李卓彦¹　周强强¹　李志雄²

（1.广东电网公司广州番禺供电局，广东广州　511400；2.三峡大学机械与材料学院，湖北宜昌　443002）

　　【摘　要】对滚动轴承进行故障诊断能够及时发现故障信息，减小事故发生几率，延长机器寿命，具有较高的现实意义。本文介绍了滚动轴承故障诊断方法，重点综述了振动分析法的发展现状与趋势，并指出了目前滚动轴承故障诊断所存在的主要问题。

　　【关键词】滚动轴承；故障诊断；振动分析

　　1.前言

　　滚动轴承是旋转机械中的重要零件，在各个机械部门有着广泛的应用。然而滚动轴承也是机器中Z易损坏的零件之一，有资料表明，在旋转机械中有70%的故障是由滚动轴承引起的，在齿轮箱的各类故障中轴承的故障仅次于齿轮而占到19%，电机故障中有80%表现为电机轴承故障^[1]。而滚动轴承的失效必然导致机械装置运行的不正常，甚至引发灾难性的后果，比如武钢大型轧钢厂高速线材生产线中4#立式轧机因为四轴轴承损坏，导致三、四、五轴上的齿轮断裂，停产48小时更换备用减速机^[2]；或者一个普通轴承损坏后，可导致整个齿轮箱不能使用。因此，对滚动轴承的故障诊断在设备的维护中有着重要作用。

　　通过对运行中的轴承进行监测、诊断，可以及时发现故障和判断故障类型，更换轴承，或预测轴承更换时间，以减小事故和损失。目前滚动轴承常诊断方法包括有[3]：振动分析；噪声分析；油样分析；温度分析；油膜电阻法；声发射诊断等方法。其中振动分析法具有测试与处理简单、直观，诊断结果可靠等优点，适用于各种类型各种工况的轴承，可以有效地诊断出早期轻微故障信号，在实际中得到了极为广泛的应用。本文主要探讨振动分析法。

　　2.振动分析发展历史

　　滚动轴承的故障诊断在国外始于20世纪60代。我国的设备故障诊断技术研究的起步较晚，从1979年到1983年，设备故障诊断技术从初步认识进入到初步实践阶段，但在近年来发展迅速。在几十年的发展时间里，基于振动分析的各种方法和技巧不断产生、发展和完善，应用的领域不断扩大，诊断的有效性不断提高，总的来说，其发展经历了四个发展阶段^[4]：

　　阶段：利用通用的频谱分析仪诊断轴承故障。20世纪60年代中期，由于快速傅立叶变换（FFT）技术的出现和发展，故障信号的频谱分析得到了很大的发展，人们根据对滚动轴承元件有损伤时产生的故障信号特征频率的计算和采用频谱分析仪实际分析得到的结果进行比较来判断滚动轴承是否有故障。

　　第二阶段：利用冲击脉冲技术为诊断轴承故障。在60年代末期，首先出现了冲击脉冲计，根据冲击脉冲的Z大幅值来诊断轴承故障。这种方法能比较有效地检测到轴承的早期损伤类故障。

　　第三阶段：利用共振解调技术诊断轴承故障。共振解调技术与冲击脉冲技术相比，对轴承早期损伤类故障更有效。共振解调技术不但能诊断出轴承是否存在故障，而且可以判断出故障发生在哪个轴承元件上，以及轴承发生的大致严重程度。

　　第四阶段：开发以微机为中心的滚动轴承监视与故障诊断系统。

　　20世纪90年代以来，随着微机技术的迅猛发展，开发以微机为中心的滚动轴承故障诊断系统引起了国内外研究者的重视。微机信号分析和故障诊断系统不但具有灵活性高、适应性强、易于维护和升级的特点，而且易于推广和应用。

　　3.现代诊断方法的研究现状及趋势

　　随着信号检测技术、计算机技术、数字信号处理技术、人工智能技术的迅速发展，滚动轴承故障诊断已发展成为融数学、物理、力学等自然科学和计算机技术、数字信号处理技术、人工智能技术的综合学科。与传统振动分析法相比较，目前的新研究方向主要表现在以下几个方面^[5]：

　　1）小波变换

　　从80年代后期开始，作为应用数学的一个分支，小波变换得到了迅速的发展，由于小波在时频域的局部化和可变时频窗的优点，与传统的傅立叶变换相比，小波变换更适合分析非稳态信号。因为滚动轴承的损伤故障信号是典型的非稳态信号，用小波变换处理非稳态信号，可更为有效地获得故障特征信息。

　　2）专家系统

　　近年来随着人工智能技术的发展，专家系统技术得到了迅速的推广。所谓专家系统就是一个智能的计算机程序，它能模拟专家在处理问题时的一些推理方法，利用已有的知识建立模型，解决问题。将基于知识的专家系统技术应用于故障诊断领域，可以使滚动轴承诊断分析和决策分析更加准确可靠。

　　3）模糊诊断

　　由于滚动轴承信号中故障特征振动与故障类型不存在的对应关系，一种故障可能引起多种特征，而一种故障特征可能对应多类故障，因此近年来，模糊理论被引进到轴承故障诊断领域。轴承故障模糊诊断中的概念是模糊概念，可以用模糊集合来表示，而模糊变换运算是用来讨论模糊判断和推理的。

　　4）神经网络

　　轴承故障诊断的目的，是从故障定位到确定故障性质，进而确定故障发生的程度，由于神经网络具有处理复杂多模式及进行联想、推测和记忆的功能，因而近年来在故障诊断领域引起了广泛的研究。

　　近几年，新技术和新方法层出不穷，人工智能和计算机在滚动轴承故障诊断中的应用越来越广泛，今后的发展方向主要体现在以下方面：

　　1）时域分析和频谱分析在滚动轴承故障诊断中的应用将日趋完善；

　　2）对于滚动轴承故障诊断的理论和方法进一步深入研究，并且各种研究成果将会逐步应用到实际生产；

　　3）故障诊断智能系统进一步的深入研究，多种轴承故障分析方法相结合，如小波神经网络、模糊识别与小波分析相结合等新分析方法应用智能专家系统，提高诊断的效率和准确率；

　　4）随着计算机和网络技术的发展，远程故障诊断将是现代滚动轴承故障诊断发展的一个重要的方向。

　　4.总结

　　振动分析作为轴承故障诊断的主要方法已经得到了较为迅速、深入的研究与发展，其作为一种工程应用诊断方法在实际应用中也表现出了较高的经济社会效益。将振动分析与其他诊断方法相结合进行综合故障诊断，可以充分利用各种诊断方法的优越性，更好的实现故障的定位与诊断。当然，目前的故障诊断也存在如下问题，也是急需改进的方向：

　　1）在滚动轴承故障诊断技术的研究中，大多针对轴承元件的剥蚀故障，而对早期故障如裂纹等，由于故障信号微弱，对它们的诊断识别困难，研究也较少，相关的滚动轴承故障诊断的文献资料也鲜有提及；

　　2）在实际中，滚动轴承除了单一的故障形式外，还可能出现多种故障同时复合发生的情形，当前对滚动轴承故障诊断技术的研究多局限于单一故障，对复合故障分析的较少；

　　3）轴承故障是一个动态发展的过程，在一般的工业设备中，轻微的故障可能并不影响设备的正常运行，只有达到一定的程度后才会更换轴承。因此，对滚动轴承故障程度的识别有着重要意义。
　　参考文献
　　[1]]李国华.机械故障诊断[M].化学工业出版社,2002.