滾動(dòng)軸承故障診斷文獻(xiàn)綜述

1、滾動(dòng)軸承故障診斷文獻(xiàn)綜述2008-4-2 14:38:00 | By: mp2 0推薦文獻(xiàn)綜述滾動(dòng)軸承故障診斷1. 前言滾動(dòng)軸承是各種旋轉(zhuǎn)機(jī)械中應(yīng)用最廣泛的一種通用機(jī)械零件，它是機(jī)器最易損壞的零件之一。據(jù)統(tǒng)計(jì)。旋轉(zhuǎn)機(jī)械的故障有 30%是由軸承引起的。可見(jiàn)軸承 的好壞對(duì)機(jī)器的工作狀況影響很大。軸承故障診斷就是要通過(guò)對(duì)能夠反映軸承工 作狀態(tài)的信號(hào)的測(cè)取，分析與處理，來(lái)識(shí)別軸承的狀態(tài)。包括以下幾個(gè)環(huán)節(jié)： 信 號(hào)測(cè)?。惶卣魈崛?；狀態(tài)識(shí)別：故障診斷；決策干預(yù) o滾動(dòng)軸承故障診斷傳統(tǒng)的分析方法有沖擊脈沖法，共振解調(diào)法，倒頻譜分析技術(shù)。在現(xiàn)代分析方法中，小波分析是最近幾年才出現(xiàn)井得以應(yīng)用和發(fā)展的一種時(shí) 頻信

2、號(hào)分析方法。它具有時(shí)域和頻域的局部化和可變時(shí)頻窗的特點(diǎn).用它分析 非平穩(wěn)信號(hào)比傳統(tǒng)的傅里葉分析更為最著。由于滾動(dòng)軸承的故障信號(hào)中禽有非穩(wěn)態(tài)成分，所以剛小波分析來(lái)處理其振動(dòng)信號(hào). 可望獲得更為有效的診斷特征信息2。滾動(dòng)軸承故障的智能診斷技術(shù)就是把神經(jīng)網(wǎng)絡(luò)、專(zhuān)家系統(tǒng)、模糊理論等技術(shù) 與滾動(dòng)軸承的特征參數(shù)有機(jī)地結(jié)合起來(lái)進(jìn)行綜合分析的故障診斷技術(shù)。2. 故障信號(hào)診斷方法2.1沖擊脈沖法（spm）SPM術(shù)（Shock Pulse Method），是在滾動(dòng)軸承運(yùn)轉(zhuǎn)中，當(dāng)滾動(dòng)體接觸到內(nèi) 外道面的缺陷區(qū)時(shí)，會(huì)產(chǎn)生低頻沖擊作用，所產(chǎn)生的沖擊脈沖信號(hào)，會(huì)激起 SPM 傳感器的共振，共振波形一般為 20kHz60k

3、Hz,包含了低頻沖擊和隨機(jī)干擾的 幅值調(diào)制波，經(jīng)過(guò)窄帶濾波器和脈沖形成電路后， 得到包含有高頻和低頻的脈沖 序列。SPM方法是根據(jù)這一反映沖擊力大小的脈沖序列來(lái)判斷軸承狀態(tài)的。此種方法目前被公認(rèn)為對(duì)診斷滾動(dòng)軸承局部損傷故障工程實(shí)用性最強(qiáng)的。此方法雖然克服了選擇濾波中心頻率和帶寬的困難，但這種固定中心頻率和帶寬的方法也有 其局限性，因?yàn)椋恍┭芯拷Y(jié)果表明，滾動(dòng)軸承局部損傷故障所激起的結(jié)構(gòu)共振 頻率并不是固定不變的，在故障的不同階段可能激起不同結(jié)構(gòu)的共振響應(yīng)，而不同部位的故障（內(nèi)、外圈、滾子）也會(huì)激起不同頻率結(jié)構(gòu)的共振響應(yīng)。 顯然，固定 的濾波頻帶有其局限性。實(shí)際使用情況表明，當(dāng)背景噪聲很強(qiáng)或有其

4、他沖擊源時(shí)，SPM診斷效果很差，失去實(shí)用價(jià)值。2.2 共振解調(diào)技術(shù)共振解調(diào)法 (Demodulated Resonance Analysis) 也稱(chēng)包絡(luò)分析法或高頻共 振技術(shù)是處理機(jī)械沖擊引起的高頻響應(yīng)信號(hào)的有效方法。 當(dāng)機(jī)械故障引起等間隔 的高頻沖擊脈沖響應(yīng)信號(hào)時(shí)， 用硬件進(jìn)行高通濾波， 檢波和低通濾波提取信號(hào)的 包絡(luò)，或?qū)τ糜布蜍浖M(jìn)行高頻帶通濾波后的信號(hào)進(jìn)行 Hilbert 變換求包絡(luò)； 對(duì)包絡(luò)信號(hào)檢測(cè)其峰值P、均值R或P/R值，可診斷滾動(dòng)軸承的某些故障。當(dāng) 以軸承結(jié)構(gòu)系統(tǒng)的共振頻率為濾波器的中心頻率時(shí)， 包絡(luò)分析方法存在著如何確 定帶通濾波器的中心頻率和帶寬的問(wèn)題。 由于預(yù)先難以確定

5、設(shè)備結(jié)構(gòu)系統(tǒng)的共振 頻率，不同設(shè)備結(jié)構(gòu)系統(tǒng)共振頻率的變化范圍又較大， 為了使濾波器具有較大的 適應(yīng)性，只好選擇較寬的濾波頻帶， 但是，較寬的頻帶勢(shì)必引入大量的干擾噪聲， 降低信噪比； 若帶寬選得過(guò)窄則有可能漏掉結(jié)構(gòu)系統(tǒng)的共振頻率。 對(duì)包絡(luò)信號(hào)進(jìn) 行譜分析可識(shí)別出沖擊產(chǎn)生的頻率， 但是當(dāng)出現(xiàn)諧波或由于包絡(luò)信號(hào)存在幅值調(diào) 制而引起和頻、差頻時(shí)，包絡(luò)譜變得十分復(fù)雜，難以識(shí)別；而此時(shí)，包絡(luò)譜單一 譜峰的峰值也不能用于評(píng)價(jià)故障的嚴(yán)重程度。2.3 小波分析小波變換是近年來(lái)發(fā)展起來(lái)的一種新的時(shí)頻信號(hào)分析方法， 由于其良好的時(shí) 頻特性，被國(guó)內(nèi)外廣大科研工程人員應(yīng)用于故障診斷領(lǐng)域。文獻(xiàn)21 以 Haar 小波變

6、換為基礎(chǔ)， 采用脈沖指標(biāo)為診斷參數(shù)， 對(duì)滾動(dòng)軸承進(jìn)行故障診斷。 對(duì)經(jīng)過(guò)小 波變換方法處理后的滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行譜分析， 以自定義的診斷參數(shù)作為識(shí) 別滾動(dòng)軸承損傷類(lèi)故障的特征量， 但是，由于該方法采用的變換尺度較小， 當(dāng)存 在其他低頻段強(qiáng)能量干擾時(shí)， 該特征量的有效值得懷疑。 小波變換與其他分析方 法的結(jié)合對(duì)滾動(dòng)軸承進(jìn)行故障診斷， 取得了良好的診斷效果。 文獻(xiàn)22 對(duì)振動(dòng)信 號(hào)進(jìn)行小波分解， 然后再進(jìn)行包絡(luò)解調(diào)分析， 減小了計(jì)算量， 提高了診斷準(zhǔn)確率。 文獻(xiàn)23 利用小波包對(duì)滾動(dòng)軸承的振動(dòng)加速度信號(hào)進(jìn)行分解，得到振動(dòng)信號(hào)在不同頻帶的能量， 并以此作為特征向量， 然后采用加權(quán) k 近鄰法對(duì)滾動(dòng)軸

7、承進(jìn)行故 障診斷。文獻(xiàn)24 利用小波包得到的滾動(dòng)軸承在不同頻帶的能量特征與徑向基函 數(shù)網(wǎng)絡(luò)(RBFN相結(jié)合，同樣得到了理想的檢測(cè)結(jié)果。2.4 倒頻譜診斷滾動(dòng)軸承故障在對(duì)齒輪箱類(lèi)設(shè)備進(jìn)行故障診斷時(shí) 為更準(zhǔn)確地找出故障特征頻率。 往往需 要進(jìn)行頻率細(xì)化分 昕。但在實(shí)際分析時(shí)發(fā)現(xiàn)，僅進(jìn)行頻率細(xì)化分析有時(shí)還無(wú)法 看清頻率結(jié)構(gòu)。還需要進(jìn)一步做倒頻譜分析倒頻譜能較好地檢測(cè)出功率譜上的周 期成分通常在功率譜上無(wú)法對(duì)邊頻的總體水平做出估計(jì) 而倒頻譜則具有 “概 括”能力。能較明顯地顯示出功率譜上的周期成分， 使之定量化。 將原來(lái)譜上成 族的邊頻帶簡(jiǎn)化為單根譜線。 便于觀察。 而齒輪、軸承等零部件發(fā)生故障時(shí)，

8、振 動(dòng)頻譜具有的邊頻帶一般都具有等間隔 (故障頻率 ) 的結(jié)構(gòu)，利用倒頻譜的這個(gè)優(yōu) 點(diǎn)?？梢詸z測(cè)出功率譜中難以辨識(shí)的周期性信號(hào)。3. 故障信號(hào)的智能診斷技術(shù) 滾動(dòng)軸承的智能診斷技術(shù)就是利用人工智能技術(shù)中的專(zhuān)家系統(tǒng)、知識(shí)工程、 遺傳算法、模糊理論和人工神經(jīng)網(wǎng)絡(luò)等技術(shù)和滾動(dòng)軸承的特征參數(shù)或其他信號(hào)處 理方法相結(jié)合對(duì)軸承故障進(jìn)行診斷與監(jiān)測(cè)。 文獻(xiàn)25 利用滾動(dòng)軸承中狀態(tài)監(jiān)測(cè)中 的幾個(gè)特征量，即峰值、有效值、峭度值，軸承外圈、內(nèi)圈和滾動(dòng)體的特征頻率 幅值等參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)， 對(duì)滾動(dòng)軸承的故障進(jìn)行診斷， 試驗(yàn)表明該 方法可以對(duì)軸承故障進(jìn)行有效的監(jiān)測(cè)和診斷。 文獻(xiàn) 26 將分形維數(shù)概念與多層感

9、知器神經(jīng)網(wǎng)絡(luò)結(jié)合， 以分形維數(shù)作為特征量輸入的分形神經(jīng)網(wǎng)絡(luò)診斷方法， 應(yīng)用 到軸承系統(tǒng)實(shí)例診斷分析， 獲得了明顯的診斷結(jié)果。 文獻(xiàn) 27 構(gòu)造了基于 P 一范 數(shù)模糊神經(jīng)網(wǎng)絡(luò)， 算法可以對(duì) Sugeno Takagi 模型進(jìn)行逼近， 因而更便于學(xué)習(xí)， 克服了單純前向神經(jīng)網(wǎng)絡(luò)訓(xùn)練中容易陷入局部極小及收斂速度較慢的缺點(diǎn)。 文獻(xiàn)28 將小波包和神經(jīng)網(wǎng)絡(luò)相結(jié)合， 先利用小波包分解對(duì)滾動(dòng)軸承的動(dòng)態(tài)信號(hào)進(jìn)行 分析、提取特征，然后采用Kohonen神經(jīng)網(wǎng)絡(luò)進(jìn)行滾動(dòng)軸承故障診斷。文獻(xiàn)29 利用遺傳規(guī)劃的方法對(duì)滾動(dòng)軸承的振動(dòng)信號(hào)幅值特征參數(shù)進(jìn)行自組織， 生成了高 分辨率的用于逐次診斷的最佳特征參數(shù)， 以提高軸承

10、故障診斷的準(zhǔn)確率。 明延鋒 在文獻(xiàn) 30 中提出了一種基于并行組合模擬退火算法的故障識(shí)別方法。 此算法是 將模擬退火算法較強(qiáng)的局部搜索能力和遺傳算法對(duì)搜索過(guò)程總體較強(qiáng)的把握能 力相結(jié)合， 相互取長(zhǎng)補(bǔ)短， 而構(gòu)成的一種性能優(yōu)越的全局搜索算法。 試驗(yàn)表明該 算法在滾動(dòng)軸承早期故障信號(hào) ( 弱信號(hào)) 識(shí)別應(yīng)用中非常有效， 但存在運(yùn)算速度慢 的缺點(diǎn)。3 總結(jié)近幾年，新技術(shù)和新方法層出不窮， 人工智能和計(jì)算機(jī)在軸承故障診斷中的 應(yīng)用越來(lái)越廣泛，今后的發(fā)展方向主要體現(xiàn)在以下方面：(1) 時(shí)域分析和頻譜分析在軸承故障診斷中的應(yīng)用將日趨完善；(2) 對(duì)于軸承故障診斷的理論和方法進(jìn)一步深入研究，并且各種研究成果

11、將會(huì)逐 步應(yīng)用到實(shí)際生產(chǎn)；(3) 故障診斷智能系統(tǒng)進(jìn)一步的深入研究，多種軸承故障分析方法相結(jié)合，如小 波神經(jīng)網(wǎng)絡(luò)、 模糊識(shí)別與小波分析相結(jié)合等新分析方法應(yīng)用智能專(zhuān)家系統(tǒng)， 提高 診斷的效率和準(zhǔn)確率；(4) 隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的發(fā)展，遠(yuǎn)程故障診斷將是現(xiàn)代故障診斷發(fā)展的一個(gè) 重要的方向。參考文獻(xiàn)1 王軍.滾動(dòng)軸承故障診斷.中國(guó)高教論叢，2002,24(2):27302 秦香敏，潘宏俠 . 滾動(dòng)軸承故障診斷方法研究 . 科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì) ,2007, 17(2):150 1513 仇學(xué)青, 張?chǎng)? 滾動(dòng)軸承故障診斷研究的國(guó)內(nèi)現(xiàn)狀與發(fā)展方向 . 煤礦機(jī)械 ,200 7,28(6):6 84 金曉光

12、，高德柱 . 倒頻譜分析在滾動(dòng)軸承故障診斷中的應(yīng)用 . 冶金動(dòng)力 ,200 7,4:93 975 岳建海, 裘正定. 信號(hào)處理技術(shù)在滾動(dòng)軸承故障診斷中的應(yīng)用與發(fā)展 . 信號(hào)處 理,2005,21(2):185 1906 周曉凱。機(jī)械設(shè)備故障診斷理論方法及其應(yīng)用的研究，天津大學(xué)博士論文， 1993。7 鐘秉林黃仁機(jī)械故障診斷學(xué) M 北京：機(jī)械工業(yè)出版社 19978 中國(guó)機(jī)械工程學(xué)會(huì)設(shè)備管理與維修雜志川 2001 年 8月9 韓慶大.設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù) 【M耽陽(yáng)：東北大學(xué)設(shè)備診斷工程中 心。200510 盛兆順，尹琦玲設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)及應(yīng)用【M】北京：化學(xué)工業(yè)出版社， 20031

13、1 王江萍機(jī)械設(shè)備故障診斷技術(shù)及應(yīng)用U1.西安：西北工業(yè)大學(xué)出版社， 200112 劉惟信機(jī)械可靠性設(shè)計(jì)M 北京：清華大學(xué)出版社，199613 孔瑞蓮航空發(fā)動(dòng)機(jī)可靠性工程M 北京：航空工業(yè)出版社，199514 李濤，賀永軍，劉志儉.Matlab工具箱應(yīng)用指南一應(yīng)用數(shù)學(xué)篇M 北京： 電子工業(yè)出版社， 200015 張志涌，徐彥琴.Matlab教程一基于6. X版M 北京：北京航空航天大 學(xué)出版社， 200116 楊福生小波變換的工程分析及應(yīng)用M 北京：科學(xué)出版社，1999.17 沈松，劉進(jìn)明.用小波變換識(shí)別機(jī)械故障中的通過(guò)振動(dòng) J .振動(dòng)與沖擊， 1999， 18(2) .18 張賢達(dá).現(xiàn)代信號(hào)

14、處理M.北京：清華大學(xué)出版社，200219 張賢達(dá)，保錚.非平穩(wěn)隨機(jī)信號(hào)分析與處理.北京：國(guó)防工業(yè)出版社， 19 99. 31532020 吳今邁.設(shè)備診斷實(shí)例.上海：上?？茖W(xué)技術(shù)文獻(xiàn)出版社.1997. 18218721 Yan Yuling ， Shimogo Taro. Application of the impulseindex in rolling element beating fault diagn osisMechanical systems and signalprocessing ，1 992 ，6(2) 22 Rubibi R and Meneghetti U Appli

15、cation of the envelopeand wavel et tran sforin an alyses for the diagnosis ofincipient faults in ball bearings Mechanical Systems andSignal Processing，2001，15(2) ，28730223 夏利民，谷士文等?；谛〔ò治龅呢涇?chē)滾動(dòng)軸承故障診斷，中國(guó)鐵道 科學(xué)， 2002，23(6) 。24 李世玲，李治等?；谛〔ò芰刻卣鞯臐L動(dòng)軸承故障監(jiān)測(cè)方法，系統(tǒng)仿 真學(xué)報(bào)， 2003， 15(1) 。25 Bo Li and Mo Yuen Chow，etc Neural network basedmotor rollin g bearing fault diagn osis， IEEE tran sactionson industrial electronics ，October,2000 ，47(5) 26 侯祥林，李永強(qiáng)等。非線性