒｅｑｕｅｎｃｙ ｂａｎｄ ｕｎｄｅｒ ｆｒｅｑｕｅｎｃｙ ｍｏｄｕｌａｔｉｏｎ

在频域上，以（∥）各项是以载波频率‘为中心，以调制频率，为间隔的，对称分 布的无限多对调制边带，如图４．１５（ｂ）所示，边频带幅值的高低和形状主要取决于∥。图
４．１５（ａ）是频率调制的时域信号。 ｃ、调幅调频 在齿轮实际运转过程中，齿轮故障的调幅和调频现象总是同时存在的，形成交叉调 制。虽然幅值调制和频率调制具有相同的载波频率、边带间隔以及边带对称载波频率分 布的特点，但由于边频成分的相位不同，边频带的叠加是向量叠加，使调制频率两边的 边频带并不呈对称分布，如图４．１６所示。这就给齿轮故障诊断带来的很大的困难，对调 制现象及其边频带分布特点的研究是齿轮故障诊断中一个很重要的课题。

图４．１６齿轮调幅调频作用下的边频带
Ｆｉｇ．４．１ ６ Ｓｉｃｅ ｆｒｅｑｕｅｎｃｙ ｂａｎｄ ｕｎｄｅｒ ａｍｐｌｉｔｕｄｅ＆ｆｒｅｑｕｅｎｃｙ ｍｏｄｕｌａｔｉｏｎ

③以齿轮及机床其它零部件的固有频率为载波的调制
当发生断齿、齿形严重误差、轴弯曲比较严重时，由于振动能量比较大，激振能量

大，不但产生齿轮啮合频率调制，而且会激励起齿轮本身以及机床其它零部件的固有振
动，在其固有频率附近产生一个高频响应。在频谱图中固有频率附近出现调制边频带， 产生固有频率调制现象。齿轮等固有频率调制现象是机床产生故障的一个很重要的因 素，应引起重视１３引。

④其它频率成分
附加脉冲：齿轮平衡不良、对中不良、零部件机械松动等缺陷都会引起附加脉冲。 它们均是旋转频率及低次谐波的振源，而不一定与齿轮本身缺陷直接有关。 隐含成分：新齿轮传动时，其频谱图上除了旋转频率、啮合频率及其边频成分之外， 还会出现某一频率及其低次谐波成分，这是加工该齿轮所用机床的分度齿轮的啮合频 率，称为隐含成分。在齿轮运行一段时间后，隐含成分及其谐波成分逐渐减小。

４２

第四章数控机床振动故障诊断

４．２．３齿轮典型故障分析

齿轮典型故障的频域特征总结如下【３４’３９】：
（１）齿轮均匀磨损

齿轮均匀磨损时由于无冲击振动信号产生，一般不会出现明显的调制现象。磨损发
展到一定程度时，啮合频率及其各次谐波幅值明显增大，而且高次谐波幅值相对增大较 多，如图４．１７所示。

（ａ）正常齿轮 图４．１７齿轮的频域特征

（ｂ）均匀磨损齿轮

Ｆｉｇ．４．１ ７ ｇｅａｒ’Ｓ ｔｉｍｅ ｄｏｍａｉｎ ｃｈａｒａｃｔｅｒｓ

（２）齿轮局部异常 齿轮的局部异常包括齿根部有较大裂纹、局部齿面磨损、轮齿折断、局部齿形误差 等，图４．１８（ａ）表示了几种常见的异常情况，图４．１８（ｂ）表示局部异常齿轮的振动波形。

卜齿根部有裂纹 ２一局部齿面磨损 ３一局部齿形误差

妒岫

赳
ｆｂ）

ｆａ）

图４．１８局部异常齿轮的振动波形
Ｆｉｇ．４．１ ８ Ａｂｎｏｒｍａｌ ｇｅａｒ’ｓ ｖｉｂｒａｔｉｏｎ ｗａｖｅ

齿轮运转时，由于上述四种局部异常，异常部位参与啮合时会产生很大的冲击振动，
时域上表现为幅值很大的、有规律的冲击振动，冲击频率等于故障齿轮所在轴的转频。 在频域上具体表现为：

４３

大连交通大学Ｔ学硕十学何论文

①啮合频率及其高次谐波附近出现间隔为轴转频的边频带，由于冲击信号可以分解
为许多正弦分量之和，因此形成的边带数量多且均匀，如图４．１９显示。

②通过细化谱或解调谱可以发现转频及高次谐波，甚至出现１０阶以上； ③由于冲击能量大，还能激励起齿轮固有频率，出现以齿轮各阶固有频率为载波频
率，以故障齿轮所在轴的转频及其高次谐波为调制频率的调制边频带。 Ｇ（ｆ）

ｆｃ

２ｆｃ

３ｆ。

ｆ

图４．１９齿轮缺陷对边频带的影响
Ｆｉｇ．４．１ ９ Ｇｅａｒ ｆａｕｌｔ’ｓ ｉｎｆｌｕｅｎｃｅ ｔｏ ｓｉｄｅｂａｎｄｓ

（３）齿轮偏心

齿轮偏心时主要产生调幅振动，时域波形有明显的调幅现象，频域上产生以啮合频

率为中心，以故障齿轮的旋转频率为间隔的一阶边频，即蜕±，（ｎ＝１，２，…），同时故障

齿轮的旋转特征频率咀（ｍ＝１，２，…）幅值增大，如图４．２０所示。

图４．２０齿轮偏心的频谱特征
Ｆｉｇ．４．２０ Ｅｃｃｅｎｔｒｉｃ ｇｅａｒ’ｓ Ｓｐｅｃｔｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ

（４）齿轮不同轴 齿轮不同轴时主要产生调幅振动，时域波形有明显的调幅现象，频域上产生以啮合

频率为中心，以故障齿轮的旋转频率为间隔的一阶、二阶边频，即蜕±，、

第四章数控机床振动故障诊断

ｎＬ＋－２Ｌ∽＝１，２，…），同时故障齿轮的旋转特征频率ｍｙ，沏＝１，２９ ｏ＂）在谱图上有一定反
映，如图４．２ｌ所示。 Ｇ（ｆ）

Ｏ

图４．２１不对中的频谱
Ｆｉｇ．４．２１ Ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ ｎｏｔ ａｌｉｇｎｍｅｎｔ ｇｔａｒ’ｓ

（５）齿轮不平衡 齿轮不平衡时主要产生以调幅为主调频为辅的振动，频域上产生以啮合频率为中

心，以故障齿轮的旋转频率为间隔的边频带，即蜕＋－ｍｆｒ（疗，ｍ＝１，２，…），同时受不平衡
力的激励，故障齿轮的旋转频率及谐波ｍｙ，（肌＝１，２，…）的能量也有相应的增加。如图４．２２ 显示。 Ｇ（ｆ）

０

图４．２２不平衡齿轮的频谱
Ｆｉｇ．４．２２ Ｕｎｂａｌａｎｃｅ ｇｅａｒｓ ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｎｍａ

（６）齿轮有齿距误差 齿轮有齿距误差时主要产生调频振动，频域上产生以啮合频率为中心，以故障齿轮

的旋转频率及高次谐波为间隔的边频带族，即ｎｆｏ±峨（以，ｍ＝１，２，…），如图４．２３所示。

４５

大连交通大学一【学硕十学位论文

Ｇ（ｆ）

０

ｆｃ

２ｆｃ

３ｆｃ

图４．２３有齿距误差的频谱
Ｆｉｇ．４．２３ Ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ ｏｆ ｇｅａｒ ｗｉｔｈ ｔｅｅｔｈ ｓｐａｃｅ
ｅｒｒｏｒ

４．２．４齿轮故障诊断方法 齿轮故障诊断主要采用频域分析方法。将齿轮的频谱图与标准频谱图对比，观察各 成分及变化规律，可以诊断齿轮故障。图４．２４为齿轮的振动频谱图结构㈣。

图４．２４齿轮的振动频谱结构
Ｆｉｇ．４．２４ Ｇｅａｒ’Ｓ ｖｉｂｒａｔｉｏｎ ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ

（１）低频段频谱，包括各轴的旋转频率成分，齿轮故障会使所在轴的旋转频率及 高次谐波频率的幅值增大； （２）中频段频谱，是齿轮啮合频率或其谐波频率区域，啮合频率或其谐波频率附 近存在一些等间距的边频成分，它反映了齿轮故障特征。边频的增多在某种程度上揭示

第四章数控机床振动故障诊断

了齿轮故障的发生，边频幅值的大小说明故障的严重程度，边频的间隔频率反映故障的
来源。因此，对齿轮该频率区域的振动信号进行分析，识别啮合频率及谐波频率的边频 带特征，可以有效地识别齿轮故障。

（３）高频段频谱，主要包括由齿轮故障激起的齿轮本身以及机床其它零部件的固
有振动频率。在固有频率附近出现故障信号的调制边频带。分析此频段内的振动信号也 可以诊断出相应的齿轮故障。

（４）时域同步平均可以将该周期信号从混有噪声干扰的信号中分离出来，而且保 留指定的周期分量及其高频谐波分量，提高欲研究周期信号的信噪比。
（５）当调制频率过小且边频带很密集时，为了分析频谱图中的细微结构需要采用 细化谱分析技术。 （６）倒频谱分析有效地提取和识别频谱上的周期成分，清楚地将啮合频率．疋和旋

转频率ｆ分离开来。
４．２．５齿轮故障诊断实例 前面介绍的设备编号为０４６－－２０日本牧野公司设计制造的ＭＣｌ２１０数控加工中心， 自２００４年９月起对该加工中心的主传动系统实行状态监测，发现机床振动强度有增大 趋势，振动烈度在允许注意范围内，对该机床进行了故障诊断。 （１）测试方案

①监测参数：加速度 ②测点布置：主传动系统结构简图及测点位置如图２．４所示 ③监测工况：主轴空转，７００转／分钟 （２）故障特征频率计算
机床的主传动系统由两级传动组成，传动路线如图４．２５所示。

厂百２０（转速ｎ＜７２０ｒ／ｍｉｎ）］

Ｉ轴一磊３４一Ⅱ轴一

Ｌ ６６（转速ｎｉ＞７２０ｒ／ｍｉｎ）Ｊ

卜－Ⅲ轴（主轴）

图４．２５ ＭＣｌ２１０数控机床传动路线图
Ｆｉｇ ４．２５ ＭＣ １ ２ １ ０ ＮＣ ｍａｃｈｉｎｅ ｔｏｏｌ ｔｒａｎｓｍｉｓｓｉｏｎ ｓｋｅｔｃｈ

实测转速为６９１ｒ／ｍｉｎ，各轴转速／转频如表４．２；各传动组齿轮啮合频率如表４．３。

４７

大连交通大学－丁学硕十学位论文

表４．２各轴转速／转频
Ｔａｂｌｅ ４．２ Ｒｏｔａｔｉｏｎ

ｓｐｅｅｄ／ｒｏｔａｔｉｏｎ ｆｒｅｑｕｅｎｃｙ

轴号
Ｉ ＩＩ

转速（ｒ／ｍｉｎ）
４０９４ ２１０９ ６９１

转频（ＨＺ）
６８ ３５ １１．５

ＩＩＩ（主轴）

表４．３各传动组齿轮啮合频率
Ｔａｂｌ
ｅ

４．３

Ｆｒｅｑｕｅｎｃｙ ｏｆ

ｅｎｇａｇｅｍｅｎｔ

传动组号
Ｉ—ＩＩ ＩＩ—ＩＩＩ

啮合频率（ＨＺ）
２３４９ ７０３

（３）故障诊断分析 图４．２６（ａ）是１＃测点第１１次测量的加速度时域波形图和频谱图。从时域波形 看明显有冲击脉冲信号，图中三个衰减脉冲（１，２，３点）的时间间隔为２８ｍｓ（３５ＨＺ）， 是齿数为２０的小齿轮的旋转频率。 图４．２６（ｂ）在频谱图上看到传动组ＩＩ－ＩＩＩ（齿数为２０与６ｌ齿轮）啮合频率的 二倍频（１４０６ＨＺ）幅值较大，且两侧有大量边频带，分布较均匀，频带间隔恰好为３５ＨＺ （齿数为２０的小齿轮的旋转频率），因此可以判断ＩＩ轴上齿数为２０的小齿轮有较严重 的缺陷。
ｌｌａ．杓ｌ

＾ｃ臼●ｌ

ｌ“＇

４８

第四章数控机床振动故障诊断

１）７０３．０００

２）１３７０．０００

３）１４０５．０００

４）］４４０．０００

（ｂ）

图４．２６ １＃测点的加速度时域波形图和频谱图
Ｆｉｇ．４．２６ Ｓｐｅｅｄ ｔｉｍｅ ｄｏｍａｉｎ ｗａｖｅ ａｎｄ ｆｆｅｎｑｕｅｎｃｙ ｏｆＮｏ．１ ｐｏｉｎｔ’Ｓ ａｃｃｅｌｅｒａｔｅｄ ｓｐｅｅｄ

分析１２次测量的加速度频谱，可以看出传动组ＩＩ－Ｉｌｌ的啮合频率及其倍频的加速

度幅值变化情况，如表４．４所示。由此可见，啮合频率加速度幅值略有变化，而其二倍
频的幅值则增大了近３倍，这说明传动组的小齿轮不断剥落，而且已经磨损。
表４．４小齿轮振动加速度幅值
Ｔａｂｌｅ ４．４ Ｌｉｔｌｌｅ ｇｅａｒ ｖｉｂｒａｔｉｏｎ’Ｓ ａｃｃｅｌｅｒａｔｅｄ ｓｐｅｅｄ ａｍｐｌｉｔｕｄｅ

频率（ＨＺ）

１，２，３，４次平均

５，６，７，８次平均

９，１０，１１，１２次平均

７０３

１９７ｍｍ／ｓ２

１８７ｍｍ／ｓ２

２０７ｍｍ／ｓ２

１４０５

２４５ｍｍ／ｓ２

３９４ｍｍ／ｓ２

５５８ｍｍ／ｓ２

２００６年５月，机床振动突然增大，且机床加工精度超差，进行了大修。发现小齿
轮磨损严重，与诊断结论一致。

４．３其它典型故障及诊断实例
４．３．１主轴联轴器不对中 （１）主要故障特征

①频率特征：轴的旋转频率，及倍频２Ｌ、３Ｌ，严重时二倍频幅值会高于轴频；

４９

大连交通大学Ｔ学硕十学位论文

②轴向易产生振动，轴向振动幅值有时会是径向幅值的５０％以上。 （２）故障诊断实例
设备编号４６—２１是另外一台日本牧野公司设计制造的ＭＣｌ２１０数控加工中心，在监 测时发现机床振动强度增大，于是对该机床进行了故障诊断。

①测试方案
监测参数：加速度

测点布置：主传动系统结构简图及测点位置如图２．４所示
监测工况：主轴空转，７００转／分钟

②故障特征频率计算
机床的主传动系统由两级传动组成，传动路线如图４．２４所示。 转速为７００转／分时，各轴转速／转频如表４．２。

第四章数控机床振动故障诊断

③故障分析诊断 ３＃测点垂直向振动速度频谱图如图４．２７所示。通过频谱分析，发现第１ＩＩ轴的旋转频
率６７．５ＨＺ及高次谐波的幅值较大，有２倍频、３倍频出现，且２倍频幅值大于１倍频幅值，

完全符合平行不对中的故障特征。因此，诊断认为是与电机连接的联轴器平行不对中造 成的。通过加速度谱分析，没有发现齿轮故障；通过加速度包络谱分析没有发现轴承故 障频率，说明主传动系统内部各零件无缺陷。经拆机检修，齿轮完好，可继续使用，主
轴轴承虽有磨损但并无缺陷，联轴节的键与键槽磨损严重，与诊断结果完全吻合。

图４．２７ ３＃钡ｌＪ点垂直向振动速度频谱图
Ｆｉｇ．４．２７ Ｎｏ．３ ｐｏｉｎｔ’ｓ ｖｅｒｔｉｃａｌ ｖｉｂｒａｔｉｏｎ ｓｐｅｅｄ ａｎｄ ｆｒｅｑｕｅｎｃｙ

４．３．２机械松动 （１）主要故障特征

①特征频率：轴的旋转频率．ｆ及３—１０次的高次谐频； ②垂直方向振动。
（２）故障诊断实例 Ｄ０１５ＭＣＮＣ８２连杆齿型磨床是西德ＥＬＢ公司制造的，用于加工连杆与端盖结合面牙口。

近期该设备状态异常，机床振动强度增大，并出现闷车现象，前托架轴承因损伤严重更
换后有所改善。但时间不久，机床运行状况又出现劣化，再次进行故障诊断。

①测试方案
监测参数：速度 测点布置：主轴系统结构筒图及测点布置如图４．６所示 监测工况：随机检测

②故障特征频率 测得主轴转速为７９５转／分钟，计算主轴旋转频率，＝１３．２５ＨＺ。

查兰苎翌奎兰三兰竺圭兰竺堡兰
＠故障分析诊断
图４ ２８为】＃测点垂直方向测量的速度频谱图，发现频谱图中有主轴基频ｆ及大

量高次谐波出现，且幅值较大：图４．２９为３＃测点水平方向测量的速度频谱图，未见高 次谐波，说明振动只在垂直方向，符合机械松动的频率特征，判断是主轴前托架有松动。 维修后，重新测量ｌ＃测点垂直方向的速度频谱图如图４．３０所示，振动明显减小，且高 次谐波消失，机床运行恢复正常。

ＩＩ∞。．ｎ逸囊０…一嵫
。。陵曩ｎ选立吏一燃
ｔ’，’

１…’¨”’。
图４
２９

３＃测点水平方向测量的速度频谱图

Ｆｉｇ ４ ２９ＮｏＩ ｐｏｉｎｔ’ｓ ｈｏｒｉｚｏｎｔａｌ ｖｉｂｒａｔｉｏｎ ｓｐｅｅｄ ａｎｄｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ

篓盟至塞堡墨竺堡翌丝壁生堑

戮。ｉ
—ｊ

拦：！
翻４ ３０维修后１＃测点垂直方向的速度频谱图
Ｆｉｇ ４ ３０Ｎｏ】ｐｏｉｎｔ’ｓｖｅｒｔｉｃａｌ ｖｉｂｒａｔｉｏｎ ｓｐｅｅｄ ａｎｄｆ”ｑｕｃｎｃｙ

ｓｐｅｃｍｌｍａｆｔｅｒｍａｉｎｔｅｎａｎｃｅ

４ ３

３电机故障诊断实例

Ｍ１３８０ＢＩ抽轴主轴颈磨床是德国产数控磨床，用于曲轴主轴颈最后的磨削加工。曲轴 主轴颈表面磨削后出现螺旋纹．导致产品质量不合格。为查找原因，决定对该磨床进行 测试和故障诊断。 初步分折主轴颈表面螺旋纹主要是由振动产生的，必须寻找出振源，才能彻底排除 故障。产，Ｅ振动的振源主要在磨头和主轴两部分，经初步测试，塘头部分运行平稳，振 动强度不大，而主轴部分振动强度偏大，因此将重点对主轴部分进行振动测量和信号分 析。主轴系统结构简图及测点布置如图４ ３１所示。

图｛３１
Ｆｉｇ．４ ３ｌ

Ｍ１３８０Ｂ曲轴主轴颤磨床主ｌＩＩＩ系统结构简酗及测点ｔｆｌｉ簧
ｓｔｒＬｌｃｔｕｒｅ

Ｍ１３８０Ｂ ｃｒａｎｋ ａｘｌｅ ｐｒｉｃｉｐｅｌ ａｘｉｓ

ａｎｄｍｅ３ｓｕｒｅｐｅｉｎｌ

ｐｏｓｉｔｉｏｎ

大连交通大学Ｔ学硕十学位论文

通过频谱分析，发现各测点均有５０ＨＺ的频率成分，电机上的５＃、６＃测点幅值最大，
图４．３２为５＃测点水平方向的速度频谱图，出现５０ＨＺ及高次谐波成分，５０ＨＺ正好是电源频 率，正常情况下直流电机的图谱不应该有电源频率（５０ＨＺ）及其高次谐波存在，由此可 以怀疑电机发生故障。曲轴主轴颈表面加工质量降低是因电机故障产生的振动，传到主

轴，引起主轴振动所致。根据诊断结果，只拆下电机检修就排除了故障，避免了对主轴 箱的盲目拆机检查。

图４．３２ ５＃测点水平向振动速度频谱图
Ｆｉｇ．４．３２ Ｎｏ．５ ｐｏｉｎｔ’Ｓ ｈｏｒｉｚｏｎｔａｌ ｖｉｂｒａｔｉｏｎ ｓｐｅｅｄ ａｎｄ ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ

图４．３３、４．３４分别为１＃测点维修前、后水平方向振动速度频谱图，可见，维修后， ５０ＨＺ频率成分消失。

图４．３３维修前ｌ＃测点水平向振动速度频谱图
Ｆｉｇ．４．３３ Ｎｏ．１ ｐｏｉｎｔ’Ｓ ｈｏｆｉｚｏｎｍｌ ｖｉｂｒａｔｉｏｎ ｓｐｅｅｄ ａｎｄ ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ ｂｅｆｏｒｅ ｍａｉｎｔａｉｎ

第四章数控机床振动故障诊断

“

～

一‘Ｌｉｎ ．Ｉ

ｆｉｌｍ／ｓａｃ

Ｎｏｎｅ

－

。ＰｅａＩ‘

“…～“一”嚆值～一

－

．∞ 。∞
．０４

ｋ＿４

－－＿ｆ

－●－

●●＿－

ｒ＿＿●

｝●＿＇

＿

。０２ Ｏ．

漱 小心《 沁柚 ‰． ｔＡ ｋ蚋 洲ｈ
ｌ
ｌ‰ 。

４’‘：…

Ｍ＾朴

吣“，冉ｌ 哳ｖ呐

＾～＾●

～＊十ｄｈ■■叶＿

—＾—■

ＶＭ ＾ｋＭ
１０００． Ｕｎ

ｍ ＨＺ

２０乱４００．

６００．８００．

００—３－１０：７３：０１：３８ ｆ’Ｍ

麓５０．

图４．３４维修后１＃测点水平向振动速度频谱图
Ｆｉｇ．４．３４ Ｎｏ．１ ｐｏｉｎｔ’Ｓ ｈｏｒｉｚｏｎｔａｌ ｖｉｂｒａｔｉｏｎ ｓｐｅｅｄ ａｎｄ ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ ａｆｔｅｒ ｍａｉｎｔａｉｎ

表４．５为ｌ＃测点维修前后水平、垂直、轴向的振动速度有效值对比，维修后的振动

速度幅值大致减小到维修前的一半。
表４．５ ｌ＃测点维修前、后的振动速度幅值（ｕ／ｓ）
Ｔａｂｌｅ ４．５ Ｎｏ．１ ｐｏｉｎｔ’Ｓ Ｖｉｂｒａｔｉｏｎ ｓｐｅｅｄ ａｍｐｌｉｔｕｄｅ ｂｅｆｏｒｅ ａｎｄ ａｆｔｅｒ ｍａｉｎｔａｉｎ

方向 维修前 维修后

水平（１Ｖ）
０． １３８

垂直（１Ｈ）
０． ０． ３１７ １９１

轴向（１Ａ）
Ｏ． １３８

０．０７６

０．０８９

常见机械故障与频谱结构对应关系见图４．３５。
振幅

、‘
／’ ‘－， ， … ，。。

‘‘

’』７

二二．２二ｏ．；频率（ＨＺ）
ｒ

，’～！

—＋—’。。”＿－。＿＿＿—。■ｐ’ｏ’Ｗ２Ｐ、

图４．３５机械故障与频谱结构
Ｆｉｇ．４．３５ Ｍａｃｈｉｎｅ ｄｅｆａｕｌｔ

ａｎｄ

ｆｒｅｑｕｅｎｃｙ ｓｐｅｃｔｒｕｍ ｓｔｒｕｃｔｕｒｅ

５５

大连交通大学Ｔ学硕十学位论文

本章小节’
（１）针对数控机床最易发生的轴承故障和齿轮故障进行重点研究，包括振动机理
分析、故障特征信息、典型故障分析、故障诊断方法并列举故障诊断成功实例；

（２）滚动轴承着重研究因故障引起的冲击脉冲振动机理，滚动轴承故障特征频率
的计算方法，滚动轴承内环、外环或滚动体点蚀的典型故障振动的时域及频域特征及针 对不同故障类别采用不同的诊断方法；

（３）滚动轴承磨损类故障可通过定期监测轴承的速度有效值，作趋势分析和预报；
损伤类故障时域分析可以通过峭度指标来检测早期故障，频域分析可以对轴承早期故障 进行精确诊断。 包络解调法是滚动轴承诊断最有效的一种方法。该方法以轴承系统的共振频率区为 监测带，振动信号经放大、滤波和解调，获得脉动冲击的低频脉动信号，以此作为分析 的依据，结合轴承故障特征频率即可诊断出轴承故障。

（４）利用动力学模型，在分析齿轮啮合刚度周期性变化的基础上，阐述了齿轮的 振动故障机理；从信号调制角度分析齿轮故障特征，即以齿轮啮合频率及其各次谐波为
载波频率，以齿轮故障频率及其高次谐波为调制频率的调制边频带；分析各种典型故障 振动的时域及频域特征，包括齿轮均匀磨损、齿轮局部异常、齿轮偏心、齿轮不同轴、 齿轮不平衡、齿轮具有齿距误差： （５）齿轮故障诊断主要采用频域分析方法，边频幅值的大小说明故障的严重程度，

边频的间隔频率反映故障的来源，识别啮合频率及谐波频率的边频带特征，可以有效地
识别齿轮故障。 （６）时域同步平均可以将该周期信号从混有噪声干扰的信号中分离出来，细化谱

分析可以分析频谱图中的密集边频带，倒频谱分析可以有效地提取和识别频谱上的周期 成分，清楚地将啮合频率．疋和旋转频率ｆ分离开来。
（７）介绍其它典型故障研究及诊断实例，包括主轴联轴器不对中、机械松动和电 机故障。

５６

结论与展望

结论与展望
结论
本文在对数控机床的结构特点、机械振动测试和故障诊断原理、数字信号处理原理

等充分研究的基础上，重点研究了振动诊断技术在数控机床的状态监测与故障诊断中的
实际应用。得到以下结论： （１）针对数控机床的结构特点，确定的监测和诊断对象、监测参数、测点及方向、 测试工况和监测周期是正确可行的。 （２）频谱分析是故障诊断中最常用的分析方法，利用幅值谱和功率谱分析振动信 号的频率结构，通过分析、比较各个谐波分量的大小及变化规律，结合故障特征频率可 以有效诊断机床故障。 （３）包络解调法能够能有效提取载附在高频信号上的低频信号，是滚动轴承诊断 最有效的一种方法。 （４）齿轮故障诊断主要采用频域分析方法，识别啮合频率及谐波频率的边频带特 征，可以有效地识别齿轮故障。 （５）应用振动诊断技术能够有效地对数控机床进行状态识别、趋势预测和故障诊 断，达到保证设备安全、可靠运行，进行适时、有效维修的目的。

展望 （１）针对具体的机床制定的相对标准，若制定得当，其效果将会比使用绝对标准
还要好，其不足之处在于，标准的建立周期长，今后可在建立机床相对标准及标准谱图 方面做进一步研究。 （２）数控机床机械故障部件比较密集，容易相互影响。因此应针对数控机床结构

复杂，振动系统属多激励、非线性系统等特点，在振动信号的处理和分析方法方面，今 后应进一步探索适用于数控机床故障诊断的新方法，比如针对非平稳信号的时频域分析
在占

号手ｏ

（３）小波分析作为一种新的数字信号处理方法，克服了Ｆｏｕｒｉｅｒ变换不适用于非
平稳信号分析，不能同时进行时频局域性分析的缺点，已逐步应用到滚动轴承和齿轮的 故障诊断当中，可作为今后研究的首选。

５７

参考文献

参考文献
［１］屈梁生，何正嘉．机械故障诊断学．上海：上海科学技术出版社，１９８６． ［２］钟秉林，黄仁．机械故障诊断学。北京：高等教育出版社，２００２． ［３］何正嘉等著．机械设备非平稳信号的故障诊断原理及应用．北京：高等教育出版社，２００１． ［４］于琳．机械设备故障诊断与监测的常用方法及其发展趋势［［Ｊ］．武汉大学学报，２０００，２２（３）． ［５］陈逢时，小波变换理论及其在信号处理中的应用．北京：国防工业出版社，１９９８． ［６］梅宏斌。滚动轴承振动监测与诊断．北京：科学出版社，１９９９。 ［７］杨福生．小波变换的工程分析与应用．北京：科学出版社，１９９９． ［８］黄文虎，夏松波，刘瑞岩等编著，设备故障诊断原理、技术及应用，科学出版社，１９９６． ［９］陈进，机械故障诊断中关于特征提取的若干研究前沿，面向２１世纪的中国振动工程研究一中国 科防第３０次“青年科学家”报告文集，航空工业出版社，１９９９：
１１０—１２２。

［１０］易良集．简易振动诊断现场实用技术［Ｍ］．北京：机械工业出版社，２００５，Ｏｌ ［１１］杨志伊，郑文．设备状态监测与故障诊断［Ｍ］．北京：中国计划出版社，２００６，０６ ［１２］张梅军．机械状态检测与故障诊断［Ｍ］．北京：国防工业出版社，２００８，０３ ［１３］设备故障诊断技术及应用．中国运载火箭技术研究所（内部交流） ［１４］杨国安，机械设备故障诊断实用技术［Ｍ］．北京：中国石化出版社，２００７，０８ ［１５］［日］丰田利夫（著），高克勤，李敏（译）．设备现场诊断的开展方法［Ｍ］．北京：机械工业出版社，
１９８５，１０

［１６１王江萍．机械设备故障诊断技术［Ｍ］．西安：西北工业大学，２００１，０８
［１７］陈长征，胡立新，周勃，费朝阳．设备振动分析与故障振动技术［Ｍ］．北京：科学出版社，２００７ ［１８］［美］Ｊ．Ｓ．米切尔．机器故障的分析与监测［Ｍ］．北京：机械工业出版社，１９９０，０２ ［１９］夏侯淳，盛德恩，洪莲洁．振动测量的应用［Ｍ］．北京：中国环境科学出版社，１９８６ ［２０］张雨，徐小林，张建华．设备状态监测与故障诊断的理论和实践［Ｍ］．长沙：国防科技大学出版社，
２０００

［２１］张安华．机械设备状态监测与故障诊断技术ＦＭ］．西北工业大学出版社，１９９—５． ［２２］陈进．机械设备振动监测与故障诊断ｆＭ］．上海交通大学出版社，２００２． ［２３］袁宏义，牛明忠，叶慧秀，王保华．设备振动诊断技术基础［Ｍ］．北京：国防工业出版社，１９９１，０７ ［２４］雷继尧，何世德．机械故障诊断基础知识［Ｍ］．西安：西安交通大学出版社，１９８９，０５ ［２５］胡广书．数字信号处理『Ｍ］．清华大学出版社，２００２． ［２６］谷立臣．机械信号处理及应用［Ｍ］．西安：陕两科学技术出版社，２０００，１０

［２７］崔宁博编译．设备诊断技术—振动分析及其应用［Ｍ］．天津：南开大学出版社，１９８８，１２
［２８］廖伯瑜．机械故障诊断基础［Ｍ］．北京：冶金工业出版社，２００５ ［２９］裴峻峰，杨其俊．机械故障诊断技术［Ｍ］．山东：石油大学出版社，１９９７ ［３０］沈庆根，郑水英．设备故障诊断［Ｍ］．北京：化学工业出版社，２００６，０３ ［３１］Ｃｏｌｌａｃｏｔｔ
Ｒ Ａ．Ｍｅｃｈａｎｉｃａｌ Ａ Ｈａｌｓｔｅｓｄ Ｆａｕｌｔ ＤｉａｇｎｏｓｉＳ ａｎｄ Ｃｏｎｄｉｔｉｏｎ

Ｍｏｎｉｔｏｒｉｎｇ［Ｍ］．Ｃｈａｐｍａｎ

ａｎｄ

Ｈａｌ １，Ｌｏｎｄｏｎ

Ｐｒｅｓｓ

Ｂｏｏｋ，Ｊｏｈｎ Ｗｉ ｌｅｙ＆Ｓｏｎｓ，Ｎｅｗ Ｙｏｒｋ，１９７７

［３２］李国华，张永忠．机械故障诊断ｆＭ］．化学工业出版社，１９９９．０２
５８

参考文献

［３３］颜玉玲．滚动轴承的振动监测及故障诊断［［Ｊ］．机械研究与应用，１９９８． ［３４］丁康．传动箱齿轮与轴故障的振动方法研究［［Ｊ］．冲击与振动，１９９４，１３（２）：２６３２． ［３６］韩捷．齿轮故障的振动频谱机理研究［ｆＪｌ．机械传动，１９９７， ［３７］丁康．齿轮及齿轮箱故障诊断实用技术『Ｍ］．机械工业，２００＿５． ［３８］张西宁．齿轮状态监测和识别方法的研究［［Ｊ］．振动与噪声，１９９７．３． ［３９］丁康，朱小勇．齿轮箱典型故障振动特征与诊断策略ｆＪｌ，振动与冲击，２００１． ［４０］陈刚．齿轮和滚动轴承故障的振动诊断『Ｄ］．硕士学位论文，２００—５． ［４１］陈长征，胡立新．设备振动分析与故障诊断技术ｆＭ］．科学技术出版社，２００２． ［４２］虞和济，韩庆大，李沈．设备故障诊断工程ｆＭ］．冶金工业出版社，２００１． ［４３］沈庆根，郑水英．设备故障诊断ｆＭ］．化学工业出版社，２００６． ［４４］张碧波．设备状态监测与故障诊断『Ｍ］．化学工业出版社，２００—５． ［４５］秦树人．齿轮传动系统检测与诊断技术ｆＭ］．重庆大学出版社，１９９９． ［４６］虞和济．故障诊断的基本原理『Ｍ］．冶金工业出版社，１９８９． ［４７］张西宁，沈玉娣，屈梁生．齿轮状态监测和识别方法的研究［［Ｊ］．机械传动，１９９８． ［４８］韩捷，张琳娜．齿轮故障的振动频谱机理研究［［Ｊ］．机械传动，１９９７．２１（２）：２１）２４． ［４９］周辉．齿轮故障的特征提取与模式识别技术研究ｆＤ］．硕士学位论文，２００—５． ［５０］Ｇｒｏｓｓｍａｎ
Ａ．Ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ａｎｄ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ．Ｓｔｃｈａｓｔｉｃ Ｐｒｏｃｅｓｓｅｓ ｉｎ ｐｈｙｓｉｃｓ ａｎｄ
，

（２）：２１２４．

Ｅｎｇｉｎｅｅｒｉｎｇ，１９８６．

［５１］Ｈｕａｎｇ

Ｗ。

Ｓｈｅｎ

Ｚ．Ｏｎｌｉｎｅａｒ

ｉｎｄｉｃｉａｌ

ｒｅｓｐｏｎｓｅ ｔｏ

ｏｆ
ｓｔｅｐ

ｃｏｍｐｌｅｘ

ｓｔａｔｉｏｎａｒｙ

ＯＳＣｉｌｌａｔｉｏｎｓ ｏｆ ｔｈｅ

ａｓｐｕｌｍｏｎａｒｙ Ｎａｔｉｏｎａｌ

ｈｙｐｅｒｔｅｎｓｉｏｎ

ｒｅｓｐｏｎｄｉｎｇ

ｈｙｐｏｘｅａ．Ｐｒｏｃｅｅｄｉｎｇｓ

Ａｃａｄｅｍｙ

ｏｆ Ｓｃｉｅｎｃｅｓ ＵＳＡ．

１９９９，９６（５）：１８３４１８３９．

５９

攻读硕十学位期问发表的学术论文

攻读硕士学位期间发表的学术论文
１．邓晓云．基于振动诊断技术的曲轴主轴颈磨床故障诊断．大连铁道学院学 报．２００５，（１）：６９－７ １ ２．邓晓云．数控机床的状态维修．中国设备工程．２００４（４）：４９．５１

致

谢

在论文完成之际，首先要衷心感谢我的导师葛研军教授。在课题研究和论文撰写期 间，导师富有启发性的建议和指导使本文的研究得以顺利进行；导师严谨的治学态度、 渊博的知识和踏实、务实的工作作风，深深地影响着我，为我树立了做人、做事的榜样。 阎长罡副教授、汤武初博士在论文完成期间给予我的大力帮助，在此向他们表示衷 心的感谢。宋雪萍博士为我顺利完成论文答辩做了大量工作，在此表示衷心的感谢。 对在百忙之中抽出时间参加本论文评审、答辩的各位老师表示衷心的感谢。 最后我还要感谢我的父母与家人。他们的鼓励与支持是我前进的动力和源泉，他们 的默默奉献和殷切希望使我得以完成学业。 向所有在我完成论文过程中教导过我、关心帮助过我的师长和朋友致以诚挚的谢
意１

作者：邓晓云 二零零九年十一月于大连交通大学

６ｌ

振动诊断技术在数控机床状态监测与故障诊断中应用的研究
作者： 学位授予单位： 邓晓云 大连交通大学

相似文献(10条) 1.会议论文 曾白泉.曾白泉 状态监测、故障诊断十二年 1998
该文介绍了该公司在过去十二年应用DDM、ADRE、DM2000等系统对大化肥五大机组开展状态监测、故障诊断以及预测维修的情况。

2.学位论文 魏晓 基于状态监测与故障诊断大型数据库的设计开发 2005
设备维修管理体制的变迁经历了“事后维修”和“定期维修”两个阶段，目前设备状态监测与故障诊断技术越来越受到人们的重视。机械设备状态 监测和故障诊断是建立在机械工程、测试技术、信号处理、计算机应用技术、人工智能等众多理论基础上的新兴综合性科学技术。在状态监测与故障诊 断技术中，信号的管理是非常重要的。 基于设备状态监测与故障诊断大型数据库的设计开发实现以数据库为中心的在线、离线监测系统，系统整理了历年测得的信号，并把它们整理入库 ，以便日后容易查找；存储在线、离线系统测得了振动、温度、压力等信号，可定期存储在线监测数据；可及时存储海量数据；可手工干预存储数据。 另外，作为状态监测的辅助工具，该系统还创建了设备卡片、设备管理、设备维修管理和备件管理等表空间，以方便公司对设备的管理；知识库的创建 为以后的智能诊断作了基础。 本文以燕山石化各工厂设备的状态监测与故障诊断为背景主要研究大公司中测量信号的管理以及设备管理，首先介绍了设备维修管理体制的改革 ；接着介绍数据库的一些基本知识：数据文件的组织、关系数据库理论、常见数据库的比较、Oracle数据库体系结构、Oracle数据结构与空间管理、数 据库的并发控制并举例说明Oracle的工作过程；然后介绍基于状态监测与故障诊断大型数据库的设计过程：需求分析、概念结构设计、逻辑设计、物理 设计和其它设计；最后说明基于状态监测与故障诊断大型数据库的分布式软件结构和管理。基于状态监测与故障诊断大型数据库的设计开发可为公司向 预知维修方面发展作铺垫。

3.会议论文 彭永胜.王太勇.张子谦.王国锋.冷永刚.胥永刚 基于Internet的泵站远程状态监测与故障诊断系统研 究 2004
研究设计了基于Internet的泵站远程状态监测与故障诊断系统.系统提供了基于参数监测和仿真运行的状态监测方法,支持多种参数显示方式.水泵的 各种参数被动态地监测和显示,运行状态也可以在远程状态监测计算机上进行模拟;提供了经典平稳信号分析方法和先进的非平稳信号时频分析方法用于 及时诊断水泵的故障,预测运行趋势.先进的浏览器/服务器(B/S)结构在本系统得到应用,所有数据、方法和信号分析与故障诊断软件均置于服务器上.利 用服务器的并行事件处理能力,可同时完成多个泵站的监测和诊断工作.

4.期刊论文 陈前 关于工程大系统的状态监测与故障诊断 -振动测试与诊断2002,22(3)
介绍了多元统计过程监控技术及其在工程大系统状态监测与故障诊断中应用的背景.结合工程动力学领域中的状态监测与故障诊断问题,提出了两个 设想:一是将工程动力学系统与工业过程大系统一体化,以便用多元统计过程监控技术进行统一的综合状态监测与故障诊断;二是将多元统计过程监控技术 移植到工程动力学中,用于工程结构和机械系统的状态监测与故障诊断.此外,还讨论了基于案例推理法及其在故障诊断决策支持中的应用.

5.学位论文 冯斌 磁悬浮转子状态监测与故障诊断 2009
磁力轴承是集机械、电子、计算机、控制、传感于一体的高性能复杂机电系统。近年来，磁力轴承虽然已经开始在许多工业场合下使用，但由于其 工作时转子高速旋转，转子的可靠性、安全性、稳定性阻碍了其在工业上的进一步应用。为了解决这些问题，开展对磁悬浮转子进行状态监测与故障诊 断研究工作以确保磁力轴承正常运行已经迫在眉睫。本文对磁悬浮转子状态监测与故障诊断做了研究与试验，主要工作如下： 首先，对磁悬浮转子状态监测与故障诊断的国内外研究现状进行了总结，指出研究磁悬浮转子状态监测与故障诊断的必要性。在此基础上，对磁力 轴承的故障来源进行了详细分类，并对每类可能产生的转子故障进行了分析与说明。 其次，指出了对磁悬浮转子进行状态监测与故障诊断的方法，应用该方法分析了转子的工作状态并对其进行了诊断。基于本课题已有的硬件设施 ，搭建了磁悬浮转子状态监测与故障诊断系统，建立了转子状态数据库并对采集信号进行了合理的分类，指出了基于时间的数据稀化存储方案，在此基 础上，对磁悬浮转子状态监测与故障诊断系统的硬件组成和软件功能进行了详细说明。 对磁悬浮转子未悬浮及悬浮时的电涡流位移传感器常见故障和转子起浮时的碰撞故障进行了分析。基于本系统，可以有效地对磁悬浮转子进行状态 监测与故障分析并结合具体实例进行了说明。 最后，在总结全文的基础上，对磁悬浮转子状态监测与故障诊断的研究工作进行了展望。

6.期刊论文 李国正.杨杰.裴仁清.李朝东 机械设备中黑箱部件的状态监测与故障诊断 -振动测试与诊断 2003,23(3)
利用小波包分解、Yule-Walker AR谱密度分析算法和概率神经网络技术研究开发了一套状态监测和故障诊断系统,该系统是用于类似卷烟厂卷接包机 八工位转塔的黑箱部件.利用仿真信号对系统的状态监测部分进行了测试,并应用到实践中去.在状态监测系统的基础上开发的基于概率神经网络的故障诊 断系统,用仿真信号进行了测试,结果证明该系统是可行的.该系统的研制开发对类似黑箱部件的状态监测和故障诊断具有一定的实用价值,对其他类似机 构的状态监测和故障诊断也具有参考意义.

7.学位论文 王学孔 焊机液压控制系统状态监测与故障诊断研究 2010
闪光焊机液压控制系统是实现其焊接工艺的核心，是保证带钢焊接质量的关键。由于该液压控制系统是一个结构复杂且高精度的机、电、液一体化 的系统，其可能的故障既有结构性的，又有参数性的，采用人工的方法很难及时、准确地定位并排除故障。因此，研制一套状态监测与故障诊断系统 ，对其状态进行实时监测并对其可能发生的故障迅速地诊断。

  本文关键词：振动诊断技术在数控机床状态监测与故障诊断中应用的研究，由笔耕文化传播整理发布。