基于多傳感器的車輛滾動軸承故障智能診斷系統(tǒng)

趙麗霞

摘要：提出了一種基于多傳感器與驅(qū)動模塊聯(lián)用的車輛滾動軸承故障智能診斷系統(tǒng)，通過麥克風、振動傳感器信號處理及分析，實現(xiàn)鐵路段修軸承的故障診斷。該系統(tǒng)通過麥克風信號和共振解調(diào)技術(shù)識別軸承的剝離型故障，通過振動傳感器和統(tǒng)計因子參數(shù)識別軸承的非剝離型故障。實驗證明該系統(tǒng)在提高軸承檢測準確率的同時，大大降低軸承非剝離型故障的漏報率。

關(guān)鍵詞：滾動軸承;統(tǒng)計因子;共振解調(diào);麥克風

中圖分類號：TH133.33

文獻標識碼：A

DOI： 10.15913/j.cnki.kjycx.2019.08.033

1 引言

目前，鐵路貨車運用領(lǐng)域應用的軸承故障診斷技術(shù)主要有車輛軸溫智能探測系統(tǒng)THDS、車輛滾動軸承故障軌邊聲學診斷系統(tǒng)TADS，為保障鐵路貨車運行安全發(fā)揮了重要作用。溫度檢測技術(shù)是發(fā)現(xiàn)軸承晚期故障[1]，聲學檢測技術(shù)主要是發(fā)現(xiàn)剝離型故障，以上技術(shù)均針對鐵路貨車運行時的軸承故障，在貨車軸承檢修時，目前沒有有效的軸承故障檢測手段。按照段修相關(guān)要求，軸承存在環(huán)形條紋、卡滯或其他不正常缺陷時應停止使用并報廢處理，該類故障更輕微、特征更不明顯。因此，需要引入新的技術(shù)手段來實現(xiàn)段修軸承狀態(tài)的智能化檢測。

本文介紹一種多傳感器與驅(qū)動模塊聯(lián)用的方法，因此實現(xiàn)段修軸承故障檢測。采用麥克風和振動傳感器分別采集一次檢測過程中的聲學和振動信號，對信號分別進行共振解調(diào)和統(tǒng)計因子處理、分析，利用專家診斷算法選擇更優(yōu)的數(shù)據(jù)進行故障識別和判定，從而大幅度地提高了軸承單次檢修效率，實現(xiàn)貨車段修軸承故障的智能化檢測和判別。

2 工作原理

軸承的運動部件的使用壽命取決于運動部件接觸面材料的疲勞和磨損。軸承的早期故障產(chǎn)生的原因很多，最常見的因素包括疲勞、磨損、塑性變形、腐蝕、局部硬化、潤滑不良、裝配缺陷和設計缺陷。通常情況，軸承的失效是由于多個因素共同作用的結(jié)果，也存在由單一因素發(fā)展，并逐漸加重導致出現(xiàn)多種故障[2]。

車輛滾動軸承不存在故障時，發(fā)出的聲學和振動信號很小，并且振動的幅度分布近似為高斯型分布[3]。當軸承出現(xiàn)早期故障，比如環(huán)形條紋、凹坑、擦傷、剝離時，軸承的部分參數(shù)會發(fā)生明顯的變化。通過計算這些參數(shù)，可以確定軸承是否存在故障，并對軸承故障的嚴重等級給出判定。特征參量主要包括以下幾個。

波峰因子反映的是聲學和振動信號最大值與有效值之間的比值，這個比值越大說明聲學和振動信號中存在的短時間大幅值的瞬時振動越劇烈。

2.2 峭度因子（Kurtosis）

峭度因子計算公式為：

其反映的是聲學和振動波形偏離正態(tài)分布的程度。

2.3 特征頻率

對于剝離型故障，不同的軸承故障類型，信號的故障特征頻率是不同的，通常稱之為故障軸承類型的特征頻率，根據(jù)特征頻率的差異，可以確定軸承的故障類型[4]。

外圈內(nèi)滾道剝離型故障的特征頻率為：

3 系統(tǒng)組成

基于多傳感器的車輛滾動軸承故障智能診斷系統(tǒng)主要由驅(qū)動模塊、硬件電路、專家診斷算法組成，一條輪對的檢測需要2個麥克風和2個振動傳感器，如圖1所示。

3.1 驅(qū)動模塊

驅(qū)動模塊驅(qū)動輪對旋轉(zhuǎn)，要求速度可調(diào)且反饋準確，可對既有標準軌距的鐵路輪進行空載跑合實驗。驅(qū)動模塊工作時緊固外圈，驅(qū)動輪對帶動軸承內(nèi)圈轉(zhuǎn)動，驅(qū)動模塊工作時，硬件模塊中的麥克風和振動傳感器同時采集信號。

3.2 硬件電路

麥克風選用高品質(zhì)的廣播級單指向性電容麥克風，該麥克風具有較高的背景噪聲抑制能力。振動傳感器選用壓電加速度傳感器，該系列傳感器內(nèi)裝微型IC放大器，由壓電加速度傳感器和微型IC放大器組成。

麥克風和振動傳感器采集的信號經(jīng)過放大、濾波后傳輸?shù)焦ぷ髡镜男盘柌杉ㄞD(zhuǎn)化為數(shù)字信號，其后的信號處理、故障識別均為數(shù)字算法實現(xiàn)。信號采集卡主要技術(shù)指標為：采樣頻率48 kHz，數(shù)據(jù)位數(shù)16位，0- 26 dB增益連續(xù)可調(diào)。

3.3 專家診斷算法

基于多傳感器的車輛滾動軸承故障智能診斷系統(tǒng)通過專家診斷算法對于單個軸承的麥克風信號和振動傳感器信號分別進行處理分析，利用振動傳感器與軸承接觸的優(yōu)勢，提取軸承可能存在的非剝離型輕微故障，利用麥克風非接觸式采集的優(yōu)勢，減少外界干擾信號對于軸承檢測的影響，判定剝離型故障，具體如圖2所示。對于麥克風采集的信號進行信號處理后采用共振解調(diào)方法分析，計算軸承可能存在的剝離型故障;對振動傳感器采集的信號進行信號處理后采用統(tǒng)計因子方法計算軸承可能存在的非剝離型故障，例如環(huán)形條紋、卡滯等故障類型。

4 實驗結(jié)果

現(xiàn)場實驗中，通過麥克風和共振解調(diào)計算特征頻率的方法，準確識別各種剝離型故障，主要包括外圈內(nèi)滾道局部剝離、內(nèi)圈外滾道局部剝離、滾子局部剝離，通過振動傳感器和統(tǒng)計因子計算波峰因子和峭度因子的方法，識別大量非剝離型故障，主要包括保持架斷裂、滾子擦傷（一道環(huán)形條紋）、滾子擦傷（多道環(huán)形條紋）等。以典型的外圈剝離型故障為例，滾子每次通過時都會撞擊故障點，引起軸承系統(tǒng)的共振。麥克風和共振解調(diào)方法通過特征頻率可以準確識別故障，針對滾子擦傷（一道環(huán)形條紋）、滾子擦傷（多道環(huán)形條紋）的振動傳感器和統(tǒng)計因子的方法，實驗數(shù)據(jù)如表1所示。

由表1可知峭度因子和形狀因子對此類非剝離型故障檢測非常準確，且能根據(jù)統(tǒng)計因子數(shù)值區(qū)分故障嚴重程度。

5 結(jié)論

通過麥克風和振動傳感器的多傳感器數(shù)據(jù)采集，為鐵路軸承智能診斷提供更多的數(shù)據(jù)支持，同時通過對共振解調(diào)和統(tǒng)計因子兩種參數(shù)的計算，為軸承故障診斷提供更多的依據(jù)。因此，基于多傳感器的鐵路軸承智能診斷系統(tǒng)，既可以提高軸承檢修的準確率，又可以降低非剝離型故障的漏報率，同時為段修軸承標準化作業(yè)提供依據(jù)。

參考文獻：

[1] A.F.Khan， E.J.Williams.Predicting the remaining life ofrolling element bearings[C]//Proceedings of LMECH.E.Conference on Vibrations in Rotating Machinery，

1992.

[2] D.Dyer， R.M. Stewart.Detection of rolling element bearingdamage by statistical vibration

analysis[J].MechanicalDesign， 1978（5）：229-235.

[3] M.A.Elbestawi， H.J.Tait.A comparative study of vibrationmonitoring techniques for rolling element bearings[C]//Proceedings of the 3rd Intemational Modal AnalysisConference，1985.

[4]王志剛，李友榮，呂勇.基于諧波小波變換的共振解調(diào)法[J].振動與沖擊，2006 （4）.