轴承故障诊断技术

摘要：本文简要概述了滚动轴承故障诊断技术现状，着重介绍了基于振动信号的信号处理方法，并预测了滚动轴承故障诊断技术的发展方向。

关键词：滚动轴承 故障监测 故障诊断 诊断技术 信号处理

The Status and Development of Rolling Bearing Fault

Diagnosis Technology

Abstract:This paper briefly outlines the status of rolling bearing fault diagnosis technology, focusing on the signal based on vibration signal processing method, and predicts the development of rolling bearing fault diagnosis technology.

Key words: Rolling Bearing,Fault Monitoring, Fault Diagnosis, Diagnosis Technology, Signal Processing

1.前言

机械是装备制造业的核心行业。装备制造业是为国民经济和国防建设提供技术装备的战略性产业。轴承是装备制造业的关键基础件。党和国家审时度势作出了大力振兴装备制造业的战略决策。振兴装备制造业的核心是重大装备的自主创新和国产化。作为装备制造业重大装备关键基础件的轴承产品也必须实现自主创新和国产化。国务院《关于加快振兴装备制造业若干意见》中提出：要选择16个对国家经济安全和国防建设有重要影响的关键领域，以其重大技术装备和产品为重点，实现重大突破，尽快扩大自主装备市场占有率。这16个关键领域的重大技术装备和产品，绝大部分都要装用轴承，需要高技术含量的轴承来保证其精度、性能、寿命和可靠性。因此，重大技术装备配套轴承的自主创新和国产化的任务十分艰巨而紧迫。据初步测算，至2010年，这16个关键领域年需要配套轴承约550.5万套。

滚动轴承作为机械设备中重要的旋转零件，也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旋转机械中，大约有的机械故障是滚动轴承引起的，感应电机故障中的滚动轴承故障约占电机故障的左右，齿轮箱各类故障中的轴承故障率仅次于齿轮而占。据有关资料表明，我国现有的机车用滚动轴承，每年约有要经过下车检验，而其中的左右被更换，因此研究机车轴承故障监测和诊断，改定期维修为状态维修，有重要的经济效益和实用价值。据统计，对机械设备应用状态监测与故障诊断技术后，事故发生率可降低，维修费用可减少。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早发现潜在故障等方面起着至关重要的作用，而且还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。

随着科学技术的进步和生产力的发展，机械设备和生产系统日益向大化、精密化、高速化和自动化方向发展，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、维修和可靠运行提出了更高、更严格的要求。一个微小的故障，可能会影响到整个系统运行的稳定性和安全性甚至造成灾难性后果。

滚动轴承的常见故障[1]： （1）疲劳点蚀

疲劳点蚀是滚动轴承正常的、不可避免的失效形式。由于滚动轴承在工作时滚动体和滚道之间为点接触或线接触，在交变载荷的作用下，表面间存在着极大的循环接触应力，容易在表面处形成疲劳源，由疲

1

劳源生成微裂纹，微裂纹因材质硬度高、脆性大，难以向纵深发展，便成小颗粒状剥落，表面出现细小的麻点，这就是疲劳点蚀。严重时，表面成片状剥落，形成凹坑，若轴承继续运转，将形成大面积的剥落。

（2）磨损

由于轴承工作环境的不同，难免存在润滑不良、外界尘粒等异物侵入、装配不当等原因，这些都会加剧滚动轴承表面之间的磨损。磨损程度严重时，轴承游隙增大，表面粗糙度增加，不仅降低了轴承的运转精度，而且设备的振动和噪声也会随之增大。

（3）胶合

胶合是一个表面上的金属粘附到另一个表面上去的现象。其产生的主要原因是缺油、缺脂下的润滑不足，以及在重载、高速、高温情况下，滚动体与滚道在接触处发生了局部高温下的金属熔焊现象。通常，轻度的胶合又称为划痕，重度的胶合又称为烧轴承，胶合为严重故障，发生后会导致振动和噪声急剧增大，多数情况下设备难以继续运转。

（4）断裂

轴承零件的裂纹和断裂是最危险的一种故障形式，这主要是由于轴承材料有缺陷和热处理不当以及严重超负荷运行所引起的。此外，装配过盈量太大、轴承组合设计不当以及缺油、断油下的润滑丧失也都会引起裂纹和断裂。

（5）锈蚀

锈蚀是由于外界的水分带入轴承中，或者设备停用时，轴承温度在露点以下，空气中的水分凝结成水滴吸附在轴承表面上，以及设备在腐蚀性介质中工作，轴承密封不严，从而引起化学腐蚀。锈蚀产生的锈斑使轴承表面产生早期剥落，同时也加剧了磨损。

（6）电蚀

电蚀主要是由于转子带电，电流击穿油膜而形成电火化放电，使表面局部熔焊，在轴承工作表面形成密集的电流凹坑或波纹状的凹凸不平。

（7）塑性变形（凹坑及压痕）

对于转速极低（n＜1r/min）的轴承，或间歇摆动的轴承，其故障形式主要是永久性塑性变形，即在滚道上受力最大处形成凹坑。发生塑性变形，主要与过大的挤压应力有关，如工作载荷过重、冲击载荷过大、热变形影响等。轴承出现凹坑后，会产生很大的振动和噪声。此外，当硬颗粒从外界进入滚动体与滚道之间时，会在滚道表面形成压痕。

(8)保持架损坏

润滑不良会使保持架与滚动体或座圈发生磨损、碰撞。装配不当所造成的保持架变形，会使保持架与滚动体或座圈之间产生卡涩，从而加速了保持架的磨损。保持架磨损后，间隙变大，与滚动体之间的撞击力增大，以致使保持架断裂。

世界各国都十分重视对大型设备的状态监测和故障诊断工作，积极开展故障机理、故障监测、故障诊断技术等方面的研究和系统开发工作，自从上个世纪年代以来，国外的机械设备状态监测和故障诊断技术已经进人实用化阶段。我国故障诊断技术经过多年的发展，从简易诊断到精密诊断，从一般诊断到智能诊断，从单机诊断到网络诊断，逐步走出了一条适合我国国情的发展道路，不论在故障诊断理论和方法上，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。

故障诊断技术是一门集数学、力学、摩擦学、测控技术、计算机技术、信号处理技术、模式识别技术、人工智能技术、决策科学、信息科学等众多科学技术于一体的现代工程新学科，受到越来越多的重视和关注。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工况下表现出来的振动、噪声、温度、工作参数、气味、泄漏等信息的监测和综合分析来对其工作状态、故障类型和故障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，从而实现检测和发现异常、诊断故障状态和部位、分析故障类型、提出诊断方案和诊断结论的目的。

2.滚动轴承故障监测和诊断技术分类

2

滚动轴承故障监测和诊断理论和方法的研究一直是研究的热点和难点根据故障监测技术机理的不同，滚动轴承的故障诊断技术主要有振动诊断技术、油液诊断技术、热诊断（热成像和温度诊断）技术、声学诊断技术、油膜电阻诊断技术、光纤诊断技术等，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普遍。

2.1基于振动信号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通过对运行过程中轴承振动信号的采集和处理来对旋转机械中滚动轴承出现的疲劳剥落、变形、压痕、局部腐蚀等故障进行监测与诊断，该方法应用广泛，相关理论和实践都相对比较成熟，可以实现在线监测。

2.1.1低频分析法和幅值参数指标分析法[2][3][4]

在滚动轴承运行过程中，轴承元件的表面损伤点反复撞击与之接触的其他元件表面而产生低频振动，这些频率一般在以下，该频率称为轴承故障特征频率，其可以通过以下的计算公式计算出来：

外圈故障特征频率：f0内圈故障特征频率：f0nNDcos1 120DnNDcos1 120DDcos21 DDN滚动体故障特征频率：f060D保持架故障特征频率：f0NDcos1 120D式中：Dω为滚动体直径，D为轴承节圆直径，α为接触角，n为滚动体个数，N为轴承转速。 通过对监测到的振动信号进行技术处理，分离和突出故障特征信息，从而对轴承的早期故障进行监测和诊断。

2.1.2平稳信号的监测和诊断技术

早期的监测和诊断方法主要基于傅立叶频谱分析、时间序列模型的平稳振动信号分析方法。傅立叶频谱分析是通过查看频谱图中是否有明显的故障频率波峰存在，从而判断轴承是否正常运行，这种方法诊断出来的轴承往往已经有了较严重的损伤，对早期的轴承故障诊断不够灵敏。如果采集到的信号序列较短或傅立叶变换不能将相互靠近的两个频率分开，则采用时间序列模型分析（也称为参数模型的谱分析），常用的模型有ARMA模型、AR模型、MA模型等。为了提高信噪比和分析效能，时域平均方法、倒频谱分析、包络分析、数字滤波技术、自适应技术、主分量技术、细化谱技术、双谱技术、全息谱技术等分析技术被不断地充实到故障诊断的理论和方法中。

2.1.3循环平稳信号的监测和诊断技术[5]

循环平稳信号是一种特殊的非平稳信号，其统计特征参量随时间呈现周期或多周期的变化规律，具有循环平稳特性。基于二阶循环平稳理论的时间平滑周期图法，基于调幅和调频信号模型推导出循环域解调方法，基于谱相关密度提取轴承故障特征信号的方法等都能够有效地提取故障特征信号，有效抑制噪音和干扰信号对调制结果的影响，提高监测的准确性，同时循环平稳分析方法能更加贴切地反映轴承的真实运转情况，较准确地揭示故障的本质特征。

2.1.4非平稳信号的监测和诊断技术

由于傅立叶变换是信号的全局变换，因此不能够有效地分析非平稳信。非平稳信号的局部性能需要使用时域和频域的二维联合表示，对这种信号的分析称为时频信号分析。的专著详细叙述了时变频谱在时频平面上的分布特性、计算方法、尺度表示以及各种算子问题，孟庆丰等描述了振动信号分析时频域法，证明了时频域法是识别轴承故障的有效方法，黄迪山等改进了Classen的Wigner分布算法，克服了由离散计算引起的混叠问题，应用二维、三维Wigner分布图对轴承故障进行了特征分析，实践表明，短时Fourier

3

谱和Wigner分布都能将时域信号变换到时频域，但是对于时变信号，Wigner应用更为适宜。

小波分析[6][7][8][9]是近年来发展起来的一种时频分析方法，该方法具有时域和频域的局部化和可变时频窗的特点，解决了傅立叶变换等不能解决的许多问题，被称为“数学显微镜”，Sun Q等采用连续小波变换（CWT）的方法，通过各尺度连续小波变换的简化分析，来识别轴承振动信号中包含的以故障特征频率为周期的周期成分，用来检测轴承运行中的局部损伤故障；Nikolauo N G等提出了使用小波包变换（WPT）作为分析系统振动信号的工具，来诊断轴承的局部缺陷，小波包变换能有效地提取振动信号的微弱瞬态特征张中民等提出了基于正交小波变换诊断轴承故障的新方法史东锋等提出了基于高斯函数的小波包络解调分析方法。张中民等利用小波分析技术将轴承故障振动信号分解到时一频空间，提出了利用能量分布函数细化谱诊断变速箱轴承故障的分析方法。张佩瑶等提出了提取强噪声背景下多通带窄带信号的一种新方法一小波包信号提取算法。实践证明，小波分析是一种有效的非平稳信号分析方法。

另外，基于振动信号的改进小波包分析[10][11]、改进的时频分析、高阶谱、分形维数方法、奇异值分解技术[12]、隐马尔经验模态分解技术[13]、经验模态分解技术[14][15]（EMD）等开始在滚动轴承故障监测与诊断的工程实践中得到越来越广泛的应用并取得了一定的成效。

2.2基于油液的故障监和诊断技术

[16]

滚动轴承故障的主要形式是磨损、断裂、腐蚀等，对于油润滑或油冷却的轴承在运行的过程中，就会将相关的信号带人到循环油液中，因此对运行过程中的油液进行观察和分析，可以了解轴承的运行状态，推断出轴承故障的形式和部位。

铁谱监测和诊断技术是我国应用最普遍的油液诊断技术之一，该方法首创于20世纪70年代初，主要通过对润滑或冷却液中的磨损磨粒在铁谱片上的分布情况进行定性观察和定量测试来判断轴承的运行情况和磨损机理研究。目前主要有旋转式铁谱仪、直读式铁谱仪和分析式铁谱仪，该监测和诊断技术虽然所需投资少、仪器价格低廉，信息丰富，但是对突发性故障不能及时预报且对人员的经验依赖性强，另外，铁谱诊断技术仅仅适用于油润滑或油冷却轴承的故障监测和诊断。实践证明，由油液理化分析、清洁度检测、发射光谱技术、红外光谱分析、铁谱分析构成的油液分析系统在轴承故障诊断中发挥重要的作用，可以有效地避免由于单一手段的局限性而导致的误诊和漏诊现象。

2.3基于温度的故障监测和诊断技术

温度诊断技术是一种比较常规简单的诊断技术，通过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、轴承类型以及轴承的运转状态等因素决定，因此轴承的温度可以一定程度上反映轴承的运转参数的变化和运行的故障，特别对轴承烧伤的诊断效果比较好。

2.4基于声学的故障监测和诊断技术

[17]

监测和诊断技术是近几年来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弹性波的监测来实现对轴承工况的诊断。由于轴承经常受到冲击的交变载荷作用，使得材料产生错位运动或塑性变形，在此过程中伴随着声发射信号的产生，这种声发射的频率一般较宽，金属材料的发射频率可达几十到几百兆赫兹，其信号的强度差异一般只有几微伏，故需要电荷放大器等仪器的辅助。声发射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。由于该方法的诊断过程快速、简便，但它需要的专用设备价格比较昂贵，使得该诊断技术推广应用受到了一定的限制。

4

2.5基于油膜电阻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以上，但当润滑油膜遭到破坏后，则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对轴承的润滑状态和轴承的磨损、腐蚀类的损伤进行监测和诊断。但该方法对表面剥落、压痕、裂纹、点蚀等异常情况诊断效果较差。该技术比较适用于旋转轴外露的场合。

2.6基于光纤的故障监测和诊断技术

光纤诊断技术一般用光导纤维束制成位移传感器发射和接受光纤束，对轴承工况作出判断，该方法灵敏度高、信噪比大，可以较直接地反映轴承的制造质量、表面磨损程度、载荷、润滑和间隙情况。该方法适用于可将传感器安装在轴承座内的场合。

2.7综合故障监测和诊断系统

随着故障诊断理论的深人发展，基于故障现象推理故障原因的传统的“反问题推理”思想得到突破。基于动力学分析和仿真的“正问题分析”与“反问题推理”相结合的诊断理论和思想方法被提出。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、信息科学理论以及概率理论对故障细致划分和识别的可行性也逐渐在诊断工程中得到应用，如年和在系统中提出了基于不确定性概率因子的推理方法，年等将主观理论应用于探矿专家系统中在年提出了模糊集理论，后经和发展为可能性理论方法，这些不确定性推理方法较好地综合了模糊性强、信息不完整的多方面的信息，但专家系统存在着知识获取“瓶颈”和不完全性知识表示等不足，而人工神经网络技术也存在着知识隐含表示、神经网络机理不清等问题。

基于多传感器信息融合的故障诊断技术以其良好的稳定性、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以及较强的故障容错与系统重构能力等技术优势受到了各国的高度重视并逐步渗人到故障诊断领域。

综合故障诊断的过程事实上也是诊断信息融合的过程，只不过综合的意义更为广泛。综合故障诊断与处理主要是群体集的综合、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，基本上涵盖了信息融合、群体决策、不确定性推理、优化和诊断方法学等理论与方法。

3.滚动轴承故障诊断技术发展趋势

故障监测和诊断技术发展到今天，已经初步形成一门跨学科的综合信息处理技术。正着力于将故障监测和诊断技术与滚动轴承试验技术进行有效的结合，力图对轴承进行性能试验的同时对其使用性能的劣化和潜在缺陷进行监测和诊断，指导试验的快速、有效地开展。

近几年，新技术和新方法层出不穷，人工智能和计算机在轴承故障诊断中的应用越来越广泛，今后的发展方向主要体现在以下方面[18,19,20,21,22]：

（1）时域分析、频谱分析、时频分析法、小波分析法、时变参数模型法、分段平稳模型法、自适应模型法在轴承故障诊断中的应用将日趋完善；

（2）对于轴承故障诊断的理论和方法，高阶循环统计量技术、分形维数等技术将有望得到进一步的突破，并且各种研究成果将会逐步应用到实际生产；

（3）故障诊断智能系统进一步的深入研究，多种轴承故障分析方法相结合，如小波神经网络、模糊识别与小波分析相结合等新分析方法应用智能专家系统，提高诊断的效率和准确率；

（4）随着计算机和网络技术的发展，远程故障诊断将是现代故障诊断发展的一个重要的方向。

5

参考文献：

[1]何宗旺.振动频谱分析在滚动轴承故障诊断中的应用[J].现代零部件,2010,(6):50-53.

[2]李兴林,全永听,金锡志.球轴承滚动摩擦副磨损状态的监测试验研究[J].浙江大学学报,1990,24(2):253-260. [3]余红英.机械系统故障信号特征提取技术研究[D].太原:中北大学,2005. [4]卢一相.时频分析在故障诊断中的应用[D].合肥:安徽大学,2007.

[5]周福昌.基于循环平稳信号处理的滚动轴承故障诊断方法研究[D].上海:上海交通大学,2006.

[6]Henning Zoubek, Sebastian Villwock, Mario Pacas.Frequency Response Analysis for Rolling-Bearing Damage

Diagnosis[J]. IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS,2008,12(55):4270-4277. [7]曾芸.基于小波分析的滚动轴承故障诊断方法研究[D].南昌:南昌大学,2007.

[8]张弦,王宏力.进化小波消噪方法及其在滚动轴承故障诊断中的应用[J].机械工程学报,2010,8(15):76-81. [9]Yin yuefeng,Cai Guoqiang,yYang Jiangwei,et al.Fault Diagnosis of Rolling Bearing Based on Wavelet Packet

and Fourier Analisis[C]//ICICCA 2010.IEEE,2010:703-706.

[10]Han Quan-Ii, Wang Hong-ying.Based on Rolling Bearing Failure Diagnosis in wavelet analysis[C]//CMCE

2010.IEEE,2010:60-63.

[11]黄建鸿.基于小波包分析的滚动轴承智能诊断[D].南昌:南昌大学,2005.

[12]秦海勤,徐可君等.基于图像奇异值分解的滚动轴承故障模式识[J].轴承2006,(6):55-58. [13]曾海平.基于经验模态分解法的滚动轴承故障诊断系统研究[D].杭州:浙江大学,2005. [14]张晨罡.基于经验模态分解的滚轴承故障诊断方法研究[D].郑州:郑州大学,2007.

[15]Bin Wu ,Changjian Feng ,Minjie Wang.A Fault Diagnosis Method of Rolling Bearings Using Empirical Mode

Decomposition and Hidden Markov Model[C]//WCICA.Dalian:IEEE,2006:5697-5702. [16]都建辉,李兴林,蒋万里等.轴承疲劳寿命理论的新进展[J].轴承,2005,(11):38-44.

[17]于江林.滚动轴承故障的非接触声学检测信号特性及重构技术研究[D].大庆:大庆石油学院,2009. [18]Bin Wu,Minjie Wang, Yuegang Luo,Changjian Feng.Cyclostationarity Analysis and Diagnosis Method of

Bearing Faults[C]//ICICAL 2009.Shenyang:IEEE,2009:576-582.

[19]Jinyu Zhang, Xianxiang Huang.Fault Diagnosis Approach for Rolling Bearings Based on Enhanced Blind

Equalization Theory[C]//ICICTA 2008.IEEE,2008:865-870.

[20] Khalid F,Al-Raheem,Asok Roy et al.Rolling element bearing faults diagnosis based on autocorrelation of

optimized: wavelet de-noising technique[J].Springer,2009,(40):393–402.

[21]李兴林,李俊卿,张仰平等.滚动轴承快速寿命试验现状及发展[J].轴承,2006,(12):44-47. [22]李卓彦,周强强,李志雄.滚动轴承故障诊断技术的研究[J].科技信息,2008,(36):6-8.

6