[发明专利]一种基于概率密度曲线的轴承故障识别系统及其方法

说明书

技术领域

本发明涉及一种轴承故障识别系统及其方法，更具体的说，涉及一种基于概率密度曲线的轴承故障识别系统及其方法。

背景技术

随着企业的发展，生产不断要求设备能够长周期、满负荷、连续、优质运行，作为冶金、石化等行业的核心设备，鼓风机、汽轮机、风机等大型旋转设备的状态监测与故障诊断系统被视为提高设备管理水平和满足生产要求的重要手段。现有的设备状态监测与故障诊断系统都采用波形分析、频谱分析等分析方法，对振动信号的时域统计数据还没有图形化的故障特征识别方法，给现场带来了一定困难。

发明内容

本发明所要解决的技术问题是，克服现有技术的缺点，提供一种实现时域统计数据的图形化，快速识别定位故障的基于概率密度曲线的轴承故障识别系统。

同时，本发明还提供一种基于概率密度曲线的轴承故障识别方法。

为了解决以上技术问题，本发明提供一种基于概率密度曲线的轴承故障识别系统，其特征在于，包括振动传感器、采集卡和数据处理器，所述振动传感器与所述采集卡固定设置于待测轴承上，所述振动传感器采集待测轴承的振动信号并将所述振动信号转化为模拟信号，通过数据线传送至所述采集卡；所述采集卡将接收的模拟信号转换为数字信号，并将所述数字信号传送至所述数据处理器；所述数据处理器对接收的数据信号存储并进行图形化分析。

本发明技术方案的进一步限定为，所述振动传感器为涡电流位移传感器、磁座式速度型传感器或磁座式加速度型传感器。

进一步地，所述数据处理器包括对数字信号进行图形化分析的Matlab数学分析软件。

本发明提供的另一技术方案为：一种基于概率密度曲线的轴承故障识别方法，其特征在于，按如下步骤进行：

（1）振动传感器检测轴承振动信号，并将轴承振动信号转化为电压或者电流模拟信号，将所述模拟信号传送至采集卡；

（2）采集卡将接收到的模拟信号转换为数字信号后，将数字信号传送至数据处理器，数字处理器将所述数字信号存储；

（3）数据处理器中的Matlab数学分析软件调用函数plot、fft和ksdensity函数，分别获取波形图、频谱图和概率密度曲线图，同时，Matlab数学分析软件调用函数kurtosis、sqrt和mean获得时域统计指标的峭度K和均方根值RMS；

（4）如果步骤（3）中得到的均方根值RMS正常，则轴承正常；如果均方根值RMS超标或增大，查看波形图和频谱图，如果无脉冲状冲击信号，则轴承正常，如果有脉冲状冲击信号，则查看概率密度曲线图；如果概率密度曲线图未呈陡峭的尖峰状，则轴承正常，如果概率密度曲线图呈陡峭的尖峰状，则判断峭度K；如果峭度K不大于3，则轴承正常，如果峭度K大于3，则确定轴承出现故障。

本发明的有益效果是：本发明提供的一种基于概率密度曲线的轴承故障识别系统及其方法，通过安装在滚动轴承、滑动轴承上的振动传感器及数据采集系统得到设备的振动信号，再将数据导入分析程序，计算可得到相应的波形、频谱及概率密度曲线，结合大量的实验和实践经验总结了各种滚动轴承、滑动轴承的故障特征，从而实现轴承故障的快速识别。

附图说明

图1为本发明的所述一种基于概率密度曲线的轴承故障识别系统的结构示意图；

图2为本发明所述的Matlab数学分析软件处理数字信号的流程图；

图3为本发明所述的基于概率密度曲线的轴承故障识别方法的判断逻辑图；

图4为本发明应用于水泵滚动轴承时垂直方向的加速度信号波形图；

图5为本发明应用于水泵滚动轴承时加速度信号概率密度曲线图；

图6为本发明应用于风机滑动轴承时水平方向的加速度信号波形图；

图7为本发明应用于风机滑动轴承时加速度信号概率密度曲线图。

具体实施方式

    实施例1

本实施例提供的一种基于概率密度曲线的轴承故障识别系统，其结构示意图如图1所示，包括振动传感器、采集卡和数据处理器，所述振动传感器与所述采集卡通过数据连接；所述采集卡通过有线和/无线的方式与所述数据处理器连接。所述振动传感器与所述采集卡固定设置于待测轴承上，所述振动传感器采集待测轴承的振动信号并将所述振动信号转化为模拟信号，通过数据线传送至所述采集卡；所述采集卡将接收的模拟信号转换为数字信号，并将所述数字信号传送至所述数据处理器；所述数据处理器对接收的数据信号存储并进行图形化分析。