滚动轴承运行状态智能化监测

的指标。
N
（6）波形因子：S=NXRMS/∑i=1 |Xi|。
N
（7）脉 冲 因 子 ：If=NXpeak/∑i=1 |Xi|，脉 冲 因 子 对 于 冲 击 脉 冲 类
缺陷比较敏感，尤其是在早起缺陷出现时会明显增加。 脉冲因子
随着缺陷的发展上升一段时间后会逐渐下降。
（8）裕
度
因
子
：CLf=Xpeak/（
滚动轴承故障诊断系统，该系统具有自学功能，随着投入使用时
间的增长，系统将自动地把每次所测试的结果记录进知识库，并
根Байду номын сангаас知识库不断更新网络权值，使系统不断增强、诊断准确度不
断提高。
2 滚动轴承故障诊断中的信号的分析与处理
2.1 信号的预处理— ——零均值化
预处理的目的是提高数据的可靠性和真实性，同时可以检
的程序， 可以精确迅速地判断出滚动轴承中是否发生故障以及
对应的故障类型。
BP 神 经 网 络 判 别 轴 承 故 障 的 优 势 ：BP 神 经 网 络 具 有 很 好
的函数逼近能力，可以准确地建立滚动轴承运行状态分类器,较
好地解决滚动轴承故障诊断中状态的模式识别问题。 利用 BP
神经网络技术还可开发出具有自动测试和智能故障诊断功能的
77
2014.NO.01
河南科技
Journal of Henan Science and Technology
机械与自动化
能，它包括三个方面；知识表示、知识运用和知识获取．传统人工
智 能 研 究 的 思 路 是 “自 上 而 下 ”，它 将 知 识 通 过 符 号 进 行 表 示 和
运用，并具体化为规则等形式，而思维活动则通过这些公式和规
别几个过程。 具体实现过程为：
1.6.1 提取特征数据。 通 过 删 除 原 始 特 征 值 的 伪 信 息 、幅
度归一化，对样本数据进行预处理。 然后通过不变性变换，提取
数据矢量中的不变特征，进行压缩，构成训练样本。
1.6.2 建立神经网络。 按 照 样 本 的 结 构 ，初 步 确 定 网 络 的
1.3.5 声学诊断技术 ：振 动 信 号 虽 然 能 提 供 较 多 滚 动 轴 承 的故障信息，但是由于滚动轴承的信号比较复杂，故障信号与正 常振动信号混在一起，为了提取滚动轴承的故障信息，不得不采 用比较复杂的监测诊断系统，信号处理技术要求较高，这在某种 程度上使滚动轴承的故障诊断应用受到了限制。
轴承较困难。 1.3.3 油 膜 电 阻 诊 断 技 术 ：润 滑 良 好 的 轴 承 ，由 于 油 膜 的
作用，内、外圈之间有很大的电阻。 故通过测量轴承内、外圈之间 的电阻，可对轴承的异常作出判断。 适用于旋转轴外露的场合， 对表面剥落、压痕、裂纹等异常的诊断效果比较差。
1.3.4 温 度 诊 断 技 术 ：轴 承 若 产 生 某 种 异 常 ，轴 承 的 温 度 会发生变化。 因此，根据温度的变化，可以对轴承故障进行诊断， 但对异常判断的能力只能给予很低的评价。 温度监测对轴承载 荷、速度和润滑情况的变化反映比较敏感，尤其对润滑不良而引 起的轴承过热现象很敏感。 所以，用于这种场合比较有效。 温度 监测不适用于点蚀、局部剥落等所谓的局部损伤类故障。
姨 （3）均 方 根 值 ：XRMS=
1 N
N
∑i=1
X2i
，均方根值反映了信号下
x(t)相 对 于 零 值 的 波 动 情 况 ，表 示 信 号 的 平 均 能 量 。
（4）
峰
值
：Xpeak=
1 2
（max（xi）+min（xi）），峰值 是 信 号 最 大 的 瞬
时幅值，反映信号的强度。
（5）峰 值 因 子 ：Cf=Xpeak/XRMS，峰 值 因 数 表 示 波 形 是 否 有 冲 击
则来定义，使机器产生像人类一样的思维能力。 这一理论指导了
早期人工智能的研究。
20 世纪 80 年代人工神经网络 研究出现 7 新的突破， 基于
结构演化的计算智能迅速成为人工智能研究的发展方向。 计算
智能是研究基于数据的智能，包括神经网络、遗传算法、模糊技
术和人工生命等，它以数据为基础，通过训练建立联系，进行问
1 N
N
∑i=1 姨|Xi|
）2。
以 Z2015 为 例 ，对 其 零 均 值 化 处 理 后 进 行 特 征 抽 取 ，得 以
下时域特征，见表 1。
名称 Z2015 Z2515 Z3015 Z20610 Z25610 Z30610 G2015 G2515 G3015 G20610 G25610 G30610
测信号的随机性，以便正确地选择分析处理方法。 本设计零均值
化处理。
2.2 时域分析及特征抽取
（1）均
值
：X=
1 N
N
∑i=1 Xi
均值表示随机过程的中心趋势，随机
过程都是围绕着它聚集和波动，是随机过程的静态分量。 检测值 比较稳定是均值在故障诊断应用中的一大优势。
（2）方 差 ：σ2=∑Ni=1 （Xi-X）2，方 差 描 述 了 随 机 过 程 在 均 值 周 围的散布程度，是随机过程的动态分量。
机械与自动化
2014.NO.01
河南科技
Journal of Henan Science and Technology
滚动轴承运行状态智能化监测
李露加 （西南交通大学，四川 成都 611756） 摘 要：轴承，是机械设备的一种关键零件，作为机械系统中广泛应用的提供自由旋转的基本元件，轴承的性能检测及故障诊断 正朝着智能化的方向发展。 关键词：故障检测；人工智能技术；BP 神经网络；信号分析与处理 中图分类号:TP23 文献标识码:A 文章编号：1003-5168(2014)01-0077-05
1 绪论 1.1 智能化轴承状态检测的意义 轴承，是机械设备的一种关键零件，整个设备的运行状态 和使用性能都直接受其运行状态的影响。 而轴承故障诊断系统 性能的好坏又取决于它在轴承早期运行中的故障检测能力。 轴 承有一个突出特点，即其寿命是离散的。 所以，按照设计寿命对 轴承进行定期维修是不科学的。 目前有两种改进办法，即将定期 维修改为视情维修或者与之维修。 综上，融合现代传感技术、信号传输与处理技术以及计算 机技术于一体的“智能化”诊断技术应运而生。 而作为机械系统 中广泛应用的提供自由旋转的基本元件， 轴承的性能检测及故 障诊断也朝着智能化的方向发展。 1.2 故障类型 1.2.1 磨损失效：是滚动 轴 承 一 种 最 常 见 的 失 效 形 式 。 当 尘埃、异物等润滑杂质侵入轴承滚道、滚动体、保持架、座孔或安 装轴承的轴颈或发生机械原因引起的损坏时，会发生磨损失效。 1.2.2 疲 劳 失 效 ：也 称 为 接 触 疲 劳 ，表 现 为 滚 动 体 或 滚 道 表面剥落或脱皮。 该种失效在形成初期，表面上会形成无规则的 小坑，之后逐渐延伸成大片剥落或脱皮。 载荷引起的交变应力是 造成剥落的主要原因， 润滑不良或强迫安装有时也可能导致疲 劳失效。 1.2.3 断裂失效：轴承的 断 裂 失 效 主 要 是 由 缺 陷 与 过 载 两 大因素造成的。 其中，过载断裂是指外加载荷超过材料强度极限 而造成的零件断裂；缺陷断裂是指轴承零件的微裂纹、孔缩、气 泡等外来杂物、过热组织以及在终极过载或剧烈震动是，在缺陷 处引起的断裂。 通常情况下，断裂失效多为过载断裂。 1.2.4 胶合失效： 胶合发 生 在 滚 动 接 触 的 两 个 表 面 间 ，为 一个表面上的金属粘附到另一个表面的现象。 当轴承的温度过 高、载荷过大或者油膜破裂时，轴颈和轴承的相对运动接触的两 表面材料发生黏附和迁移，从而造成轴承的损坏胶合失效，有时 也可能由润滑油供应不足引起。 1.2.5 保持架损坏：可能 是 由 于 保 持 架 材 料 的 缺 陷 以 及 铆 合缺陷等原因引起。 1.3 轴承运行状态监测的常用手段 1.3.1 振 动 诊 断 技 术 ： 轴 承 元 件 的 工 作 表 面 出 现 疲 劳 剥 落、压痕或局部腐蚀时，轴承运行中会出现周期性的脉冲信号。 这种周期性信号可由安装在轴承座上的传感器 (速度型或加速 度型)来接收，通过对振动信号的分析来诊断轴承的故障，是现 今采用最为广泛的方法。 1.3.2 铁谱诊断技术：轴 承 磨 损 颗 粒 与 其 工 作 状 况 有 密 切 的联系。 将带有磨损颗粒的润滑油通过强磁场，在强磁场的作用 下，磨粒按一定的规律沉淀在铁谱片上，铁谱片可在铁谱显微镜 上做定性观察或在定量仪器上测试，据此判断轴承的工作状况。 这种方法适合于用润滑油润滑的轴承的故障诊断， 对用脂润滑
方差 1.6094 1.5215 1.5131 1.5173 1.5094 1.5251 2.1709 1.6893 1.5131 2.1859 1.8123 1.6532
均方根 0.3285 0.3204 0.3185 0.3189 0.3181 0.3197 0.3815 0.3365 0.3185 0.3828 0.3485 0.3329
题求解。 这一“自下而上”的新的研究方法引起来自各方面越来
越多的关注，成为现代人工智能新的研究热点与方向。
1.6 BP 神经网络在故障诊断中的功能
BP 网络故 障 模 式 识 别 系 统 主 要 包 含 ：数 据 样 本 采 集 、数 据
处 理 、特 征 值 的 提 取 、BP 神 经 网 络 的 建 立 、网 络 的 学 习 、故 障 识
求，则停止迭代过程。 网络的连接权值和节点阈值训练完毕。
1.6.4 故障模式识别验证。 将提取的识别样本输入到神经
网络，用训练所得的权值作为网络权值，设定误差极限，即可运
行程序网络输出结果即指出故障模式类别， 这可用于网络识别
准确程度的验证。
经过以上的 BP 神经网络识 别的系统， 利于计算机设 定好
训 练 样 本 （x1，x2，… ，xp）。 神 经 网 络 得 到 实 际 输 出 （o1，o2，… ，
op），与期 望 输 出 （y1，y2，… ，yp）作 比 较 得 误 差 修 正 函 数 ，误 差 沿
网络逆向传播，并按 BP 算法的要求不断自适应地修改网络的连
接权值和阈值。 验证 P 个样本的总训练误差， 如果达到精度要
1.4 轴承状态检测中振动信号的采集 1.4.1 滚动轴承故障时的频率特性 滚动轴承故障的振动诊断可以根据所监测频带的不同,分 为低频诊断和高频诊断。 其中低频诊断主要应用在轴承中各零 部件的故障检测中;而高频诊断则是针对于滚动轴承存在的缺陷 进行的。 1.4.2 滚动轴承振动测试实验台设计 要想在不解体的情况下对滚动轴承进行振动诊断，振动信 号就只能在机器外表面进行提取。 此时，传感器的位置应尽可能 靠近待测部位,以缩短被测信号的传递路径，从而避免信号的减 弱、畸变或传递受阻,使所测的信号能最大限度地反映检测部位 的工况。 滚动轴承故障诊断中,振动信号的采集是关键；而保证信号 采集的准确性、 合理性和实时性是正确实现故障诊断的前提条 件。 将振动加速度传感器产生的微弱电荷信号传送到电荷放大 器进行电荷放大,将高阻抗信号转变为低阻抗信号,振动信号被 记录到一个数据记录仪(TEACCSRD 135T)。 采集的模拟数据通过 带滤波的 A/D 转换器转换为数字信号。 选用的 A/D 转换器 和电 荷放大器都可以起到滤除噪音的作用,使得采集的信号更加准确 并简化了后期数据处理过程。 1.5 人工智能技术 人 工 智 能 是 20 世 纪 50 年 代 兴 起 的 覆 盖 面 很 广 的 一 门 新 学科，其主要目标是用人工系统来模拟人的问题求解、推理和学 习等方面的能力，它涉及多个学科领域的知识，如计算机科学、 控制论、信息论、神经生理学、心理学、语言学和认知科学等。 人工智能经过近半个世纪的发展，已形成了多个研究方向． 从整体上看，可以将它分为符号智能和计算智能两大类。 符号智能即所谓的传统人工智能，主要研究基于知识的智
拓扑结构。 由故障征兆的个数确定网络输入层节点数，由故障原
因的个数确定网络输出层节点数， 然后结合经验选取合适的隐
层节点数。 这些参数直接影响网络的训练与识别的快速性和准
确性。
1.6.3 进行网络训练。 神经网络的知识是隐性表示为网络
的拓扑结构和连接权值，这是经过训练获得的。 其训练过程为：
把网络权值矩阵和阈值矩阵初始化一组随机数。 分别输入 p 个