輪轂軸承失效模式與剩余壽命預(yù)測研究

劉國 易聲超 向景勛 吳文洲

摘要：輪轂軸承是汽車裝備的關(guān)鍵零部件，其可靠性的工作直接影響駕駛員和乘客的安全。為了更好地研究輪轂軸承的失效模式和剩余壽命，詳細(xì)分析了其失效的模式以及剩余壽命的預(yù)測，提出無失效數(shù)據(jù)條件下的非等間隔灰色預(yù)測方法。該方法可以通過輪轂軸承的仿真無失效數(shù)據(jù)對輪轂軸承的剩余使用壽命進(jìn)行預(yù)測，為軸承的可靠性評估提供了新的思路。

關(guān)鍵詞：輪轂軸承；失效模式；剩余壽命；預(yù)測

中圖分類號：U467.4 ?收稿日期：2023-04-10

DOI：10.19999/j.cnki.1004-0226.2023.07.017

1 前言

汽車已經(jīng)成為現(xiàn)代人出行的首選交通工具。隨著我國汽車保有量的不斷增加，汽車零配件的故障越來越多。輪轂軸承是汽車關(guān)鍵零部件，對駕駛員和乘客的行車安全至關(guān)重要。對于輪轂軸承的質(zhì)量來說，國內(nèi)的質(zhì)量相對于國外低30%[1]。而在疲勞壽命和可靠性方面，我國使用的輪轂軸承的使用壽命只能達(dá)到國外的50%左右[2]。

2 輪轂軸承失效模式分析

輪轂軸承的失效方式有很多種，主要分為疲勞失效、磨損失效、塑性變形，其中最常見的失效形式為疲勞失效。

2.1 疲勞失效

輪轂軸承的疲勞是滾動軸承長期工作的結(jié)果，也是最常見的失效形式，主要表現(xiàn)為滾動體活動的內(nèi)外軌道出現(xiàn)了裂痕，或者滾動體本身出現(xiàn)了凹坑。早期疲勞出現(xiàn)的凹坑是不規(guī)則和不連續(xù)的，當(dāng)持續(xù)工作一段時間后，原先的凹坑就會使?jié)L動體大面積的脫落，直至滾動軸承完全失效，失去工作能力。然而，造成這種現(xiàn)象的原因主要是安裝不到位或者工作期間軸承沒有得到充分的潤滑。

2.2 磨損失效

滾動軸承的另外一種常見失效形式是磨損。輪轂軸承工作期間不但承受了汽車和乘客的重力，同時還承受來自地面的沖擊載荷。輪轂軸承在惡劣的工作環(huán)境中，密封不良容易進(jìn)入顆粒物，這些顆粒物與滾動軸承的內(nèi)圈、外圈、滾動體和保持架之間產(chǎn)生相互作用，導(dǎo)致滾動軸承運動表面出現(xiàn)劃痕，加快了輪轂軸承的失效，出現(xiàn)過早的報廢情況。

2.3 塑性變形

汽車在不平的路面行駛時，經(jīng)常會遇到障礙物產(chǎn)生一定的沖擊，因此輪轂軸承會經(jīng)常受到地面的沖擊載荷，過大的沖擊載荷可以使輪轂軸承產(chǎn)生不可逆轉(zhuǎn)的變形，致使軸承工作時產(chǎn)生劇烈震動和噪聲。

3 輪轂軸承剩余壽命預(yù)測

輪轂軸承的主要作用是承受汽車自身和乘客的重量，同時也為駕駛員轉(zhuǎn)彎提供精確的引導(dǎo)。目前，汽車上的輪轂軸承廣泛采用圓錐滾子軸承。對于輪轂軸承的可靠性分析與壽命預(yù)測主要是基于機(jī)理模型、數(shù)理統(tǒng)計和人工智能的方法開展研究。

3.1 基于機(jī)理模型的滾動軸承剩余壽命預(yù)測

基于機(jī)理模型的剩余壽命預(yù)測方法主要是從滾動軸承的四個組件以及它們之間的運動規(guī)律著手，利用力學(xué)的相關(guān)理論進(jìn)行分析，建立相對準(zhǔn)確地退化機(jī)制和演化規(guī)律，進(jìn)而對滾動軸承進(jìn)行剩余使用壽命預(yù)測。部分學(xué)者將滾動軸承的退化機(jī)制和演化機(jī)理同有限元仿真結(jié)合起來，提高了滾動軸承的預(yù)測精度。劉德昆等[3]分析了高速列車動車組軸向軸承在工作過程中受載情況，根據(jù)先行損傷理論，得出軸箱軸承的疲勞使用壽命。該方法得到了工程上的應(yīng)用，具有一定的實用價值，也為軸箱軸承的優(yōu)化設(shè)計提供了新的思路。雖然說基于機(jī)理模型的滾動軸承的剩余壽命預(yù)測方法是最有效的表征軸承退化狀況的方法，但是該方法的不足之處是需要建立精確的數(shù)學(xué)模型，這種精確的數(shù)學(xué)模型對于建模人員有著非常高的專業(yè)背景要求和實際的工程管理經(jīng)驗。隨著汽車裝備的復(fù)雜化，滾動軸承的數(shù)據(jù)采集，尤其是實車采集帶來了很大的難度，試驗成本也較高，使得應(yīng)用機(jī)理模型對滾動軸承的退化過程描述更加困難。

3.2 基于數(shù)理統(tǒng)計的滾動軸承剩余壽命預(yù)測

目前，大數(shù)據(jù)技術(shù)應(yīng)用在機(jī)械裝備故障診斷和壽命預(yù)測越來越多。而基于數(shù)據(jù)統(tǒng)計構(gòu)建的剩余壽命預(yù)測方法是否與真實的機(jī)械裝備性能退化相吻合是考驗方法和模型準(zhǔn)確性的重要手段。因此在進(jìn)行剩余壽命預(yù)測時，要合理選擇構(gòu)建的數(shù)學(xué)模型。蔡薇薇等[4]針對軸承到達(dá)服役時間而依然滿足使用條件造成的資源浪費問題，提出了一種基于CNN-LSTM的軸承剩余使用壽命預(yù)測方法。基于數(shù)理統(tǒng)計的滾動軸承剩余壽命預(yù)測方法優(yōu)點能夠真實地反映機(jī)械產(chǎn)品在工作時的狀態(tài)。采集的過程數(shù)據(jù)可以很好地對構(gòu)建的數(shù)學(xué)模型參數(shù)進(jìn)行有效的修正，提升剩余壽命的預(yù)測精度。但是，這種方法需要花費大量的時間去收集實驗數(shù)據(jù)，對于輪轂軸承等高可靠性產(chǎn)品，實驗時間過長，且成本較高，這就限制了該種方法的使用范圍。

3.3 基于人工智能的滾動軸承剩余壽命預(yù)測

人工智能算法研究機(jī)械裝備故障診斷和剩余壽命是目前最熱門的方法。人工智能算法有很多種，最為常見的是神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和模糊計算等。張繼東等[5]應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對提取到的故障特征信號進(jìn)行特征自學(xué)習(xí)，將學(xué)習(xí)的結(jié)果應(yīng)用到軸承上，采用滾動軸承的加速實驗數(shù)據(jù)對提出的算法進(jìn)行了驗證。趙志宏等[6]針對獲取軸承全壽命數(shù)據(jù)困難、收集的樣本數(shù)據(jù)較少的情況，提出關(guān)系網(wǎng)絡(luò)，根據(jù)該網(wǎng)絡(luò)對軸承的剩余壽命進(jìn)行預(yù)測，通過實驗數(shù)據(jù)驗證了該方法的合理性。劉波等[7]將連續(xù)連續(xù)型隱馬爾可夫模型模型與基于粒子群優(yōu)化算法的支持向量機(jī)結(jié)合來建立剩余壽命預(yù)測模型，并用建立的模型對軸承進(jìn)行剩余壽命預(yù)測，具有較好的預(yù)測結(jié)果。Chen等[8]提出了一種新穎的基于空間注意力的卷積變壓器，在沒有先驗知識和特征工程的情況下，基于原始振動數(shù)據(jù)建立準(zhǔn)確的軸承剩余壽命預(yù)測模型。隨著科技的進(jìn)步，人工智能技術(shù)不斷普及，在未來一段時間內(nèi)，是一種主流的研究手段。當(dāng)研究數(shù)據(jù)十分匱乏，并且都是無失效數(shù)據(jù)，即在乏信息的情況下，人工智能算法也會受到限制。

灰色系統(tǒng)理論可以很好解決在缺乏信息情況下機(jī)電產(chǎn)品可靠性評估和壽命預(yù)測。本文基于貝葉斯理論和灰色系統(tǒng)理論對高可靠性輪轂軸承進(jìn)行剩余壽命進(jìn)行預(yù)測。

4 基于灰色系統(tǒng)理論的輪轂軸承剩余壽命預(yù)測

輪轂軸承是高可靠性產(chǎn)品，通過軸承的全壽命數(shù)據(jù)來評估軸承的可靠性難以實現(xiàn)?；疑到y(tǒng)理論可以在極少數(shù)據(jù)的情況下對可靠性較高的軸承進(jìn)行可靠性評估和剩余壽命進(jìn)行預(yù)測。獲得滾動軸承壽命數(shù)據(jù)一般采用定時截尾試驗。試驗過程中可以獲得滾動軸承的無失效數(shù)據(jù)，并且是非等間隔的。對于GM（1，1）模型進(jìn)行剩余壽命預(yù)測時，必須將非等間隔的試驗數(shù)據(jù)轉(zhuǎn)化為等間隔試驗數(shù)據(jù)。最后根據(jù)南京航空航天大學(xué)灰色系統(tǒng)研究所開發(fā)的灰色系統(tǒng)建模軟件進(jìn)行剩余壽命預(yù)測，軟件界面如圖1所示。

4.1 構(gòu)建輪轂軸承的無失效數(shù)據(jù)模型

輪轂軸承的壽命符合威布爾分布。根據(jù)輪轂軸承的工作狀況確定合理的試驗樣本數(shù)量、分組、截尾時刻和最終的截尾時間，利用Monte-Carlo法產(chǎn)生服從威布爾分布的隨機(jī)數(shù)，按照從小到大的順序排列成無失效數(shù)據(jù)結(jié)構(gòu)，根據(jù)文獻(xiàn)[9]確定多組軸承的形狀參數(shù)和尺度參數(shù)，得出它們的平均值。根據(jù)輪轂軸承的形狀參數(shù)和尺度參數(shù)的平均值，采用文獻(xiàn)[10]方法產(chǎn)生無失效數(shù)據(jù)，構(gòu)建無失效數(shù)據(jù)模型。

4.2 非等間隔可靠度數(shù)值的計算

根據(jù)貝葉斯計算公式，計算輪轂軸承各個截尾時刻的失效概率估計值，從而得到輪轂軸承在截尾時刻的可靠度的估計值。

4.3 非等間隔灰色預(yù)測建模方法

灰色預(yù)測模型GM（1，1）在預(yù)測輪轂軸承剩余壽命時，只能采用等間隔的可靠度估計值，而不能采用定時截尾的非等間隔數(shù)值。因此，采用GM（1，1）模型進(jìn)行輪轂軸承的剩余使用壽命評估時，需將無失效數(shù)據(jù)模型的非等間隔數(shù)值轉(zhuǎn)化為等間隔數(shù)值。主要建模方法包括構(gòu)建可靠度估計值構(gòu)建成原始序列，計算各時段與平均時段的單位時段差系數(shù)，計算輪轂軸承間隔序列的灰度，構(gòu)建等間距序列。將等間隔的可靠度數(shù)據(jù)輸入灰色建模軟件，進(jìn)行剩余壽命預(yù)測，如圖2所示。

5 結(jié)語

目前人們對于汽車質(zhì)量的要求逐漸提高，這就需要提升每個汽車零配件的加工質(zhì)量和裝配質(zhì)量。對于輪轂軸承，越來越多的理論滲透到可靠性及剩余壽命預(yù)測中，提高了評估的準(zhǔn)確性。

參考文獻(xiàn)：

[1]盧剛.踐行可靠性系統(tǒng)工程實現(xiàn)軸承行業(yè)高質(zhì)量發(fā)展[J].軸承，2019（1）：61-65.

[2]王國輝.重卡輪轂軸承疲勞壽命分析及可靠性試驗技術(shù)研究[D].杭州：浙江農(nóng)林大學(xué)，2020.

[3]劉德昆，李強，王曦，等.動車組軸箱軸承基于實測載荷的壽命預(yù)測方法[J].機(jī)械工程學(xué)報，2016，52（22）：45-54.

[4]蔡薇薇，徐彥偉，頡潭成.基于CNN-LSTM的軸承剩余使用壽命預(yù)測[J].機(jī)械傳動，2022，46（10）：17-23.

[5]張繼冬，鄒益勝，鄧佳林，等.基于全卷積層神經(jīng)網(wǎng)絡(luò)的軸承剩余壽命預(yù)測[J].中國機(jī)械工程，2019，30（18）：2231-2235.

[6]趙志宏，張然，孫詩勝.基于關(guān)系網(wǎng)絡(luò)的軸承剩余使用壽命預(yù)測方法[J/OL].自動化學(xué)報：1-9[2023-04-29].

[7]劉波，寧芊，劉才學(xué)，等.基于連續(xù)型HMM和PSO-SVM的滾動軸承剩余壽命預(yù)測[J].計算機(jī)應(yīng)用，2019，39（S1）：31-35.

[8]Chen C，Wang T，Liu Y，et al.Spatial attention-based convolutional transformer for bearing remaining useful life prediction[J]. Measurement Science and Technology，2022，33（11）：114001.

[9]卜德天，陳龍，劉紅彬，等.基于振動時間序列的汽車輪轂軸承壽命威布爾估計[J].軸承，2023（1）：44-49+56.

[10]劉國，姚齊水，余江鴻.基于無失效數(shù)據(jù)的滾動軸承剩余壽命非等間隔灰色預(yù)測方法[J].機(jī)電工程，2022，39（4）：501-506.

作者簡介：

劉國，男，1988出生，講師，研究方向為運載裝備關(guān)鍵零部件的可靠性評估及壽命預(yù)測。