滚动轴承的振动信号特征分析报告
南昌航空大学实验报告
课程名称：数字信号处理
实验名称：滚动轴承的振动信号特征分析实验时间： 2013年5月14日
班级： 100421
学号： 10042134
姓名：吴涌涛
成绩：
滚动轴承的振动信号特征分析
一、实验目的
利用《数字信号处理》课程中学习的序列运算、周期信号知识、DFT 知识，对给定的正常轴承数据、内圈故障轴承数据、外圈故障轴承数据、滚珠故障轴承数据进行时域特征或频域特征提取和分析，找出能区分四种状态（滚动轴承的外圈故障、内圈故障、滚珠故障和正常状态）的特征。
二、实验原理
振动机理分析：机械在运动时，由于旋转件的不平衡、负载的不均匀、结构刚度的各向异性、间隙、润滑不良、支撑松动等因素，总是伴随着各种振动。
振动的幅值、频率和相位是振动的三个基本参数，称为振动三要素。
幅值：幅值是振动强度的标志，它可以用峰值、有效值、平均值等方法来表示。
频率：不同的频率成分反映系统内不同的振源。通过频谱分析可以确定主要频率成分及其幅值大小，从而寻找振源，采取相应的措施。
相位：振动信号的相位信息十分重要，如利用相位关系确定共振点、测量振型、旋转件动平衡、有源振动控制、降噪等。对于复杂振动的波形分析，各谐波的相位关系是不可缺少的。
在振动测量时，应合理选择测量参数，如振动位移是研究强度和变形的重要依据；振动加速度与作用力或载荷成正比，是研究动力强度和疲劳的重要依据；振动速度决定了噪声的高低，人对机械振动的敏感程度在很大频率范围内是由速度决定的。速度又与能量和功率有关，并决定动量的大小。
提取振动信号的幅域、时域、频域、时频域特征，根据特征进行故
障有无、故障类型和故障程度三个层次的判断。
三、 实验内容
Step1、使用importdata （）函数导入振动数据。
Step2、把大量数据分割成周期为单元的数据，分割方法为：
设振动信号为{x k }(k =1,2,3,…,n )采样频率为f s ，传动轴的转动速率为V r 。 采样间隔为：
1
s
t f ?= （1）
旋转频率为：
60
r
r V f =
（2）
传动轴的转动周期为：
1
r
T f = （3）
由式（1）和（3）可推出振动信号一个周期内采样点数N ：
1
1s r r s
f f T
N t f f =
==? （4） 由式（2）可得到传动轴的转动基频f r =29.95Hz ，再由式（3）可得到一个周期内采样点数N=400.67，取N =400。
Step3、提取振动信号的特征，分析方法包括：
1、时域统计分析指标（波形指标(Shape Factor)、峰值指标(Crest Factor)、脉冲指标(Impulse Factor)、裕度指标(Clearance Factor)、峭度指标(KurtosisValue) ）等，相关计算公式如下：
（1）波形指标：
P
f X WK X =
(5)
其中，P X 为峰值，X 为均值。p X 计算公式如下：
),,2,1}(max{N i x X i p ==
（2）波峰指标：
p
f rms X CK X =
(6)
其中，rms X 为均方根值。均方根值计算如下：
rms X （3）峭度指标：
4rms
K X β
=
(8)
其中，β为峭度，计算式如下：
4
1
1N
i i x N β==
∑ (9)
（4）脉冲指标：
P
X I X =
(10)
（5）偏度指标：
3rms
P X α
=
(11)
其中，α为偏度，计算式如下：
31
1N
i
i x
N
α==
∑ (12)
（6）裕度指标：
r
p X X L =
(13)
其中，r X 为方根幅值，计算公式如下：
2
1
1
??
??
??=∑
=N
i i r x N
X
2、频域分析，包括离散频谱序列统计分析指标，阶次分析等。 滚动轴承的理论特征频率计算公式如下： （1）内圈故障频率： (1cos())2i r N d
f f D
α=+ =161.73 Hz （2）外圈故障频率： (1cos())2o r N d
f f D α=-=107.82 Hz （3）滚珠故障频率： 22(1()cos ())2b r D d
f f d D
α=
-=141.17 Hz 其中，N 为滚珠数，d 为滚珠直径，α 为接触角,D 为轴承节径。
Step4（提高要求）、提取未知信号的特征，与已知信号的特征进行比对分类，诊断信号是否存在故障以及故障类型。
未知故障类型信号：1.mat
四、实验的程序代码
（1）、待测信号1
function [y1,y2,y3,y4]=KuttosisFactor(); s=importdata('E:\原始信号\内圈故障\105.mat'); s_value=s.X105_DE_time'; s_cutvalue=s_value(1:24000); tree=wpdec(s_cutvalue,3,'sym6'); det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp);
T=400;
Vaule1=zeros(1,50);
for n=1:1:50
B=sum(xd((1+(n-1)*T):(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):(n*T)).^2)/T); Vaule1(n)=B/(Rms^4);
end;
s=importdata('E:\原始信号\正常\97.mat');
s_value1=s.X097_DE_time';
s_cutvalue=s_value1(1:24000);
tree=wpdec(s_cutvalue,3,'sym6');
det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp); Vaule2=zeros(1,50);
for n=1:1:50
B=sum(xd((1+(n-1)*T):(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):(n*T)).^2)/T); Vaule2(n)=B/(Rms^4);
end;
s=importdata('E:\原始信号\外圈故障\130.mat'); s_value1=s.X130_DE_time';
s_cutvalue=s_value1(1:24000);
tree=wpdec(s_cutvalue,3,'sym6');
det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp); Vaule3=zeros(1,50);
for n=1:1:50
B=sum(xd((1+(n-1)*T):(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):(n*T)).^2)/T); Vaule3(n)=B/(Rms^4);
end;
s=importdata('E:\原始信号\滚珠故障\118.mat'); s_value1=s.X118_DE_time';
s_cutvalue=s_value1(1:24000);
tree=wpdec(s_cutvalue,3,'sym6');
det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp); Vaule4=zeros(1,50);
for n=1:1:50
B=sum(xd((1+(n-1)*T):(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):(n*T)).^2)/T); Vaule4(n)=B/(Rms^4);
end;
s=importdata('E:\待诊断信号\1.mat');
s_value1=s;
s_cutvalue=s_value1(1:24000);
tree=wpdec(s_cutvalue,3,'sym6');
det=wpcoef(tree,2);
sigma=median(abs(det))/0.675;
alpha=2;
thr=wpbmpen(tree,sigma,alpha);
keepapp=1;
xd=wpdencmp(tree,'s','nobest',thr,keepapp);
T=400;
Vaule5=zeros(1,50);
for n=1:1:50
B=sum(xd((1+(n-1)*T):(n*T)).^4)/T;
Rms=sqrt(sum(xd((1+(n-1)*T):(n*T)).^2)/T);
Vaule5(n)=B/(Rms^4);
end;
y1(1)=(Vaule1(1)+Vaule1(2)+Vaule1(3))/3;
y2(1)=(Vaule2(1)+Vaule2(2)+Vaule2(3))/3;
y3(1)=(Vaule3(1)+Vaule3(2)+Vaule3(3))/3;
y4(1)=(Vaule4(1)+Vaule4(2)+Vaule4(3))/3;
y5(1)=(Vaule5(1)+Vaule5(2)+Vaule5(3))/3;
y1(50)=(Vaule1(50)+Vaule1(49)+Vaule1(48))/3;
y2(50)=(Vaule2(50)+Vaule2(49)+Vaule2(48))/3;
y3(50)=(Vaule3(50)+Vaule3(49)+Vaule3(48))/3;
y4(50)=(Vaule4(50)+Vaule4(49)+Vaule4(48))/3;
y5(50)=(Vaule5(50)+Vaule5(49)+Vaule5(48))/3;
for n=2:1:49
y1(n)=(Vaule1(n-1)+Vaule1(n)+Vaule1(n+1))/3;
y2(n)=(Vaule2(n-1)+Vaule2(n)+Vaule2(n+1))/3;
y3(n)=(Vaule3(n-1)+Vaule3(n)+Vaule3(n+1))/3;
y4(n)=(Vaule4(n-1)+Vaule4(n)+Vaule4(n+1))/3;
y5(n)=(Vaule5(n-1)+Vaule5(n)+Vaule5(n+1))/3;
end;
%绘图
k=linspace(1,50,50);
plot(k,y1(k),'--.k',k,y2(k),'-r',k,y3(k),'-pb',k,y4(k),'--*g',k,y5(k),'m:d');
legend('内圈故障','正常''外圈故障',’故障’,’诊断信号’);
小结：通过现象观察可以看出，以上得到的图形都是外圈故障。五、实验总结
这个实验室研究直升机中可能出现的滚动轴承的振动信号特征分析，用到的工具是MATLAB软件，可以对图形做更好的分析。由于直升机在运动过程中轴承会摩擦，导致磨损，这对直升机来说是致命的，所以要做故障检测，通过现在所学的傅里叶函数的知识再结合软件绘图，我们就可以很好的解决这个问题。
六、参考文献
1.蔡旭晖.刘卫国.蔡立燕. MATLAB基础与应用教程.人民邮电出版社.2009
滚动轴承故障诊断分析
滚动轴承故障诊断分析 学院名称：机械与汽车工程学院专业班级： 学生姓名： 学生学号： 指导教师姓名：
摘要 滚动轴承故障诊断 本文对滚动轴承的故障形式、故障原因、常用诊断方法等诊断基础和滚动轴承故障的振动机理作了研究，并建立了相应的滚动轴承典型故障(外圈损伤、内圈损伤、滚动体损伤)的理论模型，给出了一些滚动轴承故障诊断常见实例。通过对滚动轴承故障振动机理的研究可以帮助我们了解滚动轴承故障的本质和特征。本文对特征参数的提取，理论推导，和过程都进行了详细的阐述， 关键词:滚动轴承；故障诊断；特征参数；特征； ABSTRACT ： The Rolling fault diagnosis In the thesis ,the fault types,diagnostic methods an d vibration principle of rolling bearing are discussed.the thesis sets up a series of academic m odels of faulty rolling bearings and lists some sym ptom parameters which often used in fault diagnosis of rolling bearings . the study of vibration prin ciple of rolling bearings can help us to know the essence and feature of rolling bearings.In this pa
滚动轴承的振动机理与信号特征
滚动轴承的振动机理与信号特征 滚动轴承的振动可由外部振源引起，也可由轴承本身的结构特点及缺陷引起。此外，润滑剂在轴承运转时产生的流体动力也可以是振动（噪声）源。上述振源施加于轴承零件及附近的结构件上时都会激励起振动。 一、滚动轴承振动的基本参数 1．滚动轴承的典型结构 滚动轴承的典型结构如图1所示，它由内圈、外圈、滚动体和保持架四部分组成。 图1 滚动轴承的典型结构 图示滚动轴承的几何参数主要有： 轴承节径D：轴承滚动体中心所在的圆的直径 滚动体直径d：滚动体的平均直径 内圈滚道半径r1：内圈滚道的平均半径 外圈滚道半径r2：外圈滚道的平均半径 接触角α：滚动体受力方向与内外滚道垂直线的夹角 滚动体个数Z：滚珠或滚珠的数目 2．滚动轴承的特征频率 为分析轴承各部运动参数，先做如下假设：
(1)滚道与滚动体之间无相对滑动； (2)承受径向、轴向载荷时各部分无变形； (3)内圈滚道回转频率为fi; (4)外圈滚道回转频率为fO; (5)保持架回转频率（即滚动体公转频率为fc）。 参见图1，则滚动轴承工作时各点的转动速度如下： 内滑道上一点的速度为：V i=2πr1f i=πf i(D-dcosa) 外滑道上一点的速度为：V O=2πr2f O=πf O(D+dcosa) 保持架上一点的速度为：V c=1/2(V i+V O)=πf c D 由此可得保持架的旋转频率（即滚动体的公转频率）为： 从固定在保持架上的动坐标系来看，滚动体与内圈作无滑动滚动，它的回转频率之比与d/2r1成反比。由此可得滚动体相对于保持架的回转频率（即滚动体的自转频率，滚动体通过内滚道或外滚道的频率）fbc 根据滚动轴承的实际工作情况，定义滚动轴承内、外圈的相对转动频率为 一般情况下，滚动轴承外圈固定，内圈旋转，即： 同时考虑到滚动轴承有Z个滚动体，则滚动轴承的特征频率如下：滚动体在外圈滚道上的通过频率zfoc为：
齿轮箱的故障类型及振动机理改
第2章齿轮箱的故障和振动信号 2.1齿轮箱故障的主要形式 齿轮箱系统是包含齿轮、轴承、传动轴及箱体等结构的复杂系统。其中主要故障发生在齿轮、轴承和传动轴上。在齿轮箱的诊断中，一般只给出是否产生故障及产生故障的位置，根据振动信号的特点，一般常见的典型故障形式有齿轮失效、轴和轴系失效、箱体共振和轴承疲劳脱落和点蚀等几种【5】。 在这些常见故障中，齿轮和滚动轴承的故障占齿轮箱故障的80％左右【4】。因此，对齿轮和滚动轴承的故障类型和振动机理进行剖析，对于识别齿轮箱故障类型有重要的意义。 2.1.1齿轮的故障类型及振动机理 （1）齿轮的故障类型齿轮的故障类型大致可分为以下两种类型： 1）由制造误差和装配误差引起的故障。具体的故障包括齿轮偏心、齿距偏差、齿形误差、轴线不对中、齿面一段接触等故障。齿轮制造时造成的主要缺陷有：偏心、齿距偏差和齿形误差等。齿轮装配不当，也会造成齿轮的工作性能恶化。当齿轮的这些误差较严重时，会引起齿轮传动中忽快忽慢的转动，啮合时产生冲击引起较大的振动和噪声等【5】。 2）运行中产生的故障齿轮除上述故障外，其在本身运行过程中也会形成许多常见的故障，例如断齿、齿根疲劳裂纹、齿面磨损、点蚀剥落、严重交合等等。齿轮预定寿命内不影响使用的磨损成文正常磨损，如果因使用不当、用材不当、接触面存在硬颗粒以及润滑油不足等原因引发早期磨损，将导致齿轮形变、重量损失、齿厚变薄、噪声增大等后果，甚至会导致齿轮失效。其中若润滑油不足，还会导致齿面胶合，胶合一旦发生，齿面状况变差，功耗增大，从而使得振动信号变强。 （2）齿轮的振动机理一对啮合齿轮，可以看作一个具有质量、弹簧和阻尼的振动系统，其力学模型如图2-1所示。 图2-1齿轮对的力学模型 其振动方程为【4】： M r X+CX+K t X=K t E1+K t E2(t)2-1式中 X——为沿作用线上齿轮的相对位移 K(t)——齿轮啮合刚度 M r——齿轮副的等效质量
滚动轴承的振动信号特征分析报告
南昌航空大学实验报告 课程名称：数字信号处理 实验名称：滚动轴承的振动信号特征分析实验时间： 2013年5月14日 班级： 100421 学号： 10042134 姓名：吴涌涛 成绩：
滚动轴承的振动信号特征分析 一、实验目的 利用《数字信号处理》课程中学习的序列运算、周期信号知识、DFT 知识，对给定的正常轴承数据、内圈故障轴承数据、外圈故障轴承数据、滚珠故障轴承数据进行时域特征或频域特征提取和分析，找出能区分四种状态（滚动轴承的外圈故障、内圈故障、滚珠故障和正常状态）的特征。 二、实验原理 振动机理分析：机械在运动时，由于旋转件的不平衡、负载的不均匀、结构刚度的各向异性、间隙、润滑不良、支撑松动等因素，总是伴随着各种振动。 振动的幅值、频率和相位是振动的三个基本参数，称为振动三要素。 幅值：幅值是振动强度的标志，它可以用峰值、有效值、平均值等方法来表示。 频率：不同的频率成分反映系统内不同的振源。通过频谱分析可以确定主要频率成分及其幅值大小，从而寻找振源，采取相应的措施。 相位：振动信号的相位信息十分重要，如利用相位关系确定共振点、测量振型、旋转件动平衡、有源振动控制、降噪等。对于复杂振动的波形分析，各谐波的相位关系是不可缺少的。 在振动测量时，应合理选择测量参数，如振动位移是研究强度和变形的重要依据；振动加速度与作用力或载荷成正比，是研究动力强度和疲劳的重要依据；振动速度决定了噪声的高低，人对机械振动的敏感程度在很大频率范围内是由速度决定的。速度又与能量和功率有关，并决定动量的大小。 提取振动信号的幅域、时域、频域、时频域特征，根据特征进行故
障有无、故障类型和故障程度三个层次的判断。 三、 实验内容 Step1、使用importdata （）函数导入振动数据。 Step2、把大量数据分割成周期为单元的数据，分割方法为： 设振动信号为{x k }(k =1,2,3,…,n )采样频率为f s ，传动轴的转动速率为V r 。 采样间隔为： 1 s t f ?= （1） 旋转频率为： 60 r r V f = （2） 传动轴的转动周期为： 1 r T f = （3） 由式（1）和（3）可推出振动信号一个周期内采样点数N ： 1 1s r r s f f T N t f f = ==? （4） 由式（2）可得到传动轴的转动基频f r =29.95Hz ，再由式（3）可得到一个周期内采样点数N=400.67，取N =400。 Step3、提取振动信号的特征，分析方法包括： 1、时域统计分析指标（波形指标(Shape Factor)、峰值指标(Crest Factor)、脉冲指标(Impulse Factor)、裕度指标(Clearance Factor)、峭度指标(KurtosisValue) ）等，相关计算公式如下： （1）波形指标： P f X WK X = (5) 其中，P X 为峰值，X 为均值。p X 计算公式如下：
车辆振动信号的特征提取方法比较
第37卷 第4期吉林大学学报(工学版) Vol.37 No.4 2007年7月Journal o f Jilin U niv ersity(Engineering and T echnolo gy Edition) July2007车辆振动信号的特征提取方法比较 廖庆斌1,李舜酩1,覃小攀2 (1.南京航空航天大学能源与动力学院,南京210016; 2.吉林大学汽车工程学院,长春130022) 摘 要:针对用于车辆振动信号分析的常用方法:小波分析方法和H ilbert H uang变换方法,以及作者新近提出的时序多相关 经验模式分解方法,通过仿真对比分析了它们各自的特点以及它们在振动信号特征提取中的适用性。非线性信号的仿真分析表明,在没有噪声或分析对象背景噪声较小的情况下,后两种方法能提取到特征信号,小波分析不适合非线性信号的分析;在强背景噪声下,前两种方法均不能得到满意的特征信息,而时序多相关 经验模式分解方法能提取到所需的目标信息。最后将时序多相关 经验模式分解方法用于某特种车辆特征信号的提取,得到了满意的结果,验证了该方法在车辆振动信号特征提取中的有效性。 关键词:信息处理技术;振动信号;特征提取;小波分析;H ilbert H uang变换;时间序列多相关;经验模式分解 中图分类号:T N911;U270 文献标识码:A 文章编号:1671 5497(2007)04 0910 06 Comparison of feature extraction methods of vehicle vibration signal Liao Qing bin1,Li Shun m ing1,Qin Xiao pan2 (1.College of E ner gy and P ower E ngineer ing,N anj ing Univer sity of A er onautics and A s tronautics,N anj ing210016, China;2.College of A uto motiv e Engineer ing,J ilin Univ er sity,Changchun130022,China) Abstract:The v ibration signals o f a vehicle alw ay s car ry the dynamic info rmation of the vehicle.These signals are very useful for the health monitoring and fault diag no sis.H ow ever,in many cases, because these sig nals have v ery low signal to no ise ratio(SNR),to ex tract feature co mpo nents beco mes difficult and the applicability of info rmation drops dow n.T he characters of feature extraction of vibration signal w er e compared,among the tw o popular m ethods named w avelet analy sis(WA)and H ilbert H uang translatio n(H H T)and the multi correlatio n o f tim e series and empirical mo de decom po sitio n(M CT S EM D),via simulation.And the applicability of them w as analyzed using the simulatio n signal.The H H T and M CTS EM D can extract the feature signal in no interference of noise or the SNR is a larg e number,w hile the WA is not suit for the featur e ex tr actio n o f nonlinear signal. In the str ong backgro und noise,the WA and H H T can not w ork w ell,contrasting them;the M CTS EM D can ex tract the w anted object inform ation.A t last,T he M CTS EM D method w as used to ex tract the featur e sig nal of som e special vehicle,a satisfactor y result can be g et,this validity of MCT S EMD w as validated in the feature ex traction of v ehicle vibration sig nal. Key words:info rmatio n processing;v ibration signal;feature extraction;w avelet analy sis;H ilbert H uang 收稿日期:2006 06 22. 基金项目:航空科学基金资助项目(04I52066);国家自然科学基金资助项目(50675099). 作者简介:廖庆斌(1979 ),男,博士研究生.研究方向:振动、噪声的分析与控制.E mail:qb_liao@https://www.docsj.com/doc/409432527.html, 通讯联系人:李舜酩(1962 ),男,教授,博士生导师.研究方向:振动噪声分析与控制,现代信号处理,转子振动监测与诊断.E ma il:lishunm ing69@https://www.docsj.com/doc/409432527.html,
电机滚动轴承的故障分析判断方法
电机滚动轴承的故障分析判断方法 轴承在机械中主要是起支撑及减少摩擦的作用，因此轴承的精度、噪声等都直接关系到机械的使用及寿命。转动轴承在设备中的应用非常广泛，转动轴承状态好坏直接影响旋转设备的运行状态，尤其在连续性大型生产企业，大量应用于大型旋转设备重要部位。因此实际生产中作好转动轴承状态监测与故障诊断是搞好设备维修与治理的重要环节。我们经过长期实践与摸索，积累了一些转动轴承实际故障诊断的实用技巧。本文将主要对转动轴承常见的故障诊断并做出分析。 一、转动轴承故障诊断的方式及要点 转动轴承的早期故障是滚子和滚道剥落、凹坑、破裂、腐蚀和杂物嵌进。产生的原因包括搬运粗心，安装不当、不对中、轴承倾斜、轴承选型不正确、润滑不足或密封失效、负载分歧适以及制造缺陷。根据经验，对转动轴承进行状态监测和故障诊断的实用方法是振动分析。振动分析对于转动轴承的诊断是将由加速度传感器获得的加速度信号，经过1kHz的高通滤波器往除低频信号后，对其进行包络处理，将调制信号移至低频，最后进行频谱分析，以便找出信号的特征频率。 根据转动轴承的结构特点、使用条件不同，它所引起的振动是频率在1kHz以上，数千赫乃至数十千赫的高频振动(固有振动)，通常情况下是同时包含了上述两种振动成分。因此检测转动轴承振动速度和加速度信号时应同时覆盖或分别覆盖上述两个频带，必要时可以采用滤波器取出需要的频率成分。考虑到转动轴承多用于中小型机械，其结构通常比较轻薄，因此传感器的尺寸和重量都应尽可能地小，以免对被测对象造成影响，改变其振动频率和振幅大小。 转动轴承的振动属于高频振动，对于高频振动的丈量，传感器的固定采用手持式方法显然分歧适，一般也不推荐磁性座固定，建议采用钢制螺栓固定，这样不仅谐振频率高，可以满足要求，而且定点性也好，对于衰减较大的高频振动，可以避免每次丈量的偏差，使数据具有可比性。 实用中需留意选择测点的位置和采集方法。要想真实正确反映转动轴承振动状态，必须留意采集的信号要正确真实，因此要在离轴承最近的地方安排测点，在电机自由端一般有后风扇罩，其测点选择在风扇罩固定螺丝处有较好监测效果。另外必须留意对振动信号进行多次采集和分析、综合进行比较，才能得到正确结论。 1转动轴承故障的频谱和波形特征 (1)径向振动在轴承故障特征频率及其低倍频处有波峰，若有多个同类型故障(内滚道、外滚道等)，则在故障特征频率的低倍频处有较大的峰值； (2)内滚道故障特征频率有边带，边带间隔为l倍频的倍数； (3)转动体特征频率处的边带，边带间隔为保持架故障特征频率； (4)在加速度频谱的中高区域若有峰群忽然生出，表明有疲惫故障； (5)径向诊断时域波形有垂直复冲击迹象(有轴向负载时，轴向振动波形与径向相同，或者其波峰系数大于5，表明故障产生了高频冲击现象)。 2转动轴承的故障诊断方法 转动轴承的振动信号分析故障诊断方法分为简易诊断和精密诊断两种。简易诊断的目的是初步判定被列为诊断对象的转动轴承是否出现了故障；精密诊断的目的是要判定在简易诊断中被以为是出现故障轴承的故障种别及原因。由于转动轴承自身的特点，一旦损坏普通维修很难修复，大多采用更换的维修方式进行处理；而精密诊断的主要作用是理论研究和在特
滚动轴承故障机理分析 (DEMO)
滚动轴承故障的机理分析 一、轴承产生振动机理 由于滚动轴承的内、外圈和滚动体都是弹性体，构成振动系统或以子系统的形式耦合在整个系统中。内、外圈和滚动体都有自己的振动特征----固有频率和振型。所以从轴承的振源不同，滚动轴承的振动可分为非轴承故障性振动和轴承故障性振动。使用同步平均处理拾得的振动信号来寻找轴承故障几乎是不可能的，因为轴承信息中的基频是非同步的。滚动轴承有损伤时，其振动波形往往是调幅波。相当于载波的是轴承各部件及传感器本身以其固有频率振动的高频成分，起调制作用的是与损伤有关的低频成分。 冲击振动从分析的角度来看可以分为两种类型。第一种是直接分析由于滚动体通过工作面上的缺陷、产生反复冲击而形成1kHz以下的低频振动，或称为轴承的通过振动，它是滚动轴承的重要特征信息之一。但是由于这一频带中的噪声干扰很大，所以不容易捕捉到早期诊断信息。第二类是分析由于冲击而激起的轴承零件的固有振动。实际应用中可以利用的固有振动有三种： 1)轴承内、外圈一阶径向固有振动，其频带范围一般在1—8kHz之间。 2)轴承零件其他固有振动，其频率范围多在20一60kHz之间。 3)加速度传感器的一阶固有频率，其频率中心通常选择在10一25kHz附近。 1、非轴承故障性振动 非轴承故障性振动主要有安装不当或制造误差引起的偏心，转子或转轴不平衡引起的振动，这类振动往往被用来作为对转子故障进行诊断的信息。在滑动轴承和高速旋转机械中更是如此。 2、滚动轴承结构引起的振动 对于水平轴旋转时，每个钢珠通过轴的正下方时，轴就会略为向上升起。这样就产生了回转轴端部的上下运动。这种运动也称为滚动元件的通过振动。 3、轴承故障性振动 轴承故障性振动主要由下列各种原因引起： 1）由于载荷过大引起内、外圈和滚动体变形过大导致的旋转轴中心随滚动体位置变化所引起的振动----传输振动。还有因安装不准确或滚动体大小不一致引起的振动。一般情况下，这样的振动其频率较低（≤1KHz）。 2）由于润滑脂的润滑性能不良引起的非线性振动。
齿轮箱振动信号特征提取的一种新方法
2010年第三届国际会议图像和信号处理（CISP2010） 齿轮箱振动信号特征提取的一种新方法 彭立，何清波，孔繁嚷 (精密机械与精密仪器系中国科技大学） 摘要：本文基于小波分析提出一种对于齿轮箱振动信号特征提取的新方法，并进行了研究！变速箱振动信号和1 / f过程的信号之间的功率谱相似，使基于小波变换的变速箱故障诊断的分形分析变得自然。那么对这种方法的原理进行了讨论。为了验证这一方法的可行性和实用性，进行了实验基础上的汽车变速器。箱体表面上附着的加速度传感器所收集的不同工作阶段的振动信号。然后预处理后，这些振动信号在不同小波尺度分解10个详细的信号通过离散小波变换与Dubieties小波。然后对3至7尺度的细节系数的差异进行了计算和加速度信号的分形特征，估计从斜坡的详细系数方差进展。时间窗口试验的结果表明，这些分形特征有显着不同的变速箱不同的工作阶段，并表现出较高的重复性，这表明，本文提出的方法提取的分型特征是说服和基于小波变换分形分析分类齿轮箱的振动信号有效。 关键词：特征提取，变速箱，振动，小波变换
1.导言 变速箱是在工业应用中最重要的设备之一。一个变速箱的意外故障可能导致人身伤亡和重大经济损失。在许多情况下，精度的仪器和设备是高度依赖于所使用的变速箱的动态性能。因此，变速箱的状态监测和故障诊断成为宝贵的系统维护和过程自动化，通常这些情况有必要制定，实施和部署在线诊断监测系统是独立经营的条件。齿轮典型故障包括腐蚀和更严重的打击[1]。许多功能生成方法已经被提出，如短时傅立叶变换（STFT），时间尺度小波分解[2，3]，累积频谱等。结合信号检测与识别方法的故障诊断系统，可以实现多种故障的自动识别和正确的诊断。被认为是各种信号，如声音，图像和振动状态监测与故障诊断。通常用于齿轮箱状态监测振动信号，因为它很容易聚集，并有高的相关性与变速箱的工作条件。 变速箱振动产生的噪音会降低产品质量。重型齿轮箱振动甚至可以导致整个系统的异常运行，造成系统停机和客户的经济损失。因此，适当的变速箱振动监测在尽量减少维修停机时间是极具成本效益，同时通过提供预先警告和交货时间进而准备适当的纠正措施，并确保该制度不恶化到一个需要采取紧急行动的条件[8]。因此，重要的是要把齿轮箱振动诊断纳入计划的电机系统的故障诊断。较早的方法进行振动信号分析，概率分析，频率分析，时域分析和有限元分析[9，10，11，12]。振动信号的特点，是众所周知的，更容易被发现，而不是在时域频域。频率分析技术涉及的频率振动信号分析和进一步处理所产生的频谱，以获得诊断明确界定信息，如高频冲击脉冲。最近的时频分析方法变得越来越受欢迎。 齿轮箱的振动信号通常是嘈杂。因此，它是很难找到一个潜在的故障在变速箱的早期症状。一个显着的变速箱诊断的最新发展是时频分析中的应用。它能够揭示在整个频率范围内的信号随时间变化的频谱，因此可以在很大程度上克服传统技术的弊端。小波变换是一个功能强大的时频分析工具，披露在信号瞬态信息。最近，小波分析方法的应用范围从振动信号，声音信号在机械故障诊断和状态监测等领域迅速增加。具体来说，它已成为一个强大的光谱特性随时间变化的替代品的，因为广泛使用的频谱分析方法提供所观察到的频率成分的本地化信号的频率内容的非平稳信号的分析。这是因为这些信号的统计特性，大部分都是非平稳振动信号分析中非常重要的。因此，在实践中，小波变换方法对振动信号高频率的密切合作是短暂的，持续时间长的密切频率位于元件间距元件组的分析时间是适当的。本文所设计的功能，通过提取方法选择时频信号分析技术，分析振动信号的分形特征的离散小波变换。 分形分析的分形数据的建模。它由一个信号，数据集或对象，这可能是声音，图像，分子，网络或其他数据到指定的分形特征的方法。目前分形分析广泛使用在科学的所有领域。分形维数是一个非平稳信号的良好指标，它有不同的定义。变速箱的加速度信号代表复杂的图案，非固定的复杂的信号可以通过一些分形特征量化[13]。 据统计，牙齿断裂是最严重的变速箱故障。因此，我们的实验中关注的汽车变速器疲劳试验四个阶段，包括检测正常，轻微磨损，严重磨损及牙坏了。预处理后，变速箱的四个工作阶段的振动信号是离散小波变换的分析。信号分解为十个使用Dubieties的水平小波的阶数N= 12。然后进行了分形分析估算数据定义的分形特征。最后，反复试验结果表明，该方法是稳定和有效的，这表明，这种新的变速箱特征提取方法能起到良好的性能，具有很大的应用价值。 本文组织如下：第一节的背景介绍；第二节中，基于小波变换的功能估计的
滚动轴承故障振动分析
Detecting rolling element bearing faults with vibration analysis https://www.docsj.com/doc/409432527.html, https://www.docsj.com/doc/409432527.html, Detecting rolling element bearing faults is the highest priority for most vibration analysts. Detecting the fault at the earliest opportunity should be the priority, however in reality most analysts do not detect the fault in the first or even the second stage of failure. This article is going to help you to detect faults at stage one so that you can truly be in control of your maintenance program. In this article I will describe the four stages of bearing failure and how to understand and successfully utilize the airborne ultrasound, Shock Pulse, Spike Energy, PeakVue, enveloping/demodulation, time waveform analysis and spectral analysis methods. I will also explain why you should not rely on trending overall level readings. Reducing bearing faults No article of this nature can be complete without a discussion of the reasons why bearings fail in the first place. Your first priority should be to minimize the causes of bearing failure. If you can do that successfully, then you will not need to rely on the vibration analysis techniques as much. That is not to say that I want to put vibration analyst’s out of work, or that you should even consider downsizing your vibration monitoring program (because there will always be bearing failures and other mechanical faults) – the point is that the path to equipment reliability does not begin with vibration analysis. The fact is that if you properly purchase, transport, store, install, and lubricate your bearings, and you operate machines that are balanced, aligned and operating well away from natural frequencies, your bearings will last longer. You may not have control over many of these factors, but if you are involved in vibration analysis then there are two things you can definitely do: look for the presence of conditions that will cause bearings to have a reduced life, and perform root cause analysis when you detect bearing damage. I opened this article by pointing out that the detection of rolling element bearing faults is the highest priority for most vibration analysts. The sad truth is that for too many analysts it is the only priority. Unbalance, misalignment, soft foot, and resonance often have a much lower priority. Although these faults conditions appear first on most wall charts, they can be the trickiest to diagnose. Phase analysis is a powerful, yet
滚动轴承振动原理
讲义： 一.轴承振动的原理 二.影响静音轴承的原因 三.车间生产如何控制（注意哪些细节） 前言 随着高科技的发展，机械产品越来越向精密延伸。轴承行业也在逐步地革新换代，同时用户对轴承的使用也越来越向“静音”高要求。于是静音轴承成为了行业商场上的“紧俏品”，也成为了同行竞争的分档线。 一、轴承振动的原理 我们知道轴承的结构主要由4大件组成：内外圈、保持架、钢球，加上润滑剂就是5大件了。在轴承运转的过程中，这几大件相互之间形成的摩擦副有：外圈与保持架、内圈与保持架、滚动体与保持架、内、外圈与滚动体，结构是封闭式的摩擦副还存在密封圈（或防尘盖）与内外圈、油脂与机械物质等的摩擦。以上这些摩擦副最终形成了轴承运转时发出的声音，这种本能固有的声音行业上称做轴承的“基础噪音”。测振时这种声音一般表现的比较平稳、轻微、柔和，这与我们攻关的低噪音有所不同。轴承运转的过程中，由于轴承滚道工作面、滚动体、润滑不良等缺陷的影响，在加速度测振仪上，这些缺陷经过传感器而产生的振动脉冲更大地激起轴承本身固有频率振动，从而产生出人耳听起来不舒服的异常音。 下面我讲一下影响低噪音轴承的因素。
二、影响静音轴承的因素 1.产品结构的影响 从最近几年轴承结构的不断更新来看，以消除噪音为目的来改进产品结构的还不少，比如：内外滚道的优化设计、宽边保持架的采用、钢球的球形偏差改进等等。实际拆套中发现钢球往往有“猫眼”的，其实是保持架结构不合理导致。我计算过6308、6309、6311目前所用的保持架结构，6309、6311的在实际受力的情况下比理论受力结构变形量增大了（）mm，这样运转时钢球必然撞击保持架，则易产生磨痕，影响低噪音控制。 2.零件缺陷的影响 （1）. 钢球缺陷的影响 在轴承几大件中，钢球对成品轴承的振动影响最大。钢球的球形偏差及表面磕碰伤直接影响成品轴承的振动，因此严格控制钢球的球形偏差及表面磕碰伤，能够降低轴承的低频振动。目前钢球厂家在钢球的加工过程中提高研磨盘的加工质量，控制研磨盘的沟形偏差，并选用优质精研液，以降低钢球表面粗糙度。钢球的表面质量在测振仪上声音放大器一般表现为“嚓嚓沙沙”的锯齿音，在BVT型测振仪上比较明显，同时拆套后会发现钢球表面有划伤、麻点等缺陷，经打硬度此类钢球硬度一般都低于62.5HRC。实验表明如果钢球硬度在63.9HRC的没有锯齿音，钢球硬度在62.9HRC的锯齿音会减少40%，硬度在61.4HRC时一定有锯齿音。在测振时，钢球缺陷在S0910型上波形一般表现为幅值很大的尖峰脉冲，在BVT型声音一般为“嗡
毕业设计开题报告-轴承振动信号检测
毕业设计 (论文)开题报告机电与信息工程学院测控技术与仪器专业课题名称：小型刮板输送机减速器轴承振动信号检测 毕业设计(论文)起止时间： 2012年 2 月20 日～ 6 月9 日(共 14周)学生姓名：学号： 指导教师： 报告日期： 2012.2.15
说明： 1.本报告必须由承担毕业设计(论文)课题任务的学生在开学的第2周末之前独立撰写完成，并交指 导教师审阅。 2.每个毕业设计(论文)课题撰写本报告一份，作为指导教师、系主任审查学生能否承担该毕业设计 (论文)课题任务的依据，并接受学院的抽查。 3.开题报告采用B5纸型，双面打印。
1．本课题所涉及的问题在国内(外)的研究现状综述 振动监测这一名词国外早在50多年前就已经提出，但由于当时测试技术和振动监测诊断故障特征知识的不足，所以这项技术在20世纪70年代前都未有明显发展。国内提出振动监测也有30多年的历史，由于国内设备机组振动的特殊性，因而在振动监测故障诊断方法、故障机理的研究方面，具有独特的见解。经过50多年的现场故障诊断的实践，在机组振动故障特征方面积累了丰富的知识和经验，对其中许多故障的生成和产生振动的机理，都作了长期、深入的研究。纠正了传统的误解。在诊断思维模式方面，提出了正向推理，彻底扭转了振动监测故障原因难以查明的局面。目前若采用正向推理，诊断机组振动故障准确率一般都可达80%以上。 振动监测故障诊断就目前来分，可分为在线诊断和离线诊断。前者是对运行状态下的机组振动故障原因作出出线条的诊断，以便运行人员作出纠正性操作，防止事故扩大。因此，在线诊断在诊断时间上要求相对比较紧迫，目前采用计算机实现，故又称为自动专家诊断系统。系统的核心是专家经验，但是如何将分撒的专家经验进行系统化和条理化，变成计算机的语言，是目前国内外许多专家正在研究的一个技术问题，因此不能将这种诊断系统误解为能完全替代振动专家。即使到来，也是诊断专家设计和制造诊断系统，为缺乏振动知识和经验的运行人员服务，而不是诊断系统替代振动专家。 振动监测离线诊断是为了消除振动故障而进行的诊断，这种诊断在时间要求上不那么紧迫，可以将振动信号、数据拿出现成，进行仔细的分析、讨论或模拟实验，因此称它为振动监测离线诊断。离线诊断在故障诊断深入程度上要比在线诊断具体的多，因此难度也较大。
滚动轴承振动机理
一、数控机床滚动轴承的特点与故障 在数控机床上主轴轴承常用滚动轴承和滑动轴承。滚动轴承摩擦阻力小，可以预紧，润滑维护简单，能在一定转速范围和载荷变动范围下稳定的运动。数控机床最常用的滑动轴承是静压滑动轴承。静压滑动轴承的油膜压强是由液压缸从外界供给的，与主轴的转速无关。它的刚度大，回转精度高。但静压轴承需要一套液压装置，成本较高，一般用于重型或高精度数控机床。滚动轴承由专业化工厂生产，选购维修方便。数控主轴组件在可能的条件下，尽量使用滚动轴承。特别是大多数立式主轴和主轴装在套简内能够作轴向移动的主轴，用滚动轴承可以用润滑脂润滑避免漏油。在数控机床上使用的滚动轴承主要有：球轴承，滚珠轴承，圆锥滚子轴承三大类。箱式直线轴承 滚动轴承的损伤和破坏形式主要有：磨损、疲劳、断裂、腐蚀、压痕和胶合。可将这六种失效形式归类成三种类型的故障：表面皱裂、表面剥落和轴承烧损。 1 表面皱裂是由于轴承使用时间较长，磨损后滚动面全周慢慢劣化的异常形态。此时轴承的振动与正常轴承振动具有相同的特点。唯一区别是此时振动幅度变大了。 2 表面剥落是由疲劳、裂纹、压痕、胶合等失效形式造成滚动面的异常形态。它们所引起的振动为冲击振动，振动信号中含有轴承的传输振动和轴承构件的固有振动。可以通过查找这些固有振动中是否出现某一构件运行特征频率来判断轴承的故障。 3 烧损是由于轴承润滑状态恶化等原因造成的。在到达烧伤程度的过程中，轴承的振动值急速增大。润滑不良，载荷过大，冲击载荷，和转速过高是造成滚动轴承故障的主要原因。其中润滑不良是主要原因。数控机床由于本身的结构特点和切削工艺特点，其轴承受到的损坏也与普通机床不太一样。在数控机床中，数控机床主轴的转动速度和进给轴的进给速度都是受数控系统的监控，很少出现转速过高的现象，所以转速过高不会成为数控机床轴承的故障原因。数控机床的轴承一般采用强制润滑和油脂封入润滑，使用强制润滑的轴承不存在润滑不良的问题：采用油脂封入式润滑的轴承，才会因没有得到定期的保养而产生润滑不良的问题。因此，润滑不良的原因也不是数控机床轴承故障最主要原因。在加工中，数控机床可能会出现由于切削用量过大而产生的轴承所受载荷过大的现象。以及刀具以高速切入工件，造成对主轴轴承的瞬间冲击载荷的现象也是经常发生的。经过上面的分析，我们可以得到这样的结论，载荷过大，冲击载荷和润滑不良是造成数控机床轴承故障的主要原因。由此而产生的故障主要是表面剥落和烧损。这两者中发生概率最大的就是表面剥落。 如前所述，表面剥落的故障判断可以通过查找由故障产生的冲击振动中是否出现了某一构件运行特征频率。滚动轴承有四个组成构件，内环、外环、滚动体及保持架。其故障也都是这四个构件的损伤及破坏引起的，包括：内滚道故障，外滚道故障，滚动体故障，保持架碰外环故障和保持架碰内环故障。据统计在滚动轴承的故障中，90％的故障来自于外环和内环故障。 二、滚动轴承的振动按产生机理 滚动轴承的振动按产生机理又分为三种类型： 1 轴承结构的固有振动。包括将内环看作是弹性体而引起的固有振动：将外环看作是刚性体而引起的固有振动：将滚动体看作刚体而引起的固有振动。 2 强迫振动。由轴承零件制造或装配误差而引起的振动。如：内外环波纹度、滚动体直径差等制造误差。 3 冲击振动。内外环或滚动体表面上存在划痕、毛刺、锈斑、点蚀、剥落、凹坑等缺陷，或有灰尘，润滑，油污等情况存在时，会激励起轴承脉冲型振动，振动的周期与转速成反比。振幅和与缺陷的尺寸大
滚动轴承的检验标准
滚动轴承的检验标准 一.轴承质量检测振动标准 1．振动加速度国家标准（俗称Z标） 该标准制定比较早，以测量轴承旋转时的振动加速度值，来判定轴承的质量等级，分为Z1、Z2、Z3由低到高三个质量等级。目前国内轴承制造厂家仍然在使用，以振动加速度值来衡量轴承的优劣，仅仅简单地反映了INA轴承的疲劳寿命。 2．振动速度标准（俗称V标） 由于原振动加速度标准还没有废除，所以该标准是以机械工业部颁标准出现的，是参考欧洲标准结合我国实际情况和需要制定的，以检测轴承振动速度来划分轴承的质量等级（等同于国家标准）。分为V、V1、V2、V3、V4五个质量等级。各种球轴承质量等级从低到高为V、V1、V2、V3、V4；辊子轴承（圆柱、圆锥）质量等级从低到高为V、V1、V2、V3四个质量等级。它是以检测轴承不同频率段（低频、中频、高频）的振动速度来反映轴承的质量。可以大体分析出轴承是否存在几何尺寸问题(如钢圈椭圆)、滚道/滚动体的质量问题,保持架的质量问题,比以振动加速度来考察轴承质量有了显著地进步。目前国内出口欧洲的轴承、我国军方和航天工业均按照该标准进行轴承质量检测，同时检测欧洲INA进口轴承质量和分辨假冒进口轴承提供了可行的手段。 目前轴承质量检测存在两个标准并行的局面，而“Z标”质量等级很高的轴承，以“V标”检测时未必有好的质量表现，两者之间没有任何对应关系。这在轴承的质量检测中是要特别注意的。 二.以振动测量仪检测在用轴承 INA进口轴承在运行中，ISO2372标准虽然是以振动速度来判断振动是否超标，但在现场实际中要特别关注轴承加速度值的变化，轴承的损坏过程大多是初期表现为疲劳损伤，这点一般可以表现为明显的加速度升高，随着疲劳的发展，逐渐出现振动速度和位移的升高，预示着轴承出现了疲劳破坏。特别对于轴承进行检测时，要细心关注振动值是否出现不稳定地摆动(建议使用模拟量的指针式仪器，可以观察的非常明显)，如果出现摆动，预示着出现了不稳定的振动信号，加速度也大，特别是速度同时增大，极有可能存在轴承“耍套”故障。 对于新设备，检测验收时，虽然振动很小，符合国家标准，但在轴承部位出现小幅度的振动摆动现象，排除轴承配合问题(耍套)后，极有可能是轴承几何尺寸存在问题，如轴承钢圈椭圆，滚动体经过椭圆长轴位置时，可能由于间隙减小造成滚动体瞬间卡死，后续滚动体继续挤压，使滚动体产生滑动摩擦，每一个滚动体都会在此出现滑动摩擦，造成不稳定信号出现。这个问题在检测山西220KW新电机中遇到，解体探察，检测轴承，证明判断完全正确。 特别提示：在检查滚动轴承时，一定不要忽略轴承加速度值的变化。加速度更能够早期预报滚动轴承的故障。 三.国内轴承质量检测分析参考
第七章 滚动轴承的故障机理与诊断
第七章滚动轴承的故障机理与诊断 第一节滚动轴承故障的主要形式与原因 滚动轴承在运转过程中可能会由于各种原因引起损坏，如装配不当、润滑不良、水分或异物侵入、腐蚀和过载等都可能导致轴承过早损坏。即使在安装、润滑、和使用维护都正常德情况下，经过一段时间运转，轴承也会出现疲劳剥落和磨损而不能正常工作。总之，滚动轴承的故障原因是十分复杂的滚动轴承的主要故障形式与原因如下： 1.疲劳剥落 滚动轴承的内外滚道和滚动体表面既承受载荷有相对滚动，由于交变载荷的作用，首先在表面下一定深度处形成裂纹，继而扩展到接触表面使表层发生剥落坑，最后发展到大片剥落，这种现象就是疲劳剥落。疲劳剥落会造成运转时的冲击载荷、振动和噪声加剧。通常情况下，疲劳剥落往往是滚动轴承失效的主要原因，一般所说的轴承寿命就是指轴承的疲劳寿命，轴承的寿命试验就是疲劳试验。试验规程规定，在滚道或滚动体上出现面积为0.5mm2的疲劳剥落坑就认为轴承寿命终结。滚动轴承的疲劳寿命分散性很大，同一批轴承中，其最高寿命与最低寿命可以相差几十倍乃至上百倍，这从另一角度说明了滚动轴承故障监测的重要性。 2.磨损 由于尘埃、异物的侵入，滚道和滚动体相对运动时会引起表面磨损，润滑不良也会加剧磨损，磨损的结果使轴承游隙增大，表面粗糙度增加，降低了轴承运转精度，因而也降低了机器的运动精度，振动及噪声也随之增大。对于精密机械轴承，往往是磨损量限制了轴承的寿命。 此外，还有一种微振磨损。在轴承不旋转的情况下，由于振动的作用，滚动体和滚道接触面间有微小的、反复的相对滑动而产生磨损，在滚道表面上形成振纹状的磨痕。 3.塑性变形 当轴承受到过大的冲击载荷或静载荷时，或因热变形引起额外的载荷，或有硬度很高的异物侵入时都会在滚道表面上形成凹痕或划痕。这将使轴承在运转过程中产生剧烈的振动和噪声。而且一旦有了压痕，压痕引起的冲击载荷会进一步引起附近表面的剥落。 4.锈蚀 锈蚀是滚动轴承最严重的问题之一，高精度轴承可能会由于表面锈蚀导致精度丧失而不能继续工作。水分或酸、碱性物质直接侵人会引起轴承锈蚀。当轴承停止工作后，轴承温度下降达到露点，空气中水分凝结成水滴附在轴承表面上也会引起锈蚀。此外，当轴承内部