轴承故障诊断技术发展研究的国内外【文献综述】3600字 .pdf

轴承故障诊断技术发展研究的国内外文献综述

机械设备故障诊断是一门工程技术学科,基本方法为信号处理方法及模式识

别,具有较强的理论性及一定的实践性时。

机械设备故障诊断相关的研究起步于上个世纪60年代，阿波罗计划由于机

械设备故障原因频频失败，为此美国政府管理部门设置专业的机械故障预防小组

C16］o随后，英国成立了机械维护中心，其以保证机械正常运转为中心来进行科

学探究，并将结果运用到了诸多能源领域。英国公司对机械故障预防的关注，为

企业生产带来一定的安全保障。上世纪70年代，日本高校、研究机构及部分企

业开始致力于机械故障诊断的机理研究及应用研究。同时，欧洲诸多国家也成立

故障诊断研究中心。如上世纪七十年代法国电力管理部门针对汽轮发电机组状态

监测。现如今，随着“智能维护系统(IMS)中心〃的成立，美国密歇根大学在故

障领域大放异彩。法国贡皮埃捏技术大学在基于振动信号故障诊断领域也取得一

定成果

与发达国家相比，我国在该领域发展起步较晚。最早源于上个世纪80年代

的首届设备诊断技术大会。随着我国加大故障诊断领域的研究力度，与此相关的

成果也大量出现，在实际应用中取得良好的效果邱］。清华学者在研究过程中具

体分析了风机设备的故障诊断问题，且制定出与此相关的方案，在应用过程中取

得良好效果。上海交大则设置国家级重点实验室进行故障诊断和检测相关研究。

近些年来，我国在工程中开始广泛的应用故障诊断相关技术，在应用中取得良好

的效果。如对环境恶劣条件下的振动信号采集后进行综合分析，而确定出设备故

障相关情况；北京化工大学提出了机械故障自愈理论。

声发射技术2。］、温度检测法、油屑检测法网和振动信号分析法任3〜25］。

为当前机械故障诊断领域主流方法。其中，振动信号分析法最为流行。但由于目

前机械设备的一体化程度较高，导致零部件之间振动信号耦合严重。当轴承故障

情况下对应的信号也出现明显变化，开始变得非平稳且非线性近27］。因此，对

轴承进行故障诊断，从频率复杂的振动信号中提取目标信号是此方面的研究重点。

为此，国内外众多学者提出若干方法，如傅里叶变换］,小波变换30］,

Wigner-Ville,经验模态分解时等，但依旧具有许多难以弥补的缺陷。

近些年来，基于智能故障诊断方法的滚动轴承故障诊断也受到各界学者的关

注。智能故障诊断方法能自动提取特征，这个特点是与传统基于振动信号分析方

法的本质区别。滚动轴承智能诊断过程可选择不同的方法，在其中应用比例较高

的如监督学习、半监督学习。其中，监督学习这一类别在其他领域发展较为成熟。

其输入为带有标签的数据集，利用模型提取信号特征。将模型参数训练金最优后,

将测试集输入模型，即可将测试信号进行模式识别。从数据集大小来说，相较于

传统方法，智能诊断方法可处理海量数据，且结果更为）隹备，但美中不足之处在

于模型自动提取的特征难以解释。机器学习在各个领域大放异彩，这也将滚动轴

承的故障诊断向智能化推进时。

上世纪六十年代国外相关滚动轴承的运行状态检测研究开始起步，其后发现

过程中各种高性能的检测技术和方法也被大量的提出，滚动轴承故障诊断性能水

平不断提升，可很好的满足复杂条件下的应用要求。滚动轴承故障诊断技术在不

断的发展演化基础上目前已经很成熟，其发展历程如下。

第一阶段：基于信号变化的诊断方法。与此相关的研究起步于上世纪六十年

代，当时TallianW］研究振动信号峰值与标）隹信号的差异情况，且据此来对这种

故障进行检测分析。受到信号处理技术相关因素的制约，这种技术的诊断效率不

过，不满足实际的应用要求。

第二阶段：基于频谱分析的诊断方法。其后的研究过程中Cooley为高效的

对这种信号进行处理，而提出了快速傅里叶变换技术，在信号处理方面表现出很

高的应用价值。也为故障诊断领域频谱分析技术的应用打下良好的基础［3叫原

始振动数据中一般存在噪音干扰，这样在故障较小时不满足应用要求，检测结果

的精确性低。

第三阶段：基于冲击脉冲的诊断方法。瑞典学者在针对滚动轴承表面损伤相

关的脉冲信号研究时设计出一种脉冲计，这样可以高效的进行信号分析而确定出

滚动轴承的故障印］。这种方法的灵活性高，在滚动轴承的早期故障诊断方面一

直被广泛的应用。

第四阶段：基于共振解调的诊断方法。上世纪七十年代.R.Harting在研究

过程中根据这方面的应用要求，而进行改进研发出一种“共振解调分析系统”［38］,

根据实际的经验可知这种方法对轴承的早期轻微损伤