山东山东龙益轴承回收有限公司
手机/微信：15963165298
QQ：1027859486
联系人：许经理
邮箱：lc5631899@sina.com
网址：www.xuguangchao.com
地址：山东省临清市轴承开发区
来源：本站发布时间：2021/5/9点击：846
滚动轴承是决定机械健康状态与寿命的关键部件之一，轴承寿命及其健康状态的研究存在影响因素多、寿命分散度大、试验费时、数据积累难、理论建模难等特点。随着加工制造及运行过程中数据的积累，物联网，云计算和智能算法等技术的发展与普及，生产环境已经慢慢具备了大数据环境的基础，在此基础上对轴承健康管理与寿命预测能够使轴承实现与自身状态的相互比较、数据和经验模型的积累、故障的协同诊断，进而成为具备自学习和自成长能力的智慧系统。在这样的系统中，轴承系统不再是一个独立运行的个体，通过信息网络系统对整个制造运行系统中所有设备进行预后分析，使控制与决策端可以看到轴承的状态与运行能力。而现阶段对于每一类的轴承均由其专业的传感器与分析设备进行管理，并没有建立一个统一的平台去整合轴承故障中的常用特征与其对应的通用、可重构的算法。另一方面，虽传感器与分析器可以完成基本的监测与预测任务，但是对于根本故障原因的挖掘，高响应的预测方法，大规模设备集群，多种轴承的协同管理并不能很好的适配。在轴承健康监测及寿命预测方面将面临苛刻的要求，为此本文将详细介绍轴承大数据健康监测及寿命预测方面取得的成果，并对其发展方向进行了展望。
1 滚动轴承寿命及可靠性的研究
1.1 轴承寿命及可靠性试验机发展及现状
轴承寿命指轴承的一个滚动体或滚道出现一个疲劳剥落 前的总转数或工作小时数。轴承寿命试验离不开轴承寿命试验机，轴承寿命试验机的发展也见证了轴承寿命研究的发展。我国轴承寿命的试验研究，主要以洛阳轴承研究所和杭州轴承试验研究中心（联合国援助）两个科研单位带头，其他相关企业的寿命及可靠性试验基地为辅，共同承担我国轴承行业的轴承寿命、可靠性和性能试验研究工作。目前我国轴承寿命试验机的设计、研发、生产等已完全实现自主化，甚至某些技术理念已达到国际领先水平，但相对于斯凯孚、舍弗勒、铁姆肯、恩梯恩等多个国外轴承大公司而言起步甚晚。在20世纪早期，我国轴承行业的发展主要依靠前苏联老大哥的技术支撑，轴承的寿命试验主要在ZS型轴承寿命试验机基础上进行，而这种试验机的评估质量早已淘汰于轴承服役性能发展的要求；且杭州轴承试验研究中心(HBRC)通过联合国援助项目从美国引进的“F&M 5”新型滚动轴承疲劳寿命试验机非但价格昂贵、技术垄断，还采用气动高压动力源和60Hz的电频率，不适合中国的国情。因此，轴承寿命强化试验机实现自主化生产已势在必行，20世纪90年代，杭州轴承试验研究中心在国外先进寿命试验机的基础上，自主研制出ABLT-1型自动控制滚动轴承疲劳寿命强化试验机，为国内寿命试验机开辟了新市场和新前景，在当时已具有国际先进水平。随着ABLT-1型滚动轴承疲劳寿命强化试验机的降生，国内轴承寿命试验机的发展如雨后春笋，但大都是在ABLT-1的基础上衍生或改进而来
1.2 轴承寿命及可靠性试验预测研究
轴承在全寿命周期运转的过程中，很可能会受到高温、润滑不良、装配不当、异物侵入等因素的影响，从而导致轴承的损伤，发生故障失效。由于轴承寿命非常离散，一批同结构、同材料、同热处理、同加工方法的轴承在相同的工况下，其最高寿命和最低寿命相差几十倍甚至更多，传统数理统计方法显示轴承寿命试验数据近似符合威布尔分布或者对数正态分布，但在实际工况中仍旧难以预判。因此对轴承寿命试验数据的有效处理显得格外重要，国内外研究机构积极也开展轴承寿命试验数据的相关研究。Saxena等利用功率谱密度参数作为滚动轴承性能退化指标，对轴承的剩余使用寿命进行了预测，其密度参数可以诊断故障发生的位置和程度。肖婷等采用峭度及多域特征集作为趋势预测指标，在有效反映轴承运行状态的同时还可以预测轴承的性能退化趋势。Banjevic等使用比例风险模型预测了设备的可靠性函数与剩余寿命，并将某一时刻的协变量作为基准，预测了其剩余寿命。Kacpnynski在前人研究的基础上，提出将监测数据与材料参数结合的预测模型，并利用该模型开展了滚动轴承寿命预测工作。Kimotho等提出了一种混合差分进化粒子群（DE-PSO）优化算法优化支持向量机的核函数和惩罚参数的预测方法，提高了支持向量机的分类精度和剩余寿命预测的准确性，并采用NASA标准轴承故障数据进行验证。Orsagh等利用Yu-Harris模型，预测了滚动轴承发生疲劳剥落故障的初始时间，并利用 Kotzalas-Harris模型，预测了滚动轴承的失效时间。Panigrahi提出一种扩散粒子群算法（DPSO），用于解决轴承性能退化研究中的极大似然函数估计问题，取得了较好的预测效果。
当前基于统计的寿命模型依然在轴承寿命预测中占有主导地位，但是试验与工程应用发现，统计寿命模型计算出的寿命通常偏保守，轴承寿命分散度大，所以如何通过轴承性能退化机理研究，完善轴承寿命模型是一个主要问题。基于状态监测的寿命预测方法随着信息新技术与人工智能的发展而成为一个轴承寿命预测研究的热点领域。借助于大数据、人工智能信息等技术可以获得反映轴承服役性能的动态信号、获得表征轴承性能衰退的信号特征参数、建立信号特征参数与剩余寿命之间的映射关系，从而实现剩余寿命的预测。但是缺乏合适的特征参数来衡量轴承运行过程中性能逐渐衰退的演变规律，且神经网络等人工智能方法与传统寿命预测模型相比，物理意义不够明确，参数影响因素较大。如何针对其中的难点展开深入研究，对轴承寿命预测技术来说至关重要。
2 滚动轴承大数据健康监测的研究
轴承健康监测是基于现有的已知数据，对轴承未来的运行状态趋势进行一定时间内的变化预测，以期准确、快速地获得故障发展信息。对轴承开展状态监测和健康监测工作，可以掌握轴承退化过程规律，阻止更大的故障发生，防患于未然。
Caesarendra等采用相关向量机回归算法和逻辑回归组合方法对轴承退化程度和预测故障时间进行了评估。Yu等采用局部保局投影法对轴承运行的特征进行提取，并采用高斯混合模型和统计指标进行轴承健康状态的评估，研究表明该特征提取的效果明显优于成分分析法。李修文等采用频域形态滤波进行低速滚动轴承声发射信号降噪，将仿真和实际的轴承信号进行对比，结果表明此方法有很好效果。Rojas等提出了一种基于SVM 的滚动轴承故障诊断方法，将滚动承振动信号的时域特征通过SVM进行滚动轴承状态识别。Jeong等采用离散小波变换及谱峭度分析的方法，获取了滚动轴承各部位故障的特征频率，完成了滚动轴承内圈-外圈、内圈-滚动体、外圈-滚?体、内圈-外圈-滚动体的复合故障形式诊断。
对于轴承运行状态监测的指标中，有的是可以通过采集物理参量来实现，如温度、振动、噪声幅值等，有的则需要研究人员通过信号处理的方法来进行数据的提前，如温度的变化程度、振动的强度、声压强度等。通过这些指标的表征，可以评估出轴承的健康状态，进行轴承运行状态的预测与预警，指导工程人员采取相应的保护措施，避免轴承健康状态的恶化。但现阶段对于轴承健康监测分析方面，并没有建立一个统一的平台去整合轴承故障中的常用特征，而且对于故障原因的挖掘，高响应的预测方法，多种轴承的协同管理等方面还不是很完善。
3 结论
尽管国内外学者在轴承健康监测和寿命预测方面已取得一些值得关注的研究成果，但大部分的研究依然停留在常规的故障诊断上，对轴承基于大数据分析及智能算法评估等方面的研究较少。基于大数据分析的轴承故障预测与健康管理，可以实现轴承设备的自主保障。随着物联网和人工智能等技术的发展，针对轴承设备开展运行数据收集、退化故障特性信息提取、健康状态评估等关键技术将成为轴承健康监测和寿命预测的发展趋势。
手机：15963165298 QQ：1027859486
联系人： 许经理（高级采购）地址：山东省临清市轴承开发区
2022-2023 山东龙益轴承回收有限公司 鲁ICP备2024126077号-1
微信二维码
手机
15963165298
1027859486
上班时间
周一到周五
