淺析滾動軸承故障特征的提取技術

黎文爵（東莞市TR軸承有限公司,廣東 東莞 523000）

淺析滾動軸承故障特征的提取技術

黎文爵
（東莞市TR軸承有限公司,廣東 東莞 523000）

在機械設備中滾動軸承是非常關鍵的一個零部件，為了避免在生產過程中造成重大的事故，要對滾動軸承進行定期的修檢，一旦發生問題要及時做出處理。研究滾動軸承的檢測和診斷技術，對機械的安全運行具有重要的意義。本文就滾動軸承的故障特征的提取技術做出簡要分析。

滾動軸承；故障診斷；提取技術

滾動軸承是旋轉機械中重要的零部件，同時也是最容易損壞的零部件之一，在使用滾動軸承的旋轉機械中，因為滾動軸承出現問題而產生的故障約占30%。滾動軸承有一個很大的特點就是壽命的離散性很大，即使是同樣的材料、同樣的加工工藝同一批工人生產出來的滾動軸承壽命也是相差很大的。所以對滾動軸承要定期進行檢查，避免給整個機器帶來嚴重的事故。

1　滾動軸承常見的故障

滾動軸承通常會出現以下幾個故障[1]：

（1）磨損。滾動軸承最常見的故障就是磨損，造成磨損的原因有很多，比如磨料的存在、軸承內進入異物或者是沒有做好潤滑工作等，都會造成軸承滾道、保持架、滾動體等發生磨損的現象。

（2）疲勞。滾動體或者是滾道表面產生脫皮或者是剝落，就代表著滾動軸承的疲勞。疲勞初期，只是在表面形成不規則的凹坑，然后逐漸延伸形成片。造成疲勞的主要原因是疲勞應力。但有時候裝配不當或者是潤滑不良也會引起剝落或者是脫皮現象。

（3）斷裂。引起斷裂的原因有很多，比如熱處理、負荷過大、轉速太高、潤滑不良等。

（4）腐蝕。腐蝕分化學腐蝕、點腐蝕、威震腐蝕等，主要的表象都是出現凹坑、麻點、紅色或者是黑色銹斑等。

（5）壓痕。由于過載、沖擊或者異物落入滾道就會使滾道和滾動體表面產生局部變形而出現凹坑，這就是壓痕。

（6）膠合。膠合就是滾道和滾動體局部融合在一起現象，其主要原因是高速、高溫和潤滑不良。

2　軸承振動信號的提取方法

2.1有效值和峰值判斷法

滾動軸承在工作時，其振動的瞬時值會隨著時間的變化不斷地發生變化，有效值可以準確地表現振動變化的大小。所謂的有效值就是振動幅值的均方根值，而且表示對時間的平均，所以當出現表面皺裂、且振動無規則的波形時，其測定值的變動情況較小，此時給出的評價是十分可靠的[1]。峰值就是指示信號中可能出現的最大的瞬間值，可以用峰值來表現信號的強度，峰值還可以正確的得出瞬間現象的指示值。通過峰值的變化可以很容易的檢測出初期階段滾動軸承的表面剝落現象。

2.2峰值指標法

峰值與有效值的比就是峰值指標。峰值在表現由傷痕引起的瞬時沖擊振動時，比有效值更加可靠，所以峰值指標法就是利用了峰值的這種特性，一般情況下，滾動軸承狀態良好，此時峰值指標是5，當滾動軸承發生狀況時，比如表面剝落或者是出現劃痕，峰值指標會變成10，所以這種方法可以對滾動軸承的故障很直觀的表現出來。不僅如此，峰值指標受軸承尺寸的影響比較小。

2.3概率密度法原理

概率密度分析主要是對幅值概率密度函數進行分析，可以對振動的瞬時值進行比較全面的描述，它的優點是很突出的。不同的振動信號會出現不同的概率密度函數圖形，一般情況下，如果滾動軸承沒有故障，振動信號表現為正常狀態分布曲線，一旦滾動軸承出現故障，那么曲線就會變得陡峭，通過曲線的變化，可以很直觀的識別振動信號的變化。

2.4沖擊脈沖法

當兩個不平的表面相互撞擊時，就會出現沖擊波和沖擊脈沖[2]。通過沖擊脈沖可以很容易的表現出撞擊的程度，在檢查滾動軸承故障的工作中可以對滾動體和滾道的撞擊程度進行檢測，通過兩者的沖擊脈沖就可以了解滾動軸承是否發生故障。如果滾動軸承發生故障，那么故障零件在工作時就會產生機械沖擊，沖擊脈沖力的變化幅度就會增大。

3　信號特征的頻域提取方法

3.1頻譜分析法

利用頻譜可以很快的診斷滾動軸承是否發生故障。利用通用信號的幅值譜或者是功率譜對滾動軸承故障進行診斷，這就是頻譜分析。人們可以直接對正常工作狀態下的滾動軸承振動信號特征頻率進行分析，把數據當作比對的標準，然后對疑似出現故障的滾動軸承振動信號特征頻率進行分析，將兩者進行比較，看滾動軸承是否已經出現故障。但是由于滾動軸承的故障特征頻率較低，且常常會受到周圍環境中噪音的影響，可靠性較差，因此這種方法很少被采用。

3.2倒頻譜分析

對于復雜的振動情況來說，僅僅觀察頻譜圖是沒有多大作用的，其諧波成分通常十分復雜和密集，頻譜圖并不能表現出太多的內容。由于各零部件在力的相互作用下，可能會形成各自特有的通過頻率，這些頻率會出現相互疊加的情況，因此諧波成分往往很復雜，這時就可以用倒頻譜進行辨認。倒頻譜能正確的揭示普圖中的周期分量，同時利用倒頻譜可以很容易的診斷出滾動軸承的故障。

3.3循環平穩分析

軸承故障信號是一種調制信號，其相關函數是一種周期函數，同時是一種特殊的信號，這種信號是非平穩的，因此又叫做循環平穩信號[3]。一般情況下的信號處理方法都是以平穩信號為假設的，這些方法不可能充分提取非平穩信號的特征。循環平穩信號的統計特性呈周期性，周期性是一切機械故障信號共有的特征，因此，循環統計理論近年來在故障診斷領域越來越受到重視。滾動軸承的故障信號其自相關函數是一種周期函數，因此可以利用循環域解調方法快速的分離出故障信息。

4　結束語

滾動軸承的振動信號可以準確地反應出滾動軸承的運作狀態，通過分析滾動軸承的振動信號可以作為監測和故障診斷的標準。滾動軸承的正常運轉是機械正常工作的重要保障，因此要加強滾動軸承故障檢測工作，一旦發生故障，要做出及時的修理措施。

[1]王善鵬.基于流形學習的滾動軸承故障特征提取方法研究[D].大連理工大學,2013.

[2]李宗濤.基于同步平均和倒譜編輯的滾動軸承故障信號提取技術研究[D].昆明理工大學,2014.

[3]胡愛軍,馬萬里,唐貴基.基于集成經驗模態分解和峭度準則的滾動軸承故障特征提取方法[J].中國電機工程學報,2012(11):106-111+153.

黎文爵（1986-），男，廣東東莞人，本科，研究方向：產品設計。