（电路与系统专业论文）基于小波神经网络的滚动轴承故障诊断研究与应用.pdfVIP

中文摘要 滚动轴承故障通常使设备产生异常的振动和噪声，进而造成设备 损坏。滚动轴承的故障诊断方法是机械故障诊断中主要研究的热点之 一，它广泛应用于航空、电力系统、农业机械、运输机械、冶金机械 等领域。因此，开展对滚动轴承的故障诊断具有很现实的意义。本文 主要研究小波神经网络在滚动轴承故障诊断中的应用。论文主要做了 以下三个方面的研究工作： 1 论述了轴承故障产生的机理和常用故障特征参数的分析和提 取方法。针对滚动轴承系统的非线性和表面振动信号的非平稳特性， 引入小波分析方法。利用小波分析良好的时频局部化特性，克服了傅 立叶变换只能在整体上分析的缺陷，较好的分析故障中的奇异信号。 利用小波频带分析技术，对故障信号中含有的噪声信号进行分离。 2 结合小波和神经网络的优势给出小波神经网络的结构模型，研 究了小波神经网络的学习算法，针对传统算法收敛速度慢等问题，从 学习率和引入动量项两个方面对算法进行改进。 3 应用小波网络对滚动轴承的典型故障进行实例诊断。以7 2 1 6 圆锥轴承在试验台上所测取的数据进行网络训练。用振动信号为网络 输入向量，给出训练结果。通过仿真实例，可以看到采用的小波神经 网络能够很好的对故障进行分类，其收敛速度明显要快于相同条件 b p 神经网络，有效地实现了滚动轴承的故障诊断。 关键词：小波分析；神经网络；故障诊断 l a b s t r a c t r o l l i n ge l e m e n tb e a r i n g s f a u l t so f t e nb f i n ga b o u t e x c e p t i o n a l v i b r a t i o na n dn o i s e ，w h i c ht od i f f e r e n te x t e n tc a nd a m a g ee q u i p m e n t s d i a g n o s i n gr o l l i n ge l e m e n tb e a r i n g sf a u l t si sat o p i co fg r e a tc o n c e r ni n m e c h a n i s mf a u l td i a g n o s i sr e s e a l c h ，w h i c hh a sw i d ea p p l i c a t i o ni n a v i a t i o n ，e l e c t r i cp o w e rs y s t e m ，a g r i c u l t u r em e c h a n i s m ，t r a n s p o r t m e c h a n i s ma n dm e t a l l u r g ym e c h a n i s m ，e t c h e n c e ，i ti so fp r a c t i c a l s i g n i f i c a n c et od i a g n o s er o l l i n ge l e m e n tb e a t i n g sf a u l t i nt h i sp a p e r , a l l i m p r o v e dm e t h o db a s e do nw a v e l e tn e u r a ln e t w o r k ( w 田i sa p p l i e dt o f a u l td i a g n o s i so f r o l l i n ge l e m e n tb e a r i n g s t h em a i nw o r ki ss u m m a r i z e d a sf o l l o w s ： 1 t h ef a u l tm e c h a n i s mo fr o l l i n ge l e m e n tb e a r i n g si sd i s c u s s e d ，a n d c o m m o n l yu s e df e a t u r ee x t r a c t i o nm e t h o d so fv i b r a t i o np a r a m e t e ra l e a n a l y z e d c o n s i d e r i n gt h en o n l i n e a r i t ya n dn o n - s t a b i l i t yo fv i b r a t i o n s i g n a l ，w a v e l e ta n a l y s i si si n t r o d u c e d t oa n a l y z et h et r a n s i e n ts i g n a la n d f i l t e rn o i s ef r o ms i g n a l d u et ot h ep r o p e r t yo fl o c a l i z a t i o nb o t hi nt i m e a n d 自e q u e n c yd o m a i n ，w a v e l e tt r a n s f o r mc a no v e r c o m et h el i m i t a t i o no f f a s tf o u r i e rt r a n s f o r m ( f f na n di sg o o da tc a t c h i n gs i n g u l a rp o i n t s f r o ms i g n a l s 2 c o m b i n i n ga d v a n t a g e so fw a v e l e tt r a n s f o r ma n da r t i f i c i a ln e u r a l n e t w o r k ( a n n ) ，s t r u c t u r em o d e la n da l g o r i t h m so fw a v e l e tn e u r a l n e t w o r k ( w n n ) a l ed e s i g n e d b yu s i n gv a r i a b l el e a r n i n gr a t ea n d m o m e n t u mf a c t o rt h ea l g o r i t h m sh a v eb e e ni m p r o v e d ，w h e nc o m p a r e d w i t ht h es l o wc o n v e r g e n c er a t eo fc o n v e n t i o n a lb pn e u r a ln e t w o r k 3 w a v e l e tn e u r a ln e t w o r ki sa p p l i e dt ot y p i c a lf a u l t sd i a g n o s i so f r o l l i n ge l e m e n tb e a t i n g s e x p e r i m e n t a ld a t ao b t a i n e df r o m7 2 1 6t a p e r e d b e a r i n g se x p e r i m e n tt a b l ei su s e dt ot r a i nt h en e t w o r l c , u s i n gv i b r a t i o n s i g n a l a sk si n p u t r e s u l t so fs i m u l a t i o ni n d i c a t et h a tt h ew n nc a l l a c c u r a t e l yc l a s s i f yf a u l t s ，w h i c ho b v i o u s l ys u r p a s s e dt h ec o n v e n t i o n a lb p n e u r a ln e t w o r ku n d e rt h es a m ec o n d i t i o n ，e f f i c i e n t l ya c c o m p l i s hf a u l t d i a g n o s i so f r o l l i n ge l e m e n tb e a r i n g s k e y w o r d s ：w a v e l e ta n a l y s i s ；n e u r a ln e t w o r k ；f a u l td i a g n o s i s i i i 湖南师范大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论 文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的 研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人 完全意识到本声明的法律结果由本人承担。 学位论文作者签名：瑚冯移刃年f 月胪日 湖南师范大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 研究生在校攻读学位期间论文工作的知识产权单位属湖南师范大学。 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权湖南师范大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密口 ，( 请在以上相应方框内打“ ”) 作者签名：翻冯 日期：一年么月矽日 锄擀：鸭嘲：哕引肋日 基于小波神经网络的滚动轴承故障诊断研究与应用 第一章绪论 1 1 机械故障诊断的意义 随着现代工业及科学技术的迅速发展，特别是计算机技术的发 展，现代设备的结构越来越复杂，其自动化程度越来越高。一个现代 化设备系统往往由大量的工作部件组成，不同的部件之间互相关联， 紧密耦合。这样在提高了现代系统的自动化水平的同时，也带来了现 代设备产生故障或失效的潜在可能性越来越大的后果。一个部件的故 障常常会引起链式反应，导致整个系统不能正常运行乃至瘫痪。某些 现代尖端设备或结构一旦发生故障很可能导致重大事故。如前苏联切 尔诺贝利核电站爆炸，美国“挑战者”号航天飞机失事，1 9 8 5 年山 西大同电厂2 # 机组联轴器断裂，1 9 8 8 年秦岭电厂的2 0 0 m w 汽轮发电 机组因振动引起的严重的断轴毁机事故等，都是设备重大事故中的典 型事例“1 。因此，现代设备系统运行的安全性和可靠性已成为人类急 需解决的问题。 滚动轴承由于具有效率高、摩擦阻力小、装配方便、润滑容易实 现等优点，因而在旋转机械中得到了广泛的应用，是大部分旋转机械 的基本组成部件。然而滚动轴承也是易损零件，它的运行状态是否良 好直接影响到整台机器的性能( 包括精度、可靠性及寿命等) 嘲。就旋 转机械而言，据有关资料统计，现场实际故障中约有3 0 是由滚动轴 承引起的啪。这是因为轴承在机械设备中起着承受载荷、传递载荷的 作用，而其工作条件却是最为恶劣。与其他机械零部件相比，滚动轴 承有一个很大的特点，其寿命离散性很大。有的轴承已大大超过设计 寿命而依然完好地工作，而有的轴承远未达到设计寿命就出现各种故 障。所以，如果按照设计寿命对轴承进行定期维修，一方面，会对超 过设计寿命而完好工作的轴承拆下来作为报废处理，造成浪费；另一 硕士学位论文 方面，未达到设计寿命而出现故障的轴承或者坚持到定期维修时拆下 来报废，使得机器在轴承出现故障后和拆下前这段时间内工作精度下 降，或者未到维修时间就出现严重故障，导致整个机器出现严重故障。 由此看来，对轴承进行工况监视与故障诊断，通过对轴承运行的过程 状态参数进行信号的检测与分析，判断其是否正常运行、是否存在潜 在故障及预测故障发展趋势等是非常重要的“1 。滚动轴承的故障诊断 方法是机械故障诊断中主要研究的热点技术之一。 1 2 滚动轴承故障诊断的国内外研究现状及发展趋势 11 2 1 国内外机械故障诊断技术的研究状况 美国是开发设备故障诊断技术较早的国家之一，早在1 9 6 7 年4 月，在美国宇航局( n a s a ) 倡导下，由美国海军研究室主持成立了 美国机械故障预防组m f p g ( m a c h i n e r yf a u l tp r e v e n t i o ng r o u p ) ， 主要从事机械故障机理、监测诊断和预测、可靠性分析等技术研究。 多年来许多单位研究的成果突出，不少已达到了实用水平。如：美国 国家标准局的机械故障预防小组研究的“故障的机理”、“检测、诊断 和预测技术”、“可靠性设计”、“材料耐久性评价”；美国o h i o 州的 齿轮动力学及噪声实验室研究的“检测诊断技术”；美国机械工艺技 术公司( m t i ) 的赛格研究所研究的“回转机械的诊断”、“轴承的诊 断”；西屋电气公司技术研究所研究的“电站数据中心”、“诊断运行 中心”、“人工智能诊断”；此外，从1 9 7 6 年到1 9 9 0 年，开发的汽轮 发电机组智能化故障诊断专家系统，其三套人工智能软件( 汽轮机 t u b i n ga i d ，发电机g e na i d ，水化学c h e m a i d ) 共有诊断规则近1 万条，已对西屋公司所产机组的安全运行发挥了巨大的作用，取得了 很大的经济效益；以及其他单位研究的“轴裂纹监测与诊断”、“滚动 轴承故障诊断”、“振动故障诊断”、“燃气轮机诊断技术”、“机器噪声 基于小波神经网络的滚动轴承故障诊断研究与应用 与诊断”等等1 5 。 设备诊断技术在欧洲一些国家也有很大进展，他们各自具有特色 和占世界领先地位。英国在2 0 世纪6 0 年代末7 0 年代初，以 r a c o l l a c o t t 为首的英国机器保健中心最先开始研究故障诊断技术 【6 】，1 9 8 2 年曼彻斯特大学成立了沃福森工业维修公司( w i m u ) 。瑞 典s p m 的轴承监测技术，挪威的船舶诊断系统，丹麦b & k 的振动 分析仪，德国a t 研究所的故障原因分析等 7 1 。 日本，在1 9 7 1 年开始发展t p m ( 全员生产维修) ，每年向欧美派 遣“设备综合工程学调查团”，了解诊断技术的开发研究工作，于1 9 7 6 年基本达到实用阶段。国立研究机构中，技术研究所重点研究机械基 础部件的诊断技术；民办企业以企业内部工作为中心开展应用水平较 高的实用项目研究，例如三菱重工在旋转机械故障方面开展了系统的 工作，其研制的“机械保健系统”在汽轮发电机组故障监测和诊断方 面己起到了有效的作用；高等院校中，东京大学、东京工业大学、京 东大学等均发表了不少基础性的研究报告，目前在钢铁、化工、铁路 等民用工业的诊断技术处于领先地位【8 】。7 我国对机械设备故障诊断技术的研究起步较晚，从上世纪8 0 年 代初开始起步，但由于国家政府相关部门的重视，发展较快。许多高 校和科研机构开展了故障诊断技术的研究工作，取得了可喜的研究成 果。1 9 8 5 年以来，由中国设备管理协会设备诊断技术委员会、中国 振动工程学会机械故障诊断分会和中国机械工程学会设备维修分会 分别组织的全国性故障诊断学术会议先后召开十余次，从理论和方法 的角度来发展故障诊断技术，极大推动了我国故障诊断技术的发展。 许多高校都成立了颇具实力的诊断工程中心，在一些特定设备的诊断 研究方面很有特色，形成了一批自己的监测诊断产品。如南京航空航 天大学等开发了一套轧钢机轴承在线监测和诊断系统，提出了同一轴 承内多个同类故障的诊断方法。西安交通大学的“大型旋转机械计算 硕士学位论文 机状态监测与故障诊断系统”，哈尔滨工业大学的“机组振动微机监 测和故障诊断系统”，东北大学的“轧钢机状态监测诊断系统”等 9 1 。 随着诊断技术研究的深入，出现了一些厂家，其生产的部分传感器、 数据采集器已接近国际水平。 1 2 2 滚动轴承故障诊断技术的发展趋势 许多机械设备在带故障运行时，都要伴随着振动和冲击的发生。 因此轴承的故障诊断方法大多以振动理论为基础。从对振动故障信号 的处理方法上看，主要集中在时域分析和频域分析。 时域信号分析是将传感器接收到的信号直接在显示设备上观察 或作一些简单的统计分析。英国d y e r 等町首先采用峭度系数的方法 在轴承寿命实验机上检测滚动轴承损伤情况，指出峭度系数不随载荷 和转速变化，只与故障程度有关。k o i z u m i 、r e i f 、w h e e l e r 等n “n 2 1 采用信号的均方根幅值、峰值作为参数进行分析，效果也比较理想。 频域分析是将时域信号经过变换转到频域中。t a y l o r 比较了润 滑不足和多种故障的频谱特点，并提出故障尺寸的计算方法嘲。 r a n d a l l 进行倒频域分析并指出倒频谱诊断效果比功率谱好n ”。 m a t h e w 等针对f f t 技术的一些不足，采用共振解调和a r 模型来检测 低速轴承故障，取得了满意的效果“”。 国内，黄海鹰等人利用高频解调技术能突出滚动轴承的故障特征 信息，有效提高信噪比的特点，从而准确地诊断出其早期故障“。王 志刚等人针对低速重载轴承特点，提出了适合于低速重载轴承故障诊 断的共振解调方法“”。关于利用包络分析法诊断轴承故障的文献中很 多是利用h i l b e r t 变换实现包络解调。何岭松等人采用垂直数字滤波 技术实现包络信号提取，将信号的窄带滤波与包络检测过程合二为 一，与传统的以希尔伯特变换为基础的包络解调方法相比，新算法实 时性强，包络检波长度不受限制，为后续包络信号的重采样，提高包 基于小波神经网络的滚动轴承故障诊断研究与应用 络谱分析精度提供了极大的方便盯n 。武和雷等人采用能量算子对故 障轴承的高频共振信号进行包络解调，提取故障特征，从而达到诊断 故障的目的埋町。 传统的滚动轴承故障诊断方法虽然对滚动轴承的全局诊断有较 好的效果，但是对于在故障初期轴承局部缺陷的故障诊断，其效果不 是太理想。由于滚动轴承的振动信号是一种时变信号；即随着时间的 变化，信号的频率成分也相应地发生变化，基于快速傅立叶变换( f f t ) 的频谱分析只适用于分析平稳信号。所以，采用普通的频谱分析技术 无法获得准确的特征信息。 近年来，新的故障诊断方法不断涌现，其中应用较广泛的是时 频分析方法。时频分析方法可以有效地描述轴承故障的特征信息，常 用的时频分析方法有短时傅立叶变换和小波分析等。小波分析的多尺 度性和对突变信号的探测能力，以及它在时域和频域同时具有良好的 局部化性质的特点，使其成为时频分析最常见的工具。徐金梧等人采 用小波包分解和信号重构的方法，提取滚动轴承振动信号中的冲击信 号，并通过包络的方法成功地判断出轴承的故障类型叫1 。何晓霞等人 采用基于m o r l e t 小波的连续小波变换方法有效地判断出滚动轴承的 各种故障类型：外圈故障、内圈故障、滚动体故障恤1 。任国全等人利 用正交小波基将滚动轴承故障信号变换到时间一频率域，通过小波重 构信号的希尔波特变换解调和包络谱分析，对轴承的故障进行了有效 的诊断。 随着近年来人工智能技术的发展，轴承故障诊断的研究正在向 基于神经网络和专家系统的智能诊断，及多种诊断方法综合运用的方 向发展。在文献, 1 9 中，作者表明，滚动轴承故障可以通过 r e c i r c u l a t i o n b a c kp r o p a g a t i o n 神经网络系统自动识别。系统采 用b a c kp r o p a g a t i o n 网络区分轴承不同状态，模型的输入为神经网 络压缩简化了的频谱，低频和高频信息都包括在内。从而使系统能监 硕士学侥论文 测裙期故障和严重故障翟”。m s u b r a h m a n y a m 等采雳两种神经两络方 法，采用有监督的误差反向传播( e b p ) 技术和无监督的自适应共振理 论( a r t 2 ) 训练的多层前向神经网络。从个正常轴承和掰种不同类型 的故障轴承采集麴速度信号，逶过处理获得凌诗特征参数，作鸯网络 的输入，输出代表辘承的狡态，调练的结果用于识别轴承的状态嘲。 此外，近年来专家系统汹m 7 m “、模糊诊断卿m 1 、遗传算法3 j ( 3 羽等等理 论和技术也相继应用予轴承故障诊断。许多专家学者磁在对小波分 析、共振瓣潺分析技术鞫入工享枣经翳络等理论进行更遴一步熬硬究， 并逐步应用到工程实践中。 综上所述，随着监测技术、计算机技术、电子技术和通讯技术 的发展，以及模糊数学、专家系统、神经网络技术、遗传算法和小波 分析璎论等在故障诊叛巾豹痤用，设备敬障诊断技术从壤论到实际应 用都肖了薪静发展，墨形成了一门集数学、物理、力学、纯学、电子 技术、计算机技术、信息处理和人工智熊等各种现代科学技术于一体 的综合性极强的智能化故障诊断技术。 l 。3 本文的主要王佟及内容安篓 小波变换具有时频局部特性和变焦特性，而神经网络具有自学 习、内适应、鲁棒性、容错性和推广能力，如何把两者的优势结合起 来，直是久髑关注豹润题。夺波神经瓣终就是结合了两者戆饶东嚣 产生。本文研究小波神经网络的结构、辕法及其优化问题。并将其应 用于滚动轴承故障诊断。在研究了小波网络的构造和学习算法的基础 上，针对传统算法收敛速度馒班及客荔陵入是部极小等翊题，麸学习 率和弓| 入动量项两个方面对算法进行改进。通过小波网络对滚动轴承 故障诊断的实例研究袭明，此小波神经网络能够很好地对故障进行分 5 基于小波神经网络的滚动轴承故障诊断研究与应用 类，其收敛速度明显要快于相同条件b p 神经网络。本文的主要内容 安排如下： ， 第一章绪论，介绍了课题的意义及相关研究的发展状况，概述 了本文的研究工作和采用的方法。 第二章介绍了滚动轴承的结构及失效形式，描述了滚动轴承故 障诊断的任务、基本环节和方法。讨论了滚动轴承诊断机理及其特征 频率，并论述了几种常用的故障特征参数分析及提取方法。 第三章介绍了小波分析及神经网络的理论基础以及它们在故 障诊断中的应用。 第四章介绍了小波神经网络的结构模型及其算法实现，针对传 统算法收敛速度慢以及容易陷入局部极小等问题，从学习率和引入动 量项两个方面对算法进行改进。 第五章介绍了滚动轴承故障诊断实验研究，给出流程和实现步 骤，并对仿真结果进行分析和比较。 第六章总结本论文的主要工作，对小波神经网络今后的研究发 展趋势及应用前景做出展望。 硕十学位论文 2 1 引言 第二章滚动轴承故障及其振动诊断技术 振动信号作为滚动轴承故障的信息载体，具有适用性强、效果好、 测取简单的特点。对滚动轴承进行故障诊断，就必须深刻了解其基本 组成、工作原理、引起滚动轴承振动的主要原因以及振动的性质。滚 动轴承故障机理与振动特征的研究以及建立故障特征与故障之间的 逻辑联系，是选择特征提取方法的基本依据，也是建立诊断模型的基 础。因此本章首先讨论滚动轴承的结构及失效形式，然后介绍故障诊 断的基本环节和方法。用于滚动轴承故障诊断的方法很多，如温度法、 油样分析法、间隙测定法、振动分析法等。其中振动分析法是最常用、 最有效的故障诊断方法。 2 2 滚动轴承的结构及失效形式 2 2 1 滚动轴承的结构 图2 - 1 滚动轴承的结构示意图 f i g2 - 1s t r u c t u r eo f r o l l i n ge l e m e n tb e a r i n g s 图2 - 1 是滚动轴承的结构示意图。从图上可见：滚动轴承由内圈、 基于小波神经网络的滚动轴承故障诊断研究与应用 外圈、滚动体和保持架四种元件组成。内圈与外圈之间装有若干滚动 体，通过保持架使滚动体保持一定间隔，进行圆滑的滚动。使用时， 内圈装在轴颈上，外圈装在轴承孔内，通常是内圈随轴转动，外圈固 定。但也有的轴承是外圈转动，内圈不动，如汽车前轮上的轴承。还 可以是内、外圈同时按不同转速转动，如行星轮轴上的轴承。滚动体 是滚动轴承的核心元件，当内、外圈相对转动时，滚动体在内、外圈 的滚道间运动。内、外圈上的滚道多为凹槽形，它起着降低接触应力 和限制滚动体轴向移动的作用。保持架将滚动体均匀地隔开，以避免 滚动体之间直接接触，减少发热和磨损。 2 2 2 滚动轴承的失效形式 滚动轴承在运行过程中，由于装配不当、润滑不良、水分和异物 侵入、腐蚀和过载等都可能使轴承过早损坏。即使不出现上述情况， 经过一段时间后，轴承也会因出现疲劳剥落和磨损而不能正常工作。 总之，滚动轴承的损伤形式是十分复杂的。下面将列出滚动轴承的主 要损伤形式及原因掣3 ”。 1 滚动轴承的磨损失效 图2 2 滚动轴承磨损失效 f i g2 - 2a b r a s i o n i n v a l i d a t i o no f r o l l i n ge l e m e n tb e a r i n g s 磨损是滚动轴承最常见的一种失效形式，它是轴承滚道、滚动体、 保持架、座孔或安装轴承的轴颈，由机械原因或润滑杂质引起的表面 硕士学位论文 磨损。在工作环境恶劣的情况下，许多杂质会混杂在润滑油中，进入 轴承，从而在滚动体和滚道上产生磨料磨损，并出现不均匀的划痕。 磨料的存在，是轴承磨损的根本原因。其损伤特征是：1 ) 类似静压痕。 2 ) 在配合面上出现红褐色磨损粉末的局部磨损。3 ) 滚道面、滚动体面、 凸缘面、保护架等磨损。4 ) 圆锥滚动轴承挡边磨损过大。滚动轴承的 磨损实效将损伤轴承，降低轴承的运转周期，如图2 2 。 2 滚动轴承的疲劳失效 图2 - 3 壤动轴承疲劳失效 f j g2 - 3w e a ki n v a l i d a t i o no f r o u i n ge l e m e n tb e a r m g s 疲劳是滚动轴承的另一种失效形式。常表现为滚动体或滚道表面 剥落或脱皮。初期是在表面上形成不规则的凹坑，逐渐延伸成片。滚 动轴承在工作时，由于滚动体与内、外圈接触面积很小，因此接触应 力很大。在高速旋转时，由于巨大交变接触应力多次反复作用，轴承 元件金属表面就会发生疲劳，产生剥落，形成小凹坑。造成剥落的主 要原因是载荷引起的交变应力，有时是因为润滑不良或强迫安装。滚 动轴承的疲劳失效损伤特征是：1 ) 向心轴承的滚道仅一侧表面剥落。2 ) 双列轴承的表面仅- - n 表面剥落。3 ) 滚动体及滚道接触边缘剥落。们 滚动体的圆周方向在对称位置上有剥落等等。滚动轴承的疲劳失效损 伤结果是：滚动体或滚动表面产生剥落坑，少部分向大片剥落发展， 导致轴承失效，如图2 3 。 基于小波神经网络的滚动轴承故障诊断研究与应用 3 滚动轴承的腐蚀失效 图2 - 4 攫动轴承腐蚀失效 f i g2 - 4c o r r o s i v em v a l i d a t i o no f r o l l i n gb e a r i n g 腐蚀是滚动轴承最严重的问题之一，高精度轴承可能会由于表 面腐蚀导致精度丧失而不能继续工作，如图2 - 4 。轴承零件表面的腐 蚀有三种类型：1 ) 化学腐蚀，当水、酸等侵入轴承或者使用含酸的润滑 剂时，都会产生这种腐蚀。2 ) 电腐蚀，当轴承内部有电流通过时，电 流有可能通过滚道和滚动体上的接触点处，很薄的油膜引起电火花而 产生电蚀，在表面上形成搓板状的凹凸不平。3 ) 微振腐蚀，为轴承套 圈在机座孔中或轴颈上的微小相对运动所致，使套圈表面产生红色或 黑色的锈斑。轴承的腐蚀斑是以后损坏的起点。滚动轴承的腐蚀失效 损伤结果是：表面由于电流、化学和机械作用产生损伤，丧失精度而 不能继续工作。 除此之外，还有断裂失效，压痕失效，胶合失效等形式。 2 3 滚动轴承故障诊断任务、基本环节和方法 2 3 1 滚动轴承故障诊断的任务 滚动轴承上不同部位、不同类型的故障，将会引起滚动轴承功 能上的不同变化，从而导致整个设备以及其他各部位的状态和运行参 数随之发生不同的变化。因此，滚动轴承故障诊断的首要任务，就是 硕士学t 奇论文 当滚动轴承上的某一部位出现某种故障时，根据轴承各部位状态及其 参数的变化来推断出导致这些变化的故障及其所在部位。其次，从大 量的状态信息量中，找出其中的特征信息，并对其进行分析处理，确 定故障的性质、类别、程度、原因和部位，指出故障发生和发展的趋 势及其后果，提出控制故障继续发展和消除故障的调整、维修、治理 的对策措施，从而对故障进行准确地诊断，并将诊断出来的故障进行 维修，最终将故障消除，使设备安全正常地工作。 2 3 2 滚动轴承故障诊断的基本环节 概括地说，滚动轴承故障诊断的目的是保证轴承在一定的工作环 境( 受到一定的载荷，以一定的转速运转等) 下和一定的工作期间( 一定 的寿命) 内可靠有效地运行，以保证整个机械的工作精度。与此目的 相适应，轴承故障诊断就是要通过对反映轴承工作状态的信号的观 测、分析与处理来识别轴承的状态。所以，从一定程度上可以说，轴 承故障诊断就是轴承状态识别3 4 1 。概括为以下5 个环节： ( 1 ) 信号测取：根据轴承的工作环境和性质，选择并测取能够反映 轴承工作情况或状态的信号： ( 2 ) 特征( 征兆) 提取：从测取的信号中以一定的信号分析与处理方 法抽取出能反映轴承状态的有用信息( 征兆) ； ( 3 ) 监视( 状态识别) ：根据征兆，以一定的状态识别方法识别轴承 的状态，即简单判断轴承工作是否正常或者有无故障； ( 4 ) 诊断( 状态分析) ：根据征兆，进一步分析有关状态的情况及其 薹_ 三! ：垫塑丝塑竺竺堕垫塑垦垫堕堡堑婴塑皇壁望 发展趋势；当轴承有故障时，详细分析故障的类型、性质、部位、产 生原因与趋势等； 一 ( 5 ) 决策干预：根据轴承状态及其发展趋势，做出决策，如调整、 控制、维修或继续监视等，轴承故障诊断的过程如图2 - 5 所示。 图2 - 5 滚动轴承故障诊断过程 f i g2 - 5t h ef a u l td i a g n o s i sc o u r o f t o n i n gb e a r i n g 2 3 3 滚动轴承故障诊断的方法 关于滚动轴承故障诊断方法，传统上人们主要是根据监视与诊 断所采用的状态量分类，即按照测取信号的性质分类。按照这一方法， 滚动轴承工况监视与故障诊断的方法有：温度法、油样分析法、间隙 测定法、振动( 噪声) 分析法等。 下面介绍一些常用的方法【3 5 】： ( 1 ) 温度法 硕士学位论文 温度法通过监测轴承座( 或箱体) 处的温度来判断轴承是否正常。 温度对轴承载荷、速度和润滑情况的变化反映比较敏感，尤其对润滑 不良而引起的轴承过热现象敏感。但是温度检测对轴承特性异常的检 测能力并不大。当轴承出现诸如早期点蚀、剥落、轻微磨损等比较微 小的故障时，温度监测难以反应。即使可检出由于热量引起的烧伤类 损伤，但由于初期阶段很难检出，直到出现明显的温度上升时才能检 测到，因此，检测到的异常大多已发展成严重的故障了。 ( 2 ) 油样分析法 滚动轴承失效的主要方式是磨损、断裂和腐蚀等，其原因主要是 润滑不当，因此对正在运行时使用的润滑油进行系统分析，即可了解 轴承的润滑与磨损状态，并对各种故障隐患进行早期预报。从轴承所 使用的润滑油中取出油样，收集和分析油样中金属颗粒的大小和形状 来判断轴承状况和故障。对各种故障的分析发现，因维护保养不当及 其他原因引起的油液污染变质己成为导致轴承失效的重要因素。随着 检测水平及检测精度的日益提高，对机油实行定期抽样检验分析和状 态监测已成为一种行之有效的方法。对轴承润滑油或液压油性能衰败 及污染变质程度的检测，可以为正确使用或更换油液以及进行维修或 更换轴承零部件提供可靠的依据。 油液分析法主要又有光谱法、铁谱法和磁塞法三种。 ( 3 ) 间隙测定法 当滚动轴承的轨道圈或转动体磨损时，轴承的间隙必然会增大， 将磨损后的间隙和新轴承测定的间隙值相比较，即可掌握轴承的磨损 基于小波神经网络的滚动轴承故障诊断研究与应用 量。但是，轴承在旋转的状态下，直接测定间隙非常困难，所以常采 用间接的轴承间隙测定法。通常，间隙测定法中最好使用轴的位置检 测法，如检查轴的振摆或轴端的移动量等方法。根据轴承的间隙测定， 对轴承的磨损、电蚀、轨道面或滚动面的故障诊断都是有效的。 ( 4 ) 振动分析法 振动分析法是通过安装在轴承座或箱体适当方位的振动传感器 监测轴承振动信号，并对此信号进行分析与处理来判断轴承故障。滚 动轴承振动诊断法的优点是：不仅能监测运转中轴承的异常，而且具 有监测轴承早期异常的能力。一台正常的设备，运转起来由于各运动 部件的相互作用，会产生一定的振动，但是这种振动比较小，而且较 平稳。当机械内部产生异常时，会产生振动增大、振动性质改变等现 象。振动监测法可以在不停机的情况下，了解轴承是否异常、判定异 常部位、异常原因、异常程度。在各种检测法中，振动监测法是能检 出机械运转中异常信息最多的一种方法。据有关资料统计，损伤宽度 为5 0 a m 时的振动值比没有损伤时约高一个数量级，而且损伤值大小 与损伤宽度的大小有非常密切的关系，这表明振动法在监测轴承早期 微小损伤时，可使异常程度很好的定量化。由于振动诊断法的这一特 点，因而在滚动轴承早期诊断中的应用广泛而有效。目前，国内外开 发生产的各种滚动轴承监测与诊断仪器和系统中大都是根据振动法 的原理制成的，有关轴承监测与诊断方面的文献8 0 以上讨论的是振 动法。 除此之外还有噪声检测法、接触电阻法等等。 硕七学位论文 2 4 滚动轴承故障的振动诊断 2 4 1 滚动轴承的振动机理 图2 - 6 滚动轴承的振动机理 f i g2 - 6 t h ev i b r a t i o nm e c h a n i s mo f r o u m ge l e m e n tb e a r m g s 滚动轴承是由内圈、外圈、滚动体和保持架四种元件组成的，其 振动产生的机理可用图2 6 表示。在机械运转时，由于滚动轴承本身 的结构特点、加工装配误差和运行过程中出现的故障等内部因素，以 及传动轴上其它零部件的运动和力的作用等外部因素，当传动轴以一 定的速度并在一定载荷下运转时对轴承和轴承座或外壳组成的振动 系统产生激励，使该系统振动。引起振动的激励是多方面的，就轴承 本身而言，产生激励的原因有：轴承元件制造误差( 尺寸和形位误差， 如表面波纹，滚动体大小不一致等) ；装配误差( 如不对中，不平衡等) ； 在运行过程中出现的故障( 如疲劳点蚀、剥落、裂纹、磨损、润滑不 良等) 。不同的原因对轴承系统的激励不同。例如，由于疲劳点蚀或 剥落等轴承元件表面损伤所引起的激励是冲击性的；由于各元件表面 波纹引起的激励近似正弦。激励不n ( n p 故障形式不同) ，轴承系统产 生的振动响应也不同。所以，振动信号是轴承故障的载体，理论上可 通过对轴承振动信号的分析与处理诊断出轴承所有类型的故障。实际 1 6 基于小波神经网络的滚动轴承故障诊断研究与应用 诊断中，通过布置在轴承座或外圈的传感器拾取的振动信号是上述各 种内部和外部激励源施加于滚动轴承系统的综合振动。安装在轴承座 上的传感器拾取的振动信号除了反映有关轴承本身的工作情况的信 息外，也包含了大量的机械中其它运动部件和结构的信息，这些信息 对于研究轴承本身的工况与故障来说属于背景噪声。由于实际中背景 噪声往往比较大，早期的轻微的滚动轴承故障所特有的信息往往淹没 在其中，很难被发现和提取出来。因此，采用什么样的振动监测与信 号处理技术来提高信噪比，突出故障特征信息，抑制背景噪声，从而 有效地诊断出轴承故障成为轴承振动监测与诊断技术的关键所在。 2 4 2 滚动轴承振动的特征频率 图2 - 7 滚动轴承的结构图 f i g2 - 7 t h ec o n s t r u c u o nd i a g r a mo f r o l l i n gc l e m e n tb e a r i n g 图2 7 为滚动轴承的旋转结构图。它由内圈、外圈、滚动体和 支持架四个部分组成。假设滚道面与滚动体之间无相对滑动，承受径 向、轴向载荷时各部分无变形，外圈固定。图示滚动轴承的几何参数 主要有： 轴承节径d ：轴承滚动体中心所在的圆的直径： 滚动体直径d ：滚动体的平均直径： 硕士学位论文 内豳滚遭半径r i ：内圈滚道的平均半径； 外圈滚道半径r 2 ：外圈滚道的平均半径； 接触角g ：滚动体受力方向与内终滚遂垂直线的夹角； 滚动体今数z ：滚璩或滚针的数西。 则滚动轴承工作时的特征频率如下【3 6 】： 一个滚动体( 或保持絮) 通过内圈上一点的频率z ： 蔓= 三g + 曼d c o s 掰珑 一个滚动体( 或保持架) 通过外圈上的一点的频率工 工= 扣一丢c o s 嘶 滚动体上酶一点遁遗保持檠魏藏搴( 帮滚动俸酶鸯转频率) 五 五2 射一c 务2 耐口卜 保持架的旋转频察( 即滚动体的公转频率) ， ，= 三g 一丢嘲嗽 式中，：为轴的( 即内圈) 转动频率。 2 4 3 常用故障特征参数分析及提取方法 诊断过程包括故障特征提取和数障诊断两个部分。特征提取过 程就是从监测参数中提取故障征兆。故障诊断是根据所提取的特征判 别状态有无异常，并罨找故障源，根据冀对系统的性能指标影响程度 徽爨髂诗，综合给窭敏隙等缓。征鏊获取过程先对数据采集和状态箍 测得到的基本数据进行必要分析，如对振动数据进行时域、频域和趋 势分析等，经过分析转换成特征数据，如通频及各种频率成分的幅值 l 宴 基于小波神经网络的滚动轴承故障诊断研究与应用 大小，振幅和相位的变化量等，再经过征兆获取程序，计算征兆的可 信度，成为具有可信度大小的征兆事实，供给系统诊断推理时使用。 征兆应是和故障有稳定联系的参数特征，考虑到和诊断的联系，它还 应该是易于表达的。常见的特征提取方法如下： 1 时间域分析 利用时域特征参数判断滚动轴承故障基本上不受轴承型号、转 速、载荷、信号绝对水平和测点等的影响，能够准确地判断出轴承 是否有故障。通常在时域中有六个特征参数被用于分析轴承振动信 号：有效值、峰值、峰值因子、峭度、脉冲因子和波形因子。 1 ) 有效值 有效值是指振动振幅的均方根值，定义如下： 嬲= 砖喜秽2 ( 2 - 1 ) 式中，“；f = l ， 为采集的信号，n 为采样点数。 滚动轴承振动的瞬时值随着时间的变化而发生变化，即是时变 的，通常使用有效值来表现振动的大小。由于这个值是对时间取平均 的，所以对磨损这类具有表面皱裂的无规则振动波形异常，其测定值 变动小，使用有效值能够给出很好的判断。 2 ) 峰值 峰值反映的是某时刻振动的最大值，若信号为 x l ；i = 1 ，册，其中 n 为采样点数，则峰值为其最大值与最小值之差的一半，计算方法如 下： m a x = 1 2 m a x ( x , ) 一r a i n ( x , ) ( 2 2 ) 硕士学位论文 峰值对剥落、压痕一类具有瞬变冲击振动的异常非常适用，特别是对 初期阶段的表面剥落，非常容易地由峰值的变化检测出来。 以上是有量纲参数指标，利用有量纲参数指标判断轴承故障有一 个很大的缺点，这就是它要依赖历史数据并且对载荷转速等变化比较 敏感。为了克服这些缺点，可采用一些无量纲的参数指标。在轴承故 障诊断中，最常用的无量纲参数指标有波峰因子、峭度、脉冲因子和 裕度系数等。 3 ) 峰值因子 峰值因子是指峰值与有效值的比，是用来表示波形是否有冲击的 指标。 c ：m a x ( x , ) - m i n ( x , ) 2 r 舔 ( 2 3 ) 一般来讲，正常轴承的峰值因数约为5 ，当轴承出现剥落、裂纹或碎 裂时，峰值指标达到l o 以上。该值适用于点蚀类故障的诊断，通过 对峰值因子值随时间变化趋势的监测，可以有效地对滚动轴承故障进 行早期预报，并能反映故障的发展趋势。其优点是波峰因子值不受轴 承尺寸、转速及负荷的影响，能够明显地判断出轴承是否有故障。另 外峰值因子值不受振动信号的绝对水平所左右，即使传感器的灵敏度 发生变化，该值也不会出现测量误差。其缺点是对表面磨损故障几乎 没有检出能力。 4 ) 峭度 对于离散序列的轴承振动信号“；f = 1 ，研，峭度定义为： 基于小波神经网络的滚动轴承故障诊断研究与应用 吉羔( 毛一秒 k u r ：型皇： r 肘s 4 ( 2 - 4 ) 对于振幅满足正态分布规律的无故障轴承，峭度值约为3 ，当轴承出 现故障时，峭度值将大于3 ，据此可以判断轴承是否发生了异常。轴 承圈出现裂纹时，滚动体或轴承边缘发生剥裂都会在时域波形里引起 非常大的脉冲，因而用峭度值作为故障诊断特征量是有效的。 5 ) 脉冲因子， 脉冲因子定义为峰值与均值的比值：。 i - - m a x ( x = , ) - m i n ( x , )( 2 5 ) 2 p r 0 、7 裕度系数 ，m a x 扣耳两 2 频域分析 ( 2 6 ) 机械系统的动态过程受各种因素的于扰，从频率结构进行分析， 常常可以清楚地发现系统的动态特性及变化规律。这就需要将信号从 时域变换到频域。得到的频谱中每个频率都对应信号的一个周期谐波 分量，分析信号中各谐波的频率，幅值和相位。 轴承元件的工作表面损伤点在运行中反复撞击与之相接触的其 它元件表面会产生低频振动成分，有的文献上称之为轴承的“通过振 动”。其发生周期是有规律的，可以从转速和轴承的几何尺寸求得。 并且，损伤发生在内、外圈或滚动体上时，频率不同。在上一节中介 绍了这一轴承“通过振动”发生的频率称为故障特征频率。滚动轴承 按照故障发生的位置的不同，可分为内圈故障、外圈故障、滚动体故 2 l 硕士学位论文 障等等。因此，下面分析滚动轴承表面损伤发生在内圈、外圈、滚动 体上时的振动频率成分。 轴承内圈损伤：当轴承内圈损伤时，若滚动轴承无径向间隙时， 会产生频率为n 砺( z 为内圈通过频率，z 为滚珠数目，n = 1 , 2 ，) 的 冲击振动。通常滚动轴承都有径向间隙，且为单边载荷，根据点蚀部 分与滚动体发生冲击接触的位置的不同，振动的振幅大小会发生周期 性的变化，即发生振幅调制。若以轴旋转频率z 进行振幅调制，