滾動軸承早期故障診斷技術

趙光昌，謝剛，張清華

（1.太原理工大學 信息工程學院，太原 030024；2.廣東石油化工學院 計算機與電子信息學院，廣東 茂名 525000）

據統計，由于軸承導致的故障在旋轉機械所有故障中占到1／3左右［1］。近年來，隨著相關學科的發展和相互滲透，機械設備故障診斷技術在基礎理論研究及實際應用中不斷發展和完善［2］，但對于結構復雜的深層次復合故障，傳統的故障診斷方法不僅對操作人員要求較高，而且效果欠佳。

人工智能技術的發展使得旋轉機械故障診斷技術的研究取得突破性進展，朝著智能化的方向發展［3-4］。這就要求在更高的知識層面上，通過知識處理技術集成數理邏輯和辯證邏輯，統一推理過程和算法流程，統一數值計算和符號處理，通過知識化概念和處理方式實現故障診斷的智能化處理，為進一步處理復雜系統中的深層次復合故障問題提供工具［5］。

盡管目前可以熟練地提取到軸承中晚期故障的特征信息，但為時已晚，必須對設備進行停機檢修［6］。為避免不必要的損失，提高生產效率，應盡早發現機械設備的故障部位以便防微杜漸，最關鍵的問題是如何提取軸承早期故障的微弱信號［7］。處于故障早期階段的故障特征極不明顯，故障信號比較微弱且受噪聲影響大，很難通過分析原始信號的時頻域特性識別故障的明顯特征，故障信息的早期識別難度相當大［2］。因此，對軸承早期故障的檢測與診斷成為學者們研究的熱點。

1 振動機理及頻率特性

1.1 振動產生原因

常見的滾動軸承損傷形式有疲勞損傷、電化學腐蝕、表面損傷、過熱燒傷、人為破損及膠合等［8］。雖然故障類型繁多，但經統計發現，內外圈損傷類故障占90%以上，而由滾動體和保持架所導致的故障不足10%［9］。

當機械設備運轉時，軸承以設定的速度轉動并帶有一定的負載，此時以軸承、軸承座和箱體為組成零件的軸承系統就會產生激勵，進而促使整個設備系統發生振動，其振動通常會受內部因素和外部因素的影響。軸承系統振動產生的機理如圖1所示［10-11］。在外部，機械設備的其他部件會對軸承產生影響，例如軸承受到傳動軸壓迫時就會有振動產生；在內部，除零件本身的材質特性、加工制造誤差和裝配誤差之外，振動產生最主要的原因就是運行故障。

圖1 滾動軸承系統振動產生的機理

軸承系統的振動成分較復雜，如果不考慮制造安裝等相關因素，引起振動的原因可分為2大類［11］：（1）由軸承自身結構特性和彈性形變引起的振動，即軸承自身的固有振動。只要軸承系統發生運轉，不管有無故障存在，這類振動都會發生，且通常具有確定的性質；（2）故障損傷類振動，主要由系統運行異常或零件損傷所致，該類振動與軸承系統的故障一一對應，即不同的振動特征只與特定故障類型相對應。第1類振動產生的振動信號具有軸承各零件固有頻率不斷衰減的特點，呈現出每個脈沖的反復性自由衰減振動；第2類則具有與軸承系統運動形式和結構密切相關的特點，表現為周期性的沖擊振動［12-13］。

1.2 滾動軸承的頻率特征

軸承在正常運行過程中通常會產生2種振動，一種是正常的振動，由軸承各零件的材料特性所引起的，例如表面粗糙度、波紋度等；另一種是軸承轉動過程中，滾動體在內、外圈之間發生相互碰撞而激起各部件的固有振動，屬于強迫性振動，頻率范圍為20～60 Hz［14］，遠高于故障特征頻率，固有頻率一般由材料、結構特點、制造質量及安裝方式所決定，與軸承轉速無關。軸承系統各零件的固有頻率主要有［15-16］

式中：fB為滾動體固有頻率，Hz；Dw為滾動體直徑，mm；E為材料彈性模量，N／m2；ρ為材料密度，kg／m3；ft為內、外圈固有頻率，Hz；t為軸承系統固有頻率的階數，t＝2，3，4，…；B為軸承寬度，mm；b為軸承套圈寬度，mm。

當滾動體在軸承滾道上運行時，若某些零件存在局部缺陷，如內、外圈或滾動體的表面出現了損傷點，就會與其接觸的其他零件出現反復性碰撞，從而產生沖擊信號。這種短時間的低頻脈沖振動具有形狀陡峭，周期性出現的特點，通常稱為通過頻率，即滾動軸承的故障特征頻率［8-9］。一般情況下，假設軸承內圈隨轉軸轉動，外圈固定在軸承座上，且滾動體與滾道之間只發生純滾動而不存在相對滑動。根據動力學和幾何學條件可計算各零件的故障特征頻率［13，17］。軸承系統的轉動頻率為

式中：n為軸的轉速，r／min；Dpw為球（滾子）組節圓直徑，mm；α為接觸角；Z為滾動體個數。

目前，有關故障特征頻率的理論計算已非常精確，但在實際操作中，測量值與理論值仍存在一定的偏差［13］。盡管如此，故障特征頻率的計算仍是軸承故障診斷十分有效和便捷的方法，可以作為下一步故障診斷的理論依據。

2 滾動軸承早期故障診斷的現狀

大約在20世紀50年代，國外有人通過聽取設備的運轉聲音對旋轉設備中滾動軸承故障診斷展開了初步的研究［18］。該方法目前仍在使用，常用設備有聽棒、電子聽診器等，但這些方法過度依賴人為經驗，可靠性存在異議。由于以上缺陷，致使大量使用振動速度的振動烈度、振動加速度的峭度值等來檢測軸承故障的測振儀器迅速涌現［19］，從而大大減少了對人為經驗的依賴性，有效提高了診斷準確性，但仍很難提取滾動軸承早期故障的有效信息。

經過50多年的發展，信息技術推動著滾動軸承信號處理方法和故障診斷技術向更高水平的方向發展，診斷方法呈現出多樣化，準確度也越來越高。縱觀滾動軸承故障診斷的研究歷程，可將其分為以下4個階段［20-22］：

第1階段——頻譜分析診斷技術。20世紀60年代中期，信號譜分析法在滾動軸承故障診斷領域開始嶄露頭角，與快速Fourier變換的融合更是促進了滾動軸承故障診斷技術的飛速發展［23］。這一時期，人們先計算軸承零件發生故障時振動信號的特征頻率，然后與頻譜分析儀的實際測量結果比較，最終確定滾動軸承的故障情況。

第2階段——沖擊脈沖診斷技術。第1家使用沖擊脈沖技術進行故障診斷的公司是瑞典的SPM儀器公司，他們于20世紀60年代末研發出了沖擊脈沖計。該方法的關鍵是如何確定沖擊脈沖的最大幅值，其是判斷軸承有無故障的重要依據［24］，適用于檢測滾動軸承的早期損傷類故障。

第3階段——共振解調診斷技術。最早將共振解調思想引入故障診斷領域的科學家是美國的雅迪，他于1974年發明了共振解調分析系統［25］，之后逐步演變為現在所使用的共振解調技術。該技術最大的特點是融合了包絡譜分析法，在對滾動軸承早期損傷類故障進行診斷時比沖擊脈沖技術更有效。其可以同時檢測軸承有無故障發生以及故障類型，對故障的嚴重程度也有一定的診斷能力［26］。

第4階段——在線監測與智能診斷技術。進入20世紀80年代以后，掀起了以計算機為核心的發展狂潮，使滾動軸承故障診斷技術向智能化方向發展［27］。這一階段的特點是以計算機為核心，適應性強，可以在線進行監測，滿足生產現場的需求，得到了廣泛的使用。

國內對這一領域的研究起步較晚，在科技信息高速發展的年代不斷發展，取得了一些顯著性的成果。目前，對滾動軸承中晚期故障的研究已趨于成熟化，許多合理有效的診斷方法在實際生產中已投入使用。一般情況下，滾動軸承的故障診斷過程如圖2所示，主要分為4個步驟：（1）設備運行狀態的信息采集；（2）故障特征提取；（3）信號識別檢測；（4）診斷決策。其中，故障特征提取是診斷過程中最主要、最困難的環節，而故障特征的提取又與現代信號處理技術密切相關，因此就需要進一步完善機械故障診斷理論和技術，這已成為旋轉機械故障診斷領域至關重要的研究課題［28-30］。

圖2 旋轉機械設備故障診斷過程

3 滾動軸承早期故障診斷常用方法

3.1 聲音檢測法

聲音檢測法依賴人為經驗，主要是根據人的聽覺來實現，至今仍在使用。電子聽診器隨著科技的發展應運而生并得到廣泛使用。該方法影響因素較多，可靠性也比較差，而且對故障的嚴重程度和噪聲級別都不能作出定量分析。

3.2 溫度檢測法

溫度檢測法由軸承系統的溫度變化反映設備的損傷狀況。對于軸承承載過大、轉速不均、潤滑不良等原因導致的故障，該方法比較有效，特別當軸承出現過熱或燒傷現象時顯得尤為敏感。但此方法不易對軸承表面的輕微損傷進行有效診斷，如磨損、剝落、早期點蝕等。

3.3 油液檢測法

油液檢測法針對系統的潤滑油進行診斷，通過分析所采集的油樣中金屬顆粒及氧化物的大小和形狀判斷軸承系統是否存在故障［31］。油液檢測法主要包括理化分析法、光譜分析法、鐵譜分析法和磁塞分析法等，其可以用于滾動軸承故障的早期診斷，但存在取樣不便、實時性差、大金屬顆粒分析困難等不足，而且容易受到其他顆粒物的影響，具有一定的局限性。

3.4 振動檢測法

通過分析振動信號時頻域特性有效提取出故障特征信息，即可判斷設備的運行狀況和故障情況［32-33］。故障特征信息由多樣化的振動信號獲取，研究發現，軸承的振動加速度信號與實際情況最相近，因此，現階段大多使用加速度參數判定軸承故障。振動分析方法對振動信號的檢測和處理具有很強的可操作性和可靠性，對早期的輕微故障診斷也能取得很好的效果，應用領域比較廣泛［39］。

3.5 聲發射檢測法

聲發射現象是金屬材料釋放應變能量和短暫性的彈性應力波的一種物理現象，這種現象通常是由金屬材料內部裂紋、晶格錯位、晶界滑移所致［9，34］。由于不同的物理特性，不同材料的聲發射頻率往往存在很大差異，聲發射頻率從高到低依次為超聲頻、聲頻、次聲頻。金屬材料同樣如此，聲發射頻率可以小到幾十Hz，大到幾百MHz，而且具有很強的隨機性，但金屬材料故障信號的強度卻相差無幾。聲發射檢測可以對各種類型的材料進行故障診斷，而且可以在無損的情況下對故障信息進行準確的識別，可操作性強，尤其適用于現場作業的旋轉設備［35］。

3.6 游隙檢測法

軸承系統在運行過程中一般要固定外圈或內圈，而未被固定的套圈會向一側發生移動，該移動量被稱為軸承游隙［16，36］。軸承游隙會隨著滾動軸承運轉磨損而不斷增大，當超過了初始設定的閾值就能斷定設備已出現了損傷，再根據具體的磨損量就可以判斷出故障發生的部位和原因。

除此之外，還有油膜電阻診斷法、光纖診斷法和光譜分析法等多種滾動軸承狀態檢測和故障診斷方法。

4 基于量綱一化指標的滾動軸承早期故障診斷

量綱一化指標由量綱相同的2個物理量相除得到，只是個數字，但在不同場合使用時代表的物理意義不同。將量綱一化幅域參數與常用的故障診斷方法相結合就形成了一種新的診斷方法——量綱一化診斷［37-38］。從20世紀80年代開始，經過20多年的發展，量綱一化指標對設備故障診斷的優勢逐步顯現出來，并已初步應用于生產現場［39-40］。進入21世紀以來，在繼續使用量綱一化指標進行設備故障診斷的同時，借鑒了人工智能的思想，為了使量綱一化指標能在故障診斷領域得到更好的應用，開展了指標優化、融合、開拓等工作。

量綱一化指標幾乎不受振動信號幅值和頻率的限制，只與概率密度函數曲線有關，是一種簡單有效的診斷參數，可定義為［39，41］

利用量綱一化指標［37，42，43］判定設備故障的前提是確定振動幅值精確的概率密度函數，其曲線形狀的變化直接反映設備的故障狀況，即量綱一化指標對各類型故障的敏感程度［44］。受其自身特性的影響，上述5種基本的量綱一化指標對不同故障的敏感性和穩定性不盡相同，在診斷過程中所起的作用也不同。在故障發生初期，大幅值的脈沖較少，其他參數值增加不多，而峭度指標和脈沖指標上升較快，這就說明峭度和脈沖指標對早期故障的敏感性比較高，可以作為診斷滾動軸承早期故障的重要特征參數［45-47］。

目前，將量綱一化指標與特征信號時頻域分析法相融合來進行故障診斷的方法已較為成熟。具體步驟為：首先進行在線實時數據的采集；然后計算各故障所對應的量綱一化指標參數，并將其平均值作為故障特征參數；最后與實際測量值進行比較，確定設備的故障狀況。常用的比較方法有［48-49］：（1）平均值比較法，若平均值不同，則判定無故障；反之，判定存在故障；（2）門限值比較法，也稱聚類比較法，定義特征值與測量值的最小允許差值為閾值（一般為距離函數），若差值小于閾值，則判斷出現了故障；反之則判斷為無故障。

5 結束語

現階段的早期故障診斷技術還不能滿足旋轉機械設備發展和工業生產的需求，還需要從以下2個方面入手對軸承早期故障診斷技術進行深入研究：

（1）自動化、智能化已是時代發展的大潮流，將傳統方法與智能化技術相結合推進診斷技術的集成化。深入分析各種早期故障診斷技術的優缺點，將其進行融合從而形成更有效的診斷系統。

（2）告別單純的監測和診斷階段，結合新方法、新技術，形成集監控、預判、檢測、診斷和維護管理一體化的綜合診斷系統。