小編導讀

旋轉機械設備在實際應用場景下，軸承一旦發生異常，人們往往希望可以既快速又準確地判斷軸承所處異常狀態，以便對此進行針對性維護。異常檢測分析利于幫助大家判斷軸承處于正常狀態或異常狀態，故障分類可有效診斷軸承處于哪種異常狀態。

本文基于西安交通大學機械工程學院與浙江長興昇陽科技有限公司協同開展的滾動軸承加速壽命試驗得到的XJTU-SY軸承數據集，運用標準差、FFT頻譜以及包絡譜等多種算法對軸承異常檢測和故障分類進行研究。

XJTU-SY軸承數據集

▌試驗平臺

試驗平臺由交流電動機、電動機轉速控制器、轉軸、支撐軸承、液壓加載系統和測試軸承等組成，如圖1所示：

圖1 軸承加速壽命試驗平臺

試驗平臺可調節參數包括徑向力和轉速，其中徑向力由液壓加載系統產生，作用于測試軸承的軸承座，轉速由交流電機轉速控制器調節。試驗軸承為LDK UER204滾動軸承，其參數如表1所示：

表1 LDK UER204滾動軸承參數

 

▌試驗工況

試驗共設計3類工況，每類工況測試5個軸承。3類工況參數如表2所示：

表2 軸承加速壽命試驗工況

 

▌數據采集

試驗通過便攜式動態信號采集器采集分別固定于測試軸承水平和豎直方向上的兩路加速度傳感器信號。試驗參數為：

采樣頻率：25.6kHz

采樣間隔：1min

單次采樣時長：1.28s

每通道單次采集加速度數據：32768個

▌儲存格式

采集數據存儲為csv文件，文件按采集時間順序命名。其中第1列為水平方向加速度數據，第2列為豎直方向加速度數據。

▌測試結果

3類試驗工況軸承測試得出15種結果，其中包括對應工況、數據樣本總數、實際壽命和失效位置，如表3所示：

表3 3類試驗工況下15種軸承測試結果

 

軸承故障

軸承故障形式主要有內圈磨損、保持架斷裂、外圈磨損和外圈裂損，如圖2所示：

圖2 軸承故障形式

 

基于以上XJTU-SY軸承數據集，必創科技技術團隊采用Python語言和Matplotlib庫，取每樣本每通道前8192個數據做可視化分析。

 

異常檢測

為直觀顯示測試軸承全壽命周期運行狀態，技術人員將該軸承所有數據樣本各通道加速度標準差計算結果繪制成折線圖，用以分析該軸承出現異常的時間節點。

▌異常一

采用Bearing1_1數據集進行分析，該數據集在工況1（35Hz/12kN）共采集123個數據樣本（1.csv-123.csv），技術人員分別計算出數據樣本各通道加速度標準差結果，并繪制成折線圖，如圖3所示：

（紅色曲線：水平方向加速度標準差；綠色曲線：豎直方向加速度標準差）

圖3 Bearing1_1全壽命周期加速度標準差

根據折線圖顯示，數據樣本在75之前的加速度標準差基本恒定，并且數值很小，但在75之后，加速度標準差迅速且持續增大。由此可得出結論，該軸承在采集到75個測試周期時出現明顯異常，且異常程度愈發嚴重。

▌異常二

采用Bearing2_2數據集進行分析，該數據集在工況2（37.5Hz/11kN）共采集161個數據樣本（1.csv-161.csv）。該數據集全壽命周期加速度標準差如圖4所示：

圖4 Bearing2_2全壽命周期加速度標準差

根據折線圖顯示，該軸承大約采集45個數據樣本后出現異常。

▌異常三

為避免數據出現偶然性，技術人員再次采用Bearing3_1（工況3，40Hz/10kN，共2538個數據樣本）數據集進行分析，全壽命周期加速度標準差如圖5所示：

圖5 Bearing3_1全壽命周期加速度標準差

從圖中可明確看出，該軸承在大約采集2400個數據樣本后出現異常。

由以上三個異常結果可得出結論：在三種不同工況下，采用加速度標準差的方式均可進行異常檢測。

故障分類

技術團隊對軸承故障分類進行深入研究，本篇主要以軸承外圈故障的診斷方法為例進一步做出說明。

由異常一折線圖可以看出，Bearing1_1數據集在75之前的數據樣本處于正常狀態，75之后處于異常狀態?；诖?，我們取該數據集第1包數據樣本作為正常狀態數據（如圖6-1、圖6-2），取第110包數據樣本作為異常狀態數據（如圖7-1、圖7-2）。

圖6-1 Bearing1_1第1包數據樣本原始加速度信號波形

圖6-2 Bearing1_1第1包數據樣本FFT頻譜

圖7-1 Bearing1_1第110包數據樣本原始加速度信號波形

圖7-2 Bearing1_1第110包數據樣本FFT頻譜

從圖6和圖7可以看出，兩包數據樣本的原始加速度信號波形和FFT頻譜均存在較大差異，但對于故障分類幫助并不大。原始加速度信號波形僅是原始加速度數據，而故障特征無法清晰展現。FFT頻譜雖能看到發生較大頻譜變化，但FFT頻譜對于連續性信號比較敏感，相對軸承故障診斷來說，選擇對非連續性的沖擊信號更敏感的包絡譜更為適用。

包絡譜：對目標信號進行Hilbert變換之后得到解析信號，將解析信號的模取包絡，對該包絡信號進行FFT變換得到的數據。橫坐標為頻率，縱坐標為幅值。包絡譜對沖擊事件比較敏感，因此非常適合提取軸承故障特征。

用包絡譜進行軸承故障分類方法：計算出四種軸承故障形式（內圈磨損、保持架斷裂、外圈磨損和外圈裂損）的特征頻率以及對應數據樣本的包絡譜，根據包絡譜判斷是否和四種故障特征頻率一致。

當軸承外圈固定內圈旋轉時，故障特征頻率計算公式如圖8所示：

圖8 軸承故障特征頻率計算公式

參考表1(LDK UER204滾動軸承參數)可知：n=8；d=7.92；D=34.55；α=0。

▌論證一

以Bearing1_1數據集為例，該數據集工況轉速為35Hz，即N=35。帶入外圈故障頻率計算公式得出Bearing1_1工況下外圈故障特征頻率：F_BPFO=107.91Hz。經過計算，Bearing1_1第110包數據樣本的包絡譜如圖9所示：

（由于外圈故障特征頻率的3倍頻在400Hz以內，以下我們僅展示400Hz以內的包絡譜）

圖9 Bearing1_1第110包數據樣本包絡譜

圖9中縱軸0以上信號為數據樣本包絡譜，0以下虛線為外圈故障頻率1倍頻、2倍頻和3倍頻的標記線?？梢钥闯?，包絡譜的三個最大峰值分別落在外圈故障頻率的1倍頻、2倍頻和3倍頻標記線處，完美展示了外圈故障頻率特征。

▌論證二

以Bearing2_2數據集為例，該數據集工況轉速為37.5Hz，即N=37.5。帶入外圈故障頻率計算公式得出Bearing2_2工況下外圈故障特征頻率：F_BPFO=115.62Hz。經過計算，Bearing2_2第140包數據樣本的包絡譜如圖10所示：

圖10 Bearing2_2第140包數據樣本包絡譜

▌論證三

以Bearing3_1數據集為例，該數據集工況轉速為40Hz，即N=40。帶入外圈故障頻率計算公式得出Bearing3_1工況下外圈故障特征頻率：F_BPFO=123.32Hz。經過計算，Bearing3_1第2500包數據樣本包絡譜如圖11所示：

圖11 Bearing3_1第2500包數據樣本包絡譜

由圖9、圖10、圖11可得結論：在三種不同的工況下，使用包絡譜對軸承加速度信號進行分析，均可清晰檢測外圈故障。

結語

綜上所述，對于滾動軸承的異常檢測可通過加速度標準差判斷，對于外圈故障分類可通過計算加速度信號的包絡譜判斷。

參考文獻

[1]Biao Wang,Yaguo Lei,Naipeng Li,Ningbo Li,“A Hybrid Prognostics Approach for Estimating Remaining Useful Life of Rolling Element Bearings”,IEEE Transactions on Reliability, pp. 1-12, 2018. DOI: 10.1109/TR.2018.2882682.