滚动轴承早期故障诊断技术

!曼墨=Z垒CN4l—l148／TH轴承2015年6期Bearing2015，No．656—6l滚动轴承早期故障诊断技术赵光昌，谢刚，张清华(1．太原理工大学信息工程学院，太原030024；2．广东石油化工学院计算机与电子信息学院，广东茂名525000)摘要：滚动轴承早期故障存在特征不明显、信号微弱、信噪比低、故障难以识别等特点。根据轴承振动机理和频率特性，从发展现状和常用方法2个方面阐述了滚动轴承早期故障诊断的基本情况，并对基于量纲一化指标的滚动轴承早期故障诊断方法进行了详细论述。最后总结了滚动轴承早期故障诊断所面临的问题，并对其发展趋势进行了展望。关键词：滚动轴承；故障诊断；振动机理；量纲一化中图分类号：TH133．33；TH113．1文献标志码：A文章编号：1000—3762(2015)06—0056—06EarlyFaultDiagnosisTechnologyforRollingBearingsZhaoGuangchang，XieGang，ZhangQinghua(1．SchoolofInformationEngineering，TaiyuanUniversityofTechnology，Taiyuan030024，China；2．SchoolofComputerandElectronicInformation，GuangdongUniversityofPetrochemicalTechnology，Maoming525000，China)Abstract：Theearlyfaultofrollingbearingsarecharacterizedwithunobviousfeature，weaksignal，lowsignal—to—noiseratioanddificultfaultidentification．Accordingtovibrationmechanismandfrequencycharacteristicsofbeatings，thebasicinformationaboutearlyfaultdiagnosisforrollingbearingsaredescribedfromtwoaspectsofdevelopmentstatusandcommonmethods，theearlyfaultdiagnosismethodforrollingbearingsarediscussedindetailbasedondimension—lessindicators．Finally，theproblemsaboutearlyfaultdiagnosisforrollingbearingsaresummarized，anditsdevelop—menttendencyisprospected．Keywords：rollingbearing；faultdiagnosis；vibrationmechanism；dimensionless据统计，由于轴承导致的故障在旋转机械所有故障中占到1／3左右⋯。近年来，随着相关学科的发展和相互渗透，机械设备故障诊断技术在基础理论研究及实际应用中不断发展和完善，但对于结构复杂的深层次复合故障，传统的故障诊断方法不仅对操作人员要求较高，而且效果欠佳。收稿日期：2014—09—04：修回日期：2015—01—19基金项目：国家自然科学基金项目(61174113)；广东省自然科学基金项目($2011020001735)作者简介：赵光昌(1988一)，男，甘肃古浪人，硕士研究生，主要研究领域为人工智能与故障诊断，E—mail：zha—ogc6315@163．com。通信作者：谢刚(1972一)，男，山西五台人，博士，教授，博导，主要研究领域为模式识别与智能信息处理、智能控制理论与应用，E—mail：xiegangtyut@126．tom。人工智能技术的发展使得旋转机械故障诊断技术的研究取得突破性进展，朝着智能化的方向发展3一J。这就要求在更高的知识层面上，通过知识处理技术集成数理逻辑和辩证逻辑，统一推理过程和算法流程，统一数值计算和符号处理，通过知识化概念和处理方式实现故障诊断的智能化处理，为进一步处理复杂系统中的深层次复合故障问题提供工具。尽管目前可以熟练地提取到轴承中晚期故障的特征信息，但为时已晚，必须对设备进行停机检修]。为避免不必要的损失，提高生产效率，应尽早发现机械设备的故障部位以便防微杜渐，最关键的问题是如何提取轴承早期故障的微弱信号7_。处于故障早期阶段的故障特征极不明显，故障信号比较微弱且受噪声影响大，很难通过分赵光昌，等：滚动轴承早期故障诊断技术·57·析原始信号的时频域特性识别故障的明显特征，故障信息的早期识别难度相当大[。因此，对轴承早期故障的检测与诊断成为学