轴承故障诊断技术及发展现状和前景

轴承故障诊断技术及发展现状和前景

摘要

本文分析了轴承故障信号的基本特征,并将共振解调技术的原理和基于振动信号的信号处理方法用于滚动轴承的故障诊断. 在实践中运用该技术手段消减了背景噪声的干扰,提高了轴承的信噪比, 取得了与实际情况完全吻合的诊断结果。并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，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；共振解调；小波

分析；信噪比(SN R )；变速箱；故障监测；信号处理；故障诊断；应用技术。

1 轴承故障信号的基木

特征

机器在正常工作的条件下其转轴

总是匀速转动的. 由轴承的结构可知,

当轴承某元件的工作而产生缺陷时,

由加速度传感器所测取到的轴承信号

具有周期性冲击的特征，由信号理论

可知, 时域中短暂而尖锐的冲击信号

变换到频域中去时必具有宽频带的特

性, 而非冲击的干扰信号则不具有上

述特性，所以时域中的周期性冲击与

频域中的宽频带特性构成了轴承故障

信号区别于其它非冲击性干扰信号的

基木特征。

2 用共振解调技术提高

轴承信号的信噪比

我们来考察一下用共振解调技术提高轴承信号信噪比的过程。传感器拾取到的轴承信号包含两部分内容, 即轴承的故障信号和干扰噪声两部分。带通滤波器的中心频率与传感器的安装片振圆频率相一致, 它将保存被传感器的共振响应所加强了的冲击性故障信号, 滤除掉频率较低的干扰噪声信号, 这种保留下来的瞬态冲击信号经过包络检波器后就形成了一个与故障冲击重复频率相一致的包络脉冲串, 然后对该脉冲串进行普分析便在低频域内得到一个与冲击币复频率相一致的峰值。峰值的大小反映了冲击的强弱即故障的严重程度这样我们就借助共振解调技术实现了故障信号与干扰信号的分离, 并在低频域内重新得到了故障冲击的信息。而在常规的信号分析与处理过程中一开始就使用了抗混频滤波器(低通滤波器这种分析方法没有利用轴承故障信号的特点, 经抗混频滤波器后将被传感器的共振以加强放大了的故障特征信号无情地滤除了, 所剩下的只是强大的背景噪声信号及微弱的故障特征信号, 因此用常规的信号分析方法难以排除干扰信号的影响而采用共振解调技术就可以排除背景噪声的干扰, 提高轴承故障诊断的有效率。

3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。

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。

4 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。

4.1 振动信号基的故障监测

和诊断技术

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。

4.1.1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。

4.1.2循环平稳信号的监测和诊断技术

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。

4.1.3 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。Cohen L 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”， Sun Q 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；Nikolaou N G 等提出了使用小波包变