滾動(dòng)軸承故障診斷方法研究

滾動(dòng)軸承故障診斷方法研究摘要：滾動(dòng)軸承較之滑動(dòng)軸承有許多優(yōu)點(diǎn)，在軸承領(lǐng)域也占有主要地位。滾動(dòng)軸承不僅是機(jī)械設(shè)備中重要的旋轉(zhuǎn)零件，而且也是機(jī)械設(shè)備中重要的故障來源之一。論文首先介紹了滾動(dòng)軸承的振動(dòng)機(jī)理和失效形式，然后基于ARMAX模型對(duì)滾動(dòng)軸承故障進(jìn)行仿真分析。關(guān)鍵詞：ARMAX模型；滾動(dòng)軸承；故障診斷技術(shù)Abstract:Rollingbearingisaslidingbearinghasmanyadvantages,butalsooccupyamajorpositioninbearingfield.Rollingbearingisnotonlytheimportantpartsinrotatingmachineryandequipment,butalsooneoftheimportantfaultsourceisinmechanicalequipment.Thepaperfirstintroducedthemechanismofvibrationofrollingbearingsandthefailureform,thenbasedontheARMAXmodelsimulationanalysisofrollingbearingfault.Keywords:ARMAXmodel;rollingbearing;faultdiagnosistechnology;developmentandApplication

目錄1滾動(dòng)軸承的振動(dòng)機(jī)理及失效形式 31.1滾動(dòng)軸承的結(jié)構(gòu) 31.2振動(dòng)機(jī)理 31.3常見的失效形式 32基于ARMAX模型的故障診斷原理 42.2ARMAX模型的數(shù)據(jù)處理 42.3ARMAX模型的建模 52.1傳統(tǒng)滾動(dòng)軸承故障診斷技術(shù)運(yùn)用分析 53基于ARMAX模型的滾動(dòng)軸承故障仿真分析 63.1利用正常信號(hào)建立ARMAX模型 63.2利用外圈故障滾動(dòng)軸承信號(hào)建立ARMAX模型 83.3故障分析 104結(jié)語 12參考文獻(xiàn) 131滾動(dòng)軸承的振動(dòng)機(jī)理及失效形式1.1滾動(dòng)軸承的結(jié)構(gòu)對(duì)于深溝球軸承來說，滾動(dòng)軸承是由內(nèi)圈、外圈、滾珠和保持架四部分組成。一般情況下外圈不轉(zhuǎn)，起著固定軸承的作用，內(nèi)圈連接軸頸，隨軸旋轉(zhuǎn)。滾珠是滾動(dòng)軸承的關(guān)鍵元件，它在外圈內(nèi)表面和內(nèi)圈外表面之間形成的滾道內(nèi)滾動(dòng)，使軸承運(yùn)動(dòng)形式轉(zhuǎn)變?yōu)闈L動(dòng)摩擦，大大減小了摩擦力。保持架主要起固定滾珠的作用，使?jié)L珠均勻受力[1]。單列深溝球軸承在高速旋轉(zhuǎn)的機(jī)械設(shè)備中應(yīng)用比較廣泛，論文主要對(duì)這類軸承進(jìn)行研究。1.2振動(dòng)機(jī)理當(dāng)滾動(dòng)軸承處于工作狀態(tài)時(shí)，一般是軸承外圈固定，內(nèi)圈隨著傳動(dòng)軸旋轉(zhuǎn)，滾珠在內(nèi)圈與外圈形成的凹槽內(nèi)運(yùn)動(dòng)。因此，引起軸承振動(dòng)的因素有兩個(gè)：內(nèi)因和外因，內(nèi)因主要包括軸承的設(shè)計(jì)、安裝過程誤差和周圍環(huán)境的影響。比如不同型號(hào)不同尺寸的軸承其振動(dòng)也不一樣，軸承的加工沒有達(dá)到工藝要求，裝配過程沒有按照行業(yè)標(biāo)準(zhǔn)進(jìn)行，軸承運(yùn)行時(shí)已經(jīng)出現(xiàn)了磨損故障等等。[2]外因主要與傳動(dòng)軸有關(guān)，比如與軸承相連的其它零部件的振動(dòng)，軸承座上支撐不同重量的負(fù)載，周圍環(huán)境的振動(dòng)等等。因此，滾動(dòng)軸承的振動(dòng)是由多個(gè)因素組成的系統(tǒng)來激勵(lì)產(chǎn)生的。1.3常見的失效形式滾動(dòng)軸承出現(xiàn)故障有著多方面的原因，比如在制造過程中精度控制不準(zhǔn)確，造成軸承質(zhì)量不平衡，在運(yùn)行過程中出現(xiàn)故障；安裝過程中軸承與軸之間不對(duì)中，造成軸承的摩擦或偏轉(zhuǎn)過大，使軸承提前損壞。所以，對(duì)軸承的狀態(tài)監(jiān)測(cè)來說，分析滾動(dòng)軸承的失效形式有重要的意義。常見的滾動(dòng)軸承失效形式有：(1)磨損。對(duì)滾動(dòng)軸承來說，最大的特點(diǎn)是其摩擦是滾動(dòng)的，這樣所受的摩擦力將大大減小。如果它在運(yùn)行的過程中密封不好，就會(huì)使環(huán)境中的微小顆粒進(jìn)入滾道，產(chǎn)生磨損從而加大摩擦力，使?jié)L動(dòng)軸承提早損壞。(2)疲勞剝落。滾動(dòng)軸承旋轉(zhuǎn)時(shí)，滾珠在外圈與內(nèi)圈之間的滾道內(nèi)滑動(dòng)。如果滾珠承受的壓力過大，就會(huì)產(chǎn)生疲勞而發(fā)生點(diǎn)蝕，即滾珠表面有斑點(diǎn)出現(xiàn)，這會(huì)影響滾珠的正常滾動(dòng)。當(dāng)滾珠持續(xù)受壓時(shí)，點(diǎn)蝕將會(huì)擴(kuò)大，這樣會(huì)使?jié)L珠表面產(chǎn)生大面積的片狀剝落。疲勞剝落是滾動(dòng)軸承的主要失效形式，會(huì)加速軸承的老化和損壞。(3)腐蝕。當(dāng)滾動(dòng)軸承在惡劣環(huán)境中運(yùn)行時(shí)，大氣中的水分和具有腐蝕性的物質(zhì)會(huì)侵入軸承內(nèi)部，使其腐蝕。另外，滾動(dòng)軸承局部的腐蝕現(xiàn)象會(huì)加速整體的腐蝕速度，使其很快因腐蝕而失效。[3](4)膠合。當(dāng)滾動(dòng)軸承承受載荷過大時(shí)，會(huì)使軸承局部溫度過高，此時(shí)如果滾動(dòng)軸承潤(rùn)滑不良，會(huì)使摩擦力增大造成溫度繼續(xù)增大，從而造成金屬表面相互粘連，嚴(yán)重時(shí)會(huì)使?jié)L珠或內(nèi)外圈表面產(chǎn)生燒傷現(xiàn)象，這就是膠合。(5)斷裂。當(dāng)軸承局部承受載荷過大時(shí)，會(huì)造成應(yīng)力集中，由于軸承轉(zhuǎn)速很快，加之溫度局部升高出現(xiàn)膠合，很容易在軸承內(nèi)外圈表面出現(xiàn)裂紋，嚴(yán)重時(shí)使軸承發(fā)生斷裂，造成設(shè)備損壞。2基于ARMAX模型的故障診斷原理2.1ARMAX模型的基本原理ARMAX模型作為平穩(wěn)時(shí)間序列模型的一種，于1965年由Astrom和Bohlin在ARMA模型的基礎(chǔ)上提出的，是ARMA模型的一種延伸。目前來說，ARMAX模型具有良好的在線辨識(shí)能力，有效地考慮了有色噪聲對(duì)系統(tǒng)的影響，魯棒性好，是描述動(dòng)力學(xué)系統(tǒng)特性最完備的模型。ARX模型也是一個(gè)線性差分方程，用來描述系統(tǒng)輸入和輸出間的關(guān)系，它的過程可用一個(gè)帶誤差項(xiàng)的線性差分方程描述，表示如下：(2-1)式中，和 分別為時(shí)刻系統(tǒng)的輸入和輸出； 為時(shí)刻的外部擾動(dòng)；，，和 分別為輸入與輸出的模型參數(shù)。引入延遲算子，即，使(2-2)則式(2-1)可以簡(jiǎn)寫為：(2-3)上式則稱為ARX模型，其中AR是指自回歸部分，X是指外部輸入。在式(2-1)中，如果擾動(dòng)項(xiàng)為白噪聲序列，，那么可以將模型的擾動(dòng)看作是一個(gè)滑動(dòng)平均MA過程，即ARMAX模型定義為：(2-4)其中，，上式簡(jiǎn)寫為：(2-5)其中，為滑動(dòng)平均過程。顯而易見，ARX模型為ARMAX模型的特殊形式。2.2ARMAX模型的數(shù)據(jù)處理因?yàn)锳RMAX模型理論上要求的是平穩(wěn)、正態(tài)、零均值的時(shí)間序列，而從系統(tǒng)采集的輸入信號(hào)形成的觀測(cè)時(shí)間序列很難滿足以上的要求，所以要對(duì)得到的序列進(jìn)行檢驗(yàn)和預(yù)處理，去除那些不符合統(tǒng)計(jì)規(guī)律的異常樣本，并對(duì)這些樣本數(shù)據(jù)的基本統(tǒng)計(jì)特性進(jìn)行檢驗(yàn)，以確保建立時(shí)間序列模型的可靠性和置信度，并滿足一定的精度要求，使其成為平穩(wěn)、正態(tài)和零均值的時(shí)間序列，這是建模的基礎(chǔ)工作。2.3ARMAX模型的建模ARMAX模型的建模過程如圖3-1所示，分為五個(gè)步驟：(1)數(shù)據(jù)的預(yù)處理；(2)模型識(shí)別，模型結(jié)構(gòu)的選擇；(3)模型的參數(shù)估計(jì)；(4)檢驗(yàn)?zāi)Ｐ偷臍埐钍欠穹夏Ｐ偷幕驹O(shè)定；(5)選定模型并進(jìn)行預(yù)測(cè)。其中，模型的結(jié)構(gòu)選擇和參數(shù)估計(jì)是最為重要的兩個(gè)環(huán)節(jié)，在建模過程中這兩個(gè)環(huán)節(jié)沒有明確的先后順序，會(huì)存在交叉過程。圖2-1建立時(shí)間序列模型流程圖2.1傳統(tǒng)滾動(dòng)軸承故障診斷技術(shù)運(yùn)用分析對(duì)于塑料薄膜生產(chǎn)設(shè)備的維護(hù)保養(yǎng)中運(yùn)用的滾動(dòng)軸承故障診斷技術(shù)，這里主要介紹三種應(yīng)用的傳統(tǒng)的故障診斷技術(shù)，即振動(dòng)信號(hào)分析診斷、聲發(fā)射技術(shù)診斷和油液分析診斷。振動(dòng)信號(hào)分析診斷是重要的檢測(cè)診斷工具之一，振動(dòng)信號(hào)分析方法有簡(jiǎn)易診斷法、沖擊脈沖診斷法、共振解調(diào)診斷法三種。常用的簡(jiǎn)易診斷法如振幅值診斷法、波形因素診斷法、波峰因素診斷法等適用于具有瞬時(shí)沖擊的故障的診斷和點(diǎn)蝕、磨損等故障的診斷。沖擊脈沖診斷法對(duì)設(shè)備工況和診斷經(jīng)驗(yàn)有較為嚴(yán)格的要求且抗干擾能力也差，傳感器、設(shè)備的安裝及輔助傳動(dòng)軸承都對(duì)診斷結(jié)果又較大的影響，較容易形成誤判。而共振解調(diào)診斷具有選擇性、對(duì)應(yīng)性、展寬性、多階性等特性，運(yùn)用共振解調(diào)法可以較容易識(shí)別故障[4]。聲發(fā)射技術(shù)診斷技術(shù)具有特征頻率明顯和故障預(yù)報(bào)早的優(yōu)點(diǎn)，在塑料薄膜生產(chǎn)設(shè)備的維護(hù)保養(yǎng)工作中利用這一滾動(dòng)軸承故障診斷技術(shù)可以及早發(fā)現(xiàn)潛在的會(huì)造成機(jī)械設(shè)備故障的隱患，可以盡早采取相應(yīng)的措施，但缺點(diǎn)是在運(yùn)用這一技術(shù)時(shí)需要有昂貴的專用設(shè)備。油液分析診斷法常用手段有理化指標(biāo)分析、油液污染度測(cè)試、油液金屬含量分析、鐵譜分析、紅外光譜分子結(jié)構(gòu)分析。在實(shí)際的運(yùn)用中通常是兩種以上的手段結(jié)合起來共同作用，這樣的油液分析診斷方法的診斷結(jié)果也更為準(zhǔn)確。3基于ARMAX模型的滾動(dòng)軸承故障仿真分析3.1利用正常信號(hào)建立ARMAX模型(1)觀測(cè)數(shù)據(jù)的獲取在滾動(dòng)軸承的系統(tǒng)辨識(shí)問題中，用來完成建模的數(shù)據(jù)為一組單輸入單輸出數(shù)據(jù)，即SISO數(shù)據(jù)，由兩部分構(gòu)成：作為輸入數(shù)據(jù)的是滾動(dòng)軸承的外載荷和外部擾動(dòng)；作為輸出數(shù)據(jù)的是滾動(dòng)軸承振動(dòng)所產(chǎn)生的加速度信號(hào)。通過對(duì)滾動(dòng)軸承的SIMULINK仿真獲取建模的輸入和輸出數(shù)據(jù)，如圖3.1所示，設(shè)置采樣長(zhǎng)度為300，采樣頻率為1/15s。圖3.1正常振動(dòng)模型采樣信號(hào)的輸入輸出圖像（2）數(shù)據(jù)預(yù)處理ARMAX模型要求數(shù)據(jù)為平穩(wěn)、正態(tài)和零均值的時(shí)間序列，序列均值不為零，而且隨時(shí)間變化，因此必須對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)化預(yù)處理，消除數(shù)據(jù)的趨勢(shì)項(xiàng)，把測(cè)量的數(shù)據(jù)變成均值為零的平穩(wěn)過程。處理后的數(shù)據(jù)分別如圖3.2所示。圖3.2正常振動(dòng)模型采樣信號(hào)的數(shù)據(jù)預(yù)處理結(jié)果(3)模型結(jié)構(gòu)的選擇和參數(shù)識(shí)別運(yùn)用MATLAB進(jìn)行編程，對(duì)預(yù)處理完畢的數(shù)據(jù)建立ARX模型，采用AIC準(zhǔn)則進(jìn)行模型定階，確定模型的階次為ARX(10,1)，F(xiàn)PE為2.76365，AIC為1.0191。模型結(jié)構(gòu)為：，再利用遞推最小二乘法確定模型系數(shù)，如下所示：將模型的加速度信號(hào)原始數(shù)據(jù)與模型預(yù)測(cè)的加速度輸出數(shù)據(jù)進(jìn)行對(duì)比，如圖3.3所示，由圖可知模型輸出與系統(tǒng)實(shí)際輸出之間存在一定的誤差，但由圖3.4模型殘差的相關(guān)性分析表明，所建模型的模型輸出基本上能夠擬合系統(tǒng)實(shí)際輸出，描述系統(tǒng)在固定平衡點(diǎn)的動(dòng)態(tài)特性。圖3.3預(yù)測(cè)與實(shí)際輸出對(duì)比圖3.4正常軸承ARMAX模型殘差的相關(guān)性分析3.2利用外圈故障滾動(dòng)軸承信號(hào)建立ARMAX模型選取滾動(dòng)軸承外圈故障仿真模型的激勵(lì)為ARX模型的輸入，模型的加速度信號(hào)為ARX模型的輸出，如圖3.5所示。對(duì)輸入輸出信號(hào)進(jìn)行平穩(wěn)、正態(tài)和零均值處理后，得到如圖3.6所示的信號(hào)。應(yīng)用預(yù)處理完畢的輸入輸出數(shù)據(jù)建立ARX模型，得到模型的階次為ARX(10,6)，F(xiàn)PE為4.2，AIC為1.4509。故障模型的殘差分析如圖3.7所示，殘差=1.9871。模型參數(shù)如下所示：圖3.5故障模型的采樣輸入輸出圖像圖3.6故障模型的采樣輸入輸出預(yù)處理圖像圖3.7故障ARMAX模型殘差分析圖3.3故障分析（1）殘差分析根據(jù)滾動(dòng)軸承正常運(yùn)行信號(hào)建立ARX模型，求得模型的殘差如圖3.8所示，此時(shí)的殘差方差為3.4805。圖3.8正常運(yùn)行軸承的ARX模型殘差分析將滾動(dòng)軸承故障信號(hào)帶入已建立的ARX模型之中，求得此時(shí)的模型殘差如圖3.9所示，殘差方差為 。由圖3.8和3.9對(duì)比可知，當(dāng)把故障信號(hào)帶入正常狀態(tài)建立的ARX模型時(shí)，模型的殘差方差相對(duì)于正常狀態(tài)變化很大，表明故障信號(hào)不適合正常狀態(tài)下建立的ARX模型，判斷出軸承的工作狀態(tài)發(fā)生了變化，存在故障。表3.1為兩種工作狀態(tài)下分別建立的ARX模型的模型參數(shù)對(duì)比。圖3.9故障信號(hào)帶入正常狀態(tài)ARX模型的殘差分析表3.1兩種狀態(tài)下的ARX模型參數(shù)AICFPE正常狀態(tài)1.01912.7633.4805故障狀態(tài)1.45094.21.9871（2）相關(guān)性分析建立模型后，根據(jù)對(duì)加速度信號(hào)進(jìn)行相關(guān)性分析，繪制出自相關(guān)函數(shù)曲線圖，分析計(jì)算并繪制自相關(guān)函數(shù)圖，如圖3.10所示。自相關(guān)診斷主要利用周期信號(hào)的自相關(guān)函數(shù)是不衰減的周期信號(hào)、隨機(jī)信號(hào)的自相關(guān)函數(shù)是衰減的信號(hào)這一性質(zhì)進(jìn)行的。在振動(dòng)診斷機(jī)械故障診斷時(shí)，正常狀態(tài)下振動(dòng)是大量的、無序的、大小接近相等的隨機(jī)沖擊。因此正常狀態(tài)下的振動(dòng)信號(hào)是隨機(jī)信號(hào)，它們的自相關(guān)函數(shù)隨著時(shí)差的增加而衰減；當(dāng)機(jī)械運(yùn)行不正常時(shí)，隨機(jī)信號(hào)中就會(huì)出現(xiàn)有規(guī)則的周期性脈沖信號(hào)，它們的大小比隨機(jī)信號(hào)大得多，其自相關(guān)函數(shù)會(huì)出現(xiàn)不衰減的周期信號(hào)據(jù)此即可判斷機(jī)械故障。由圖3.10可知，在正常狀態(tài)下，加速度信號(hào)隨著t的增加不斷衰減；而在故障狀態(tài)下，加速度信號(hào)呈現(xiàn)出周期變化規(guī)律。（a）正常狀態(tài)（b）故障狀態(tài)圖3.10兩種狀態(tài)下的自相關(guān)曲線圖（3）模型系數(shù)分布將正常與故障狀態(tài)下信號(hào)以300個(gè)數(shù)據(jù)為一組，取12組數(shù)據(jù)，建立ARX模型，分別計(jì)算其自回歸參數(shù)，利用自回歸系數(shù)來進(jìn)行故障分析。將正常與故障狀態(tài)下自回歸參數(shù)，繪制成相平面，如圖4.24所示，由圖可以看出，正常與故障狀態(tài)下的模型參數(shù)有著明顯不同的分布，正常狀態(tài)下的自回歸系數(shù)位于相平面的右下角，故障狀態(tài)位于左上角。圖3.11正常與故障狀態(tài)下的自回歸參數(shù)分布圖4結(jié)語隨著現(xiàn)代數(shù)學(xué)、計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)、電子技術(shù)和人工智能技術(shù)等的廣泛、深入地應(yīng)用，當(dāng)前塑料薄膜生產(chǎn)設(shè)備的維護(hù)保養(yǎng)中運(yùn)用的滾動(dòng)軸承故障診斷技術(shù)也朝著多元化的診斷理論和模型、智能化的診斷技術(shù)和精密化、多維化的傳感器的趨勢(shì)發(fā)展，并且今后運(yùn)用到的滾動(dòng)軸承故障診斷技術(shù)的發(fā)展也會(huì)不斷與前沿的科學(xué)結(jié)合以實(shí)現(xiàn)故障診斷的遠(yuǎn)程化、故障診斷方法的相互融合、故障診斷技術(shù)與多元傳感器信息的融合和故障診斷技術(shù)與虛擬儀器的結(jié)合。在不久的將來，那些用于塑料薄膜生產(chǎn)設(shè)備的維護(hù)保養(yǎng)中的滾動(dòng)軸承故障檢測(cè)及診斷的前沿技術(shù)方法將會(huì)更加完善，綜合型的滾動(dòng)軸承故障智能檢測(cè)和診斷技術(shù)也將會(huì)有更為廣闊的發(fā)展前景和巨大的發(fā)展?jié)摿Α?/p>

參考文獻(xiàn)[1]肖文斌.基于耦合隱馬爾可夫模型的滾動(dòng)軸承故障診斷與性能退化評(píng)估研究[D].上海交通大學(xué),2011.[2]從飛云.基于滑移向量序列奇異值分解的滾動(dòng)軸承故障診斷研究[D].上海交通大學(xué),2012.[3]明陽.基于循環(huán)平穩(wěn)和盲源分離的滾動(dòng)軸承故障特征提取方法研究[D].上海交通大學(xué),2013.[4]郭艷平.面向風(fēng)力發(fā)電機(jī)組齒輪箱滾動(dòng)軸承故障診斷的理論與方法研究[D].浙江大學(xué),2012.[5]王雷.基于流形學(xué)習(xí)的滾動(dòng)軸承故障診斷若干方法研究[D].大連理工大學(xué),2013.[6]吳強(qiáng).基于道旁聲學(xué)信號(hào)的列車滾動(dòng)軸承故障診斷技術(shù)研究[D].中國(guó)科學(xué)技術(shù)大學(xué),2013.[7]楊柳松.基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動(dòng)軸承故障診斷方法的研究[D].東北林業(yè)大學(xué),2013.[8]朱可恒.滾動(dòng)軸承振動(dòng)信號(hào)特征提取及診斷方法研究[D].大連理工大學(xué),2013.[9]于婷婷.基于BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法[D].大連理工大學(xué),2008.[10]姜小熒.基于小波分析的滾動(dòng)軸承故障診斷方法的研究及應(yīng)用[D].