滾動(dòng)軸承故障定量診斷方法綜述

朱良玉，崔倩文，陶林，胡超凡，何水龍

(桂林電子科技大學(xué) 機(jī)電工程學(xué)院，廣西 桂林 541004)

1 概述

滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械的重要組成部分，在工業(yè)生產(chǎn)中應(yīng)用極其廣泛，是保障系統(tǒng)安全穩(wěn)定運(yùn)轉(zhuǎn)的關(guān)鍵環(huán)節(jié)，也是整個(gè)機(jī)械系統(tǒng)中最容易出現(xiàn)故障的部件 。據(jù)統(tǒng)計(jì)，機(jī)械設(shè)備故障的30%由滾動(dòng)軸承故障所引起[1]，因此，開(kāi)展軸承的故障診斷工作，能有效保障機(jī)械設(shè)備的工作效率，避免惡性事故的發(fā)生[2-3]。我國(guó)《機(jī)械工程學(xué)科發(fā)展戰(zhàn)略報(bào)告》[4]《國(guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要》[5]以及《中國(guó)制造2025》[6]均將重大機(jī)械設(shè)備的健康監(jiān)測(cè)與故障診斷技術(shù)列為重要研究方向。

滾動(dòng)軸承故障診斷工作主要分為兩類：定性診斷和定量診斷[7-8]。定性診斷是指判斷軸承是否有故障以及故障存在的具體位置(如內(nèi)圈、外圈、滾動(dòng)體等)；定量診斷是指判斷軸承故障尺寸的大小及故障部位的損傷程度[9]。對(duì)軸承故障進(jìn)行定量診斷，可以揭示故障的發(fā)展程度及演化規(guī)律，為機(jī)械設(shè)備的可靠性評(píng)估與壽命預(yù)測(cè)提供依據(jù)，從而制定合理的使用和維護(hù)策略，有效避免維修不足和維修過(guò)剩帶來(lái)的經(jīng)濟(jì)損失。

滾動(dòng)軸承故障定量診斷方法框架如圖1所示，目前的研究主要從3個(gè)方面入手：1)通過(guò)振動(dòng)信號(hào)或聲發(fā)射信號(hào)中的“雙沖擊現(xiàn)象”評(píng)估軸承故障的嚴(yán)重程度，主要采用信號(hào)處理技術(shù)提取故障信號(hào)中的雙沖擊時(shí)間間隔，對(duì)滾動(dòng)軸承故障機(jī)理進(jìn)行研究并建立動(dòng)力學(xué)模型實(shí)現(xiàn)故障尺寸的量化；2)大數(shù)據(jù)驅(qū)動(dòng)的智能定量診斷方法，將軸承不同故障尺寸樣本賦予不同標(biāo)簽并輸入智能診斷模型進(jìn)行訓(xùn)練，再將待診斷樣本輸入訓(xùn)練好的模型，基于“多分類或回歸”的思想輸出待測(cè)軸承故障尺寸的預(yù)測(cè)值或?qū)?yīng)的標(biāo)簽，實(shí)現(xiàn)軸承故障大小的評(píng)估；3)采用“沖擊脈沖法”對(duì)軸承故障嚴(yán)重程度進(jìn)行估計(jì)，主要通過(guò)計(jì)算當(dāng)前軸承標(biāo)準(zhǔn)分貝值所處的故障區(qū)間判斷故障的嚴(yán)重程度。

圖1 滾動(dòng)軸承故障定量診斷方法框架

本文在現(xiàn)有研究成果的基礎(chǔ)上，對(duì)3類滾動(dòng)軸承故障定量診斷方法的基本思想、研究進(jìn)展、適用環(huán)境及優(yōu)缺點(diǎn)進(jìn)行詳盡的介紹，并結(jié)合當(dāng)前研究現(xiàn)狀探討滾動(dòng)軸承故障定量診斷方法未來(lái)可能的研究方向。

2 基于雙沖擊特征提取與軸承動(dòng)力學(xué)建模的定量診斷方法

20世紀(jì)90年代初期，文獻(xiàn)[10]最先論述了滾動(dòng)軸承故障信號(hào)中的“雙沖擊現(xiàn)象”，以軸承外圈單一剝落故障為例(圖2)，指出當(dāng)滾動(dòng)體經(jīng)過(guò)剝落區(qū)域時(shí)，會(huì)分別與剝落區(qū)的前、后邊緣撞擊并產(chǎn)生沖擊現(xiàn)象。滾動(dòng)體進(jìn)入剝落區(qū)時(shí)主要產(chǎn)生包含低頻成分的階躍響應(yīng)，退出剝落區(qū)時(shí)主要產(chǎn)生包含高頻成分的脈沖響應(yīng)，將滾動(dòng)體進(jìn)入、退出剝落區(qū)時(shí)對(duì)應(yīng)的點(diǎn)分別稱為進(jìn)入點(diǎn)和退出點(diǎn)，滾動(dòng)體通過(guò)兩者之間的時(shí)間間隔稱為雙沖擊時(shí)間間隔(也稱為沖擊脈沖時(shí)間間隔)。隨后，文獻(xiàn)[11]指出：雙沖擊現(xiàn)象中，滾動(dòng)體進(jìn)入、退出剝落區(qū)時(shí)產(chǎn)生的響應(yīng)均為脈沖響應(yīng)，且退出時(shí)相對(duì)于進(jìn)入時(shí)產(chǎn)生了180°的相位變化，并認(rèn)為剝落區(qū)尺寸與兩脈沖響應(yīng)峰值間的間隔相關(guān)，但未給出相應(yīng)的理論說(shuō)明。近年來(lái)，文獻(xiàn)[12-14]在前人的基礎(chǔ)上對(duì)滾動(dòng)軸承剝落故障信號(hào)中雙沖擊現(xiàn)象的研究表明：滾動(dòng)體進(jìn)入剝落區(qū)域時(shí)所產(chǎn)生的振動(dòng)響應(yīng)為階躍響應(yīng)，退出剝落區(qū)域時(shí)所產(chǎn)生的振動(dòng)響應(yīng)為脈沖響應(yīng)，且雙沖擊時(shí)間間隔隨故障尺寸的增加而增加，這與文獻(xiàn)[10]所提出的觀點(diǎn)一致。

(a) 軸承外圈局部剝落故障

(b) 實(shí)測(cè)信號(hào)

若能準(zhǔn)確從故障信號(hào)中檢測(cè)出雙沖擊時(shí)間間隔，則可通過(guò)雙沖擊時(shí)間間隔、軸承幾何尺寸以及轉(zhuǎn)速等信息之間的關(guān)系實(shí)現(xiàn)對(duì)滾動(dòng)軸承故障的定量診斷[15]，具體流程如圖3所示。

圖3 基于雙沖擊現(xiàn)象的軸承故障定量診斷方法流程

2.1 雙沖擊特征提取

利用故障信號(hào)的雙沖擊現(xiàn)象進(jìn)行軸承故障定量診斷的首要步驟是提取雙沖擊特征，確定滾動(dòng)體進(jìn)出剝落區(qū)對(duì)應(yīng)的時(shí)刻并計(jì)算雙沖擊時(shí)間間隔。通常，采用信號(hào)處理技術(shù)[16]提取故障信號(hào)中的雙沖擊成分，分別從振動(dòng)信號(hào)與聲發(fā)射信號(hào)的角度綜述提取故障信號(hào)中雙沖擊成分的方法。

2.1.1 振動(dòng)信號(hào)

文獻(xiàn)[12]將譜峭度與最小熵解卷積相結(jié)合提取軸承微弱信號(hào)中的故障特征，并從中觀察到了雙沖擊現(xiàn)象；考慮到整體處理低頻階躍響應(yīng)與高頻脈沖響應(yīng)不能取得最好的提取效果，文獻(xiàn)[13]提出一種結(jié)合自回歸模型與Morlet小波，分開(kāi)處理階躍響應(yīng)與脈沖響應(yīng)的策略；在此基礎(chǔ)上，文獻(xiàn)[16]基于復(fù)平移Morlet小波譜峭度圖對(duì)故障信號(hào)中的階躍響應(yīng)與脈沖響應(yīng)進(jìn)行了分離提取。文獻(xiàn)[18]將近似熵與經(jīng)驗(yàn)?zāi)B(tài)分解相結(jié)合，準(zhǔn)確識(shí)別了滾動(dòng)體進(jìn)出故障區(qū)時(shí)對(duì)應(yīng)的響應(yīng)；針對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解易產(chǎn)生模態(tài)混疊的問(wèn)題，文獻(xiàn)[19-20]通過(guò)自回歸模型對(duì)原始振動(dòng)信號(hào)進(jìn)行白化預(yù)處理，結(jié)合總體經(jīng)驗(yàn)?zāi)B(tài)分解與希爾伯特變換實(shí)現(xiàn)了對(duì)故障信號(hào)雙沖擊特征的提取。文獻(xiàn)[21]提出一種鄰域正交匹配追蹤算法，準(zhǔn)確提取了滾動(dòng)軸承故障信號(hào)中的雙沖擊成分。文獻(xiàn)[22]提出了基于線性時(shí)不變?yōu)V波與自回歸模型相結(jié)合的雙沖擊特征提取方法。文獻(xiàn)[23-24]基于Symlet小波確定了雙沖擊現(xiàn)象中進(jìn)入點(diǎn)與退出點(diǎn)之間的時(shí)間間隔；在此基礎(chǔ)上，文獻(xiàn)[25]采用自回歸模型白化預(yù)處理原始振動(dòng)信號(hào)，并利用能量算子包絡(luò)解調(diào)與離散小波變換提取振動(dòng)信號(hào)中的雙沖擊成分。文獻(xiàn)[26]基于雙樹(shù)復(fù)小波包變換提取了混合陶瓷球軸承振動(dòng)信號(hào)中的雙沖擊特征。文獻(xiàn)[27]提出了階躍-沖擊字典匹配追蹤算法，通過(guò)構(gòu)造階躍-沖擊原子庫(kù)重構(gòu)信號(hào)確定軸承故障信號(hào)中的雙沖擊時(shí)間間隔；文獻(xiàn)[28]考慮了階躍-沖擊原子庫(kù)中錯(cuò)誤原子的選擇問(wèn)題，提出級(jí)聯(lián)字典匹配追蹤算法，進(jìn)一步提高了故障定量診斷的準(zhǔn)確率。信號(hào)處理方法多種多樣，變分模態(tài)分解[29-30]、解析小波變換[31]、最小熵解卷積濾波[32]、改進(jìn)的諧波積譜[33]以及改進(jìn)的集成經(jīng)驗(yàn)?zāi)B(tài)分解[34]等方法也在雙沖擊現(xiàn)象的處理上得到了廣泛應(yīng)用。

2.1.2 聲發(fā)射信號(hào)

聲發(fā)射信號(hào)對(duì)早期故障更敏感，不易受低頻振動(dòng)噪聲干擾，且靈敏度更高[35]，因此受到越來(lái)越多學(xué)者的青睞，逐步應(yīng)用于滾動(dòng)軸承故障的定量診斷[36]。文獻(xiàn)[37]以承受徑向載荷的圓柱滾子軸承為研究對(duì)象，對(duì)比分析了不同尺寸外圈故障軸承的振動(dòng)信號(hào)與聲發(fā)射信號(hào)，得出了聲發(fā)射信號(hào)在軸承故障嚴(yán)重程度識(shí)別方面更具有優(yōu)勢(shì)的結(jié)論。文獻(xiàn)[38]將短時(shí)絕對(duì)均值與自相關(guān)函數(shù)相結(jié)合，對(duì)聲發(fā)射信號(hào)進(jìn)行處理，有效提取了軸承故障特征頻率，確定了軸承故障位置并評(píng)估了故障尺寸。文獻(xiàn)[39]通過(guò)計(jì)算雙沖擊響應(yīng)包絡(luò)信號(hào)的自相關(guān)函數(shù)確定了雙沖擊時(shí)間間隔；文獻(xiàn)[40]采用離散小波變換增強(qiáng)剝落故障特征，并結(jié)合希爾伯特變換與低通濾波確定了雙沖擊時(shí)間間隔；文獻(xiàn)[41]則利用自回歸模型與最小熵解卷積濾波增強(qiáng)聲發(fā)射信號(hào)中的故障特征，并基于復(fù)Morlet小波的譜峭度圖實(shí)現(xiàn)了類似功能。

2.2 軸承動(dòng)力學(xué)建模

在滾動(dòng)軸承局部剝落故障雙沖擊現(xiàn)象的處理過(guò)程中，無(wú)論基于振動(dòng)信號(hào)還是聲發(fā)射信號(hào)，都可通過(guò)信號(hào)處理技術(shù)實(shí)現(xiàn)雙沖擊成分的提取以及雙沖擊時(shí)間間隔的確定；因此，在得到雙沖擊時(shí)間間隔后，可進(jìn)行滾動(dòng)軸承動(dòng)力學(xué)建模，利用雙沖擊時(shí)間間隔、軸承幾何尺寸以及轉(zhuǎn)速等信息之間的關(guān)系建立軸承故障尺寸計(jì)算公式，實(shí)現(xiàn)故障的定量診斷。

2.2.1 外圈局部剝落故障

文獻(xiàn)[13]利用軸承幾何參數(shù)構(gòu)建了滾動(dòng)軸承外圈故障尺寸的計(jì)算公式，指出當(dāng)滾動(dòng)體與剝落區(qū)后邊緣發(fā)生撞擊時(shí)，滾動(dòng)體中心正好運(yùn)轉(zhuǎn)至剝落區(qū)中心。此時(shí)，利用雙沖擊時(shí)間間隔計(jì)算出的故障尺寸l應(yīng)為實(shí)際故障尺寸L的一半，即

(1)

式中：t為雙沖擊時(shí)間間隔；fr為軸的轉(zhuǎn)速；Dpw為滾動(dòng)體組節(jié)圓直徑；Dw為滾動(dòng)體直徑；fs為采樣頻率。

利用(1)式計(jì)算軸承剝落故障尺寸的前提是：滾動(dòng)體進(jìn)入與退出剝落區(qū)時(shí)的運(yùn)動(dòng)軌跡是對(duì)稱的[35]。顯然，上述方法計(jì)算結(jié)果誤差較大。為此，文獻(xiàn)[42-43]從軸承故障機(jī)理出發(fā)，建立了軸承振動(dòng)響應(yīng)動(dòng)力學(xué)模型，得出雙沖擊時(shí)間間隔與外圈故障尺寸之間的關(guān)系，即

(2)

式中：L為剝落區(qū)沿滾道方向的長(zhǎng)度，即實(shí)際故障尺寸。

為簡(jiǎn)化研究，在滾動(dòng)軸承動(dòng)力學(xué)建模過(guò)程中需做出多種假設(shè)，假設(shè)條件不同時(shí)得到的軸承故障尺寸計(jì)算公式也不同。文獻(xiàn)[44-45]基于赫茲接觸理論，通過(guò)構(gòu)建時(shí)變位移函數(shù)與時(shí)變接觸力增量函數(shù)，并將其與正常軸承動(dòng)力學(xué)模型結(jié)合，建立了滾動(dòng)軸承外圈剝落故障機(jī)理模型，得出雙沖擊時(shí)間間隔與軸承故障尺寸之間關(guān)系，即

(3)

式中：D為軸承外徑；ω為轉(zhuǎn)軸的角速度。

文獻(xiàn)[46]同樣基于赫茲接觸理論構(gòu)建了考慮沖擊力的滾動(dòng)軸承外圈剝落故障動(dòng)力學(xué)模型，其推導(dǎo)的雙沖擊時(shí)間間隔與外圈故障尺寸之間的計(jì)算公式為

(4)

式中：α為軸承接觸角。由于沖擊力的存在，使得內(nèi)、外圈與滾動(dòng)體之間相互擠壓，并產(chǎn)生了較大的接觸變形，故需考慮接觸角。

上述模型將滾動(dòng)體作為質(zhì)點(diǎn)而不是有形狀、有大小的物體進(jìn)行考慮，因此，文獻(xiàn)[47]提出一種考慮滾動(dòng)體質(zhì)量與尺寸的非線性動(dòng)力學(xué)模型，但存在故障尺寸必須大于滾動(dòng)體與內(nèi)、外圈接觸面積的缺陷；文獻(xiàn)[48]在其基礎(chǔ)上提出一種離散滾動(dòng)軸承接觸表面并確定接觸面積和接觸力的方法，通過(guò)試驗(yàn)驗(yàn)證了該方法的有效性。

2.2.2 內(nèi)圈局部剝落故障

與外圈局部剝落故障不同，在轉(zhuǎn)子運(yùn)轉(zhuǎn)過(guò)程中，滾動(dòng)軸承內(nèi)圈局部剝落位置會(huì)隨內(nèi)圈繞轉(zhuǎn)軸一起旋轉(zhuǎn)，剝落區(qū)相對(duì)于載荷區(qū)的位置具有時(shí)變性，故相應(yīng)的動(dòng)力學(xué)模型有所不同。文獻(xiàn)[49]基于赫茲接觸理論，通過(guò)分析滾動(dòng)體與剝落區(qū)之間的相互作用激勵(lì)機(jī)理，構(gòu)建了基于多事件激勵(lì)力的滾動(dòng)軸承內(nèi)圈剝落故障動(dòng)力學(xué)模型，得出雙沖擊時(shí)間間隔與軸承內(nèi)圈故障尺寸之間的關(guān)系，即

(5)

式中：d為軸承內(nèi)徑。

文獻(xiàn)[50]提出另一種滾動(dòng)軸承內(nèi)圈故障尺寸估計(jì)模型，該模型中雙沖擊時(shí)間間隔與故障尺寸之間的關(guān)系為

(6)

vb=0.58×30πfrDpw，

式中：vb為滾動(dòng)體中心通過(guò)剝落區(qū)的速度；0.58為滾動(dòng)體通過(guò)外圈的階次，是由軸承幾何結(jié)構(gòu)參數(shù)決定的常數(shù)。

文獻(xiàn)[51]提供的內(nèi)圈故障尺寸與雙沖擊時(shí)間間隔之間的計(jì)算公式為

(7)

由于實(shí)際應(yīng)用中受到各種條件的限制，工作人員需進(jìn)行多種假設(shè)以簡(jiǎn)化研究，如：將轉(zhuǎn)軸視為剛體；滾動(dòng)體由保持架固定并沿轉(zhuǎn)軸均勻分布，相鄰滾動(dòng)體之間無(wú)相互作用；滾動(dòng)體與內(nèi)、外圈彈性接觸所產(chǎn)生的變形與接觸力滿足赫茲彈性接觸理論等[52]。假設(shè)條件越多，所建立的動(dòng)力學(xué)模型與實(shí)際情況相差越遠(yuǎn)。因此，在上述模型的基礎(chǔ)上，有學(xué)者建立了考慮時(shí)變接觸剛度[53-54]、彈性流體動(dòng)力潤(rùn)滑[55]等條件下的滾動(dòng)軸承內(nèi)圈局部故障動(dòng)力學(xué)機(jī)理模型。

2.2.3 小結(jié)

通過(guò)對(duì)雙沖擊現(xiàn)象的特征提取以及軸承動(dòng)力學(xué)建模，基本可以實(shí)現(xiàn)滾動(dòng)軸承故障的定量診斷；然而，由于各種復(fù)雜工況的存在，如何有效利用故障信號(hào)中的雙沖擊特征信息，以及如何使所建立的動(dòng)力學(xué)模型更貼近實(shí)際，還需要研究人員進(jìn)行更深入的思考和研究，基于雙沖擊現(xiàn)象進(jìn)行軸承故障定量診斷方法中遇到的難題以及相應(yīng)的解決方法見(jiàn)表1。

通過(guò)對(duì)振動(dòng)信號(hào)或聲發(fā)射信號(hào)中的雙沖擊現(xiàn)象進(jìn)行軸承故障定量診斷，能夠獲得滾動(dòng)軸承局部剝落故障尺寸的準(zhǔn)確值，提取的雙沖擊成分越明顯，建立的動(dòng)力學(xué)模型越貼近實(shí)際，計(jì)算出的故障尺寸也就越精確；然而，無(wú)論是雙沖擊時(shí)間間隔的求取還是動(dòng)力學(xué)模型的建立，都對(duì)相關(guān)人員的知識(shí)水平、工作經(jīng)驗(yàn)等提出了較高要求；總之，使用此類方法進(jìn)行滾動(dòng)軸承故障定量診斷，結(jié)果準(zhǔn)確但過(guò)程復(fù)雜。

表1 基于雙沖擊現(xiàn)象的定量診斷方法所面臨的難題及解決方法

3 大數(shù)據(jù)驅(qū)動(dòng)的智能定量診斷方法

基于大數(shù)據(jù)驅(qū)動(dòng)的軸承智能定量診斷方法主要基于模式識(shí)別中“多分類與回歸”的思想。模式識(shí)別誕生于20世紀(jì)20年代，隨著計(jì)算機(jī)的出現(xiàn)及人工智能的興起，在20世紀(jì)60年代初得到了迅速發(fā)展。在機(jī)械故障診斷領(lǐng)域，模式識(shí)別中的支持向量機(jī)[63]、相關(guān)向量機(jī)[64]、極限學(xué)習(xí)機(jī)[65]、卷積神經(jīng)網(wǎng)絡(luò)[66]等方法在軸承故障定性診斷中得到了廣泛研究，隨著機(jī)械故障診斷領(lǐng)域的研究重點(diǎn)由定性研究向定量研究轉(zhuǎn)變，相關(guān)工作人員也開(kāi)始探索通過(guò)模式識(shí)別方法實(shí)現(xiàn)軸承故障的智能定量診斷。

3.1 已知故障類型的定量診斷

基于大數(shù)據(jù)驅(qū)動(dòng)的智能定量診斷方法的基本思想為：提取滾動(dòng)軸承不同故障尺寸原始振動(dòng)信號(hào)中的故障特征并賦予不同的標(biāo)簽，構(gòu)建滾動(dòng)軸承故障樣本集用于訓(xùn)練智能診斷模型并得到故障尺寸識(shí)別器。工程實(shí)際中，診斷軸承故障大小時(shí)，只需向訓(xùn)練好的故障尺寸識(shí)別器中輸入當(dāng)前軸承的故障樣本即可。分類和回歸都屬于監(jiān)督學(xué)習(xí)，且訓(xùn)練集形式相同，唯一的區(qū)別是分類模型的輸出是與當(dāng)前軸承故障大小類似的訓(xùn)練集樣本的標(biāo)簽，回歸模型的輸出是當(dāng)前軸承故障尺寸的估計(jì)值，故本文對(duì)實(shí)現(xiàn)滾動(dòng)軸承故障定量診斷方法中的分類與回歸不做區(qū)分。在已知故障類型的情況下，大數(shù)據(jù)驅(qū)動(dòng)的軸承故障智能定量診斷方法的原理如圖4所示。

圖4 已知故障類型的智能定量診斷方法原理

文獻(xiàn)[67]建立了基于支持向量回歸機(jī)的滾動(dòng)軸承故障定量診斷模型，確定了軸承故障大小與狀態(tài)特征之間的關(guān)系，并將其與人工神經(jīng)網(wǎng)絡(luò)[68]進(jìn)行對(duì)比，得出支持向量回歸機(jī)對(duì)軸承故障定量診斷具有更好適應(yīng)性的結(jié)論[69]，支持向量機(jī)及相關(guān)方法[70-72]在軸承故障定量診斷領(lǐng)域也得到了廣泛研究。在此基礎(chǔ)上，針對(duì)振動(dòng)信號(hào)中部分故障信息沒(méi)有充分利用的問(wèn)題，文獻(xiàn)[73]通過(guò)振動(dòng)圖像紋理特征識(shí)別技術(shù)、文獻(xiàn)[74]采用平滑偽維格納-威利分布時(shí)頻圖紋理特征技術(shù)，有效提取了故障信號(hào)中的信息，實(shí)現(xiàn)了對(duì)軸承故障嚴(yán)重程度的評(píng)估。此外，自組織映射神經(jīng)網(wǎng)絡(luò)[75]、BP神經(jīng)網(wǎng)絡(luò)[76]等方法在滾動(dòng)軸承故障定量診斷領(lǐng)域也得到了廣泛應(yīng)用，并取得了較為理想的效果。

隨著深度學(xué)習(xí)的興起，智能定量診斷方法也由特征提取加分類轉(zhuǎn)變?yōu)槎说蕉说闹悄茉\斷模式。文獻(xiàn)[77]基于卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了正常以及0.2和2 mm內(nèi)圈故障寬度軸承的試驗(yàn)，初步實(shí)現(xiàn)了對(duì)滾動(dòng)軸承故障嚴(yán)重程度的估計(jì)。文獻(xiàn)[78]則提出了變分模態(tài)分解結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的方法，在內(nèi)、外圈滾道上預(yù)制12種不同尺寸的矩形故障并進(jìn)行試驗(yàn)，實(shí)現(xiàn)了對(duì)軸承故障尺寸更加精確的診斷。文獻(xiàn)[79]基于一維卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了9種故障尺寸下內(nèi)、外圈故障的嚴(yán)重程度識(shí)別。文獻(xiàn)[80]將不同故障尺寸信號(hào)轉(zhuǎn)換為時(shí)頻圖并輸入卷積神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)滾動(dòng)軸承故障嚴(yán)重程度評(píng)估。文獻(xiàn)[81-82]將稀疏項(xiàng)限制與加噪編碼融入自編碼網(wǎng)絡(luò)，同時(shí)進(jìn)行自編碼網(wǎng)絡(luò)堆棧并添加分類層，構(gòu)建了一種具有軸承損傷特征自動(dòng)提取、軸承損傷程度智能診斷的棧式稀疏加噪自編碼深度神經(jīng)網(wǎng)絡(luò)模型。文獻(xiàn)[83-84]將軸承振動(dòng)信號(hào)中的故障特征構(gòu)建為標(biāo)準(zhǔn)流向圖，研究了基于非樸素貝葉斯推理的滾動(dòng)軸承故障定量診斷方法。

3.2 分層診斷網(wǎng)絡(luò)依次進(jìn)行定性與定量診斷

上述基于大數(shù)據(jù)驅(qū)動(dòng)的智能定量診斷方法的前提是故障類型已知。而工程實(shí)際中面對(duì)著復(fù)雜的機(jī)械設(shè)備，故障類型未知，甚至不知道是否存在故障，定量診斷無(wú)從談起。因此，首要解決的問(wèn)題是判斷軸承是否存在故障以及故障類型，才能進(jìn)一步評(píng)估故障嚴(yán)重程度。文獻(xiàn)[85]率先提出一種基于雙層支持向量回歸機(jī)的滾動(dòng)軸承故障定性與定量診斷方法，分別通過(guò)第1，2層支持向量回歸機(jī)識(shí)別故障類型和故障尺寸，分層診斷網(wǎng)絡(luò)實(shí)現(xiàn)滾動(dòng)軸承故障定性與定量診斷的流程如圖5所示。

圖5 雙層支持向量回歸機(jī)識(shí)別故障類型與故障尺寸

基于分層診斷網(wǎng)絡(luò)的思想，文獻(xiàn)[86]提出了基于深度置信網(wǎng)絡(luò)的分層診斷網(wǎng)絡(luò)，分別利用第1，2層深度置信網(wǎng)絡(luò)判斷故障類型和評(píng)估故障嚴(yán)重程度，并與進(jìn)行同樣處理的支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了對(duì)比。文獻(xiàn)[87]則提出一種基于自適應(yīng)深度置信網(wǎng)絡(luò)的分層診斷方法，通過(guò)與進(jìn)行同樣處理的支持向量機(jī)和深度置信網(wǎng)絡(luò)的對(duì)比驗(yàn)證了該方法的優(yōu)越性。此外，文獻(xiàn)[88]利用智能優(yōu)化算法優(yōu)化深度置信網(wǎng)絡(luò)并通過(guò)證據(jù)理論將其對(duì)水平、垂直振動(dòng)數(shù)據(jù)集的處理結(jié)果進(jìn)行融合，提高了定性與定量故障診斷的準(zhǔn)確率。此外，基于卷積神經(jīng)網(wǎng)絡(luò)[89-90]、深度神經(jīng)網(wǎng)絡(luò)[91]、相關(guān)向量機(jī)[92]等方法構(gòu)建的分層診斷網(wǎng)絡(luò)模型也在滾動(dòng)軸承故障的定性與定量診斷中得到了廣泛研究。

3.3 同時(shí)進(jìn)行定性與定量診斷

分層診斷網(wǎng)絡(luò)需首先判別故障類型，然后才能評(píng)估故障嚴(yán)重程度，不能同時(shí)進(jìn)行滾動(dòng)軸承故障的定性與定量診斷。文獻(xiàn)[93]對(duì)不同狀態(tài)(正常、不同故障類型、不同故障尺寸)滾動(dòng)軸承振動(dòng)數(shù)據(jù)設(shè)置不同標(biāo)簽并同時(shí)輸入卷積神經(jīng)網(wǎng)絡(luò)，通過(guò)自適應(yīng)提取振動(dòng)信號(hào)故障特征實(shí)現(xiàn)了同時(shí)對(duì)滾動(dòng)軸承故障類型與嚴(yán)重程度的判斷。文獻(xiàn)[94]提出了一種基于多任務(wù)學(xué)習(xí)的深度殘差網(wǎng)絡(luò)進(jìn)行軸承故障定位與故障嚴(yán)重程度評(píng)估的方法，并對(duì)故障診斷的過(guò)程進(jìn)行了可視化。同時(shí)進(jìn)行定性與定量診斷的方法可以一次性實(shí)現(xiàn)軸承故障類型與故障尺寸的判斷，基本原理如圖6所示。隨著人工智能技術(shù)的不斷進(jìn)步，智能診斷模型的性能也在不斷提高，同時(shí)進(jìn)行定性與定量診斷的方法有望得到更深入、廣泛的研究[95-99]。

圖6 同時(shí)進(jìn)行定性與定量診斷方法框架

3.4 小結(jié)

基于大數(shù)據(jù)驅(qū)動(dòng)的智能定量診斷方法中，無(wú)論是已知故障類型的定量診斷，還是依次或同時(shí)進(jìn)行定性與定量的診斷，都是對(duì)智能診斷模型的研究。因此，部分學(xué)者從智能診斷模型的輸入考慮，認(rèn)為智能診斷模型的性能主要取決于從軸承原始振動(dòng)信號(hào)中所提取特征的質(zhì)量。文獻(xiàn)[100]提出了一種基于等概率離散化關(guān)聯(lián)規(guī)則的信息挖掘方法，避免了數(shù)據(jù)過(guò)度集中或分散的問(wèn)題。文獻(xiàn)[101]利用統(tǒng)計(jì)時(shí)域特征(Hjorth參數(shù)和高斯混合模型的正負(fù)對(duì)數(shù)似然)進(jìn)行軸承故障檢測(cè)與嚴(yán)重程度估計(jì)，并通過(guò)試驗(yàn)對(duì)比了所用統(tǒng)計(jì)特征與已有統(tǒng)計(jì)特征的優(yōu)劣。

基于大數(shù)據(jù)驅(qū)動(dòng)的滾動(dòng)軸承故障智能定量診斷方法在一定程度上能實(shí)現(xiàn)對(duì)滾動(dòng)軸承故障尺寸的評(píng)估，不足之處在于無(wú)法得到故障尺寸的精確值，且無(wú)法對(duì)缺乏相關(guān)故障尺寸訓(xùn)練樣本的滾動(dòng)軸承進(jìn)行定量診斷。

4 沖擊脈沖法

沖擊脈沖法(Shock Pulse Method，SPM)由瑞典SPM公司于20世紀(jì)70年代最先提出，專門(mén)用于滾動(dòng)軸承的失效診斷[102-103]，操作簡(jiǎn)便，是工業(yè)現(xiàn)場(chǎng)常用也是有效的方法[104]。沖擊脈沖法的主要原理為：滾動(dòng)軸承某部分發(fā)生故障時(shí)，在運(yùn)轉(zhuǎn)過(guò)程中會(huì)產(chǎn)生沖擊脈沖，沖擊脈沖的強(qiáng)弱反映著軸承的損傷程度[105]，從而可實(shí)現(xiàn)滾動(dòng)軸承運(yùn)行狀態(tài)的評(píng)估。沖擊脈沖法規(guī)定了一個(gè)僅與軸承工作狀況有關(guān)的標(biāo)準(zhǔn)分貝值Dn，其經(jīng)驗(yàn)公式為

(8)

式中：n為軸承轉(zhuǎn)速；VS為沖擊速度值。

通過(guò)沖擊脈沖法評(píng)估軸承運(yùn)行狀態(tài)的過(guò)程中，一般取原始振動(dòng)信號(hào)包絡(luò)解調(diào)后的包絡(luò)譜幅值[106-107]作為沖擊速度值；然而，根據(jù)所使用的具體方法，沖擊速度值的取法會(huì)有所不同：文獻(xiàn)[108]將自適應(yīng)標(biāo)準(zhǔn)多小波包解調(diào)分析結(jié)果的沖擊值作為沖擊速度值，文獻(xiàn)[109]將軸承故障特征頻率的峰值作為沖擊速度值。

求出標(biāo)準(zhǔn)分貝值后，可根據(jù)標(biāo)準(zhǔn)分貝值所處區(qū)間量化評(píng)估軸承的運(yùn)行狀態(tài)：

1)當(dāng)0≤Dn<21 dB時(shí)，正常，軸承工作狀態(tài)良好。

2)當(dāng)21 dB≤Dn<35 dB時(shí)，輕微故障，軸承早期損傷。

3)當(dāng)35 dB≤Dn<60 dB時(shí)，嚴(yán)重故障，軸承存在明顯損傷。

4)當(dāng)Dn≥60 dB時(shí)，軸承失效。

沖擊脈沖法只能實(shí)現(xiàn)滾動(dòng)軸承運(yùn)行狀態(tài)與故障大小的簡(jiǎn)單評(píng)估，無(wú)法確定故障類型；常與信號(hào)處理技術(shù)結(jié)合使用以判斷軸承故障類型與故障嚴(yán)重程度：文獻(xiàn)[107]將沖擊脈沖法與經(jīng)驗(yàn)?zāi)B(tài)分解、希爾伯特包絡(luò)解調(diào)相結(jié)合，實(shí)現(xiàn)了對(duì)滾動(dòng)軸承故障類型的確定及故障嚴(yán)重程度的檢測(cè);文獻(xiàn)[108]采用卷積型小波變換快速分解原始振動(dòng)信號(hào)，通過(guò)對(duì)分解所得子帶進(jìn)行希爾伯特包絡(luò)解調(diào)完成了故障的定位，并將包絡(luò)譜幅值代入(8)式實(shí)現(xiàn)了軸承運(yùn)行狀態(tài)的評(píng)估。

不能判斷故障類型和只能大致確定軸承運(yùn)行狀態(tài)等缺陷是制約沖擊脈沖法在軸承故障定量診斷領(lǐng)域發(fā)展的原因，將其與其他方法結(jié)合不失為一種解決軸承定性診斷問(wèn)題的有效途徑。此外，沖擊脈沖法對(duì)滾動(dòng)軸承運(yùn)行狀態(tài)的評(píng)估只能應(yīng)用于對(duì)精度要求不高的場(chǎng)合，要實(shí)現(xiàn)軸承故障尺寸的精確估計(jì)，還需依靠對(duì)故障信號(hào)雙沖擊現(xiàn)象的處理以及軸承的動(dòng)力學(xué)建模來(lái)實(shí)現(xiàn)。

5 結(jié)論與展望

滾動(dòng)軸承故障定量診斷的研究方興未艾，還有很多挑戰(zhàn)性的問(wèn)題有待解決和完善，值得相關(guān)學(xué)者開(kāi)展更加深入的探索研究，筆者認(rèn)為未來(lái)的研究方向應(yīng)包含以下幾個(gè)方面：

1)采用智能化的信號(hào)處理方法進(jìn)行故障信號(hào)雙沖擊現(xiàn)象的特征提取并確定雙沖擊時(shí)間間隔，提高信號(hào)處理的速度與效率，降低對(duì)相關(guān)人員知識(shí)水平和工作經(jīng)驗(yàn)的依賴。

2)深入故障機(jī)理研究，逐步減少假設(shè)條件，建立更貼近實(shí)際工況的滾動(dòng)軸承故障動(dòng)力學(xué)模型，提高模型的泛化性。

3)收集實(shí)際工況數(shù)據(jù)或開(kāi)展試驗(yàn)獲取不同尺寸故障的軸承數(shù)據(jù)，通過(guò)遷移學(xué)習(xí)技術(shù)，合理利用已有數(shù)據(jù)中的有效信息實(shí)現(xiàn)目標(biāo)工況滾動(dòng)軸承故障的定量診斷。此外，應(yīng)重點(diǎn)研究如何利用其他工況軸承故障樣本的有效信息以及如何避免遷移學(xué)習(xí)中的“負(fù)遷移”問(wèn)題。

4)將沖擊脈沖法與其他方法結(jié)合，解決沖擊脈沖法無(wú)法判斷軸承故障類型的問(wèn)題。此外，應(yīng)加強(qiáng)沖擊脈沖信號(hào)采集傳感器、數(shù)據(jù)采集硬件以及監(jiān)測(cè)診斷軟件的研發(fā)，以匹配國(guó)內(nèi)自主研發(fā)的設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)，打破國(guó)外技術(shù)的壟斷。