流体机械在市政水利、石油化工、农业、电力、国防等各个领域被广泛应用,滚动轴承是支撑流体机械转子系统的重要部件,它的正常运转对流体机械的正常运行起到重要作用。轴承在复杂多变的机械系统和工作环境中会出现不同形式、不同程度的疲劳、磨损和腐蚀等故障造成失效,进而影响到整体系统的工作。因此轴承故障的诊断与识别对流体机械故障的检测和早期预报有着重要意义。本文以SKF6304号轴承为研究对象,对轴承的外圈和滚动体故障进行显式动力学仿真,同时对轴承进行不同程度的破坏用以故障试验,验证仿真与实验结果的相似性,得到故障数据库并建立故障诊断模型,对模型性能进行了评估与比较。本文具体研究内容和主要研究成果如下:(1)研究了滚动轴承内圈和滚动体故障时的振动特性。使用Hypermesh和ABAQUS/Explicit建立了内圈故障和滚动体故障轴承的有限元动力学分析模型,并对振动信号进行了 FFT变换。结果发现两种故障的位移信号在频域上更能够找到明显的故障频率为35.3Hz、25.7Hz,与计算频率35.2Hz、25.5Hz的误差仅为0.28%、0.78%,且存在倍频成分,验证了故障轴承频率计算公式,为试验提供了先验条件;速度和加速度信号中无法分析得到清晰的故障频率,可能是因为微分过程中信号特点丢失;综合各个方向上的位移、速度和加速度信号分析可知,频率在轴向上表现更为明显的故障频率,其次是Z方向。(2)进行了故障模拟试验。对多个轴承进行不同种类、不同程度的破坏性处理,在不同的转速下对六个方位,包括驱动端和非驱动端的水平、垂直、轴向进行振动加速度信号采集。结果中的轴承外圈、内圈和滚动体故障在1 000r/min时的故障频率分别为41.99Hz、71.27Hz、59.57Hz,与计算频率 42.8Hz、73.7Hz、58.5Hz 的误差仅为 1.9%、1.9%、1.8%,同时轴向振动信号傅里叶变换后频谱故障特征最清晰,验证了有限元模拟结果;此外,细微故障时各类故障频谱图特征区别不清晰,但故障严重时振动频谱则会在故障频率及其倍频处出现峰值。(3)建立了故障诊断模型。使用三种算法建立故障诊断模型,包括SVM、XgBoost、Vote算法,三种模型的故障样本来源于文中模拟试验,其分类预测准确率分别为94.9%、100%、100%,综合三种模型的各种评估标准,Vote模型在计算时间、准确率和内存消耗上相比其他两类模型存在显著优越性,能够进行已有故障的准确分类。