浅析滚动轴承故障特征的提取技术

黎文爵（东莞市TR轴承有限公司,广东 东莞 523000）

浅析滚动轴承故障特征的提取技术

黎文爵
（东莞市TR轴承有限公司,广东 东莞 523000）

在机械设备中滚动轴承是非常关键的一个零部件，为了避免在生产过程中造成重大的事故，要对滚动轴承进行定期的修检，一旦发生问题要及时做出处理。研究滚动轴承的检测和诊断技术，对机械的安全运行具有重要的意义。本文就滚动轴承的故障特征的提取技术做出简要分析。

滚动轴承；故障诊断；提取技术

滚动轴承是旋转机械中重要的零部件，同时也是最容易损坏的零部件之一，在使用滚动轴承的旋转机械中，因为滚动轴承出现问题而产生的故障约占30%。滚动轴承有一个很大的特点就是寿命的离散性很大，即使是同样的材料、同样的加工工艺同一批工人生产出来的滚动轴承寿命也是相差很大的。所以对滚动轴承要定期进行检查，避免给整个机器带来严重的事故。

1　滚动轴承常见的故障

滚动轴承通常会出现以下几个故障[1]：

（1）磨损。滚动轴承最常见的故障就是磨损，造成磨损的原因有很多，比如磨料的存在、轴承内进入异物或者是没有做好润滑工作等，都会造成轴承滚道、保持架、滚动体等发生磨损的现象。

（2）疲劳。滚动体或者是滚道表面产生脱皮或者是剥落，就代表着滚动轴承的疲劳。疲劳初期，只是在表面形成不规则的凹坑，然后逐渐延伸形成片。造成疲劳的主要原因是疲劳应力。但有时候装配不当或者是润滑不良也会引起剥落或者是脱皮现象。

（3）断裂。引起断裂的原因有很多，比如热处理、负荷过大、转速太高、润滑不良等。

（4）腐蚀。腐蚀分化学腐蚀、点腐蚀、威震腐蚀等，主要的表象都是出现凹坑、麻点、红色或者是黑色锈斑等。

（5）压痕。由于过载、冲击或者异物落入滚道就会使滚道和滚动体表面产生局部变形而出现凹坑，这就是压痕。

（6）胶合。胶合就是滚道和滚动体局部融合在一起现象，其主要原因是高速、高温和润滑不良。

2　轴承振动信号的提取方法

2.1有效值和峰值判断法

滚动轴承在工作时，其振动的瞬时值会随着时间的变化不断地发生变化，有效值可以准确地表现振动变化的大小。所谓的有效值就是振动幅值的均方根值，而且表示对时间的平均，所以当出现表面皱裂、且振动无规则的波形时，其测定值的变动情况较小，此时给出的评价是十分可靠的[1]。峰值就是指示信号中可能出现的最大的瞬间值，可以用峰值来表现信号的强度，峰值还可以正确的得出瞬间现象的指示值。通过峰值的变化可以很容易的检测出初期阶段滚动轴承的表面剥落现象。

2.2峰值指标法

峰值与有效值的比就是峰值指标。峰值在表现由伤痕引起的瞬时冲击振动时，比有效值更加可靠，所以峰值指标法就是利用了峰值的这种特性，一般情况下，滚动轴承状态良好，此时峰值指标是5，当滚动轴承发生状况时，比如表面剥落或者是出现划痕，峰值指标会变成10，所以这种方法可以对滚动轴承的故障很直观的表现出来。不仅如此，峰值指标受轴承尺寸的影响比较小。

2.3概率密度法原理

概率密度分析主要是对幅值概率密度函数进行分析，可以对振动的瞬时值进行比较全面的描述，它的优点是很突出的。不同的振动信号会出现不同的概率密度函数图形，一般情况下，如果滚动轴承没有故障，振动信号表现为正常状态分布曲线，一旦滚动轴承出现故障，那么曲线就会变得陡峭，通过曲线的变化，可以很直观的识别振动信号的变化。

2.4冲击脉冲法

当两个不平的表面相互撞击时，就会出现冲击波和冲击脉冲[2]。通过冲击脉冲可以很容易的表现出撞击的程度，在检查滚动轴承故障的工作中可以对滚动体和滚道的撞击程度进行检测，通过两者的冲击脉冲就可以了解滚动轴承是否发生故障。如果滚动轴承发生故障，那么故障零件在工作时就会产生机械冲击，冲击脉冲力的变化幅度就会增大。

3　信号特征的频域提取方法

3.1频谱分析法

利用频谱可以很快的诊断滚动轴承是否发生故障。利用通用信号的幅值谱或者是功率谱对滚动轴承故障进行诊断，这就是频谱分析。人们可以直接对正常工作状态下的滚动轴承振动信号特征频率进行分析，把数据当作比对的标准，然后对疑似出现故障的滚动轴承振动信号特征频率进行分析，将两者进行比较，看滚动轴承是否已经出现故障。但是由于滚动轴承的故障特征频率较低，且常常会受到周围环境中噪音的影响，可靠性较差，因此这种方法很少被采用。

3.2倒频谱分析

对于复杂的振动情况来说，仅仅观察频谱图是没有多大作用的，其谐波成分通常十分复杂和密集，频谱图并不能表现出太多的内容。由于各零部件在力的相互作用下，可能会形成各自特有的通过频率，这些频率会出现相互叠加的情况，因此谐波成分往往很复杂，这时就可以用倒频谱进行辨认。倒频谱能正确的揭示普图中的周期分量，同时利用倒频谱可以很容易的诊断出滚动轴承的故障。

3.3循环平稳分析

轴承故障信号是一种调制信号，其相关函数是一种周期函数，同时是一种特殊的信号，这种信号是非平稳的，因此又叫做循环平稳信号[3]。一般情况下的信号处理方法都是以平稳信号为假设的，这些方法不可能充分提取非平稳信号的特征。循环平稳信号的统计特性呈周期性，周期性是一切机械故障信号共有的特征，因此，循环统计理论近年来在故障诊断领域越来越受到重视。滚动轴承的故障信号其自相关函数是一种周期函数，因此可以利用循环域解调方法快速的分离出故障信息。

4　结束语

滚动轴承的振动信号可以准确地反应出滚动轴承的运作状态，通过分析滚动轴承的振动信号可以作为监测和故障诊断的标准。滚动轴承的正常运转是机械正常工作的重要保障，因此要加强滚动轴承故障检测工作，一旦发生故障，要做出及时的修理措施。

[1]王善鹏.基于流形学习的滚动轴承故障特征提取方法研究[D].大连理工大学,2013.

[2]李宗涛.基于同步平均和倒谱编辑的滚动轴承故障信号提取技术研究[D].昆明理工大学,2014.

[3]胡爱军,马万里,唐贵基.基于集成经验模态分解和峭度准则的滚动轴承故障特征提取方法[J].中国电机工程学报,2012(11):106-111+153.

黎文爵（1986-），男，广东东莞人，本科，研究方向：产品设计。