滚动轴承故障诊断与寿命预测

滚动轴承,故障诊断,滚动轴承,产品寿命,预测 

《滚动轴承故障诊断与寿命预测》面向现代机械设备故障诊断与维护技术领域发展需求，能满足重大机械装备早期故障诊断与剩余寿命预测技术理论的研究与工程分析需求。《滚动轴承故障诊断与寿命预测》首先介绍了滚动轴承的结构特点和常见失效形式，然后从降噪处理、特征提取、故障诊断和寿命预测四个方面论述了滚动轴承故障诊断与寿命预测技术的原理和方法，并结合仿真信号和工程实例验证了上述方法的有效性。

目录
第1章 绪论 1
1.1 滚动轴承简介 1
1.1.1 滚动轴承的特点 1
1.1.2 滚动轴承的结构 1
1.2 滚动轴承故障诊断 2
1.2.1 常见失效形式 2
1.2.2 故障诊断方法 4
1.3 滚动轴承寿命预测 5
1.3.1 滚动轴承寿命预测 5
1.3.2 寿命预测方法 5
1.4 研究现状 7
1.4.1 故障诊断研究现状 7
1.4.2 寿命预测研究现状 9
参考文献 10
**部分 降噪方法
第2章 EMD降噪方法 13
2.1 EMD的基本原理和性质 13
2.1.1 EMD的基本原理 13
2.1.2 EMD的完备性和正交性 15
2.2 基于阈值处理的EMD降噪 16
2.3 基于滤波处理的EMD降噪 17
2.4 两种EMD降噪方法的性能比较 19
2.5 应用实例 21
参考文献 23
第3章 双树复小波域隐Markov树模型降噪方法 25
3.1 小波变换的理论基础与性质 25
3.1.1 离散小波变换 25
3.1.2 复小波变换 26
3.1.3 双树复小波变换 27
3.1.4 DT-CWT的滤波器设计 28
3.1.5 DT-CWT的平移不变性分析实例 30
3.2 小波域隐Markov树模型 30
3.2.1 隐Markov模型 31
3.2.2 HMT 模型的原理 32
3.3 双树复小波域隐Markov树降噪模型 37
3.3.1 DTCWT_HMT1 法 37
3.3.2 DTCWT_HMT2 法 37
3.4 应用实例 37
3.4.1 仿真信号 37
3.4.2 实际信号 42
参考文献 43
第4章 对偶树复小波流形域降噪方法 45
4.1 理论基础 45
4.2 对偶树复小波流形域降噪 46
4.2.1 对偶树复小波流形域降噪原理 46
4.2.2 DTCWT_MVU降噪方法步骤 47
4.3 应用实例 48
4.3.1 DTCWT_MVU方法仿真验证 48
4.3.2 DTCWT_MVU方法性能讨论 50
4.3.3 DTCWT_MVU方法的工程应用 55
参考文献 56
第二部分 特 征 提 取
第5章 基于振动信号的特征提取 59
5.1 时域和频域特征参数提取 59
5.1.1 时域特征参数提取 59
5.1.2 频域特征参数提取 61
5.2 时频域特征参数提取 62
5.2.1 小波包理论 62
5.2.2 EMD理论 63
5.3 样本熵的特征参数提取 64
参考文献 65
第6章 Morlet小波和自相关增强特征提取 66
6.1 Morlet小波滤波器的优化问题 66
6.1.1 连续小波变换 66
6.1.2 Morlet小波滤波器 67
6.1.3 **参数选择策略 67
6.2 遗传算法 69
6.2.1 染色体表示 70
6.2.2 初始化种群 71
6.2.3 适应度函数 71
6.2.4 遗传操作 71
6.3 自相关增强算法 72
6.3.1 自相关运算 72
6.3.2 自相关包络功率谱 72
6.3.3 扩展Shannon 熵函数 72
6.3.4 方法 73
6.4 应用实例 73
6.4.1 仿真结果 73
6.4.2 试验台数据结果 75
6.4.3 实际故障轴承结果 78
参考文献 80
第7章 张量流形特征提取 82
7.1 理论基础 82
7.1.1 HHT时频谱 82
7.1.2 张量流形理论 83
7.2 张量流形时频故障特征提取 85
7.2.1 方法的原理及步骤 85
7.2.2 时频特征参数的定义 86
7.3 应用实例 87
7.3.1 故障信号的HHT时频特征 87
7.3.2 张量流形时频特征参数提取 90
参考文献 95
第8章 小波包样本熵特征提取 97
8.1 理论基础 97
8.1.1 熵概念的发展及泛化 97
8.1.2 样本熵 100
8.1.3 小波包分解 103
8.2 小波包样本熵的特征提取 104
8.2.1 小波包样本熵的特征提取方法 104
8.2.2 实际信号分析 104
参考文献 106
第三部分 故障诊断
第9章 谱峭度故障诊断方法 108
9.1 谱峭度的定义 108
9.2 谱峭度故障诊断方法 108
9.2.1 谱峭度检测轴承故障的物理解释 108
9.2.2 峭度图 109
9.2.3 EMD降噪和谱峭度法的滚动轴承故障诊断步骤 109
9.3 工程实例 110
参考文献 111
第10章 相空间ICA故障诊断方法 112
10.1 基本理论 112
10.2 相空间重构ICA方法 112
10.2.1 相空间重构ICA的详细步骤 112
10.2.2 相空间重构及参数选择 113
10.3 应用实例 116
10.3.1 传统信号处理方法提取早期故障的能力 117
10.3.2 相空间ICA提取早期故障特征信息 118
参考文献 121
第11章 深度学习故障诊断方法 123
11.1 理论基础 123
11.1.1 卷积神经网络 123
11.1.2 受限玻尔兹曼机 124
11.1.3 自动编码器模型 125
11.1.4 深度自动编码网络 127
11.2 结合核函数与自动编码器的深度学习 127
11.2.1 基于核函数的自动编码器 127
11.2.2 核函数选择 128
11.2.3 方法流程 129
11.3 航空发动机中介轴承诊断实例 130
11.3.1 试验台 130
11.3.2 试验结果分析 132
参考文献 135
第四部分 寿命预测
第12章 流形和模糊聚类轴承性能退化监测 137
12.1 理论基础 138
12.1.1 模糊C均值聚类 138
12.1.2 LLE流形算法 138
12.2 流形和模糊聚类轴承性能退化监测 139
12.2.1 监测方法的流程及步骤 139
12.2.2 监测方法的关键问题分析 140
12.3 仿真验证 143
12.3.1 滚动轴承性能特征提取 143
12.3.2 流形特征的本征维数 147
12.3.3 流形特征的性能讨论 147
12.3.4 内环性能退化评估 150
12.4 应用实例 150
12.4.1 滚动轴承性能退化实验台介绍 151
12.4.2 滚动轴承全寿命周期时域特征监测结果 152
12.4.3 基于流形和模糊聚类的滚动轴承性能退化监测 153
参考文献 155
第13章 基于威布尔比例故障率模型的寿命预测 156
13.1 威布尔比例故障率模型 156
13.1.1 威布尔比例故障率模型 156
13.1.2 威布尔比例故障率模型的参数估计 156
13.1.3 剩余寿命预测 157
13.2 趋势预测理论 158
13.2.1 灰色系统理论的原理及应用 158
13.2.2 GM(1，1)预测模型的建模过程 158
13.2.3 GM(1，1)模型适用要求 160
13.3 可靠性评估 161
13.4 寿命预测 162
13.4.1 趋势预测方法研究 162
13.4.2 趋势预测 165
13.4.3 剩余寿命预测 167
13.5 应用实例 168
13.5.1 滚动轴承试验台介绍 168
13.5.2 滚动轴承性能退化高维特征集构建 168
13.5.3 滚动轴承核主元的性能退化评估 170
13.5.4 剩余寿命预测 172
参考文献 174
第14章 基于改进Logistic回归模型的寿命预测 175
14.1 Logistic回归模型 175
14.1.1 二项分类Logistic回归模型 175
14.1.2 多项分类Logistic回归模型 176
14.1.3 回归参数的估计 176
14.1.4 改进Logistic回归模型 177
14.2 改进Logistic回归模型轴承寿命预测 177
14.2.1 特征量选取 178
14.2.2 主元分析(PCA) 179
14.2.3 基本算法流程 180
14.3 应用实例 181
14.3.1 试验设备 181
14.3.2 获取有效特征值和相对特征值 181
14.3.3 PCA降维与退化趋势分析 183
14.3.4 可靠性评估与剩余寿命预测 184
参考文献 186
第15章 基于长短期记忆网络的寿命预测 187
15.1 基础理论 187
15.1.1 循环神经网络RNN 187
15.1.2 LSTM神经网络预测模型 187
15.2 方法步骤 188
15.3 滚动轴承特征参数集的构建 189
15.3.1 滚动轴承试验台介绍 189
15.3.2 轴承特征参数评价指标 190
15.3.3 轴承特征参数提取 190
15.3.4 寿命预测结果分析 194
参考文献 196

第1章 绪论
　　1.1 滚动轴承简介
　　1.1.1 滚动轴承的特点
　　滚动轴承是一种精密的标准机器部件，它在机械设备中应用非常广泛。滚动轴承具备一系列显著的优点，比如：摩擦系数小，运行精度高，对润滑剂黏度不敏感(可以直接使用润滑脂，不必像滑动轴承一样使用复杂的润滑供油系统)，无论高速、低速均可以承受径向和轴向载荷，国际标准化程度高，可替代性好，易于大批制造，价格低廉。但是滚动轴承也是机器设备中*容易发生故障损坏的零件之一，这是因为滚动轴承承受冲击的能力较差，在突然的冲击荷载作用下易发生损坏。此外，安装不当、润滑不良、转速过高、腐蚀生锈等因素都是引起滚动轴承故障的重要因素。滚动轴承故障是机器设备失效的重要原因，据有关资料显示[1]，由滚动轴承损伤造成的故障占机械故障总数的21%，因此滚动轴承的故障监测十分重要。对滚动轴承进行有效的故障诊断不但可以防止机械工作精度下降，减少或杜绝事故发生，而且可以**限度地发挥轴承的工作潜能，确保大型机械设备系统的**连续运行时间和使用效率，节约相关维修开支。
　　1.1.2 滚动轴承的结构
　　滚动轴承是机械设备中的重要零部件，如图1-1所示，其通常由四部分组成：内环、外环、滚动体、保持架。
　　(a)向心球轴承 (b)圆锥滚子轴承 (c)推力球轴承
　　图1-1 滚动轴承基本结构
　　1-外环；2-滚动体；3-内环；4-保持架
　　(1)内环。一般情况下，内环是固定在轴上随转轴一起转动的。内环外壁的沟槽是供滚动体转动的轨道，称为内滚道。
　　(2)外环。外环是固定在轴承座或者机器壳体上的，主要起支撑和保护滚动体的作用。外环内壁的沟槽称为外滚道。在某些情况下，滚动轴承内环是固定的，起支撑作用，而外环是旋转的。
　　(3)滚动体。滚动体在内滚道和外滚道形成的腔体中滚动，维持内环与外环之间的相对运动。轴承承载能力的大小由滚动体的数目、形状、大小所决定。
　　(4)保持架。保持架能使滚动体在滚道中均匀分布，始终保持等间距，避免滚动体之间发生碰撞，并能将相等的载荷轮流、平均地分配到每个滚动体上。
　　1.2 滚动轴承故障诊断
　　1.2.1 常见失效形式
　　滚动轴承在运转过程中可能会由于各种原因引起损坏，如装配不当、润滑不良、水分和异物侵入、腐蚀和过载等都可能导致轴承过早损伤。即使在安装、润滑和使用维护都正常的情况下，经过一段时间运转，轴承也会出现疲劳剥落和磨损而不能正常工作。滚动轴承的失效形式主要有以下七种[2]。
　　1．疲劳剥落
　　滚动轴承的内、外滚道和滚动体表面既承受载荷又相对滚动。由于交变载荷的作用，滚动轴承首先在表面下一定深度处(**剪应力处)形成裂纹，继而扩展到接触表面使表层发生剥落坑，*后发展到大片剥落，这种现象就是疲劳剥落(图1-2)。疲劳剥落使机械在运转时产生冲击、振动和噪声。在正常工作条件下，疲劳剥落往往是滚动轴承失效的主要原因，一般所说的轴承寿命就是指轴承的疲劳寿命，轴承的寿命试验就是疲劳试验。试验规程规定，在滚道或滚动体上出现面积为0.5mm2的疲劳剥落坑就认为轴承寿命终结。滚动轴承的疲劳寿命分散性很大，同一批轴承中，其**寿命与**寿命可以相差几十倍乃至几百倍，这从另一角度说明了滚动轴承故障监测的重要性。
　　图1-2 疲劳剥落
　　2．磨损
　　滚道与滚动体的相对运动和尘埃异物的侵入引起轴承表面磨损(图1-3)，润滑不良也会加剧磨损。磨损的结果使轴承游隙增大、表面粗糙度增加、轴承运转精度降低，因而降低了机器的运动精度，增大了振动和噪声。对于精密机械轴承，往往是磨损量限制了轴承的寿命。
　　3．塑性变形
　　当轴承受到过大的冲击载荷或静载荷，或因热变形引起额外的载荷，或有硬度很高的异物侵入时都会在滚道表面上形成凹痕、划痕或压痕(图1-4)。这导致轴承在运转时产生剧烈的振动和噪声。而且，压痕引起的冲击载荷会进一步引起附近表面的剥落。
　　图1-3 磨损 图1-4 塑性变形
　　4．锈蚀与电蚀
　　锈蚀是滚动轴承失效严重的问题之一(图1-5)。高精度轴承可能会由于表面锈蚀导致精度丧失而不能继续工作。水分或酸、碱性物质直接侵入会引起轴承锈蚀。当轴承停止工作后，轴承温度下降到露点，空气中的水分凝结成水滴附在轴承表面上，引起轴承锈蚀。此外，当轴承内部有电流通过时，电流有可能通过滚道和滚动体的接触点，使很薄的油膜引起电火花而产生电蚀，在轴承表面上形成搓板状的凹凸不平。
　　5．裂纹与断裂
　　轴承元件的裂纹和断裂是*危险的一种损坏形式，这主要是由于轴承超负荷运行、金属材料有缺陷和热处理不良所引起的。转速过高、润滑不良、轴承在轴上压配过盈量太大以及过大的热应力都会引起裂纹和断裂(图1-6)。
　　图1-5 锈蚀与电蚀 图1-6 裂纹与断裂
　　6．胶合
　　轴承在润滑不良、高速重载情况下工作时，由于摩擦发热，轴承零件可在极短时间内达到很高的温度，导致表面烧伤及胶合(图1-7)。
　　7．保持架损坏
　　轴承装配和使用不当可引起保持架发生变形(图1-8)，从而增加其与滚动体之间的摩擦，甚至使某些滚动体卡死不能滚动；也有可能造成保持架与内、外圈发生摩擦等。这些都将加大轴承的振动、噪声与发热，导致轴承损坏。
　　图1-7 胶合 图1-8 保持架损坏
　　1.2.2 故障诊断方法
　　在滚动轴承故障诊断之前，必须要选择用什么途径来获得有效的故障信息，即选择一种能反映故障信息的载体。目前常用的故障诊断方法可以归纳为以下几种[3]。
　　1．温度监测法
　　通过监测轴承座(或箱体)处的温度来判断轴承工作是否正常。温度监测对轴承载荷、速度和润滑情况的变化反映比较敏感，尤其是对润滑不良而引起的轴承过热现象。然而，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，轴承温度几乎不受影响，只有当故障达到一定程度时，轴承才会出现明显的温升。因此，温度监测法不适用于点蚀、局部剥落等所谓的局部损伤类故障。
　　2．油液监测法
　　油液检测法分为两种：一种是根据光谱、铁谱等实验室方法分析油样的成分、磨粒的形状、大小和色彩等来确定发生磨损的部位、原因和程度，从而判断轴承的好坏；另一种是根据油液的黏度变化监测轴承的好坏。油液分析应采用系统方法，因为单一手段往往由于其局限性而导致不全面的诊断结论，并易产生漏报或误报。实践证明，由理化分析、污染度测试、发射光谱分析、红外光谱分析、铁谱分析构成的油液分析系统，在设备状态监测中可以发挥重要作用，其诊断结论与现场实际基本吻合，具有显著的经济效益和社会效益。另外，该方法只适用于油润滑轴承，而不适用于脂润滑轴承。同时，该方法易受到其他非轴承损坏掉下的颗粒的影响，所以该方法具有很大的局限性。
　　3．振动分析法
　　振动分析法是目前设计使用*多的、也是*有效的方法之一。通过安装在轴承座或箱体适当位置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工况与故障。由于振动监测法具有：①适用于各种类型、各种工况的轴承；②可以有效地诊断出早期微小故障；③信号测试与处理简单、直观；④诊断结果可靠等优点，在实际中得到了极为广泛的应用。目前，国内外开发生产的各种系统和滚动轴承监测与诊断仪器中，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80%以上讨论的是振动法。从使用、实用、有效的观点看，目前没有比振动法更好的滚动轴承监视与诊断方法。本文采用的方法就是振动分析法。
　　4．声发射法
　　声发射技术是近几年发展起来的新兴技术，在滚动轴承故障诊断中已经开始获得应用。声发射属超声波信号，是一种弹性波。当承受载荷的滚动轴承通过剥落处时，缺陷就扩展，同时产生声发射现象，并且具有周期性，根据周期可以判别故障类型和部位。由于滚动轴承的故障信息较微弱，而背景噪声强，因此，声发射法与振动信号分析法相比具有以下优点：
　　(1)特征频率明显：分别用振动加速度计和声发射传感器在机器同一部位监测轴承故障；进行频谱分析时，振动信号频谱图比较复杂，不易识别故障，而声发射清晰明了，易于故障识别。
　　(2)预报故障时间早：在机器的载荷和工作转速等完全相同的条件下，同时用声发射和振动信号监测轴承工作状态时，由于轴承微裂纹扩展要经过一个慢扩展阶段，该阶段还不足以引起轴承明显振动，所以声发射信号已经比较明显了。
　　但是，声发射技术需要昂贵的专用设备，所以生产中的应用受到一定影响。
　　除了上述故障诊断方法外，还有油膜电阻诊断法、光纤监测诊断法和间隙测定诊断法等。总体来说，经典的滚动轴承诊断方法已经比较成熟地应用在实际工程领域中，但都是在特征提取的基础上进行诊断，如果无法提取特征，这些诊断方法也就无从谈起。目前，滚动轴承故障诊断的热点仍是对采集的信号进行处理和信息融合方法的研究，目的是使监测与诊断能更方便、更准确。
　　1.3 滚动轴承寿命预测
　　1.3.1 滚动轴承寿命预测
　　滚动轴承的剩余寿命预测作为故障诊断的一个关键步骤，对于设备安全运行至关重要。通过对轴承进行可靠的寿命预测，可以准确地掌握设备的运行状况、判断轴承的故障程度以及剩余的工作时间，便于使用者及时制定维修计划。在对滚动轴承剩余寿命的研究基础之上，Jardine等[4]认为寿命预测主要有三类：基于概率统计的寿命预测方法、基于信息新技术的寿命预测方法、基于力学的寿命预测方法。Heng等[5]认为旋转机械的寿命预测分为两大模型：基于物理状态的模型和基于数据驱动的模型。
　　基于力学的寿命预测方法主要有：基于应变、应力、累积疲劳损伤、能量等剩余寿命预测方法。其中基于应力的寿命预测方法是*早提出并用于剩余寿命预测的，也是现在比较常用的剩余寿命预测方法，主要适用于应力水平较低、使用寿命长的工程构件。但是对于低速重载、寿命较短的情况，轴承比较适合基于应变的剩余寿命预测方法。1924年，累积损伤理论被提出并且越来越受到关注，现在已经在剩余寿命预测领域被广泛应用[6]。Fatemi等提出了在疲劳应变能量下的剩余寿命预测，并取得较好的结果[7]。基于力学的剩余寿命预测方法在机械装备寿命预测领域内得到广泛的引用，并且现在不断被改进优化，但是该方法受外界干扰较大、通用性差。
　　1.3.2 寿命预测方法
　　趋势预测指根据已有的历史时间序列数据建立预测模型，对未来的数据变化进行推测。目前常用的趋势预测方法如下。