摘要：滾動軸承作為機械設（shè）備中重要的旋轉（zhuǎn）零件和機（jī）械設備的重要故（gù）障源之一，每（měi）年由於軸承故障造成的（de）設備故障數以（yǐ）千萬計，造成的經濟損失巨大，因此（cǐ）有效的滾動軸承故（gù）障診斷方法（fǎ）在實際工作中就顯得（dé）越來越重要。^[1]本文研究了基於各種理論的智能故障診斷技術在（zài）軸承的應用。
　　關鍵詞：軸（zhóu）承；故障；診斷
　　引言：
　　滾動軸承的故障診斷在國外大概開始於20世紀60年代。在其後幾十年的發展時間裏（lǐ），各種方法與技巧（qiǎo）不斷產生、發展和完（wán）善，應用的領域不斷擴大，診斷的有效性不斷提高。^[2]
　　統計表明^[3]，在使用滾動軸承的旋轉機械中，大約有（yǒu）30％的機械故障都（dōu）是滾動軸承引起的、感應電機故障中的滾動軸承故障約占電機故障的40％左右、齒輪箱各類故障中的軸承故（gù）障率僅次於齒輪而占19％。據有關資料表明，我國現有的機車用滾動軸承每年約有40％要經過（guò）下（xià）車（chē）檢驗，而其（qí）中的33％左右（yòu）被（bèi）更換（huàn），因（yīn）此（cǐ）研究機車軸承故（gù）障（zhàng）診斷並改定期維（wéi）修（xiū）為（wéi）狀態維修，將有重要的經濟效益和實用價值。據統計，對（duì）機（jī）械（xiè）設備應用狀態故障診斷技（jì）術後，事故發生率可降低75％，維修費用可減少25～50％。滾動軸承的狀態故障診斷技術在了解軸承的性能狀態和及早發現潛在故（gù）障（zhàng）等方麵起著至關（guān）重要的作用，而且（qiě）還可以有（yǒu）效提高機械（xiè）設備的運行（háng）管理水平及維修（xiū）效能，具（jù）有（yǒu）顯著的經（jīng）濟效益。^[4]
　　標準IS015243《滾動軸承一損傷和失效一術語、特性和原因》對軸承的失效方式進行了詳細（xì）的分類：
　　（1）疲勞失效：該種（zhǒng）失效主要由滾道表麵下重複的應力變化、表麵加工質量不良、潤滑不良、相對滑動等（děng）造成材料表麵結構的（de）變化而（ér）產生微裂紋並傳播，從而發展為（wéi）表麵明顯的微剝落。
　　（2）磨損：研磨磨損屬於一種材料剝離的（de）磨損，大多數是（shì）由（yóu）於不充分的潤滑或是由於雜質的進入，而（ér）導致表麵精度破（pò）壞（huài）和磨損，在低速重（chóng）載過薄油膜時，則產生鏡麵狀效應；粘著磨損是材料從一個（gè）表麵轉移到另一個表麵，其主要（yào）表現形式為拖尾效應，主要發生在鄭州大學碩士論文2滾動軸承的故障模式及（jí）故障（zhàng）表現形式滾動體以高加速度重新進入負荷區時或當負荷過（guò）低時發生在滾動體和滾道（dào）表麵。
　　（3）腐蝕：濕氣腐蝕多發生在滾（gǔn）動麵之間有水／水汽等潮（cháo）濕介質或酸性介質（zhì）的時候發（fā）生的（de）一種（zhǒng）氧化行為；蠕動（dòng）腐蝕多發生在軸承套圈和軸或殼體之間出現相對運動，其一般時（shí）由（yóu）於配合（hé）過鬆或其它（tā）錯誤造（zào）成的；壓痕腐蝕主要發生在滾動體同滾道接觸（chù）區域產生微（wēi）動的而造成的，有時也可叫做偽布什壓痕。
　　（4）電腐蝕：磁（cí）場分布不均、電纜不對稱等引起的電流以及高頻轉換形（xíng）成的電流（liú）均會形成（chéng）對（duì）軸承的電腐蝕。電腐（fǔ）蝕會引起（qǐ）軸承滾（gǔn）道出現電蝕凹坑、凹槽、搓板紋，還會引（yǐn）起潤滑脂的過早老（lǎo）化，造成潤滑（huá）不（bú）良，從（cóng）而縮短軸承的壽命。
　　（5）塑性變形：當承受（shòu）的載荷超過軸承材（cái）料的屈服強度極限時，均會發生塑性變形（xíng），例如超載或雜質在滾動表麵碾壓均有可能造成滾動表麵的塑性變形（xíng）。
　　（6）裂痕：過（guò）大的過盈配合或過大的相對滑動均會造成過大的拉伸力，從而造成（chéng）軸承套圈的裂痕甚至斷裂。^[5]
　　基於神經網絡的機車車輛軸（zhóu）承故障診斷技術
　　隨著機車車輛製造（zào）和檢修技術的進步，監測與診斷（duàn）技（jì）術的（de）應用必將進一步擴展和（hé）深入，為鐵路運輸帶來更高的安全性和經濟效益。^[6]
　　以智能化和網絡化為核心，提（tí）出了一（yī）種（zhǒng）軸承（chéng）監測診斷技術在機車車輛上綜合應（yīng）用的（de）係統方案，包括車載監測、道旁監測、檢修基地診斷及綜合信息管理四（sì）個基本子係統。
　　應用BP神經網絡對軸承故障診斷的多值分（fèn）類問題進行了研究，探討了軸承診斷BP網絡的設計，提取8個特征參數，采用三層網絡結構，用詳實的現場數據（jù）作為訓練樣本，對網絡進行訓練，並用（yòng）訓練後的網絡對大量軸承樣本進行（háng）了診斷。由於對（duì）象及工（gōng）況均與實際情況相同，且樣本數量很大（dà），包含了被測軸承（chéng）的多種狀（zhuàng）態信息，因此取得（dé）了較好的效果（guǒ），94套軸承診斷的總有效率大於97％。該網（wǎng）絡可（kě）直接在貨車軸承診斷係（xì）統中應用，改善診斷（duàn）性能，其方法（fǎ）亦適用於其它機（jī）車車輛（liàng）軸承的監測與診（zhěn）斷。
　　研究表明（míng），基於神經網絡的軸承故障診斷技術具有良好的狀態分類能力，一般隻要通過不斷地積累數據，精（jīng）心選擇訓（xùn）練樣本，BP網絡就能（néng）夠在機車車輛軸承監測與診斷中實際應（yīng）用。但不可否認，BP網絡存在隱層單元個數的（de）選擇缺乏理（lǐ）論（lùn）指導、具（jù）有（yǒu）學習（xí）新（xīn）樣本而遺忘舊（jiù）樣本的趨勢、對（duì）未學習過的新樣本類難以準確分（fèn）辨等不足，應充分考慮具體（tǐ）應用的特點和要求，必要時可對BP網絡進行改進或選擇其它網絡模型。^[7]
　　基於LabVIEW的軸承故障診斷技術
　　LabVIEW有強大而直觀的數字信號處（chù）理能力，良好的硬件匹（pǐ）配性，同時又有算法實現不足的缺陷。通過利用（yòng）LabVIEW配合通用數據采集卡（kǎ）進行加速度和聲信號信息（xī）的采集，在LabVIEW中調用MATLABT工具箱函數，實現小波在線分析和神經網（wǎng）絡模式識別，同（tóng）時（shí）利用LabVIEW自身擁有的強大的信號處理功能，實現軸承故障診斷的目的。^[8]
　　基於小波分析與神經網絡的軸承故障診斷
　　研（yán）究（jiū）應用先進的設備狀態監測和故障（zhàng）診斷技術，不（bú）僅可以發現早期故障（zhàng），避免惡性（xìng）事故發生，還可以從根本上解（jiě）決設備定期（qī）維修（xiū）中維修不足和過剩維修問題^[9]。
　　小波（bō）分析的（de）基（jī）本思想是用（yòng）一個局部緊的基本小波函數的不同尺度（dù）的平移和伸縮構成的小波函數係去表示或逼（bī）近一信號或函數。小波函數係的特點（diǎn）是它的時寬帶（dài）寬乘積很小，且在時間和頻率軸上都很（hěn）集中。相比於傳統的傅立葉分析，小波變換在（zài）分析非平穩信號分（fèn）析時有許多獨（dú）有（yǒu）的特性，因此廣泛地應（yīng）用於（yú）故障診斷領域。 　　小波分析具有良好的時一（yī）頻局部化特征，因而非常適於對瞬態或時變信號進行分類，而（ér）人工神經網絡（luò）可完（wán）成（chéng）非線性係統辨識和模式分類。利用上述原理建立了基於小波的（de）神經網絡智能（néng）診（zhěn）斷模型，並用於滾動軸（zhóu）承的故障（zhàng）診斷。根（gēn）據滾動軸承振動信（xìn）號的（de）頻域變化特征（zhēng），首先（xiān）采用小波包（bāo）分析（xī）對其建立（lì）頻域能量特征向量，然後利用神經網絡完成滾動軸承故障模式的識別。試驗結果表明，係統不僅能夠檢測到軸承故（gù）障的存在，而且能夠比較準確地識別軸承的故（gù）障模式。^[10]
　　結論
　　滾動軸承作為（wéi）機械設備（bèi）中重（chóng）要的旋轉零件和機械設備的重要故障源之（zhī）一（yī），有大量的智能故障診斷技術（shù）被開發出（chū）來。每一種智能診斷係統都能在相（xiàng）應的環境中得到充分的應用，大大減少了由軸承（chéng）故障引起的經濟（jì）損失。
　　參考文獻：
　　[1]李俊卿，滾動軸承故障（zhàng）診（zhěn）斷技（jì）術及其工業應用，碩士論文
　　[2]周瑞峰，滾動軸承故障智能診斷方法的研究與實現，碩士論文
　　[3]趙明元（yuán），朱衡君.機車軸（zhóu）承故障診斷與預測方法.機車電傳動，2005（5）：58-60
　　[4]謝寶義.工程機械狀態檢測與（yǔ）故障診斷技術.計量與（yǔ）測試技術，2002（4）：41-43
　　[5]ISO15432（Rolling Bearing-Damage and Failures-Terms，Characteristics and Cause），2004
　　[6]丁福焰，杜永平，機車車輛故障診斷技術的發展，鐵道機車車輛，2004，24（4），24-30
　　[7]丁福焰，基於神經網絡的機（jī）車車（chē）輛軸承故障診斷技術研究丁福焰，碩士論文
　　[8]中國船舶重（chóng）工集團公司第七二二研究所，軸承故障診斷的信息處理及模式識別技術，中國國防科技（jì）質量與（yǔ）可（kě）靠（kào）性高峰論壇（tán）論文集，2010
　　[9]張正鬆，傅尚新，馮冠平，旋（xuán）轉機（jī）械（xiè）振動監測（cè）及故（gù）障診斷，機械工業出版社，1991
　　[10]張維新，基於小波分析與神經網絡的軸承故障診斷研究，碩士論文