轴承故障监测诊断技术新进展

轴承故障监测诊断技术新进展李兴林，张仰平，曹茂来，张燕辽，陆水根，李建平（杭州轴承试验研究中心有限公司，浙江杭州310022）摘要：本文简要概述了滚动轴承故障监测和诊断工程与试验应用技术的现状，着重介绍了基于振动信号的信号处理方法，并预测了滚动轴承故障监测和诊断技术应用新进展和发展方向。关键词：滚动轴承；故障监测；故障诊断；诊断技术；信号处理；应用技术SurveyofFaultDetectionandDiagnosisTechniqueandItsApplicationofRollingBearingLIXing-lin,ZHANGYang-ping,CAOMao-lei,ZHANGYan-liao,LUShui-gen,LIJian-ping(HangzhouBearingTestandResearchCenter，Hangzhou310022，China)Abstract:Thesurveyofrollingbearingengineeringandtestaboutfaultdetectionanddiagnosisandapplicationtechniqueweredescribedinthispaper.Thesignalanalysisbasedonvibrationsignalwasintroducedemphatically.Theprogressofrollingbearingengineeringandtestaboutfaultdetectionanddiagnosisandapplicationtechniquewereprognosticatedintheendofthispaper.Keywords:rollingbearing;faultdetection;faultdiagnosis;diagnosistechnique;signalanalysis;applicationtechnique1前言机械是装备制造业的核心行业。装备制造业是为国民经济和国防建设提供技术装备的战略性产业。轴承是装备制造业的关键基础件。党和国家审时度势做出了大力振兴装备制造业的战略决策。振兴装备制造业的核心是重大装备的自主创新和国产化。作为装备制造业重大装备关键基础件的轴承产品也必须实现自主创新和国产化。国务院《关于加快振兴装备制造业若干意见》中提出，要选择16个对国家经济安全和国防建设有重要影响的关键领域，以其重大技术装备和产品为重点，实现重大突破，尽快扩大自主装备市场占有率。这16个关键领域的重大技术装备和产品，绝大部分都要装用轴承，需要高技术含量的轴承来保证其精度、性能、寿命和可靠性。因此，重大技术装备配套轴承的自主创新和国产化的任务十分艰巨而紧迫。据初步测算，至2010年，这16个关键领域年需要配套轴承约550.5万套，产值约116.5亿元。滚动轴承作为机械设备中重要的旋转零件，也是机械设备的重要故障源之一，统计表明：在使用滚动轴承的旋转机械中，大约有30%的机械故障是滚动轴承引起的，感应电机故障中的滚动轴承故障约占电机故障的4O%左右，齿轮箱各类故障中的轴承故障率仅次于齿轮而占20％。据有关资料表明，我国现有的机车用滚动轴承，每年约有40%要经过下车检验，而其中的33%左右被更换，因此研究机车轴承故障监测和诊断，改定期维修为状态维修，有重要的经济效益和实用价值。据统计，对机械设备应用状态监测与故障诊断技术后，事故发生率可降低75％，维修费用可减少25%～5O%。滚动轴承的状态监测与故障诊断技术在了解轴承的性能状态和及早发现潜在故障等方面起着至关重要的作用，而且还可以有效提高机械设备的运行管理水平及维修效能，具有显著的经济效益。随着科学技术的进步和生产力的发展，机械设备和生产系统日益向大型化、精密化、高速化和自动化方向发展，一方面提高了生产效率、降低了生产成本，另一方面对机械的设计、制造、安装、使用、维修和可靠运行提出了更高、更严格的要求。一个微小的故障，可能会影响到整个系统运行的稳定性和安全性，甚至造成灾难性后果。2滚动轴承故障监测和故障诊断技术机器质量控制与监控诊断专家，已故的屈梁生院士提出了“诊断是以机械学和信息论为依托，多学科融合的技术，本质是模式识别”的学术思想[1]。故障诊断技术是一门集数学、力学、摩擦学、测控技术、计算机技术、信号处理技术、模式识别技术、人工智能技术、决策科学、信息科学等众多科学技术交叉、融合于一体的现代工程新学科，受到越来越多的重视和关注。滚动轴承的状态监测与故障诊断就是通过对滚动轴承在各种工况下表现出来的振动、噪声、温度、工作参数、气味、泄漏等信息的监测和综合分析来对其工作状态、故障类型和故障严重程度进行综合评价的过程，主要包括检测试验技术、信号处理技术、模式识别技术和预测评估技术4项基本技术，从而实现检测和发现异常、诊断故障状态和部位、分析故障类型、提出诊断方案和诊断结论的目的[2-4]。世界各国都十分重视对大型设备的状态监测和故障诊断工作，积极开展故障机理、故障监测、故障诊断技术等方面的研究和系统开发工作，自从20世纪70年代以来，国外的机械设备状态监测和故障诊断技术已经进入实用化阶段。我国故障诊断技术经过20多年的发展，从简易诊断到精密诊断，从一般诊断到智能诊断，从单机诊断到网络诊断，逐步走出了一条适合我国国情的发展道路，不论在故障诊断理论和方法上，还是在工程实践及监测诊断产品的研发中，都已经有了一定的基础[5-6]。3滚动轴承故障监测和故障诊断技术分类滚动轴承故障监测和诊断理论和方法的研究一直是研究的热点和难点，根据故障监测和诊断技术机理的不同，滚动轴承的故障诊断技术主要有振动诊断技术、油液诊断技术、热诊断（热成像诊断和温度诊断）技术、声学诊断技术、油膜电阻诊断技术、光纤诊断技术等，其中振动诊断技术、铁谱分析诊断技术、热诊断（热成像诊断和温度诊断）技术应用最为普遍。3.1振动信号基的故障监测和诊断技术[7-8]基于振动信号的滚动轴承故障监测和诊断技术主要通过对运行过程中轴承振动信号的采集和处理来对旋转机械中滚动轴承出现的疲劳剥落、变形、压痕、局部腐蚀等故障进行监测与诊断，该方法应用广泛，相关理论和实践都相对比较成熟，可以实现在线监测。3.1.1低频分析法和幅值参数指标分析法在滚动轴承运行过程中，轴承元件的表面损伤点反复撞击与之接触的其他元件表面而产生低频振动，这些频率一般在1kHz以下，该频率称为轴承故障特征频率，其可以通过以下的计算公式计算出来：外圈故障特征频率：cos(1)120wepwDnNfD内圈故障特征频率：cos(1)120wipwDnNfD滚动体故障特征频率：2cos[1()]60保持架故障特征频率：cos(1)120wcpwDNfD式中：Dw为滚动体直径；Dpw为滚子组节圆直径；α为接触角；n为滚动体个数；N为轴承转速。通过对监测到的振动信号进行技术处理，分离和突出故障特征信息，从而对轴承的早期故障进行监测和诊断。另外，轴承振动信号中的许多统计特征参量随着故障的性质及严重程度发生变化，可以作为轴承故障监测和诊断的依据，应用比较广泛的参数主要有：设xi（i=1,2,…,n）为采集到的振动信号序列，则峰值（Peak）:11mPeakpjjXxm（xpj是用峰值计数法从信号xi中找出的m个峰值，j=1，2，…，m）均方根值RMS（RootMeanSquare）:211nRMSiiXxn峭度（Kurtosis）：414niiRMSnxKX峰值因子（CrestFactor）：PeakRMSXCX峭度因子（KurtosisFactor）:414niiFRMSxKnX波形因子（ShapeFactor）:111RMSniiXSxn脉冲因子（ImpulseFactor）:111peakniiXIxn裕度因子（ClearanceFactor）:211()peakniiXCLxn其中峰值和均方根值都是有量纲的参数，而峰值因子、峭度因子、波形因子、脉冲因子、裕度因子均是无量纲的参数。这些参数容易提取且无量纲参数对轴承的承载和转速不敏感、无须考虑相对标准值和与以前的数据进行比较,且对故障的早期阶段比较敏感，但对严重的故障抗干扰性较差，易产生误判。峰值、峰值因子、峭度等参数，虽对冲击故障敏感，但当故障进入严重发展阶段时，峰值因子、峭度等参数处于饱和状态，失去诊断能力。峭度因子是时域指标，对轴承故障产生的异常脉冲比较敏感，当振动信号服从正态分布时的正常值为3。所以，对原始信号进行必要的预处理和采用多参数诊断法，会大大提高故障诊断的可靠性。3.1.2平稳信号的监测和诊断技术早期的监测和诊断方法主要基于傅立叶频谱分析、时间序列模型的平稳振动信号分析方法。傅立叶频谱分析是通过查看频谱图中是否有明显的故障频率波峰存在，从而判断轴承是否正常运行，这种方法诊断出来的轴承往往已经有了较严重的损伤，对早期的轴承故障诊断不够灵敏。如果采集到的信号序列较短或傅立叶变换不能将相互靠近的两个频率分开，则采用时间序列模型分析（也称为参数模型的谱分析），常用的模型有ARMA模型、AR模型、MA模型等。为了提高信噪比和分析效能，时域平均方法、倒频谱分析、包络分析、数字滤波技术、自适应技术、主分量技术、细化谱技术、双谱技术、全息谱技术等分析技术被不断地充实到故障诊断的理论和方法中。3.1.3循环平稳信号的监测和诊断技术[9]循环平稳信号是一种特殊的非平稳信号，其统计特征参量随时间呈现周期或多周期的变化规律，具有循环平稳特性。基于二阶循环平稳理论的时间平滑周期图法，基于调幅和调频信号模型推导出循环域解调方法，基于谱相关密度提取轴承故障特征信号的方法等都能够有效地提取故障特征信号，有效抑制噪音和干扰信号对调制结果的影响，提高监测的准确性，同时循环平稳分析方法能更加贴切地反映轴承的真实运转情况，较准确地揭示故障的本质特征。3.1.4非平稳信号的监测和诊断技术由于傅立叶变换是信号的全局变换，因此不能够有效地分析非平稳信号。非平稳信号的局部性能需要使用时域和频域的二维联合表示，对这种信号的分析称为时频信号分析。CohenL的专著详细叙述了时变频谱在时频平面上的分布特性、计算方法、尺度表示以及各种算子问题，孟庆丰等描述了振动信号分析时频域法,证明了时频域法是识别轴承故障的有效方法，黄迪山等改进了Classen的Wigner分布算法,克服了由离散计算引起的混叠问题,应用二维、三维Wigner分布图对轴承故障进行了特征分析，实践表明,短时Fourier谱和Wigner分布都能将时域信号变换到时频域,但是对于时变信号,应用Wigner分布则更为适宜。小波分析是近年来发展起来的一种时频分析方法，该方法具有时域和频域的局部化和可变时频窗的特点，解决了傅立叶变换等不能解决的许多问题，被称为“数学显微镜”，SunQ等采用连续小波变换(CWT)的方法,通过各尺度连续小波变换的简化分析,来识别轴承振动信号中包含的以故障特征频率为周期的周期成分,用来检测轴承运行中的局部损伤故障；NikolaouNG等提出了使用小波包变换(WPT)作为分析系统振动信号的工具,来诊断轴承的局部缺陷，小波包变换能有效地提取振动信号的微弱瞬态特征；张中民等提出了基于正交小波变换诊断轴承故障的新方法；史东锋等提出了基于高斯函数的小波包络解调分析方法。张中民等利用小波分析技术将轴承故障振动信号分解到时—频空间,提出了利用能量分布函数细化谱诊断变速箱轴承故障的分析方法；张佩瑶等提出了提取强噪声背景下多通带窄带信号的一种新方法——小波包信号提取算法。实践证明，小波分析是一种有效的非平稳信号分析方法。另外，基于振动信号的改进小波包分析、改进的时频分析、高阶谱、211维谱分析、分形维数方法、奇异值分解技术、隐马尔经验模态分解技术、经验模态分解(EmpiricalModeDecomposition．EMD)技术等开始在滚动轴承故障监测与诊断的工程实践中得到越来越广泛的应用并