中国一流的离心机生产企业
专注生物医疗、实验室离心机

机械振动中轴承状态监测与诊断系统诊断原理


  轴承状态监测一直是机械故障诊断的重要内容,传统的监测及分析方法如幅值分析法、频域分析法、并振解调等只能分析平稳信号,并且不能做局部分析。因此,这些传统的方法己经无法分析轴承这一非线性系统的振动信号。本节利用虚拟仪器技术研制开发了轴承状态监测与诊断系统,采用分形法对轴承振动信号进行监测分析,利用能描述非线性系统特征的分维数来判別轴承的状态。该系统结构为开放式,可按照用户的需要增加各种功能,维护升级方便。


系统诊断原理:

  在工程实际中,通过对轴承的振动信号波形进行研究得出,轴承的时域波形在一定的时域长度下存在自相似性。因此,可用分形理论来研究轴承的状态。其诊断原理如下。

  轴承在不同状态下由于振动非线性特性不同而具有不同的分维数,因此分维数可以作为识別轴承故障状态的特征在众多分维数中,关联维数对吸引子的不均匀性反应敏感,能较好地反映客体的分形性质。通常采样信号是单变量的时间序列{Xk},其中K=1,2,…,N,用时延法对X进行相空间重构。由Takens重构原理,眹入维数m≥2d+1(d为吸引子的真实维数,m为重构相空间的维数),重构结果记为Xm, τ)=(Xn,Xn+1…,Xn+(m-1)τ)其中n=1,2,…,N-m+1;τ=K△t为时间延迟;△t为数据的采样间隔;K为任意整教;m为重构相空间的维教。则重构相空间吸引子的关联维数为

4-1.png

 4-2.png4-2.png4-2.png

4-2.png

  其中,r为m维超球半径;H为Heaviside函数,即

 

4-3.png

 

画出标度曲线Inr-InC(r)取标度线中的直线部分,其斜率即为对应时间序列的关联维数。本系统即通过轴承振动信号关联维数的变化來判别其状态。