滾動(dòng)軸承退化預(yù)測模型關(guān)鍵步驟和技術(shù)探討

陳惠紅

（廣州番禺職業(yè)技術(shù)學(xué)院，廣東 廣州 511483）

迅速發(fā)展的制造技術(shù)，使得機(jī)械設(shè)備的性能和結(jié)構(gòu)更加智能化和緊密化，而結(jié)構(gòu)越精密、智能化越高的機(jī)械設(shè)備產(chǎn)生故障的概率會越高，并且，由于機(jī)械設(shè)備某個(gè)部件的損壞未及時(shí)發(fā)現(xiàn)而得不到及時(shí)修復(fù)，就會使得整個(gè)設(shè)備引起功能性的障礙。因此，對設(shè)備的零部件定時(shí)巡檢、修復(fù)和維護(hù)非常有必要。常見的維護(hù)方法包括計(jì)劃性的維護(hù)與事后及時(shí)維護(hù)兩類，但都無法使得災(zāi)難性的故障得以預(yù)防，也無法解決維修損壞的問題，因此，提出了一種“視情維修”方法的研究。視情維修是一種機(jī)械設(shè)備維修方式，指分析機(jī)械設(shè)備的當(dāng)前運(yùn)行狀態(tài)和運(yùn)行發(fā)展趨勢，預(yù)測其運(yùn)行是否正確和可靠確定是否安排維修。而準(zhǔn)確評估機(jī)械設(shè)備的狀態(tài)與退化趨勢，判定其剩余壽命是展開設(shè)備視情維修的基礎(chǔ)工作，預(yù)測剩余的壽命可以及時(shí)發(fā)現(xiàn)設(shè)備的故障并且可以預(yù)測設(shè)備故障運(yùn)行發(fā)展趨勢，接著可以針對性地實(shí)施預(yù)防措施和執(zhí)行維修測量，不用等到設(shè)備發(fā)生功能性障礙才做出應(yīng)對措施。

機(jī)械設(shè)備中非常重要的一個(gè)零部件是滾動(dòng)軸承，它在整個(gè)設(shè)備系統(tǒng)中負(fù)責(zé)承擔(dān)性和傳遞負(fù)載的重要工作，工作條件非常惡劣，所以非常容易損壞，而其運(yùn)行的狀態(tài)會影響到整個(gè)設(shè)備的性能和壽命等，所以預(yù)測和評估滾動(dòng)軸承的當(dāng)前狀態(tài)、退化趨勢及其剩余壽命非常重要，但是因?yàn)橛绊憹L動(dòng)軸承壽命的因素多、實(shí)驗(yàn)過程費(fèi)時(shí)、建模的難度大、積累數(shù)據(jù)困難等原因，使得對滾動(dòng)軸承預(yù)測模型的建立比較困難。文章探討建立滾動(dòng)軸承預(yù)測模型關(guān)鍵步驟和技術(shù)，希望對滾動(dòng)軸承壽命的預(yù)測模型構(gòu)建有一定的指導(dǎo)作用。

1 提取滾動(dòng)軸承特征

1.1 選擇滾動(dòng)軸承狀態(tài)特征

常用的滾動(dòng)軸承狀態(tài)的特征包含有噪聲特征、溫度特征、磨損微粒特征和震動(dòng)特征等，按照這些狀態(tài)特征的變化去識別設(shè)備運(yùn)行的狀態(tài)，顯得簡單便捷且直觀，其中，噪聲特征的優(yōu)點(diǎn)是其包含的信息量比較多，且采集噪聲特征數(shù)據(jù)的時(shí)候不會受到空間和設(shè)備的影響，比較容易獲取，但是使用噪聲特征對滾動(dòng)軸承的運(yùn)行情況進(jìn)行判斷雖然原理上可行，技術(shù)上卻比較困難，所有在實(shí)際比較少用到；正常運(yùn)轉(zhuǎn)的滾動(dòng)軸承，在摩擦和旋轉(zhuǎn)過程中會釋放一些熱量，如果滾動(dòng)軸承產(chǎn)生了故障，滾動(dòng)軸承的溫度就會發(fā)生顯著的改變，所以溫度也是滾動(dòng)軸承的一種狀態(tài)特征，但其靈敏度很低，一般只作為對滾動(dòng)軸承設(shè)備狀態(tài)的初度診斷手段；磨損是機(jī)械設(shè)備故障的最普遍形式，經(jīng)過分析收集的磨損顆粒來分析磨損狀況，然后有針對性地對設(shè)備診斷和維護(hù)，在背景噪聲較大不能很好使用噪聲特征或者由于空間限制不能使用震動(dòng)特征進(jìn)行測量時(shí)候，磨損微粒特征就成為了一種非常重要的狀態(tài)特征；震動(dòng)特征從故障產(chǎn)生的原理入手，分析震動(dòng)特點(diǎn)，接著判斷機(jī)械設(shè)備運(yùn)行的狀態(tài)，是一種比較廣泛使用的狀態(tài)特征，對震動(dòng)特征的分析、處理方式的研究與應(yīng)用非常多，且成果比較成熟，包括從頻率角度、能量角度和幅度角度等的變化進(jìn)行研究和分析。

1.2 提取滾動(dòng)軸承振動(dòng)特征

振動(dòng)特征一般是通過加速度傳感器來得到的，包含了大量的有用故障特征數(shù)據(jù)，例如滾動(dòng)軸承整個(gè)生命周期的檢測數(shù)據(jù)是間隔一段時(shí)間就采集一次，整個(gè)測試階段就需要保存上百兆的震動(dòng)特征數(shù)據(jù)，數(shù)據(jù)分析比較困難。所以提取有意義的數(shù)據(jù)特征非常必要。當(dāng)前經(jīng)常使用到的提取震動(dòng)特征的方法包括：時(shí)域指標(biāo)特征提取方法、頻域指標(biāo)特征提取方法和時(shí)頻域指標(biāo)特征提取方法和熵的特征提取方法。根據(jù)產(chǎn)生故障時(shí)表現(xiàn)不同的特性來分，時(shí)域指標(biāo)特征提取含有量綱和無量綱指標(biāo)，有量綱指標(biāo)的震動(dòng)幅度會隨著設(shè)備故障的加劇而逐漸增大，其對設(shè)備的早期故障比較敏感，而跟隨著負(fù)載轉(zhuǎn)速、工況的變化越發(fā)不穩(wěn)定；無量綱指標(biāo)與軸承工作情況無關(guān)，即對振動(dòng)特征信號的頻率和幅度值的結(jié)構(gòu)變化情況不敏感，但隨著軸承故障加強(qiáng)，靈敏度會跟著降低；頻域指標(biāo)特征提取主要選擇與軸承狀態(tài)有關(guān)的幅值信息和軸承故障定位信息等，可以更好地分析滾動(dòng)軸承的狀態(tài)信號特征；因?yàn)轭l域與時(shí)域指標(biāo)提取方法計(jì)算公式簡單、方便進(jìn)行計(jì)算，從而被廣泛的使用；原始的軸承震動(dòng)信號特性中存在噪聲，會影響實(shí)際震動(dòng)特征的獲取，所以直接從震動(dòng)原始信號中提取的頻域和時(shí)域的特征信息不能很好地表達(dá)軸承工作中的細(xì)微變化過程，而基于非線性的小波分析法和經(jīng)驗(yàn)?zāi)B(tài)軸承特征分解法等時(shí)頻域指標(biāo)特征提取方法和熵的特征提取方法可以很好地解決去除特征提取噪聲的問題。

2 建立滾動(dòng)軸承評估指標(biāo)

使用上述提取的滾動(dòng)軸承特征準(zhǔn)確的表達(dá)當(dāng)前軸承的狀態(tài)以及隨著時(shí)間的變化故障程度隨著引起的變化規(guī)律，可以很好地預(yù)期軸承的剩余壽命，需要構(gòu)建可以全面、準(zhǔn)確地表達(dá)軸承運(yùn)行情況的特征指標(biāo)體系，因?yàn)檩S承復(fù)雜的運(yùn)行情況，單個(gè)特征建立的軸承退化評估指標(biāo)已經(jīng)不能有效滿足由多個(gè)因素引起軸承退化的情況，所以融合多個(gè)軸承特征、構(gòu)建綜合的軸承退化評估指標(biāo)體系非常關(guān)鍵。如果軸承退化評估指標(biāo)體系選取和建立不好則對故障的評估將會不夠準(zhǔn)確、對故障的發(fā)展趨勢判斷也會不夠靈敏，會使得下一步的建立預(yù)測模型加大困難度，將得出不準(zhǔn)確的預(yù)測結(jié)果，因此，實(shí)現(xiàn)滾動(dòng)軸承退化預(yù)測過程中非常關(guān)鍵的步驟就是對提取的大量特征數(shù)據(jù)進(jìn)行篩選且采用適當(dāng)?shù)乃惴ㄟM(jìn)行融合。

3 建立滾動(dòng)軸承預(yù)測模型

滾動(dòng)軸承的重要性能指標(biāo)之一是壽命，定義為滾動(dòng)軸承內(nèi)滾道或者滾動(dòng)體發(fā)生一個(gè)疲勞剝落前的總轉(zhuǎn)數(shù)或工作時(shí)間[1]。滾動(dòng)軸承壽命的預(yù)測包括退化趨勢和剩余壽命預(yù)測，預(yù)測的關(guān)鍵問題在于如何選擇合適的預(yù)測模型，當(dāng)前學(xué)術(shù)界展開和各種研究，產(chǎn)生了多種多樣的滾動(dòng)軸承預(yù)測模型，例如：斷裂力學(xué)滾動(dòng)軸承壽命預(yù)測模型、統(tǒng)計(jì)分析滾動(dòng)軸承壽命預(yù)測模型和狀態(tài)監(jiān)測滾動(dòng)軸承壽命預(yù)測模型，而狀態(tài)監(jiān)測滾動(dòng)軸承壽命預(yù)測模型當(dāng)前研究熱點(diǎn)。狀態(tài)監(jiān)測滾動(dòng)軸承壽命預(yù)測模型使用實(shí)時(shí)采集的狀態(tài)特征數(shù)據(jù)，建立內(nèi)部規(guī)律，從而搭建預(yù)測模型，并根據(jù)訓(xùn)練數(shù)據(jù)的變化不斷的去調(diào)整模型的結(jié)構(gòu)，進(jìn)而得到最優(yōu)化的預(yù)測結(jié)果，實(shí)時(shí)對滾動(dòng)軸承進(jìn)行檢測，掌握其實(shí)時(shí)的工作狀態(tài)，實(shí)現(xiàn)滾動(dòng)軸承退化趨勢的預(yù)測，當(dāng)前常用的模型包括：神經(jīng)網(wǎng)絡(luò)模型、專家系統(tǒng)模型和SVM（支持向量機(jī)）模型等。

4 結(jié) 語

通過分析當(dāng)前機(jī)械設(shè)備和滾動(dòng)軸承故障引起的原因及影響，得出滾動(dòng)軸承退化預(yù)測模型的關(guān)鍵步驟如下：獲取軸承的特征屬性，建立綜合性的軸承退化評估指標(biāo)，搭建合理的預(yù)測模型，最后模型和數(shù)據(jù)展開訓(xùn)練，得到有效的預(yù)測退化和剩余壽命的結(jié)果，通過滾動(dòng)軸承退化預(yù)測模型關(guān)鍵步驟和技術(shù)探討，對構(gòu)建滾動(dòng)軸承退化趨勢及剩余壽命的預(yù)測模型有一定的指導(dǎo)作用。