基于多傳感器的車輛滾動(dòng)軸承故障智能診斷系統(tǒng)

趙麗霞

摘要：提出了一種基于多傳感器與驅(qū)動(dòng)模塊聯(lián)用的車輛滾動(dòng)軸承故障智能診斷系統(tǒng)，通過麥克風(fēng)、振動(dòng)傳感器信號(hào)處理及分析，實(shí)現(xiàn)鐵路段修軸承的故障診斷。該系統(tǒng)通過麥克風(fēng)信號(hào)和共振解調(diào)技術(shù)識(shí)別軸承的剝離型故障，通過振動(dòng)傳感器和統(tǒng)計(jì)因子參數(shù)識(shí)別軸承的非剝離型故障。實(shí)驗(yàn)證明該系統(tǒng)在提高軸承檢測(cè)準(zhǔn)確率的同時(shí)，大大降低軸承非剝離型故障的漏報(bào)率。

關(guān)鍵詞：滾動(dòng)軸承;統(tǒng)計(jì)因子;共振解調(diào);麥克風(fēng)

中圖分類號(hào)：TH133.33

文獻(xiàn)標(biāo)識(shí)碼：A

DOI： 10.15913/j.cnki.kjycx.2019.08.033

1 引言

目前，鐵路貨車運(yùn)用領(lǐng)域應(yīng)用的軸承故障診斷技術(shù)主要有車輛軸溫智能探測(cè)系統(tǒng)THDS、車輛滾動(dòng)軸承故障軌邊聲學(xué)診斷系統(tǒng)TADS，為保障鐵路貨車運(yùn)行安全發(fā)揮了重要作用。溫度檢測(cè)技術(shù)是發(fā)現(xiàn)軸承晚期故障[1]，聲學(xué)檢測(cè)技術(shù)主要是發(fā)現(xiàn)剝離型故障，以上技術(shù)均針對(duì)鐵路貨車運(yùn)行時(shí)的軸承故障，在貨車軸承檢修時(shí)，目前沒有有效的軸承故障檢測(cè)手段。按照段修相關(guān)要求，軸承存在環(huán)形條紋、卡滯或其他不正常缺陷時(shí)應(yīng)停止使用并報(bào)廢處理，該類故障更輕微、特征更不明顯。因此，需要引入新的技術(shù)手段來實(shí)現(xiàn)段修軸承狀態(tài)的智能化檢測(cè)。

本文介紹一種多傳感器與驅(qū)動(dòng)模塊聯(lián)用的方法，因此實(shí)現(xiàn)段修軸承故障檢測(cè)。采用麥克風(fēng)和振動(dòng)傳感器分別采集一次檢測(cè)過程中的聲學(xué)和振動(dòng)信號(hào)，對(duì)信號(hào)分別進(jìn)行共振解調(diào)和統(tǒng)計(jì)因子處理、分析，利用專家診斷算法選擇更優(yōu)的數(shù)據(jù)進(jìn)行故障識(shí)別和判定，從而大幅度地提高了軸承單次檢修效率，實(shí)現(xiàn)貨車段修軸承故障的智能化檢測(cè)和判別。

2 工作原理

軸承的運(yùn)動(dòng)部件的使用壽命取決于運(yùn)動(dòng)部件接觸面材料的疲勞和磨損。軸承的早期故障產(chǎn)生的原因很多，最常見的因素包括疲勞、磨損、塑性變形、腐蝕、局部硬化、潤滑不良、裝配缺陷和設(shè)計(jì)缺陷。通常情況，軸承的失效是由于多個(gè)因素共同作用的結(jié)果，也存在由單一因素發(fā)展，并逐漸加重導(dǎo)致出現(xiàn)多種故障[2]。

車輛滾動(dòng)軸承不存在故障時(shí)，發(fā)出的聲學(xué)和振動(dòng)信號(hào)很小，并且振動(dòng)的幅度分布近似為高斯型分布[3]。當(dāng)軸承出現(xiàn)早期故障，比如環(huán)形條紋、凹坑、擦傷、剝離時(shí)，軸承的部分參數(shù)會(huì)發(fā)生明顯的變化。通過計(jì)算這些參數(shù)，可以確定軸承是否存在故障，并對(duì)軸承故障的嚴(yán)重等級(jí)給出判定。特征參量主要包括以下幾個(gè)。

波峰因子反映的是聲學(xué)和振動(dòng)信號(hào)最大值與有效值之間的比值，這個(gè)比值越大說明聲學(xué)和振動(dòng)信號(hào)中存在的短時(shí)間大幅值的瞬時(shí)振動(dòng)越劇烈。

2.2 峭度因子（Kurtosis）

峭度因子計(jì)算公式為：

其反映的是聲學(xué)和振動(dòng)波形偏離正態(tài)分布的程度。

2.3 特征頻率

對(duì)于剝離型故障，不同的軸承故障類型，信號(hào)的故障特征頻率是不同的，通常稱之為故障軸承類型的特征頻率，根據(jù)特征頻率的差異，可以確定軸承的故障類型[4]。

外圈內(nèi)滾道剝離型故障的特征頻率為：

3 系統(tǒng)組成

基于多傳感器的車輛滾動(dòng)軸承故障智能診斷系統(tǒng)主要由驅(qū)動(dòng)模塊、硬件電路、專家診斷算法組成，一條輪對(duì)的檢測(cè)需要2個(gè)麥克風(fēng)和2個(gè)振動(dòng)傳感器，如圖1所示。

3.1 驅(qū)動(dòng)模塊

驅(qū)動(dòng)模塊驅(qū)動(dòng)輪對(duì)旋轉(zhuǎn)，要求速度可調(diào)且反饋準(zhǔn)確，可對(duì)既有標(biāo)準(zhǔn)軌距的鐵路輪進(jìn)行空載跑合實(shí)驗(yàn)。驅(qū)動(dòng)模塊工作時(shí)緊固外圈，驅(qū)動(dòng)輪對(duì)帶動(dòng)軸承內(nèi)圈轉(zhuǎn)動(dòng)，驅(qū)動(dòng)模塊工作時(shí)，硬件模塊中的麥克風(fēng)和振動(dòng)傳感器同時(shí)采集信號(hào)。

3.2 硬件電路

麥克風(fēng)選用高品質(zhì)的廣播級(jí)單指向性電容麥克風(fēng)，該麥克風(fēng)具有較高的背景噪聲抑制能力。振動(dòng)傳感器選用壓電加速度傳感器，該系列傳感器內(nèi)裝微型IC放大器，由壓電加速度傳感器和微型IC放大器組成。

麥克風(fēng)和振動(dòng)傳感器采集的信號(hào)經(jīng)過放大、濾波后傳輸?shù)焦ぷ髡镜男盘?hào)采集卡轉(zhuǎn)化為數(shù)字信號(hào)，其后的信號(hào)處理、故障識(shí)別均為數(shù)字算法實(shí)現(xiàn)。信號(hào)采集卡主要技術(shù)指標(biāo)為：采樣頻率48 kHz，數(shù)據(jù)位數(shù)16位，0- 26 dB增益連續(xù)可調(diào)。

3.3 專家診斷算法

基于多傳感器的車輛滾動(dòng)軸承故障智能診斷系統(tǒng)通過專家診斷算法對(duì)于單個(gè)軸承的麥克風(fēng)信號(hào)和振動(dòng)傳感器信號(hào)分別進(jìn)行處理分析，利用振動(dòng)傳感器與軸承接觸的優(yōu)勢(shì)，提取軸承可能存在的非剝離型輕微故障，利用麥克風(fēng)非接觸式采集的優(yōu)勢(shì)，減少外界干擾信號(hào)對(duì)于軸承檢測(cè)的影響，判定剝離型故障，具體如圖2所示。對(duì)于麥克風(fēng)采集的信號(hào)進(jìn)行信號(hào)處理后采用共振解調(diào)方法分析，計(jì)算軸承可能存在的剝離型故障;對(duì)振動(dòng)傳感器采集的信號(hào)進(jìn)行信號(hào)處理后采用統(tǒng)計(jì)因子方法計(jì)算軸承可能存在的非剝離型故障，例如環(huán)形條紋、卡滯等故障類型。

4 實(shí)驗(yàn)結(jié)果

現(xiàn)場(chǎng)實(shí)驗(yàn)中，通過麥克風(fēng)和共振解調(diào)計(jì)算特征頻率的方法，準(zhǔn)確識(shí)別各種剝離型故障，主要包括外圈內(nèi)滾道局部剝離、內(nèi)圈外滾道局部剝離、滾子局部剝離，通過振動(dòng)傳感器和統(tǒng)計(jì)因子計(jì)算波峰因子和峭度因子的方法，識(shí)別大量非剝離型故障，主要包括保持架斷裂、滾子擦傷（一道環(huán)形條紋）、滾子擦傷（多道環(huán)形條紋）等。以典型的外圈剝離型故障為例，滾子每次通過時(shí)都會(huì)撞擊故障點(diǎn)，引起軸承系統(tǒng)的共振。麥克風(fēng)和共振解調(diào)方法通過特征頻率可以準(zhǔn)確識(shí)別故障，針對(duì)滾子擦傷（一道環(huán)形條紋）、滾子擦傷（多道環(huán)形條紋）的振動(dòng)傳感器和統(tǒng)計(jì)因子的方法，實(shí)驗(yàn)數(shù)據(jù)如表1所示。

由表1可知峭度因子和形狀因子對(duì)此類非剝離型故障檢測(cè)非常準(zhǔn)確，且能根據(jù)統(tǒng)計(jì)因子數(shù)值區(qū)分故障嚴(yán)重程度。

5 結(jié)論

通過麥克風(fēng)和振動(dòng)傳感器的多傳感器數(shù)據(jù)采集，為鐵路軸承智能診斷提供更多的數(shù)據(jù)支持，同時(shí)通過對(duì)共振解調(diào)和統(tǒng)計(jì)因子兩種參數(shù)的計(jì)算，為軸承故障診斷提供更多的依據(jù)。因此，基于多傳感器的鐵路軸承智能診斷系統(tǒng)，既可以提高軸承檢修的準(zhǔn)確率，又可以降低非剝離型故障的漏報(bào)率，同時(shí)為段修軸承標(biāo)準(zhǔn)化作業(yè)提供依據(jù)。

參考文獻(xiàn)：

[1] A.F.Khan， E.J.Williams.Predicting the remaining life ofrolling element bearings[C]//Proceedings of LMECH.E.Conference on Vibrations in Rotating Machinery，

1992.

[2] D.Dyer， R.M. Stewart.Detection of rolling element bearingdamage by statistical vibration

analysis[J].MechanicalDesign， 1978（5）：229-235.

[3] M.A.Elbestawi， H.J.Tait.A comparative study of vibrationmonitoring techniques for rolling element bearings[C]//Proceedings of the 3rd Intemational Modal AnalysisConference，1985.

[4]王志剛，李友榮，呂勇.基于諧波小波變換的共振解調(diào)法[J].振動(dòng)與沖擊，2006 （4）.