[发明专利]基于振动频谱图的轴承和故障频率识别

说明书

振动测量和分析系统根据频谱振动数据识别机器中的故障轴承。所述系统包括附接到所述机器上产生振动信号的振动传感器。振动数据采集器根据所述振动信号生成振动频谱数据。所述振动频谱数据包括振幅与频率关系数据，其包括在对应峰值频率处的峰值幅度。所述峰值幅度中的至少一些与所述故障轴承产生的振动有关。振动分析计算机处理所述振动频谱数据以(1)定位所述最大峰值幅度，(2)搜索轴承故障频率库以生成已识别轴承的列表，这些轴承的轴承故障频率与最大峰值幅度的峰值频率相匹配，(3)确定每个已识别轴承的标准化精度误差，并且(4)从所述列表中选择具有最小标准化精度误差的已识别轴承。

技术领域

本发明涉及机器振动数据分析领域。更具体地，本发明涉及一种用于分析预测性维护机器振动频谱以确定是否存在轴承故障，并在存在故障的情况下确定故障类型的系统。

背景技术

如图1所示，典型的滚动轴承包括外圈、内圈、设置在内圈和外圈之间的保持器区域以及设置在保持器中的滚动元件(滚珠)。这种滚动轴承具有特定的轴承失效模式，可以在振动频谱数据中观察到。因为轴承频率是缺陷频率，所以与轴承缺陷相关联的振动频谱峰值频率与机器振动频谱中存在的某些其它振动频率有很大不同。每个缺陷频率都与轴承的特定部件有关。例如，如果在频谱中出现外圈通过频率(Ball Pass Frequency OuterRace，BPFO)的缺陷频率，则轴承外圈存在缺陷。如果在频谱中出现滚珠旋转频率(BallSpin Frequency，BSF)，则一个或多个滚子存在缺陷。对于所有缺陷频率都是如此，除了基本传动系频率(Fundamental Train Frequency，FTF)或保持器频率之外，因为它们可能会由于保持器自身缺陷以外的原因而出现在频谱中。

分析预测性维护机器振动频谱以确定是否存在轴承故障，然后确定故障的种类，需要知道与被监测轴承相关联的故障频率。如果分析人员不了解相关的轴承性能，那么几乎不可能准确判断轴承故障。

所需要的是确定与频谱峰值最匹配的轴承故障频率的过程。这将有助于识别可能存在故障的轴承。此过程的先决条件是振动频谱中存在实际的轴承故障频谱峰值(即，至少存在轴承故障)。否则，很难区分轴承故障峰和一般噪声峰。

发明内容

本文描述的实施例提供了一种装置和方法，用于基于测量的机器振动频谱来识别机器轴承故障频率，从而从扩展的轴承库中识别哪些轴承与检测到的故障频率匹配。

一旦识别了轴承故障频率，就可以趋势化内圈、外圈、滚珠旋转和保持器间隔带能(每一类能量带的所有谐波峰的总和)以及典型的非同步间隔带能量。

基于振动频谱中的峰值来识别轴承故障频率的关键因素是对机器转速的了解有多高的准确度。在许多情况下，尤其是在基于路径的便携式振动数据采集中，机器转速是手动记录的，因此通常不够准确。转速算法用于准确地确定转速。

振动测量和分析系统可满足上述和其它需求，该系统可基于频谱振动数据识别机器中的一个或多个故障轴承。该系统包括一个或多个振动传感器、一个或多个振动数据采集器和振动分析计算机。振动传感器与机器相连，并根据机器的振动产生振动信号。一个或多个振动数据采集器包括模数转换电路和处理电路，其根据振动信号产生振动频谱数据。振动频谱数据包括振幅与频率数据，其包括在对应的峰值频率处的多个峰值幅度。峰值幅度中的至少一些与一个或多个故障轴承产生的振动有关。

振动分析计算机接收振动频谱数据并执行以下指令：

-在振动频谱数据中定位最大峰值幅度；

-搜索轴承故障频率库，以生成已识别轴承的列表，这些轴承的轴承故障频率在频谱频率容限范围内与最大峰值幅度的峰值频率匹配；以及

-确定列表中每个已识别轴承的标准化精度误差；以及

-从列表中选择具有最小标准化精度误差的已识别轴承中的一个。