轴承类故障
例1 云南铜业股份有限公司锅炉引风机故障
（1） 机组概述
电收尘车间锅炉引风机（布袋风机），由电动机通过联轴器和轴承座带动风机叶轮转动，叶片数12，为典型的悬臂风机，介质为烟气尾气，支撑均为滚动轴承。其相关参数如下：
电机额定功率：250kw
电机额定转速：1477r/min
电机端轴承型号：N322（负载端）、6322（风扇端）
风机端轴承型号：N322
（2） 测试方案
根据机组特点，对机组轴承处壳体振动信号进行测量提取，共提取4个测点，9个振动通道。测试仪器为郑州恩普特设备诊断工程有限公司的设备状态检测与安全评价系统PDES-E ，传感器主要为速度传感器，磁座吸附安装。测点布置图如图1。
（3） 测试数据
测试数据见表
1
下图为轴承振动波形图和频谱图
从本次测量的振动值大小和频谱图来看，机组目前处于良好的工作状态，没有明显故障成分，但从本机组的运行历史可知，该机组的轴承经常损坏，寿命很短，说明存在其他损坏轴承的因素。本次所测量的实验数据，虽然振动值不大，但也出现轴承故障特征。
图2 轴承前端水平方向振动特征
（4） 案例解析
从历史的角度看问题是故障诊断的基本准则之一。一般来说，变化率和累计变化率都能正确判断机器状态的变化。本例中振动烈度虽然较小，但冲击特性很明显，滚动轴承故障特征初现，说明轴承处于故障初期，属轻微的冲击性局部故障。
例2 焦作电厂锅炉引风机故障诊断
（1） 测试与分析概况
2006年12月5号，焦作一发电厂锅炉引风机振动大，尤其在电机端，振动异常，并有较大噪声，经测试分析发现，在16hz 振动幅值是0.3mm/s，而在110hz
处振动达
到0.8mm/s。该风机转速为960rpm （16hz ），分析知道，110hz 是略低于7 倍频的频率，经查，该处轴承为滚子轴承，滚子数量为14,110hz 频率正好接近于1/2*14*fr,可以判断为滚动轴承故障。
（2） 案例解析
判断滚动轴承最简易的方法是，3倍频以上非整数倍转速频率成分是关注的重点，如本例中特征频率为6.875倍转速频率，在滚动体数目不详的情况下用此法预估，完全可以满足现场诊断的需求。
例3 某航空公司齿轮箱滚动轴承故障
（1） 案例分析
某航空轴承需要在轴承实验器上进行持久寿命试验考核。由于试验时间很
长，试验轴承转速高，在试验过程中对试验器的变速箱进行了全程的振动监测，并用上述方法对变速箱中的滚动轴承进行了故障诊断。
图3是对试验器的变速箱进行振动监测的简图。在变速箱轴承座上拾取的振
动加速度信号经过调理器的处理后送入计算机进行数据采集。振动信号采样频率为51200hz ，采样触发方式为转速脉冲触发开始采集，振动加速度传感器为YD-3，转速测量采用光电反射式测量方式。变速箱中1,2,3,4齿轮分别是
图3 航空发动机试验器中变速箱的振动监测与诊断试验简图
52,26,48,30，滚动轴承型号为FB8184. 轴承参数如表2所示。
表2 轴承参数
试验器的电机为Z2-82型直流电机，其功率为40kw ，额定电流为208A ，额定转速为1500r/min，电动机的调速采用SCR-D 可调系统。
由于试验时间很长、被实验转速高，在试验前对变速箱进行了拆装检查，变速箱各个部件无故障、状态良好。
图4是在试验刚刚开始不久、变速箱无故障时在变速箱输出轴II 中靠近增速器端的轴承座上测得的振动信号及其频谱。测试时，驱动电机的转速为600r/min，可以算出变速箱输出轴轴II 的转速为1200r/min。在图4的频谱中，可以看见变速箱的几个共振峰，以及520hz 的齿轮啮合频率。
图5是在试验进行201小时时，在变速箱输出轴轴II 中靠近增速器端的滚动轴承座上测得的振动信号及其频谱。在测试时，变速箱输出轴II 的转速亦为1200r/min。
图4变速箱无故障时的振动信号及其频谱
图5中的频谱明显比图4中的频谱的幅值大，变速箱的几个共振峰以及520hz 齿轮啮合频率的幅值都增大了。但从图5 中的频谱不能发现齿轮箱轴承故障的信息。
图5 试验进行201小时后变速箱的振动信号及其幅值
值得说明的是，图4与图5 中的振动信号，是同一测试系统用同一传感器在同一测量位置和同一转速下测量得到的，这对下面进行的自适应除燥将会更有利。
图6是对试验刚刚开始不久、变速箱无故障时的振动信号直接进行共振解调分析的结果。从图6（e ）的包络频谱中，没有发现明显的滚动轴承故障特征曲线。
图7是对图5中的振动信号直接进行共振解调分析以诊断变速箱输出轴II 中靠近增速端滚动轴承故障的分析结果。根据图7（b
）的振动频谱，确定的带通滤波器的中频
率为12200hz 。图7（c ）为带通滤波后的信号，图7（d ）为包络信号。在图7（e ）
图6 对变速箱无故障时的振动信号直接进行共振解调分析的结果
图7 对图5的振动信号直接进行共振解调分析的结果
的包络频谱中，可以发现约等于86.47hz 的轴承滚动体故障频率（根据表2的轴承参数、轴承转速和参考文献的计算公式，可以计算轴承元件故障特征频率）谱线，但不明显且存在严重的边频调制，调制频率为输出轴轴II 的转频（=20hz）；输出轴轴II 的转频谱线十分突出。从图7（e ）的包络频率看出，离散的轴频调制谐波谱线，掩盖了轴承故障特征谱线，对故障诊断有不良影响。
图8是对图5中的振动信号先进行自适应除燥后再进行共振解调分析的结果。图8（a ）是图5中的振动信号经过自适应除燥后的振动信号。自适应除燥时，图5（a ）中的振动信号为ANC 的主输入，图4（a ）中的振动信号为参考输入。图8（b ）是除燥后振动信号的频谱。从图8（b ）可以看出齿轮的啮合频率谱线以不存在。图8（c ）为带频滤波后的信号，仍然取带通滤波器的中心频率为1200hz 。图8（d ）、图8（e ）为包络信号及其频率。在图6（e ）的包络频谱中，约等于86.47hz 的滚动体故障频率及其二、三、四阶谐波频率的谱峰非常明显。
图8 对图5的振动信号先进行自适应除燥在进行共振解调分析的结果
比较图7和图8的分析结果，发现本例中的提出的轴承故障诊断方法提高了齿轮箱中滚动轴承振动信号的信燥比，可以成功地对齿轮箱中滚动轴承进行故障诊断。
（2） 结论和讨论
提出了一种基于自适应除燥技术和共振解调技术的齿轮箱滚动轴承的故障诊断方法。该方法对传统的自适应除燥技术的使用方式进行了革新，只用一个传感器信号拾取信号，即先用传感器拾取轴承无故障时的正常振动信号，然后用同一传感器和测量系统、在同一位置上拾取轴承在状态监测过程中的工作振动信号，最后把两次拾取的信号分别作为自适应除燥系统的参考输入和主输入进行除燥处理和共振解调技术相组合的轴承故障诊断方法，可以大幅度地剔除齿轮箱振动信号中掩盖滚动轴承故障信息的齿轮啮合振动等背景噪声，有效地诊断齿轮箱中滚动轴承的故障。
当齿轮箱中啮合齿轮发生故障时，应用本例所提出的诊断方法，同样可以有效地除燥和诊断。另外，由于转速测量不准确、轴承可能存在打滑等原因，使得理论计算获得的轴承故障特征频率与实际包络频谱中的故障特征频率之间存在差异，有时第一阶基频的误差达到了5%--10%，因此，从包络频率中识别滚动轴承故障包络频谱特有的“没故障就没有谱线”、“有故障则出现多阶谐波谱线”等规律进行判别。
例4 邹县发电厂1号炉丙排粉机滚动轴承故障实例
（1） 早期故障的发现和分析
2002年1月，邹县发电厂1号炉丙粉机是单级离心式风机，型号M5-36-
11MO210/2D，流量136850m^3/h,全压13043pa ，转速1485rpm ，介质为浓度小于10%的煤粉气流，介质温度70—100 C°。配用一高压交流电动机，功率850kw 。风机为悬臂转子，同侧双支撑结构，两组支撑轴承布置在同一轴承箱内，46号机械油润滑，轴承箱内通有工业水对轴承进行冷却。风机侧为两个并列放置的单向短圆柱滚子轴承，型号为日本NSKNU334轴承。风机整体结构见【图9】。
图9 风机结构图
1号炉大修前，诊断中心定期对设备进行检测，通过对采集的数据进行分析，发现1号炉丙粉机叶轮侧轴承存在隐患。通过1 号炉丙粉机叶轮侧轴承水平方向振动频谱图，分析各振动尖峰值，发现该处轴承处外圈故障频率（BPFO
）及其倍频出
现，说明轴承圈故障现象。同时，倍频两侧均分布在有1倍转速频率的边带，说明轴承外圈出现了故障度【图10】为1号炉丙粉机叶轮侧轴承水平方向振动频谱图。
图10 1号炉丙粉机叶轮侧轴承水平方向振动频谱图
该部位轴承为日本NSK 轴承，型号N u334.对照轴承手册可知，相当于SKF —Nu334型号轴承，利用RBMware 软件的轴承故障频率计算功能，可计算出该轴承各故障频率，如【表3】。
表3 轴承各故障频率
从【表3】可知，额定转速时轴承外圈1倍频故障频率为154.10hz 。对照频谱图中各振动幅值，可以看出频谱图出现的轴承外圈故障频率，轴承外圈故障频率见
【表4】。
表4 轴承外圈频率
利用RBM 软件中的PeakVue 技术，对该轴承水平方向振动情况进行测量，频谱图见
【图11】。
图11 水平振动方向频谱图
（2） 结论
从频谱图上可以看出。1kz 频率采集范围内，能够出现1—6 倍轴承外圈故障全部出现。这从另一方面证实，该轴承冲击能量出现较大，轴承外圈故障严重。
（3） 分析结论的正确性
2002年9月，1号机组大修，利用设备解体的机会来证实分析的正确性，2002年9月23日1号炉丙粉机大修，丙排粉机解体后发现风机端内侧轴承外圈出现一径
图12 轴承外圈裂纹
向贯穿性裂纹，见【图12】。该缺陷的发现，有力地证实了诊断中心利用先进诊断仪器对该缺陷的早期诊断。
2002年8月份，发现设备早期故障信息时，与负责该设备的状态诊断人员联系，用Vm-63手持式测量仪测量的该处振动值为17微米，用手持式红外测温仪测得的该处温度值为32C°，且声音正常。按照该厂的状态监测标准，该轴承的运行状态是合格的。考虑到该故障外部特征表现不显著，故障还未进入严重发展阶段，又因为9月份1号机组将进行大修，所以诊断中心监测报告只是建议重点监测、观察运行，在大修中更换轴承。此次设备大修解体发现了缺陷的存在，说明了一个重要问题：具有高级诊断技术合成的CIS2120机械分析仪能够发现设备内部的早期故障，而常规手段却难以做到。
例5 某厂一次风机滚动轴承故障案例
（1）故障的发现及分析
某厂一台一次风机，电机转速为四级异步电机，轴承为滚动轴承FAG22226EAS 采用加速度传感器分别测量电机和风机两个轴承的轴承座外壳水平（H ）、垂直（V ）和轴向（A ）方向的振动量，共12个测点。测点位置如【图13】所示。
图13 风机结构及测点位置
自2008年1月9日起，时域波形中发现明显的冲击信号，冲击水平（峰峰值）达到3g 左右，而频谱图中也开始出现10.41倍频及其谐波，同时周围还有1倍频边带，符合滚动轴承内圈故障，查找轴承型号并计算故障频率，发现该谐波与内圈频率基本一致（下图【 图14】中的D 即故障频率成分），确定为轴承故障。开始对其密切关注。
2008年7月14日，对其采集振动数据后发现时域波形上的峰峰值已达到6g 以上，而频谱图中也反应10.41倍频及其谐波，1倍频边带成分更明显，表明此时内
圈故障已经发展到比较严重的程度。（此时振动总量并未上升，一直维持在警告线
以下，只有1,399mm/s）
‘
图14 1月轴承振动时域波形
图15 7月轴承振动时域波
从上时域波形图中，我们可以发现转子没旋转一周，基本上会呈现一组类似的波形，而在每个周期内，则会有多组高频冲击信号，且幅值会有较大变化。这是由于滚动体随着内圈旋转时进出负载区所形成的振幅调制的现象。经过自相关处理后，我们甚至可以清晰的看出两个较高脉冲之间的相等时间间隔，如【图16所示】，0.00391s ，换算成频率正好是轴承内圈故障频率，257.71hz （10.41倍频）。
图 16滚动轴承波形自相关波形时域图
停机检修时拆下的轴承照片
（3） 结论
a ） FFT 频谱分析依然比较有效的滚动轴承故障诊断手段，缺点是比较难发现早期
的故障，同时也有可能遗漏某些轴承故障。
b ） 需结合时域波形、自相关、PeakVue 等多种分析手段，增加判断的准确性。文
献中也列出了PeakVue 发现但普通频谱分析无法发现的轴承故障。
c ） 趋势分析对于准确判断轴承故障的发展状况非常有效。
轴承类故障
例1 云南铜业股份有限公司锅炉引风机故障
（1） 机组概述
电收尘车间锅炉引风机（布袋风机），由电动机通过联轴器和轴承座带动风机叶轮转动，叶片数12，为典型的悬臂风机，介质为烟气尾气，支撑均为滚动轴承。其相关参数如下：
电机额定功率：250kw
电机额定转速：1477r/min
电机端轴承型号：N322（负载端）、6322（风扇端）
风机端轴承型号：N322
（2） 测试方案
根据机组特点，对机组轴承处壳体振动信号进行测量提取，共提取4个测点，9个振动通道。测试仪器为郑州恩普特设备诊断工程有限公司的设备状态检测与安全评价系统PDES-E ，传感器主要为速度传感器，磁座吸附安装。测点布置图如图1。
（3） 测试数据
测试数据见表
1
下图为轴承振动波形图和频谱图
从本次测量的振动值大小和频谱图来看，机组目前处于良好的工作状态，没有明显故障成分，但从本机组的运行历史可知，该机组的轴承经常损坏，寿命很短，说明存在其他损坏轴承的因素。本次所测量的实验数据，虽然振动值不大，但也出现轴承故障特征。
图2 轴承前端水平方向振动特征
（4） 案例解析
从历史的角度看问题是故障诊断的基本准则之一。一般来说，变化率和累计变化率都能正确判断机器状态的变化。本例中振动烈度虽然较小，但冲击特性很明显，滚动轴承故障特征初现，说明轴承处于故障初期，属轻微的冲击性局部故障。
例2 焦作电厂锅炉引风机故障诊断
（1） 测试与分析概况
2006年12月5号，焦作一发电厂锅炉引风机振动大，尤其在电机端，振动异常，并有较大噪声，经测试分析发现，在16hz 振动幅值是0.3mm/s，而在110hz
处振动达
到0.8mm/s。该风机转速为960rpm （16hz ），分析知道，110hz 是略低于7 倍频的频率，经查，该处轴承为滚子轴承，滚子数量为14,110hz 频率正好接近于1/2*14*fr,可以判断为滚动轴承故障。
（2） 案例解析
判断滚动轴承最简易的方法是，3倍频以上非整数倍转速频率成分是关注的重点，如本例中特征频率为6.875倍转速频率，在滚动体数目不详的情况下用此法预估，完全可以满足现场诊断的需求。
例3 某航空公司齿轮箱滚动轴承故障
（1） 案例分析
某航空轴承需要在轴承实验器上进行持久寿命试验考核。由于试验时间很
长，试验轴承转速高，在试验过程中对试验器的变速箱进行了全程的振动监测，并用上述方法对变速箱中的滚动轴承进行了故障诊断。
图3是对试验器的变速箱进行振动监测的简图。在变速箱轴承座上拾取的振
动加速度信号经过调理器的处理后送入计算机进行数据采集。振动信号采样频率为51200hz ，采样触发方式为转速脉冲触发开始采集，振动加速度传感器为YD-3，转速测量采用光电反射式测量方式。变速箱中1,2,3,4齿轮分别是
图3 航空发动机试验器中变速箱的振动监测与诊断试验简图
52,26,48,30，滚动轴承型号为FB8184. 轴承参数如表2所示。
表2 轴承参数
试验器的电机为Z2-82型直流电机，其功率为40kw ，额定电流为208A ，额定转速为1500r/min，电动机的调速采用SCR-D 可调系统。
由于试验时间很长、被实验转速高，在试验前对变速箱进行了拆装检查，变速箱各个部件无故障、状态良好。
图4是在试验刚刚开始不久、变速箱无故障时在变速箱输出轴II 中靠近增速器端的轴承座上测得的振动信号及其频谱。测试时，驱动电机的转速为600r/min，可以算出变速箱输出轴轴II 的转速为1200r/min。在图4的频谱中，可以看见变速箱的几个共振峰，以及520hz 的齿轮啮合频率。
图5是在试验进行201小时时，在变速箱输出轴轴II 中靠近增速器端的滚动轴承座上测得的振动信号及其频谱。在测试时，变速箱输出轴II 的转速亦为1200r/min。
图4变速箱无故障时的振动信号及其频谱
图5中的频谱明显比图4中的频谱的幅值大，变速箱的几个共振峰以及520hz 齿轮啮合频率的幅值都增大了。但从图5 中的频谱不能发现齿轮箱轴承故障的信息。
图5 试验进行201小时后变速箱的振动信号及其幅值
值得说明的是，图4与图5 中的振动信号，是同一测试系统用同一传感器在同一测量位置和同一转速下测量得到的，这对下面进行的自适应除燥将会更有利。
图6是对试验刚刚开始不久、变速箱无故障时的振动信号直接进行共振解调分析的结果。从图6（e ）的包络频谱中，没有发现明显的滚动轴承故障特征曲线。
图7是对图5中的振动信号直接进行共振解调分析以诊断变速箱输出轴II 中靠近增速端滚动轴承故障的分析结果。根据图7（b
）的振动频谱，确定的带通滤波器的中频
率为12200hz 。图7（c ）为带通滤波后的信号，图7（d ）为包络信号。在图7（e ）
图6 对变速箱无故障时的振动信号直接进行共振解调分析的结果
图7 对图5的振动信号直接进行共振解调分析的结果
的包络频谱中，可以发现约等于86.47hz 的轴承滚动体故障频率（根据表2的轴承参数、轴承转速和参考文献的计算公式，可以计算轴承元件故障特征频率）谱线，但不明显且存在严重的边频调制，调制频率为输出轴轴II 的转频（=20hz）；输出轴轴II 的转频谱线十分突出。从图7（e ）的包络频率看出，离散的轴频调制谐波谱线，掩盖了轴承故障特征谱线，对故障诊断有不良影响。
图8是对图5中的振动信号先进行自适应除燥后再进行共振解调分析的结果。图8（a ）是图5中的振动信号经过自适应除燥后的振动信号。自适应除燥时，图5（a ）中的振动信号为ANC 的主输入，图4（a ）中的振动信号为参考输入。图8（b ）是除燥后振动信号的频谱。从图8（b ）可以看出齿轮的啮合频率谱线以不存在。图8（c ）为带频滤波后的信号，仍然取带通滤波器的中心频率为1200hz 。图8（d ）、图8（e ）为包络信号及其频率。在图6（e ）的包络频谱中，约等于86.47hz 的滚动体故障频率及其二、三、四阶谐波频率的谱峰非常明显。
图8 对图5的振动信号先进行自适应除燥在进行共振解调分析的结果
比较图7和图8的分析结果，发现本例中的提出的轴承故障诊断方法提高了齿轮箱中滚动轴承振动信号的信燥比，可以成功地对齿轮箱中滚动轴承进行故障诊断。
（2） 结论和讨论
提出了一种基于自适应除燥技术和共振解调技术的齿轮箱滚动轴承的故障诊断方法。该方法对传统的自适应除燥技术的使用方式进行了革新，只用一个传感器信号拾取信号，即先用传感器拾取轴承无故障时的正常振动信号，然后用同一传感器和测量系统、在同一位置上拾取轴承在状态监测过程中的工作振动信号，最后把两次拾取的信号分别作为自适应除燥系统的参考输入和主输入进行除燥处理和共振解调技术相组合的轴承故障诊断方法，可以大幅度地剔除齿轮箱振动信号中掩盖滚动轴承故障信息的齿轮啮合振动等背景噪声，有效地诊断齿轮箱中滚动轴承的故障。
当齿轮箱中啮合齿轮发生故障时，应用本例所提出的诊断方法，同样可以有效地除燥和诊断。另外，由于转速测量不准确、轴承可能存在打滑等原因，使得理论计算获得的轴承故障特征频率与实际包络频谱中的故障特征频率之间存在差异，有时第一阶基频的误差达到了5%--10%，因此，从包络频率中识别滚动轴承故障包络频谱特有的“没故障就没有谱线”、“有故障则出现多阶谐波谱线”等规律进行判别。
例4 邹县发电厂1号炉丙排粉机滚动轴承故障实例
（1） 早期故障的发现和分析
2002年1月，邹县发电厂1号炉丙粉机是单级离心式风机，型号M5-36-
11MO210/2D，流量136850m^3/h,全压13043pa ，转速1485rpm ，介质为浓度小于10%的煤粉气流，介质温度70—100 C°。配用一高压交流电动机，功率850kw 。风机为悬臂转子，同侧双支撑结构，两组支撑轴承布置在同一轴承箱内，46号机械油润滑，轴承箱内通有工业水对轴承进行冷却。风机侧为两个并列放置的单向短圆柱滚子轴承，型号为日本NSKNU334轴承。风机整体结构见【图9】。
图9 风机结构图
1号炉大修前，诊断中心定期对设备进行检测，通过对采集的数据进行分析，发现1号炉丙粉机叶轮侧轴承存在隐患。通过1 号炉丙粉机叶轮侧轴承水平方向振动频谱图，分析各振动尖峰值，发现该处轴承处外圈故障频率（BPFO
）及其倍频出
现，说明轴承圈故障现象。同时，倍频两侧均分布在有1倍转速频率的边带，说明轴承外圈出现了故障度【图10】为1号炉丙粉机叶轮侧轴承水平方向振动频谱图。
图10 1号炉丙粉机叶轮侧轴承水平方向振动频谱图
该部位轴承为日本NSK 轴承，型号N u334.对照轴承手册可知，相当于SKF —Nu334型号轴承，利用RBMware 软件的轴承故障频率计算功能，可计算出该轴承各故障频率，如【表3】。
表3 轴承各故障频率
从【表3】可知，额定转速时轴承外圈1倍频故障频率为154.10hz 。对照频谱图中各振动幅值，可以看出频谱图出现的轴承外圈故障频率，轴承外圈故障频率见
【表4】。
表4 轴承外圈频率
利用RBM 软件中的PeakVue 技术，对该轴承水平方向振动情况进行测量，频谱图见
【图11】。
图11 水平振动方向频谱图
（2） 结论
从频谱图上可以看出。1kz 频率采集范围内，能够出现1—6 倍轴承外圈故障全部出现。这从另一方面证实，该轴承冲击能量出现较大，轴承外圈故障严重。
（3） 分析结论的正确性
2002年9月，1号机组大修，利用设备解体的机会来证实分析的正确性，2002年9月23日1号炉丙粉机大修，丙排粉机解体后发现风机端内侧轴承外圈出现一径
图12 轴承外圈裂纹
向贯穿性裂纹，见【图12】。该缺陷的发现，有力地证实了诊断中心利用先进诊断仪器对该缺陷的早期诊断。
2002年8月份，发现设备早期故障信息时，与负责该设备的状态诊断人员联系，用Vm-63手持式测量仪测量的该处振动值为17微米，用手持式红外测温仪测得的该处温度值为32C°，且声音正常。按照该厂的状态监测标准，该轴承的运行状态是合格的。考虑到该故障外部特征表现不显著，故障还未进入严重发展阶段，又因为9月份1号机组将进行大修，所以诊断中心监测报告只是建议重点监测、观察运行，在大修中更换轴承。此次设备大修解体发现了缺陷的存在，说明了一个重要问题：具有高级诊断技术合成的CIS2120机械分析仪能够发现设备内部的早期故障，而常规手段却难以做到。
例5 某厂一次风机滚动轴承故障案例
（1）故障的发现及分析
某厂一台一次风机，电机转速为四级异步电机，轴承为滚动轴承FAG22226EAS 采用加速度传感器分别测量电机和风机两个轴承的轴承座外壳水平（H ）、垂直（V ）和轴向（A ）方向的振动量，共12个测点。测点位置如【图13】所示。
图13 风机结构及测点位置
自2008年1月9日起，时域波形中发现明显的冲击信号，冲击水平（峰峰值）达到3g 左右，而频谱图中也开始出现10.41倍频及其谐波，同时周围还有1倍频边带，符合滚动轴承内圈故障，查找轴承型号并计算故障频率，发现该谐波与内圈频率基本一致（下图【 图14】中的D 即故障频率成分），确定为轴承故障。开始对其密切关注。
2008年7月14日，对其采集振动数据后发现时域波形上的峰峰值已达到6g 以上，而频谱图中也反应10.41倍频及其谐波，1倍频边带成分更明显，表明此时内
圈故障已经发展到比较严重的程度。（此时振动总量并未上升，一直维持在警告线
以下，只有1,399mm/s）
‘
图14 1月轴承振动时域波形
图15 7月轴承振动时域波
从上时域波形图中，我们可以发现转子没旋转一周，基本上会呈现一组类似的波形，而在每个周期内，则会有多组高频冲击信号，且幅值会有较大变化。这是由于滚动体随着内圈旋转时进出负载区所形成的振幅调制的现象。经过自相关处理后，我们甚至可以清晰的看出两个较高脉冲之间的相等时间间隔，如【图16所示】，0.00391s ，换算成频率正好是轴承内圈故障频率，257.71hz （10.41倍频）。
图 16滚动轴承波形自相关波形时域图
停机检修时拆下的轴承照片
（3） 结论
a ） FFT 频谱分析依然比较有效的滚动轴承故障诊断手段，缺点是比较难发现早期
的故障，同时也有可能遗漏某些轴承故障。
b ） 需结合时域波形、自相关、PeakVue 等多种分析手段，增加判断的准确性。文
献中也列出了PeakVue 发现但普通频谱分析无法发现的轴承故障。
c ） 趋势分析对于准确判断轴承故障的发展状况非常有效。