滾動軸承的失效形式與故障診斷

卓 蘭

（赤峰工業職業技術學院，內蒙古 赤峰 024000；中央民族大學 企業管理，北京 100083）

滾動軸承的失效形式與故障診斷

卓 蘭

（赤峰工業職業技術學院，內蒙古 赤峰 024000；中央民族大學 企業管理，北京 100083）

滾動軸承作為旋轉機械中應用最為廣泛的通用機械零件，廣泛應用于冶金、電力、石化、航空航天等領域，其運行性能的好壞直接影響到整臺機械設備的性能，其故障往往導致巨大的經濟損失.本文在分析滾動軸承常見的失效形式基礎上，給出了對其進行診斷的一般流程，并對現有的滾動軸承故障診斷方法進行了回顧，對未來的發展趨勢進行了預測.

滾動軸承；失效模式；故障診斷

滾動軸承由于具有摩擦系數小，運動精度高、對潤滑劑的黏度不敏感、低速下亦能承受載荷、產品已經國際標準化，、成本低廉，互換性好等優點，廣泛應用于冶金、電力、石化、航空航天等領域，是旋轉機械中應用最為廣泛的通用機械零件，也是最易損壞的元件之一.旋轉機械的許多故障都與滾動軸承有關，軸承運行性能的好壞直接影響到其支撐的軸以及安裝在軸上的齒輪乃至整臺機械設備的性能，其缺陷往往會導致設備產生異常振動和噪聲，甚至造成設備損壞，導致巨大的經濟損失.據統計，旋轉機械的故障有30%是由軸承引起的，由此可見開展滾動軸承故障診斷工作的重要性.

1 基本失效形式與成因分析

運轉中的滾動軸承可能由于裝配不當、潤滑不良、水分和異物侵入、腐蝕、過熱和過載等原因造成過早其損壞；另外，由“浴盆曲線”可知，即使在安裝、潤滑和使用維護都正常的情況下，經過一段時間的運轉，軸承也會出現疲勞剝落和磨損.滾動軸承雖然結構簡單，但失效形式卻表現出多樣性，主要的失效形式有：

1.1 疲勞失效

疲勞是滾動軸承失效的主要形式，常表現為滾動體或內外圈滾道表面脫落或蛻皮，初期是在接觸表面形成不規則的凹坑，而后逐漸延伸成片，沖擊載荷造成振動和噪聲的加劇.交變的疲勞應力是造成疲勞剝落的主要原因，有時也與潤滑不良或強迫安裝有關，而通常所說的軸承壽命即是指軸承的疲勞壽命.

1.2 磨損失效

磨損是滾動軸承失效的另一常見形式，是軸承滾道、滾動體、保持架、座孔或軸頸由于機械原因而引起的表面磨損.磨損造成軸承游隙增大、表面粗糙度增加，軸承運轉精度降低、振動和噪聲增大.磨粒（塵埃、異物的侵入）及潤滑不良造成磨損的根本原因.

1.3 腐蝕失效

潤滑油、水份或濕氣產生的化學腐蝕，電流通過引起電火花而產生的電腐蝕及軸承內外圈與座孔或軸頸存在微小相對運動形成微振腐蝕是滾動軸承腐蝕失效的三種表現形式.表面腐蝕導致高精度軸承精度喪失而失去其功能.

1.4 斷裂失效

滾動軸承零件材料有缺陷和熱處理不良，運行中過載、轉速過高、潤滑不良或裝配不善造成過大的熱應力等可能引起軸承零件軸承出現裂紋或斷裂、加速其劣化.

1.5 膠合失效

潤滑不良、高速重載下工作的滾動軸承，由于摩擦生熱，軸承零件可以在極短時間內達到很高的溫度，使一個表面上的金屬粘附到另一個表面上，接觸表面出現壓痕，產生剝落區.

1.6 塑性變形

過大的沖擊載荷或靜載荷、硬度很高的異物侵入會造成滾動軸承零件局部的永久變形，從而在運轉過程中產生劇烈的振動和噪聲，壓痕引起的沖擊載荷也會進一步引起附近表面的剝落.

2 滾動軸承的故障診斷

眾多的故障診斷方法中，利用振動信號對滾動軸承進行診斷仍是目前最常用的方法[1].運行中的完好滾動軸承會由于其自身結構特點（承載剛度瞬變）與裝配制造缺陷（波紋度、滾動體大小不均）等發生固有的振動，而當軸承零件的工作表面出現上述缺陷時，會以一定的通過頻率產生一系列的寬帶沖擊和沖擊衰減響應，振動形式是復雜的調幅振動，缺陷的位置不同，振動特性也不完全相同.從而可以在軸承座上布置相應的振動傳感器對上述振動信號進行采集，進行分析處理以判斷滾動軸承有無故障，確定故障部位、程度與類型.

2.1 診斷的一般流程

傳感器采集得到滾動軸承時域振動信號，如加速度、速度或位移信號，往往包含大量的環境噪聲或工況信息，特別是在故障萌生的初期，微弱的故障振動完全被其它振動所湮沒，難以看出滾動軸承的故障信息，需要對上述一次信息進行必要的降噪、去趨、降維、濾波等預處理，以突出故障信息；為了定量地刻畫滾動軸承故障，往往需要借助于信號分析處理方法進一步對預處理后的二次信號在時域、頻域或時頻域提取故障敏感特征，以減小運算量，并作為故障診斷算法的診斷依據（輸入）；接著利用具體的故障診斷算法（模式識別）對滾動軸承當前的運行狀態進行識別，得出滾動軸承的故障信息，即是否出現故障、故障類型、故障部位等，有時為了預測滾動軸承的繼續使用能力，以制定備件更換計劃，還需要對已出現故障的滾動軸承進行殘余壽命估計.綜上，滾動軸承故障診斷過程可以表示成如圖1所示的基本流程.

圖1 滾動軸承故障診斷的一般流程圖

不同的滾動軸承故障診斷方法即是在各環節利用不同的理論、技術或方法進行處理，得到更可靠、更準確的診斷信息.

2.2 常用的診斷方法

隨著科學技術的進步與故障診斷技術的持續發展，滾動軸承故障診斷取得了豐碩的成果，診斷域由時域擴展到頻域、時頻域，診斷方法朝著多元化、集成化、融合化及智能化等方向發展，診斷準確率與可靠性不斷提高，特別是現代信號處理技術與人工智能技術在滾動軸承故障診斷中越來越顯現其優越性，同時基于信息融合的故障診斷方法也越來越受到相關人員的關注.此處，僅對幾類常見的滾動軸承故障診斷方法進行分析討論.

2.2.1 時域或頻域方法.一般從時域波形對可能的故障進行定性分析，進行概率統計分析，計算其幅值統計指標，如均值、有效值、均方根等有量綱與峭度因子、波形因數、峰值因子等無量綱的時域統計值對點蝕、剝落等局部缺陷故障敏感，能用于初期故障的預警.進行滾動軸承故障診斷還需結合其自身的特性進行，即出現外、內、滾動體等故障時，振動信號中會出現相應的頻率成分，從而需要對信號的頻譜結構進行分析，常見的方法如快速傅里葉變換（FFT）、自回歸建模（AR）等，同時利用濾波、細化譜分析、倒頻譜技術等對FFT得到的譜圖進行處理獲得所需的頻段與足夠的頻率分辨率，突出特征頻率，實現故障診斷.這類方法中，應用最廣的當屬共振解調技術[2].

2.2.2 時頻域方法.軸承故障診斷中，我們往往對信號局部變化感興趣，這些信號由于非常微弱、能量很小，往往容易被噪聲淹沒而難以辨別，此時傳統的傅立葉變換難以滿足局部細化的要求；同時由于環境、工況或滾動軸承結構本身等多重因素的作用，采集的到的滾動軸承振動信號往往表現出非線性、非平穩特征，需要同時獲得時域和頻域的信息以完成進行故障診斷.常用的時頻分析方法主要有短時傅里葉變換（STFT）、維格爾 - 威爾（Wigner-Ville）、小波變換（WT）與希爾伯特黃變換（HHT）等[3].

2.2.3 人工智能方法.近年來，人工智能技術的發展為實現故障診斷的自動化、集成化、系統化等提供了強有力的支持.神經網絡（ANN）、免疫網絡（AIS）、專家系統（ES）、案例推理系統（CBR）等能很好地通過知識自學習或對已有的案例進行歸納整理得到滾動軸承故障模式庫，只需將后續得到的滾動軸承振動信號樣本輸入這些系統，即可得到其故障信息，雖構建這些系統需要大量的樣本數據，但隨著數據的逐步積累可以克服這些問題.

2.2.4 信息融合方法.滾動軸承故障復雜多樣，同種征兆可能由多種故障引起，而某種故障又可能表現出多種征兆或多種故障可能耦合發生，僅從單一信源獲得信息對滾動軸承故障情況進行診斷，往往僅能反應局部其信息，診斷結果并不可靠、具有很強的不確定性，需要綜合利用多源信息開展滾動軸承的故障診斷.常見的融合故障診斷方法大多基于D-S證據理論實現數據級、特征級或決策級的融合，實現滾動軸承故障的綜合診斷[5].

隨著滾動軸承故障診斷研究的不斷深入，特別其非線性理論的發展和成熟，以及非線性、非平穩現代信號處理技術，人工智能以及處理不確定性的粗糙集與模糊集等理論的發展，滾動軸承故障診斷技術還將得到大力的發展，診斷結果的準確性與可靠性還將進一步的提高，綜合利用多源信息的智能故障診斷方法或系統是發展的熱點方向.

3 結語

滾動軸承由于具有摩擦系數小，運動精度高等諸多優點，廣泛應用于冶金、電力、石化、航空航天等領域，其運行性能的好壞直接影響到整臺機械設備的性能，其故障往往導致巨大的經濟損失.本文在分析滾動軸承常見的失效形式基礎上，給出了對其進行診斷的一般流程，并對現有的滾動軸承故障診斷方法進行了回顧，對未來的發展趨勢進行了預測.總的來說，利用多源、多層次信息且能實現殘余壽命預測的智能故障診斷方法是未來的發展趨勢.

〔1〕馬東雄,陸爽,張子達,等.現代信號分析在滾動軸承故障診斷中的應用[J].哈爾濱軸承,2004,25(4):7～10.

〔2〕劉金朝,丁夏完,王成國.自適應共振解調法及其在滾動軸承故障診斷中的應用[J].振動與沖擊,2007,26(1):38～41.

〔3〕覃慧,南江紅.旋轉機械故障診斷的時頻分析方法比較[J].科學技術與工程,2011,11(9):1991～1994.

〔4〕付新哲,張優云,朱永生.滾動軸承故障診斷的案例推理方法[J].西安交通大學學報,2011,45(11):79～84.

〔5〕楊帆,浦昭邦,莊嚴,等.基于信息融合的滾動軸承故障診斷[J].軸承,2005(2):30～32.

TH133.3

A

1673-260X（2012）06-0115-02