轴承运行状态监测与故障诊断方法研究【文献综述】

毕业设计开题报告测控技术与仪器轴承运行状态监测与故障诊断方法研究1前言装备制造业是为国民经济和国防建设提供技术的重要产业，而振兴装备制造业的重中之重是提高装备的创新和产品的国产化，轴承产品作为装备制造业中重大装备的基础零件，也必须实现其自主创新和国产化。

从文献所知，国务院在《关于加快振兴装备制造业若干意见》中提出,选择16个对国家经济和国防建设有重要影响的关键领域，以重大装备为重点，尽快扩大自主装备的市场占有率[1]。

而在这16个关键领域中的重大技术装备中,绝大部分都要装用轴承，并且需要高技术的轴承来保证其精度、性能、寿命和可靠性。

据数据显示,至2010年，这16个关键领域每年要配套轴承约 550.5万套，产值约 116.5亿元。

滚动轴承作为机械设备中重要的零件，是机械设备的重要故障源之一。

统计表明：在使用滚动轴承的机械中，大概有 30%的机械故障是由滚动轴承引起的。

在感应电机故障中，滚动轴承故障约占电机故障的40%左右,而齿轮箱各类故障中的轴承故障率仅次于齿轮占20%。

有关资料表明，我国现有的机车用的滚动轴承，每年约40%要经过下车检验，其中的33%左右被更换。

因此，改定期维修为状态监控维修，研究机车轴承故障监测和诊断，有重要的经济效益和实用价值[2]。

据统计，对机械设备应用状态监测与故障诊断技术，事故发生率可降低75%，维修费用可减少25～50%。

滚动轴承的状态监测与故障诊断技术在了解轴承的性能状态和及时发现潜在故障等方面起着至关重要的作用，并且可以有效提高机械设备的运行管理水平及维修效能，具有显著的经济效益。

2主题现在，我国在滚动轴承监测与故障诊断技术方面的研究经历了2个重要阶段:从70年代末到80年代初，主要吸收国外先进技术，并对一些故障原理和诊断方法展开研究；从80年代初期到现在，全面开展了对滚动轴承的故障诊断新理论及其应用的研究工作，引入了先进技术，大大提高了诊断系统可实施性，并取得了丰硕成果[1]。

对滚动轴承故障监测和诊断的理论与方法的研究一直是研究的重点。

根据故障监测和诊断方法原理的不同，滚动轴承的故障诊断技术主要为振动诊断技术、油液诊断技术、热诊断技术、声学诊断技术、油膜电阻诊断技术、光纤诊断技术等[1],其中振动诊断技术、铁谱诊断技术、热诊断(热成像诊断和温度诊断)技术应用最为广泛。

（1）振动信号基的故障监测和诊断技术基于振动信号的滚动轴承故障监测和诊断技术，主要是通过对运行过程中轴承振动信号的采集和处理来来对滚动轴承出现的疲劳剥落、变形、压痕、局部腐蚀等现象进行监测与诊断。

该方法应用广泛，理论和实践都相对比较成熟，可以实现在线监测。

（2）油液基的故障监测和诊断技术滚动轴承故障的主要形式是磨损、断裂、腐蚀等[2]，油润滑或油冷却的轴承在运行的过程中，会将相关的信号带入到循环油液中，因此对运行过程中的油液进行观察、析，可以了解轴承的运行状态，推断出轴承故障的形式和部位。

（3）温度基的故障监测和诊断技术温度诊断技术是一种相对比较常规简单的诊断技术，对运行过程中轴承温度的监测来对轴承故障进行监测和诊断。

轴承的运转温度主要由轴承的载荷、转速、摩擦力矩、润滑剂类型、粘度、轴承类型等因素决定，因此轴承的温度可以一定程度反映轴承的运转参数的变化和运行的故障，特别是对轴承烧伤的诊断效果比较好。

（4）声学基的故障监测和诊断技术声学监测和诊断技术是近几年发展起来的新技术，通过对轴承由于变形、剥落或裂纹等原因产生的波的监测实现对轴承故障的诊断。

由于轴承经常在工作中受到载荷作用，使材料产生错位运动或塑性变形，在这过程中伴随着声信号的产生。

金属材料的发射频率可达几十至几百兆赫兹，其信号的强度差异小,故需要电荷放大器等仪器的辅助。

声信号随着轴承故障类型的不同而不同，从而实现对不同故障的有效诊断。

该方法的诊断过程快速、简便，但它需要专用的设备，格比较昂贵，使得该诊断技术的推广应用受到了一定的限制。

（5）油膜电阻基的故障监测和诊断技术如果轴承在运转过程中，滚道和滚动体之间形成很好的油膜，则内外圈的电阻值可达兆欧姆，但当润滑油膜遭到破坏后,内外圈之间的电阻可降低至零欧姆，该故障诊断技术正是利用这一特性，轴承的润滑状态和轴承的磨损、腐蚀进行监测和诊断。

但该方法对其它损伤情况如表面剥落、压痕、裂纹、点蚀等损伤情况诊断效果较差。

所以，该技术比较适用于旋转轴外露的情况。

（6）光纤基的故障监测和诊断技术光纤诊断技术是用光导纤维束制成位移传感器发射和接受光纤束，对轴承情况做出判断，该方法灵敏度高、信噪比大，可以直接地反映轴承的制造质量、表面磨损程度、载荷、润滑和间隙等情况，适用于将传感器安装在轴承座内的场合。

（7）综合故障监测和诊断系统随着轴承状态监测和故障诊断方法的深入发展，模糊数学理论、模式识别理论、专家系统技术、人工神经网络技术、灰色理论、可拓数学、信息科学理论等对故障的可行性也逐渐在工程中得到应用。

基于多传感器信息融合的故障诊断技术、宽阔的时空覆盖区域、高的测量维数和良好的目标空间分辨率及较强的故障容错与系统重构能力等技术优势受到各国的高度重视并逐步融入到故障诊断领域。

事实上，综合故障诊断的过程也是诊断信息融合的过程，只不过综合的意义更为广泛[3]。

综合故障诊断与处理主要为群体集的综合、方法集的综合、信息集的综合、评价集的综合、趋势集的综合、优化集的综合，涵盖了信息融合、群体决策、确定性推理、优化和诊断方法等理论与方法。

综上所述监测和故障诊断的方法，其中，振动检测能检测轴承的剥落、裂纹、磨损、烧伤，且适于早期检测和在线检测。

因而，振动诊断法得到一致认可[4]。

滚动轴承的振动反映了固有的振动特性、加工安装误差和运行时故障引起的振动特性，对滚动轴承的振动特性进行分析，并对其典型故障进行诊断。

对滚动轴承的频谱结构分析可以有效反映轴承的工作状态[5]，达到对轴承进行监测和故障进行诊断的目的。

当轴承出现局部损伤类故障后，振动信号中就包含了以故障特征频率为周期的周期性冲击成分，虽然这些冲击是周期出现的，但单个冲击信号却具有非平稳信号的特性。

傅里叶变换在频域上是完全局部化的。

因为其基函数在时域上的全局性，没有任何的时间分辨率，因此不适合非平稳信号的分析[6]。

短时傅里叶变换虽然在时域和频域上都具有一定的分辨率，但由于其基函数只能对信号进行等带宽的分解，所以基函数一旦确定，其时域和频域也就不能变化，而不能确定信号在不同频段的分辨率[7]。

小波变换基函数的伸缩和平移能够形成一系列变化的时频窗，低频处时窗变宽，高频处时窗变窄，而频窗的变化恰好相反，这样小波变换就具有了可变分辨率的特征，从而满足时频分析的要求[7]，[8]。

因此，可以用小波变换对滚动轴承进行状态监视和故障诊断。

在不久的将来，用于滚动轴承故障监测和诊断的时频分析法、小波分析法、时变参数模型法，分段平稳模型法、自适应模型法[9]等前沿技术将进一步完善，高阶循环统计量技术、分形维数等技术有望得到进一步的突破，专家系统和人工神经网络技术等综合型的故障智能监测和诊断系统都具有很大的发展潜力和广阔的发展前景。

3总结部分随着科学技术的进步和生产力的发展，机械设备日益向大型化、精密化、高速化和自动化的方向发展。

一方面提高了生产效率、降低了生产成本，另一方面对机械的设计、制造、安装、使用、维修和可靠运行都提出了更高、更严格的要求。

一个微小的故障，可能会影响整个系统运行的稳定性和安全性，甚至造成灾难性后果。

所以，各国十分重视对大型设备的状态监测和故障诊断，积极开展对故障机理、故障监测、故障诊断技术等方面的开发研究工作。

上个世纪70年代，国外的设备状态监测和故障诊断技术已经进入了实用型阶段，而在我国，故障诊断技术经过20多年的发展，从一般诊断到智能诊断，从简易诊断到精密诊断，从单机诊断到网络诊断，已经逐步找到了一条适合我国国情发展的道路，无论在故障诊断理论上，还是在工程实践及监测诊断产品的研发中,都已经有了一定的基础[10]。

众所周知，滚动轴承的状态监测与故障诊断就是通过对滚动轴承在各种情况下表现出来的振动、噪声、温度、气味、泄漏、工作参数等信息的监测和分析来对其工作状态、故障类型和故障的严重程度进行综合评价的过程，主要包括检测试验技术、信号处理技术、模式识别技术和预测评估技术四项基本技术，再进行检测和发现异常、诊断故障部位、分析故障类型、提出诊断方案和诊断[5]。

而在众多的状态监测和故障诊断的方法中，基于振动信号的轴承状态监测和故障诊断的方法已被广泛应用，相关理论和实践也都比较成熟[11]。

通过对滚动轴承的振动特性分析，可以了解其在不同工作状态下的振动频率[12]。

典型轴承故障振动频率处于振动的低频带，通过测试和分析，可以有效地对故障进行诊断[13]。

傅里叶变换在频域上是完全局部的,但因为其基函数在时域上的全局性, 使它没有任何的时间分辨率，因此它不适合非平稳信号的分析；短时傅立叶变换虽然在时域和频域上都具有一定的分辨率，但由于其基函数只能对信号进行等带宽的分解,因此它的基函数一旦确定，它的时域和频域分辨率也不能变化，从而不能确定信号在不同频段的分辨率[14]。

而小波变换具有可变分辨率的特征，从而满足时频分析的要求，达到了对滚动轴承典型故障诊断的目的[15]。

4参考文献[1] 李兴林,张仰平,曹茂来等.滚动轴承故障监测诊断技术应用进展[J].工程与试验,2009,49(14):1-5.[2] 张丽. 机车滚动轴承故障的产生及诊断方法[J]哈尔滨铁道科技，2010，（02）:38-39.[3] KONSTANTINOS C. GRYLLIAS and IOANNIS ANTONIADIS. A peak energy criterion{P.E}for the selection of resonance bands in complex shifted morlet wavelet(CSMW)based demodulation of defective rolling element bearings vibration response[J]. International Journal of Wavelets,Multiresolution and Information Processing,2009,(4):388-409.[4] 吕维杰.振动分析技术在滚动轴承故障诊断中的应用[J].中国新技术新产品，2010，（12）:27.[5] 唐茗,李力.滚动轴承故障程度识别与诊断研究[J].轴承,2008,(8):32-35.[6] 钱苏翔.傅里叶变换及小波变换的工程应用[J].嘉兴高等专科学校学报，2000，（6）:13-41.[7] 汪庆年,黄建红,武和雷.小波变换及其在滚动轴承故障诊断中的应用[J].南昌大学学报，2005，（3）:78-80.[8] 赵玉菊,李辉,李靖.基于小波变换的滚动轴承故障诊断研究[J].石家庄铁路职业技术学院学报,2010,(6):54-58.[9] 刘宗政,陈恳,陈振华等.滚动轴承的振动特性分析及典型故障诊断[J].机械设计与制造,2009,(3):103-105.[10] 宁练.滚动轴承在线监测系统设计[J].机械工程与自化,2005,(3):63-64.[11] 崔硕.时域指标在滚动轴承故障诊断中的应用[J].机械工程与自动化，2008，（2）:100-102.[12]. K. REZAEI MOGHADAM, A. MOHAJERIN ARIAEI, M. H. KAHAEI, and J. POSHTAN Bearing fault detection using virtual-based ICA algorithm[J].Fluctuation and Noise Letters,2008,(3):23-33.[13] 姜绍俊.小波变换在轴承故障诊断中的研究[J].电脑知识与技术，2009，（18）: 96-97.[14]. 沈金伟.滚动轴承故障诊断的改进小波变换谱峭度法[J].轴承，2010，（8）:46-49.[15] 于云满,邵强等.小波分析及其在轴承振动诊断中的应用[J].大连大学学报，2002，（12）:65-67.。