滚动轴承的失效形式与故障诊断

卓 兰

（赤峰工业职业技术学院，内蒙古 赤峰 024000；中央民族大学 企业管理，北京 100083）

滚动轴承的失效形式与故障诊断

卓 兰

（赤峰工业职业技术学院，内蒙古 赤峰 024000；中央民族大学 企业管理，北京 100083）

滚动轴承作为旋转机械中应用最为广泛的通用机械零件，广泛应用于冶金、电力、石化、航空航天等领域，其运行性能的好坏直接影响到整台机械设备的性能，其故障往往导致巨大的经济损失.本文在分析滚动轴承常见的失效形式基础上，给出了对其进行诊断的一般流程，并对现有的滚动轴承故障诊断方法进行了回顾，对未来的发展趋势进行了预测.

滚动轴承；失效模式；故障诊断

滚动轴承由于具有摩擦系数小，运动精度高、对润滑剂的黏度不敏感、低速下亦能承受载荷、产品已经国际标准化，、成本低廉，互换性好等优点，广泛应用于冶金、电力、石化、航空航天等领域，是旋转机械中应用最为广泛的通用机械零件，也是最易损坏的元件之一.旋转机械的许多故障都与滚动轴承有关，轴承运行性能的好坏直接影响到其支撑的轴以及安装在轴上的齿轮乃至整台机械设备的性能，其缺陷往往会导致设备产生异常振动和噪声，甚至造成设备损坏，导致巨大的经济损失.据统计，旋转机械的故障有30%是由轴承引起的，由此可见开展滚动轴承故障诊断工作的重要性.

1 基本失效形式与成因分析

运转中的滚动轴承可能由于装配不当、润滑不良、水分和异物侵入、腐蚀、过热和过载等原因造成过早其损坏；另外，由“浴盆曲线”可知，即使在安装、润滑和使用维护都正常的情况下，经过一段时间的运转，轴承也会出现疲劳剥落和磨损.滚动轴承虽然结构简单，但失效形式却表现出多样性，主要的失效形式有：

1.1 疲劳失效

疲劳是滚动轴承失效的主要形式，常表现为滚动体或内外圈滚道表面脱落或蜕皮，初期是在接触表面形成不规则的凹坑，而后逐渐延伸成片，冲击载荷造成振动和噪声的加剧.交变的疲劳应力是造成疲劳剥落的主要原因，有时也与润滑不良或强迫安装有关，而通常所说的轴承寿命即是指轴承的疲劳寿命.

1.2 磨损失效

磨损是滚动轴承失效的另一常见形式，是轴承滚道、滚动体、保持架、座孔或轴颈由于机械原因而引起的表面磨损.磨损造成轴承游隙增大、表面粗糙度增加，轴承运转精度降低、振动和噪声增大.磨粒（尘埃、异物的侵入）及润滑不良造成磨损的根本原因.

1.3 腐蚀失效

润滑油、水份或湿气产生的化学腐蚀，电流通过引起电火花而产生的电腐蚀及轴承内外圈与座孔或轴颈存在微小相对运动形成微振腐蚀是滚动轴承腐蚀失效的三种表现形式.表面腐蚀导致高精度轴承精度丧失而失去其功能.

1.4 断裂失效

滚动轴承零件材料有缺陷和热处理不良，运行中过载、转速过高、润滑不良或装配不善造成过大的热应力等可能引起轴承零件轴承出现裂纹或断裂、加速其劣化.

1.5 胶合失效

润滑不良、高速重载下工作的滚动轴承，由于摩擦生热，轴承零件可以在极短时间内达到很高的温度，使一个表面上的金属粘附到另一个表面上，接触表面出现压痕，产生剥落区.

1.6 塑性变形

过大的冲击载荷或静载荷、硬度很高的异物侵入会造成滚动轴承零件局部的永久变形，从而在运转过程中产生剧烈的振动和噪声，压痕引起的冲击载荷也会进一步引起附近表面的剥落.

2 滚动轴承的故障诊断

众多的故障诊断方法中，利用振动信号对滚动轴承进行诊断仍是目前最常用的方法[1].运行中的完好滚动轴承会由于其自身结构特点（承载刚度瞬变）与装配制造缺陷（波纹度、滚动体大小不均）等发生固有的振动，而当轴承零件的工作表面出现上述缺陷时，会以一定的通过频率产生一系列的宽带冲击和冲击衰减响应，振动形式是复杂的调幅振动，缺陷的位置不同，振动特性也不完全相同.从而可以在轴承座上布置相应的振动传感器对上述振动信号进行采集，进行分析处理以判断滚动轴承有无故障，确定故障部位、程度与类型.

2.1 诊断的一般流程

传感器采集得到滚动轴承时域振动信号，如加速度、速度或位移信号，往往包含大量的环境噪声或工况信息，特别是在故障萌生的初期，微弱的故障振动完全被其它振动所湮没，难以看出滚动轴承的故障信息，需要对上述一次信息进行必要的降噪、去趋、降维、滤波等预处理，以突出故障信息；为了定量地刻画滚动轴承故障，往往需要借助于信号分析处理方法进一步对预处理后的二次信号在时域、频域或时频域提取故障敏感特征，以减小运算量，并作为故障诊断算法的诊断依据（输入）；接着利用具体的故障诊断算法（模式识别）对滚动轴承当前的运行状态进行识别，得出滚动轴承的故障信息，即是否出现故障、故障类型、故障部位等，有时为了预测滚动轴承的继续使用能力，以制定备件更换计划，还需要对已出现故障的滚动轴承进行残余寿命估计.综上，滚动轴承故障诊断过程可以表示成如图1所示的基本流程.

图1 滚动轴承故障诊断的一般流程图

不同的滚动轴承故障诊断方法即是在各环节利用不同的理论、技术或方法进行处理，得到更可靠、更准确的诊断信息.

2.2 常用的诊断方法

随着科学技术的进步与故障诊断技术的持续发展，滚动轴承故障诊断取得了丰硕的成果，诊断域由时域扩展到频域、时频域，诊断方法朝着多元化、集成化、融合化及智能化等方向发展，诊断准确率与可靠性不断提高，特别是现代信号处理技术与人工智能技术在滚动轴承故障诊断中越来越显现其优越性，同时基于信息融合的故障诊断方法也越来越受到相关人员的关注.此处，仅对几类常见的滚动轴承故障诊断方法进行分析讨论.

2.2.1 时域或频域方法.一般从时域波形对可能的故障进行定性分析，进行概率统计分析，计算其幅值统计指标，如均值、有效值、均方根等有量纲与峭度因子、波形因数、峰值因子等无量纲的时域统计值对点蚀、剥落等局部缺陷故障敏感，能用于初期故障的预警.进行滚动轴承故障诊断还需结合其自身的特性进行，即出现外、内、滚动体等故障时，振动信号中会出现相应的频率成分，从而需要对信号的频谱结构进行分析，常见的方法如快速傅里叶变换（FFT）、自回归建模（AR）等，同时利用滤波、细化谱分析、倒频谱技术等对FFT得到的谱图进行处理获得所需的频段与足够的频率分辨率，突出特征频率，实现故障诊断.这类方法中，应用最广的当属共振解调技术[2].

2.2.2 时频域方法.轴承故障诊断中，我们往往对信号局部变化感兴趣，这些信号由于非常微弱、能量很小，往往容易被噪声淹没而难以辨别，此时传统的傅立叶变换难以满足局部细化的要求；同时由于环境、工况或滚动轴承结构本身等多重因素的作用，采集的到的滚动轴承振动信号往往表现出非线性、非平稳特征，需要同时获得时域和频域的信息以完成进行故障诊断.常用的时频分析方法主要有短时傅里叶变换（STFT）、维格尔 - 威尔（Wigner-Ville）、小波变换（WT）与希尔伯特黄变换（HHT）等[3].

2.2.3 人工智能方法.近年来，人工智能技术的发展为实现故障诊断的自动化、集成化、系统化等提供了强有力的支持.神经网络（ANN）、免疫网络（AIS）、专家系统（ES）、案例推理系统（CBR）等能很好地通过知识自学习或对已有的案例进行归纳整理得到滚动轴承故障模式库，只需将后续得到的滚动轴承振动信号样本输入这些系统，即可得到其故障信息，虽构建这些系统需要大量的样本数据，但随着数据的逐步积累可以克服这些问题.

2.2.4 信息融合方法.滚动轴承故障复杂多样，同种征兆可能由多种故障引起，而某种故障又可能表现出多种征兆或多种故障可能耦合发生，仅从单一信源获得信息对滚动轴承故障情况进行诊断，往往仅能反应局部其信息，诊断结果并不可靠、具有很强的不确定性，需要综合利用多源信息开展滚动轴承的故障诊断.常见的融合故障诊断方法大多基于D-S证据理论实现数据级、特征级或决策级的融合，实现滚动轴承故障的综合诊断[5].

随着滚动轴承故障诊断研究的不断深入，特别其非线性理论的发展和成熟，以及非线性、非平稳现代信号处理技术，人工智能以及处理不确定性的粗糙集与模糊集等理论的发展，滚动轴承故障诊断技术还将得到大力的发展，诊断结果的准确性与可靠性还将进一步的提高，综合利用多源信息的智能故障诊断方法或系统是发展的热点方向.

3 结语

滚动轴承由于具有摩擦系数小，运动精度高等诸多优点，广泛应用于冶金、电力、石化、航空航天等领域，其运行性能的好坏直接影响到整台机械设备的性能，其故障往往导致巨大的经济损失.本文在分析滚动轴承常见的失效形式基础上，给出了对其进行诊断的一般流程，并对现有的滚动轴承故障诊断方法进行了回顾，对未来的发展趋势进行了预测.总的来说，利用多源、多层次信息且能实现残余寿命预测的智能故障诊断方法是未来的发展趋势.

〔1〕马东雄,陆爽,张子达,等.现代信号分析在滚动轴承故障诊断中的应用[J].哈尔滨轴承,2004,25(4):7～10.

〔2〕刘金朝,丁夏完,王成国.自适应共振解调法及其在滚动轴承故障诊断中的应用[J].振动与冲击,2007,26(1):38～41.

〔3〕覃慧,南江红.旋转机械故障诊断的时频分析方法比较[J].科学技术与工程,2011,11(9):1991～1994.

〔4〕付新哲,张优云,朱永生.滚动轴承故障诊断的案例推理方法[J].西安交通大学学报,2011,45(11):79～84.

〔5〕杨帆,浦昭邦,庄严,等.基于信息融合的滚动轴承故障诊断[J].轴承,2005(2):30～32.

TH133.3

A

1673-260X（2012）06-0115-02