首页/文章/ 详情

故障诊断学习|CWRU数据集介绍 第3期

1年前浏览673
                       

故障诊断学习


- CWRU轴承故障特征频率 -

上一期介绍了CWRU轴承数据集实验台装置、数据采集过程和数据详细说明。


本期将介绍以下2个方面

1、轴承故障特征频率计算公式

2、CWRU轴承故障特征频率计算

一、轴承故障特征频率计算公式

       

图 6 4种轴承故障类型示例

图6为4种有缺陷的轴承,它们产生的振动频率与轴承转速成正相关,且与滚动体、保持架、和内外圈密切相关。

有缺陷的内圈、外圈、保持架和滚动体的轴承故障频率计算公式如下[3]:

       


上式中:

fBPFI为内圈故障特征频率,

fBPFO为外圈故障特征频率,

fFTF为保持架故障特征频率,

fBSF为滚动体故障特征频率。

公式中参数说明如表7所示。

从以上4个公式可发现,当轴承型号已知时,即n, d, D, α已知时,故障特征频率与轴转速成正比。将这个正比系数称为故障特征频率系数C,则fBPFI=CBPFI*fr,其它三个故障特征频率类比可得。

表 7 轴承故障频率计算公式参数说明[1]

       


二、CWRU轴承故障特征频率计算

       

图 7 滚动轴承剖面图

图7为滚动轴承剖面图。d滚动体直径,D为轴承节圆直径,α为接触角(载荷与径向平面的夹角)。

表 8 实验轴承尺寸参数[2]

       

表 9 故障特征频率系数[2]

       

表 10 各转速下轴承故障特征频率 

       

CWRU数据集中使用的轴承尺寸参数如表8所示

根据轴承尺寸参数可算出轴承故障频率系数。其结果如表9所示。值得注意的是,表格里的系数都除以了60。这样故障特征频率系数才能直接和单位为rpm的转速fr相乘得到故障特征频率。

各转速下的故障特征频率如表10所示。


三、下期预告

下期将介绍故障特征频率的计算推导公式。


四、参考文献及资料

[1] D. Neupane and J. Seok, "Bearing Fault Detection and Diagnosis Using Case Western Reserve University Dataset With Deep Learning Approaches: A Review," IEEE access, vol. 8, pp. 93155-93178, 2020-01-01 2020.

[2] https://csegroups.case.edu/bearingdatacenter/pages/welcome-case-western-reserve-university-bearing-data-center-website

[3] https://blog.csdn.net/wy2ysh/article/details/51011808


作者:小平

如需转载,请后台联系作者

说明:部分图片来源网络,若有侵权,烦请联系处理



来源:故障诊断与python学习
振动
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2023-06-22
最近编辑:1年前
故障诊断与python学习
硕士 签名征集中
获赞 57粉丝 63文章 133课程 0
点赞
收藏
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈