轴承故障检测技术的研究

来源:用户上传      作者: 胡立志

　　【摘要】轴承是各类旋转式机械中最常用的一种零配件，它的正常与否能够直接影响设备 的综合性能，因此轴承故障的检测技术研究具有重大意义。本文围绕轴承故障检测技术的发展现状和轴承故障诊断技术的前景展望两大方面展开讨论，对轴承故障检测技术进行了简单的阐述。
　　【关键词】轴承；故障检测；智能化
　　一.轴承故障检测技术的发展现状
　　机械故障诊断学可以对及其或者机组的运行状态进行有效识别。随着科学技术的日益发展，工业水平也不断提高，机械设备的自动化程度也不断提升，要想凭借个人感觉来对机械设备进行故障诊断已经不切实际了。在第二次世界大战时期，由于军事设备的诊断维修技术落后，导致大量军事设备发生非战斗引起的破坏，由此可见设备故障检测技术是如此重要。在20世纪60年代以来，半导体技术快速发展，使越来越多的集成电路出现在机械设备中，随着电子技术和计算机技术的更新换代，逐渐出现了数字信号处理和分析技术的分支，为机械设备的故障检测技术打下了良好的基础。而轴承是在各种旋转式机械中最常用的一种零配件，它的正常与否能够直接影响设备 的综合性能，例如精度、寿命、稳定性等。根据可靠数据显示，在旋转机械常见故障中，百分之三十都是由于轴承故障所导致的。轴承故障诊断技术最初起源于国外20世纪60年代初，现阶段，该领域相关研究人员对于轴承故障诊断技术的研究主要体现在以下几个方面。
　　1.时域分析法
　　时域分析法是轴承故障诊断技术发展的起源方法，这种诊断方式主要是依靠相关分析和时序分析等信号提取特征，同时使用振动信号中常见的基本数字特征及概率分布特征实现机械设备的诊断工作。其中包括均值、有效值、峰值等判定依据。时域同步平均法在轴承故障诊断中极其常见，它主要依靠信号增强原则，并通过对轴承振动信号的取样，实现对多周期信号的同步平局，以此来得到时域同步平均信号。该方式的主要优点在于能够有效减少其他零部件或振动源对于信号的干扰，增强信噪比。
　　2.频域分析法
　　频域分析法主要是通过将时域波形在FFT的变换下转换为频谱图，并利用振动信号的频谱特征实现轴承故障诊断，例如特征频率、无量纲判别因子等，对轴承故障进行深入的检测。在频谱分析技术中，细化技术和倒谱技术是最常用的诊断手段，在对轴承振动信号的频谱进行分析时必须达到一定程度的频率分辨率，细化谱分析技术可以有效提高频率分辨率。另外，在不另外增加采样点数的条件下，FFT-FS频谱细化方式可以选择性地对感兴趣的频带进行细化处理，以此得到较为精确的频率值。
　　3.时频分析法
　　利用普通的频谱分析技术很难与视频技术同时进行，探测到信号的时域特点。若采用时频分析技术，既可以体现出时域特征又能够体现出频域特征，可以对轴承故障的特征进行全面描述。在1946年，GABOR提出了一种基于窗口傅立叶的转换概念，通过一个可在时间上进行滑动的时窗来实现傅立叶的变换，从而研究出一种在时域和频域方面都拥有良好局部性的分析方式。其中，小波分析方式中的多尺度特性及其对突变信号的发现能力，对于稳定信号的处理具有极大的优势，它成功破解了短时傅立叶变换分辨率中无法改变的缺陷，使时域和频域同时具有较好的局部性，并成为轴承诊断发展过程中的研究重点。
　　4.智能化诊断分析法
　　计算机人工智能和诊断理论的有效融合形成了具有信息时代特征的智能化诊断方法。现阶段中，轴承诊断领域中出现频率较高的两类人工智能诊断系统主要是在知识专家系统和网络智能诊断系统的基础上建立的。其中，基于知识的专家系统具有以下特征：以知识为技术基础，通过串行运行模式对人类大脑逻辑思维能力进行模拟，以此实现精密的人工故障诊断技术。而基于神经网络的智能诊断系统具有以下特征：以神经网络结构为技术基础，通过大规模并行运算模式实现人脑物理结构的模拟。通常情况下，智能诊断系统会和各种现代理论基础进行相结合，例如模糊集理论基础与转矩系统结合之后会形成具有模糊性质的专家系统，而将小波和神经网络相结合可以形成具有小波特性的神经网络。这种结合方式可以充分发挥各种系统的优势，扬长避短，对更加复杂的轴承故障进行诊断分析，得到更加准确的诊断结果。相关研究人员根据该模型的特征提出了一种新算法来取代传统的BP算法，这种算法可以提高学习速度，并避免陷入局部极小的状况发生。改善后的新算法能够很好地运用在轴承故障诊断中，根据大量实验表表明，该算法可以有效降低网络在训练过程中停留在局部极小区域的时间，极大地提高了网络学习速度。
　　二.轴承故障诊断技术的前景展望
　　随着信息技术和通信技术的高速发展，轴承故障诊断技术也逐渐实现电子化和智能化。根据现阶段的研究资料来看，轴承故障诊断的未来发展趋势主要集中在以下几个方面：
　　1.混合故障诊断技术
　　智能诊断技术为轴承故障诊断工作提供了一个重要的发展方向。而将各种不同类型的智能技术进行有效结合而形成的混合式故障诊断系统，将是智能故障诊断研究道路上的突破点。这些智能技术之间的结合方式多种多样，主要有根据规则进行的专家系统神经网络系统的结合、实例推理与神经网络系统的结合、模糊逻辑和神经网络之间的结合。
　　2.多层次诊断融合
　　集成知识库中各类诊断经验，与数据库中存档的各类故障数据，根据故障的特征进行综合性分析，确定故障的具体发生场所。该技术主要是对状态监测过程中所监测到的数据信息进行相结合，再与层次诊断模型进行相结合，按照层次性推理方式作出由浅至深的诊断。除此之外，它还可以进一步讲状态监测过程中所监测到的信号汇总到诊断系统中，实现在线数据分析处理和在线故障诊断，无论是在实时性还是智能化方面都有较大的提升。
　　3.诊断与控制的有效结合
　　根据现阶段设备的运行状况及健康程度来决定设备运行策略，以此来预测可能发生的故障，从而在早期避免故障发生，这是轴承故障诊断技术发展过程中最高目标。它将诊断系统与控制系统进行深度结合，以此实现集检测、诊断、控制为一体的轴承故障检测技术。它由以往的单机诊断逐渐发展为如今的全系统诊断，拥有丰富的信息量和较多的种类。总而言之，在未来的轴承故障诊断技术研究中，还应在诊断理论与诊断方式方面深入探索，在此基础上建立一套完善是故障诊断知道理论体系和实践体系，并将诊断理论和诊断方法切切实实地应用到日常生活中。与此同时，还应加强对便携式诊断工具的研发，建立简单易操作的操作系统和诊断平台，为诊断工作人员提供更加人性的工作环境，提高故障诊断效率，将轴承故障检测技术推向更高的发展平台。
转载注明来源:https://www.xzbu.com/6/view-6614215.htm