輪轂軸承失效模式與剩余壽命預測研究

劉國 易聲超 向景勛 吳文洲

摘要：輪轂軸承是汽車裝備的關鍵零部件，其可靠性的工作直接影響駕駛員和乘客的安全。為了更好地研究輪轂軸承的失效模式和剩余壽命，詳細分析了其失效的模式以及剩余壽命的預測，提出無失效數據條件下的非等間隔灰色預測方法。該方法可以通過輪轂軸承的仿真無失效數據對輪轂軸承的剩余使用壽命進行預測，為軸承的可靠性評估提供了新的思路。

關鍵詞：輪轂軸承；失效模式；剩余壽命；預測

中圖分類號：U467.4 ?收稿日期：2023-04-10

DOI：10.19999/j.cnki.1004-0226.2023.07.017

1 前言

汽車已經成為現代人出行的首選交通工具。隨著我國汽車保有量的不斷增加，汽車零配件的故障越來越多。輪轂軸承是汽車關鍵零部件，對駕駛員和乘客的行車安全至關重要。對于輪轂軸承的質量來說，國內的質量相對于國外低30%[1]。而在疲勞壽命和可靠性方面，我國使用的輪轂軸承的使用壽命只能達到國外的50%左右[2]。

2 輪轂軸承失效模式分析

輪轂軸承的失效方式有很多種，主要分為疲勞失效、磨損失效、塑性變形，其中最常見的失效形式為疲勞失效。

2.1 疲勞失效

輪轂軸承的疲勞是滾動軸承長期工作的結果，也是最常見的失效形式，主要表現為滾動體活動的內外軌道出現了裂痕，或者滾動體本身出現了凹坑。早期疲勞出現的凹坑是不規則和不連續的，當持續工作一段時間后，原先的凹坑就會使滾動體大面積的脫落，直至滾動軸承完全失效，失去工作能力。然而，造成這種現象的原因主要是安裝不到位或者工作期間軸承沒有得到充分的潤滑。

2.2 磨損失效

滾動軸承的另外一種常見失效形式是磨損。輪轂軸承工作期間不但承受了汽車和乘客的重力，同時還承受來自地面的沖擊載荷。輪轂軸承在惡劣的工作環境中，密封不良容易進入顆粒物，這些顆粒物與滾動軸承的內圈、外圈、滾動體和保持架之間產生相互作用，導致滾動軸承運動表面出現劃痕，加快了輪轂軸承的失效，出現過早的報廢情況。

2.3 塑性變形

汽車在不平的路面行駛時，經常會遇到障礙物產生一定的沖擊，因此輪轂軸承會經常受到地面的沖擊載荷，過大的沖擊載荷可以使輪轂軸承產生不可逆轉的變形，致使軸承工作時產生劇烈震動和噪聲。

3 輪轂軸承剩余壽命預測

輪轂軸承的主要作用是承受汽車自身和乘客的重量，同時也為駕駛員轉彎提供精確的引導。目前，汽車上的輪轂軸承廣泛采用圓錐滾子軸承。對于輪轂軸承的可靠性分析與壽命預測主要是基于機理模型、數理統計和人工智能的方法開展研究。

3.1 基于機理模型的滾動軸承剩余壽命預測

基于機理模型的剩余壽命預測方法主要是從滾動軸承的四個組件以及它們之間的運動規律著手，利用力學的相關理論進行分析，建立相對準確地退化機制和演化規律，進而對滾動軸承進行剩余使用壽命預測。部分學者將滾動軸承的退化機制和演化機理同有限元仿真結合起來，提高了滾動軸承的預測精度。劉德昆等[3]分析了高速列車動車組軸向軸承在工作過程中受載情況，根據先行損傷理論，得出軸箱軸承的疲勞使用壽命。該方法得到了工程上的應用，具有一定的實用價值，也為軸箱軸承的優化設計提供了新的思路。雖然說基于機理模型的滾動軸承的剩余壽命預測方法是最有效的表征軸承退化狀況的方法，但是該方法的不足之處是需要建立精確的數學模型，這種精確的數學模型對于建模人員有著非常高的專業背景要求和實際的工程管理經驗。隨著汽車裝備的復雜化，滾動軸承的數據采集，尤其是實車采集帶來了很大的難度，試驗成本也較高，使得應用機理模型對滾動軸承的退化過程描述更加困難。

3.2 基于數理統計的滾動軸承剩余壽命預測

目前，大數據技術應用在機械裝備故障診斷和壽命預測越來越多。而基于數據統計構建的剩余壽命預測方法是否與真實的機械裝備性能退化相吻合是考驗方法和模型準確性的重要手段。因此在進行剩余壽命預測時，要合理選擇構建的數學模型。蔡薇薇等[4]針對軸承到達服役時間而依然滿足使用條件造成的資源浪費問題，提出了一種基于CNN-LSTM的軸承剩余使用壽命預測方法?；跀道斫y計的滾動軸承剩余壽命預測方法優點能夠真實地反映機械產品在工作時的狀態。采集的過程數據可以很好地對構建的數學模型參數進行有效的修正，提升剩余壽命的預測精度。但是，這種方法需要花費大量的時間去收集實驗數據，對于輪轂軸承等高可靠性產品，實驗時間過長，且成本較高，這就限制了該種方法的使用范圍。

3.3 基于人工智能的滾動軸承剩余壽命預測

人工智能算法研究機械裝備故障診斷和剩余壽命是目前最熱門的方法。人工智能算法有很多種，最為常見的是神經網絡、支持向量機和模糊計算等。張繼東等[5]應用卷積神經網絡對提取到的故障特征信號進行特征自學習，將學習的結果應用到軸承上，采用滾動軸承的加速實驗數據對提出的算法進行了驗證。趙志宏等[6]針對獲取軸承全壽命數據困難、收集的樣本數據較少的情況，提出關系網絡，根據該網絡對軸承的剩余壽命進行預測，通過實驗數據驗證了該方法的合理性。劉波等[7]將連續連續型隱馬爾可夫模型模型與基于粒子群優化算法的支持向量機結合來建立剩余壽命預測模型，并用建立的模型對軸承進行剩余壽命預測，具有較好的預測結果。Chen等[8]提出了一種新穎的基于空間注意力的卷積變壓器，在沒有先驗知識和特征工程的情況下，基于原始振動數據建立準確的軸承剩余壽命預測模型。隨著科技的進步，人工智能技術不斷普及，在未來一段時間內，是一種主流的研究手段。當研究數據十分匱乏，并且都是無失效數據，即在乏信息的情況下，人工智能算法也會受到限制。

灰色系統理論可以很好解決在缺乏信息情況下機電產品可靠性評估和壽命預測。本文基于貝葉斯理論和灰色系統理論對高可靠性輪轂軸承進行剩余壽命進行預測。

4 基于灰色系統理論的輪轂軸承剩余壽命預測

輪轂軸承是高可靠性產品，通過軸承的全壽命數據來評估軸承的可靠性難以實現?；疑到y理論可以在極少數據的情況下對可靠性較高的軸承進行可靠性評估和剩余壽命進行預測。獲得滾動軸承壽命數據一般采用定時截尾試驗。試驗過程中可以獲得滾動軸承的無失效數據，并且是非等間隔的。對于GM（1，1）模型進行剩余壽命預測時，必須將非等間隔的試驗數據轉化為等間隔試驗數據。最后根據南京航空航天大學灰色系統研究所開發的灰色系統建模軟件進行剩余壽命預測，軟件界面如圖1所示。

4.1 構建輪轂軸承的無失效數據模型

輪轂軸承的壽命符合威布爾分布。根據輪轂軸承的工作狀況確定合理的試驗樣本數量、分組、截尾時刻和最終的截尾時間，利用Monte-Carlo法產生服從威布爾分布的隨機數，按照從小到大的順序排列成無失效數據結構，根據文獻[9]確定多組軸承的形狀參數和尺度參數，得出它們的平均值。根據輪轂軸承的形狀參數和尺度參數的平均值，采用文獻[10]方法產生無失效數據，構建無失效數據模型。

4.2 非等間隔可靠度數值的計算

根據貝葉斯計算公式，計算輪轂軸承各個截尾時刻的失效概率估計值，從而得到輪轂軸承在截尾時刻的可靠度的估計值。

4.3 非等間隔灰色預測建模方法

灰色預測模型GM（1，1）在預測輪轂軸承剩余壽命時，只能采用等間隔的可靠度估計值，而不能采用定時截尾的非等間隔數值。因此，采用GM（1，1）模型進行輪轂軸承的剩余使用壽命評估時，需將無失效數據模型的非等間隔數值轉化為等間隔數值。主要建模方法包括構建可靠度估計值構建成原始序列，計算各時段與平均時段的單位時段差系數，計算輪轂軸承間隔序列的灰度，構建等間距序列。將等間隔的可靠度數據輸入灰色建模軟件，進行剩余壽命預測，如圖2所示。

5 結語

目前人們對于汽車質量的要求逐漸提高，這就需要提升每個汽車零配件的加工質量和裝配質量。對于輪轂軸承，越來越多的理論滲透到可靠性及剩余壽命預測中，提高了評估的準確性。

參考文獻：

[1]盧剛.踐行可靠性系統工程實現軸承行業高質量發展[J].軸承，2019（1）：61-65.

[2]王國輝.重卡輪轂軸承疲勞壽命分析及可靠性試驗技術研究[D].杭州：浙江農林大學，2020.

[3]劉德昆，李強，王曦，等.動車組軸箱軸承基于實測載荷的壽命預測方法[J].機械工程學報，2016，52（22）：45-54.

[4]蔡薇薇，徐彥偉，頡潭成.基于CNN-LSTM的軸承剩余使用壽命預測[J].機械傳動，2022，46（10）：17-23.

[5]張繼冬，鄒益勝，鄧佳林，等.基于全卷積層神經網絡的軸承剩余壽命預測[J].中國機械工程，2019，30（18）：2231-2235.

[6]趙志宏，張然，孫詩勝.基于關系網絡的軸承剩余使用壽命預測方法[J/OL].自動化學報：1-9[2023-04-29].

[7]劉波，寧芊，劉才學，等.基于連續型HMM和PSO-SVM的滾動軸承剩余壽命預測[J].計算機應用，2019，39（S1）：31-35.

[8]Chen C，Wang T，Liu Y，et al.Spatial attention-based convolutional transformer for bearing remaining useful life prediction[J]. Measurement Science and Technology，2022，33（11）：114001.

[9]卜德天，陳龍，劉紅彬，等.基于振動時間序列的汽車輪轂軸承壽命威布爾估計[J].軸承，2023（1）：44-49+56.

[10]劉國，姚齊水，余江鴻.基于無失效數據的滾動軸承剩余壽命非等間隔灰色預測方法[J].機電工程，2022，39（4）：501-506.

作者簡介：

劉國，男，1988出生，講師，研究方向為運載裝備關鍵零部件的可靠性評估及壽命預測。