数据驱动下的滚动轴承性能退化评估研究综述

随着科学技术的发展、工业技术的不断创新,机械设备越来越重要,机械设备的健康状况也越来越受重视.基于数据驱动理论对国内外滚动轴承的特征提取方法和性能退化评估模型进行综述,分析了各种方法的优缺点,并对滚动轴承性能退化评估技术进行展望.     

滚动轴承性能退化趋势预测综述

滚动轴承作为旋转机械的重要零部件之一,其在工业中占有重要的地位,其可靠性直接影响设备能否安全、稳定运行.文章首先阐述了滚动轴承性能退化趋势预测的研究意义;接着梳理了滚动轴承性能退化趋势预测中关键难点性能退化指标构建对故障特征提取、降维和融合方法,然后进行了有效的性能退化趋势预测模型分类.最后,对滚动轴承性能退化趋势预测...     

变工况下滚动轴承故障注入静电监测方法研究

采用静电监测方法研究变工况下滚动轴承不同故障注入程度对应静电信号特征.将自主研发的磨损区域静电传感器(WSS)搭载滚动轴承实验平台,利用电火花加工技术(EDM)对实验轴承进行不同程度和位置故障注入,在变工况条件下进行了一系列滚动轴承静电监测实验.对实验中各阶段静电信号进行处理,提取均方根值(RMS)作为结果分析的特征值.实验结果表明,同一工况下轴承静电RMS随故障程度的增大而增大,证明静电感应方法可用于在线监测滚动轴承故障程度的变化,且比振动更为敏感;不同工况下轴承静电RMS受转速影响大于载荷;轴承故障注入位置的改变对轴承静电信号也存在影响.进一步利用多元回归分析给出该轴承静电RMS与各参数间的具体关系式,其判断系数R2达到97.7％且满足F检验和T检验,证明拟合效果良好.该研究结果为进一步利用静电监测方法进行轴承的故障诊断与寿命预测及实现仪器产品化奠定了基础.     

变工况下滚动轴承静电多传感器融合监测方法研究

滚动轴承是轨道车辆中最关键的部件之一,其质量好坏直接影响轨道车辆的运行.针对滚动轴承的故障监测,基于多传感器信息融合技术,采用多个静电传感器对滚动轴承进行同时监测,通过时域算法和复杂度度量算法对特征参数进行提取,并提出MWLOF检测算法.根据滚动轴承静电综合监测平台在不同工况下对滚动轴承进行监测试验,结果表明:考虑工况...     

滚动轴承性能退化的时序多元状态估计方法

滚动轴承性能退化评估是预诊断的提前和基础,对在役滚动轴承实施在线状态监测和性能退化评估具有重要意义。针对概率相似度量评估方法存在模型复杂、容易过早饱和等现象,提出一种基于自回归时序 （autoregressive model,简称AR）模型和多元状态估计（multivariate state estimation technique, 简称MSET）的滚动轴承性能在线评估方法,其中AR模型用于提取轴承振动信号的状态特征,MSET模型用于重构AR模型系数。首先,提取正常运行状态下振动信号的AR模型系数构建MSET模型的历史记忆矩阵;其次,将待测信号的AR系数作为观测向量输入MSET模型中得到重构后的估计向量;最后,由原始AR系数和重构AR系数分别构造自回归模型,并各自完成对待测信号的时序建模,将两自回归模型所得残差序列的均方根值之差作为性能劣化程度指标。离散实验数据和全寿命疲劳实验数据分析结果表明,该方法能够有效检测早期故障,且具有与轴承故障发展趋势一致性更好等优点。     

基于DBN-SVDD的滚动轴承性能退化评估方法

针对现有性能退化评估方法需要人工经验筛选特征指标,难以获取轴承故障状态下振动信号的问题,提出了一种基于深度置信网络(DBN)和支持向量数据描述(SVDD)相结合的滚动轴承性能退化评估方法.该方法以滚动轴承正常状态下的归一化幅值谱作为DBN的输入,利用DBN中的RBM构建特征自动提取模型,通过SVDD构建评估模型.使用不...     

滚动轴承早期性能退化评估技术研究

为了解决轴承早期性能退化时信噪比低,特征提取和早期性能退化评估困难这一难题,本文采用盲源分离的方法分离轴承振动信号的干扰,将盲源分离后轴承振动信号的峭度值作为轴承性能评估的敏感特征,利用动态模糊神经网络建立轴承的早期性能退化模型。根据盲源分离后,早期性能退化时轴承振动信号的峭度值增加,可作为轴承早期性能退化评估的敏感特征。计算结果表明,盲源分离使得振动信号的峭度对轴承的性能状态更加敏感,轴承性能退化评估结果准确,具有重要的工业实用价值。     

基于时序可拓的滚动轴承性能退化评估方法研究

针对滚动轴承性能退化方法研究问题,提出了基于时序可拓的滚动轴承性能退化方法研究。首先利用自回归AR模型提取振动信号的特征,然后将所得的特征进行最值归一化处理,再用Fisher比对归一化处理后的特征进行打分降维,最后将降维后的特征向量输入到可拓学模型中,进而对轴承性能进行定性定量评估,通过实验并且用包络谱分析验证结论的准确性,实验表明所提的方法能有效发现早期故障。     

基于支持向量机的滚动轴承性能退化评估方法

由于损伤积累,轴承的性能会逐渐退化,为准确地评估滚动轴承性能退化状态,提出了一种基于支持向量机和小波包分解的方法。并利用具有不同故障程度的滚动轴承的振动信号,对该方法进行了验证。评估结果表明,该方法可以准确地评估轴承的性能退化程度。     

流形模糊C均值方法及其在滚动轴承性能退化评估中的应用

滚动轴承全寿命周期性能退化监测是设备主动维修技术重要的组成部分,对损伤状态进行有效评估可以实现设备接近零停机运行,发挥机器的最大生产力。为有效描绘滚动轴承性能退化趋势,提出一种基于流形学习的模糊C均值(Fuzzy C-means algorithm,FCM)方法。首先提取监测信号的时域、频域特征及小波包时频域特征组成高维特征集,然后按确定的本征维数提取高维特征集的低维流形特征,进而建立基于局部线性嵌入流行学习(Locally linear embedding,LLE)的模糊C均值模型评估轴承当前运行状态。通过IMS滚动轴承全寿命试验,验证了该方法能够有效描绘滚动轴承性能退化阶段,为预知维修提供了重要信息。     

基于多域特征与高斯混合模型的滚动轴承性能退化评估

视情维修可避免维修不足与维修过剩等问题,滚动轴承性能退化程度量化评估是实现视情维修的基础。提取滚动轴承早期无故障振动信号的时域、频域特征构建多域特征矢量,建立无故障轴承高斯混合模型(GMM)。将轴承后期振动信号的多域特征矢量输入该GMM模型,得到测试样本与无故障样本之间的量化相似程度,以此建立多域对数似然概率(MDLLP)值作为滚动轴承性能退化定量指标。MDLLP的取值上限为1,便于实际使用中确定轴承性能退化状态。轴承疲劳试验表明,该方法能及时发现轴承早期故障,并能很好地跟踪故障发展趋势,最优特征的选择与变换对评估效果具有较大影响。     

油气润滑滚动轴承最佳供油量试验研究

在自行研制的油气润滑滚动轴承的试验装置上,研究了在不同载荷下供油量变化对油气润滑滚动轴承外圈温度的影响过程。结果表明,发现随着载荷的升高,最佳供油量的数值不断增大,表明油气润滑在不同的工况条件下要采用不同的最佳供油量进行工作,才能实现最佳的油气润滑效果。     

滚动轴承内圈温度无线监测技术

温度是反映滚动轴承运行状态的重要指标之一,高速运行中轴承旋转套圈的温度远高于静止套圈温度,实现轴承旋转套圈（通常为内圈）的实时温升监测对保证运行安全尤为重要。基于电气和机械设计技术的协同,提出一种滚动轴承内圈温度无线监测方案,将测试系统嵌入轴承锁紧螺母中,利用锁紧螺母与轴承接触配合实现对轴承内圈温度采集。设计研究集成温度测试、无线数据传输及无线电能供给电路。重点实现电能无线供给以满足轴承旋转套圈温度持续监测的电能需求。最后通过对32008圆锥滚子轴承温度采集,验证该方案的可行性。该方法在保障轴承完整性的条件下能实现轴承旋转套圈温度的监测,为轴承状态监测和热特性试验研究提供了新的技术手段,解决了实际工况下轴承旋转套圈测温难题。     

航空发动机用高速滚动轴承性能考核及失效分析

针对工作在高温、高速、重载等极限工况条件下的航空发动机用滚动轴承的运转状态的特殊性,介绍了一种应用多传感器进行测量的轴承监测及性能考核系统。并对该种工况下工作轴承的主要失效形式进行了分析。通过测量轴承运转时多种反映其工况的特征信号,实现了对轴承的运转状态和故障发生、发展的过程的监控。     

低速重载滚动轴承的状态监测

炼钢厂连铸机大包回转台轴承是典型的大型低速重载回转设备,由于常规的振动传感器很难拾取如此低频的信号致使振动分析无法进行,因此利用润滑脂的光谱和铁谱分析方法对其进行状态监测。在此研究过程中,开发出新的润滑脂专用溶剂。研究结果表明,利用润滑脂的光谱和铁谱分析技术来评价该类型低速重载轴承磨损状态是可行的,1#连铸机大包回转台轴承的使用寿命延长到了14年。     

静电传感器在油液在线监测系统中的应用

将静电传感器技术运用到油液在线监测系统中去,对机械设备的磨损情况进行分析;研究了油液磨粒荷电机制,以及磨粒荷电量的影响因素;提出了一种改进的静电传感器测量模型,利用大型有限元分析软件ANSYS,对影响静电传感器性能的主要因素进行了仿真分析,并对传感器的结构进行了优化设计;研究了磨粒浓度与传感器测量电压之间的关系,运用静电传感器在线监测机械设备润滑油中磨损颗粒的荷电情况,得到设备磨损的监测结果,验证了静电监测方法的有效性。     

滚动轴承-双转子系统动态性能分析

在高速圆柱滚子轴承拟动力学分析的基础上,利用整体传递矩阵法对滚动轴承-多转子系统的动态性能进行了分析,并开发了相应的分析软件,在此基础上,对高速圆柱滚子轴承径向游隙与整个系统动态特性的关系进行了研究。结果表明:圆柱滚子轴承的径向游隙直接影响着滚动轴承-双转子系统的稳定性。