基于深度學習的船舶滾動軸承狀態監測技術研究

余培文 張杜清 廣東海洋大學海運學院

“中國制造2025”國家戰略持續推進，“智能制造”“智慧工廠”“工業互聯網”“人工智能”等已經成為時代發展的熱點，新的工業革命狂潮已經掀起。在人工智能的加持下，船舶領域諸多痛點亟待解決，尤其是船舶機械設備的狀態監測技術得到越來越多行業的關注，診斷技術也由傳統的經驗判斷向人工智能轉變。減速齒輪箱、船用泵、空壓機等船舶諸多復雜機械設備中，滾動軸承扮演著極為重要的角色，因此，滾動軸承的狀態監測技術研究對于提高船舶設備的安全性和可靠性具有重大意義。本文應用深度神經網絡方法對船舶滾動軸承進行狀態監測技術研究，加強軸承的健康監測，保障設備的安全性和可靠性，減少非必要的設備停機，降低船舶運營成本。

1.滾動軸承的失效模式和機理

滾動軸承是機械設備中不可或缺的重要零件之一。滾動軸承用于支承軸及軸上的零件，減少摩擦和磨損，廣泛應用于中速、中載和一般工作條件中，具有良好的互換性和通用性，易于潤滑維護及保養。然而，滾動軸承失效模式多樣，如圖1所示，主要包括接觸疲勞失效、磨損失效、斷裂失效、腐蝕失效及游隙變化失效。

圖1 軸承全壽命衰退圖

可喜的是，各種軸承失效形式在運行過程中都會出現明顯的衰退過程，一般可分為穩定階段、衰退階段和故障階段。不同階段下的軸承健康指數具有明顯的差異。處于穩定階段的軸承性能變化不明顯，然而在運行至衰退階段具有較大性能差異?！?br>