滚动轴承故障诊断(附MATLAB程序).docVIP

第二组实验

轴承故障数据：

Test2.mat数据打开后应采用X105_DE_time作为分析数据，其他可作为参考，转速1797rpm

轴承型号：6205-2RSJEMSKF,深沟球轴承

采样频率：12kHz

1、确定轴承各项参数并计算各部件的故障特征频率

通过以上原始数据可知次轴承的参数为：

轴承转速r=1797r/min；滚珠个数n=9；滚动体直径d=7.938mm；

轴承节径D=39mm；：滚动体接触角α=0

由以上数据计算滚动轴承不同部件故障的特征频率为：

外圈故障频率f1=r/60*1/2*n(1-d/D*cosα)=107.34Hz

内圈故障频率f2=r/60*1/2*n(1+d/D*cosα)=162.21Hz

滚动体故障频率f3=r/60*1/2*D/d*[1-(d/D)^2*cos^2(α)]=70.53Hz

保持架外圈故障频率f4=r/60*1/2*(1-d/D*cosα)=11.92Hz

对轴承故障数据进行时域波形分析

将轴承数据Test2.mat导入MATLAB中直接做FFT分析得到时域图如下：

并求得时域信号的各项特征：

（1）有效值：0.2909；（2）峰值：1.5256；

（3）峰值因子：5.2441；（4）峭度：5.2793；

（5）脉冲因子：7.2884；（6）裕度因子：9.1083：

程序1：原始信号时域分析及小波去噪处理

clearall

z=importdata(C:\Users\wangkun\Desktop\轴承诊断\test2.mat);

x1=z.X105_DE_time(1:4096);

clearz;

N=4096;

fs=12000;

n=0:N-1;

t=n/fs;

f=n*fs/N;

figure(1);

plot(t,x1);

xlabel(t);

ylabel(幅值);

title(原信号时域图)

%小波去噪

[thr,sorh,keepapp]=ddencmp(den,wv,x1);

xd=wdencmp(gbl,x1,db3,2,thr,sorh,keepapp);

figure(2);

plot(t,xd);

xlabel(t);

ylabel(幅值);

title(小波去噪后时域图)

程序2：EMD分解及Hilbert包络

clc

clearall

z=load(C:\Users\wangkun\Desktop\轴承诊断\test2.mat);

x=z.X105_DE_time(1:1024);

N=1024;

fs=12000;

n=0:N-1;

f=n*fs/N;

lag=N;

n=0:N-1;

t=n/fs;

imf=emd(x);

[m,n]=size(imf);%imf为一m*n阶矩阵，m是imf分量，n为数据点

emd_visu(x,1:length(x),imf,m);%实信号的信号重构及emd结果显示函数

fori=1:m

a(i)=kurtosis(imf(i,:));%峭度

b(i)=mean(imf(i,:));%均值;

c(i)=var(imf(i,:));%方差;

d(i)=std(imf(i,:));%均方值

e(i)=std(imf(i,:)).^0.5;%均方根值

f(i)=skewness(imf(i,:));%计算偏度

end

[k,c]=max(a);%k为峭度最大值，c为最大元素在数组中的位置

[r,lags]=xcorr(x,lag,unbiased);%计算序列的自相关函数

fori=1:m

[R,lags]=xcorr(imf(i,:),lag,unbiased);%计算序列的自相关函数

a=corrcoef(R(1:N/2),r(1:N/2));%相关系数矩阵【对称】，主对角元素为1

xg(i)=abs(a(1,2));%相关系数

end

[R,C]=max(xg);%R为最大值，C为最大元素在数组中的位置

figure(4);

y=hilbert(imf(C,:));

a=abs(y);%包络

b=fft(a);

mag1=abs(b);

mag=mag1*2/N;

f1=(0:N-1)*fs/N;

plot(f1(1:N/2),mag(1:N/2));

%set(gca,xlim,[0,.400]);

title(包络);

xlabel(频率);

ylabel(幅值);