陶然　史艷國

（燕山大學機械工程學院）

摘　要：針對高線精軋機設備故障的特點，建立了精軋機在線監(jiān)測系統(tǒng)。采集精軋機滾動軸承的振動信號，對振動信號采用時域、頻域多角度分析，時域趨勢圖可以判斷軸承的突發(fā)性故障，頻域分析可以判斷故障的性質及故障部位。有效地提高了滾動軸承故障診斷的準確率。

關鍵詞：高線軋機；軸承；時頻分析；故障診斷

0　前言

高線軋機是高線生產(chǎn)的關鍵設備，軋機發(fā)生事故將導致全線停產(chǎn)。對此類關鍵設備的薄弱環(huán)節(jié)進行設備監(jiān)測和故障診斷研究已成為共識。滾動軸承是棒線材軋機傳動系統(tǒng)中使用Z多的部件，同時也是軋機中精密的部件。據(jù)統(tǒng)計軸承故障約占軋機傳動系統(tǒng)全部故障的 50%~60%。并且只有 10%以下的軸承能夠達到設計壽命年限，多數(shù)軸承由于潤滑不良、不中、裝差、制造缺陷等原因而失效。本文對高速線材生產(chǎn)中精軋機動軸承振動信號進行時頻多角度分析，判斷軸承的故障性質及故障源的部位。精軋機傳動簡圖如圖1所示。

1　滾動軸承故障診斷原理

滾動軸承的故障可以分為2類：損傷類故障和磨損類故障。損傷類故障是指軸承元件出現(xiàn)點蝕、剝落、擦傷等，磨損類故障是指異物落入造成的磨料磨損以及潤滑不良引起的表面磨損。機器運行時，當軸承出現(xiàn)缺陷后，滾體滾過缺陷就會出現(xiàn)近周期性沖擊脈沖。脈沖相應的頻率稱為“特征頻率”，特征頻率計算公式

內(nèi)圈特征頻率

由于實際工作條件的影響（如相對滑動、磨損、軸承直徑誤差等），計算的頻率值可能會與真實值有小的差異。

2　精軋機軸承故障信號的時域和頻域分析

2.1常用時域診斷方法

（1）振動幅值的監(jiān)測

在振動幅值的監(jiān)測指標中，常用軸承座上振動的均方根值作為判斷依據(jù)。它可以初步判斷軸承的工作狀態(tài)，但不能識別出軸承的具體失效模式；

（2）振幅統(tǒng)計分析法

正常軸承的幅值概率密度函數(shù)接近正態(tài)分布，當軸承出現(xiàn)故障后，概率密度函數(shù)的幅度變寬。可以用峭度因子K反映這一變化，K反映信號中大幅值成分的影響，對軸承故障較為敏感。正常軸承的峭度因子約3，當出現(xiàn)疲勞剝落等故障時K值增大。

2.2常用頻域分析法

從頻譜圖的頻率分布及其結構可以 判斷軸承故障類型，并結合設備總體狀態(tài)判斷故障的嚴重程度。

（1）幅值譜分析。反映振動信號中各簡諧成分的幅值與其頻率的關系；

（2）功率譜分析。反映振動信號中各諧波分量的頻率和能量的關系；

（3）倒譜分析。也稱為二次頻譜分析，是檢測復雜譜圖中周期分量的有力工具。能識別復雜頻譜圖結構中的各組成分量；

（4）瀑布圖。以時間為序列連續(xù)地反映不同條件下或不同的時間周期內(nèi)，其頻譜變化的規(guī)律。

2.3 精軋機軸承的故障診斷

綜合運用上述時頻分析方法，對軋機軸承的振動信號進行時域波形分析、頻譜分析，提取信號中的有用成分，以此信息確定設備運行的情況。

（1）振動量指標及趨勢分析

根據(jù)在線監(jiān)測系統(tǒng)的振動量指標顯示，在2008年1月份精軋機23#a8號測點在1月 21日峰值達到 685.707 m/s²，出現(xiàn)紅色警報，如圖2所示。

由圖3所示的有效值趨勢圖可以看出，精軋機23#a8號測點有效值在1月21日有明顯上升， Z高值達到了70m/s² 以上。同時，峭度指標K的趨勢明顯上升，Z高達到66，而正常K值為3左右，說明軸承有故障隱患。

從振動信號的時域圖4可以?出，精軋機23#a8號測點的時域波形存在較大幅值的振動，波形有明顯的下延結構，表明有明顯的沖擊成分。

（2）頻域分析

根據(jù)軸承的特征頻率計算公式，計算出高線精軋機 23#I 軸的滾動軸承特征頻率值，見表1。

對軸承的振動信號進行幅值譜分析，如圖5所示。在低頻段有明顯的大幅值出現(xiàn)。對 0~1500Hz頻率范圍進行頻譜細化分析，如圖6所示。

由圖6頻域波形細化圖和特征頻率表1可以看出，精軋機23#a8號測點的故障特征頻率為63.477Hz，同時伴有倍頻 出現(xiàn)，此值與 I 軸轉動特征頻率對應，說明I軸軸承內(nèi)圈有故障。

（3）檢修結果驗證

精軋機23#I軸軸承進行檢修時，內(nèi)圈有明顯的大塊點蝕。圖7為故障軸承的照片。

3　結語

（1）建立在線監(jiān)測及故障診斷系統(tǒng)已成為提高高線設備預知維修能力的有效手段，并且通過實踐驗證了其有效性；

（2）對軸承的振動信號采用時域、頻域多角度分析手段，可以有效地提高故障診斷的準確率。信號的時域趨勢圖出現(xiàn)突變，反應出軸承具有突發(fā)性故障；通過軸承的特征頻率計算值和頻域的分析比較Z后判斷故障的性質及故障部位。

參考文獻：

［1］孫康，沈亮霓. 基于小波分析理論的風機故障診斷技術研究［J］.煤礦機械，2007，28（8）：200-202.

［2］黃漢東,張建宇. 高線精軋機故障診斷實例分析［J］. 中國設備工程，2005（12）：36-37.

［3］劉宗政，陳懇. 滾動軸承的振動特性分析及典型故障診斷［J］. 機械設計與制造,2009（3）：103-105.

［4］崔玲麗，張建宇，高立新. 高速線材軋機齒輪箱典型故障的 CTN綜合診斷［J］. 北京工業(yè)大學學報,2007,33（3）：245-250.

（來源：煤礦機械）