- 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