基于XJTU-SY轴承数据集的轴承故障诊断研究(二)

表1 3类试验工况下15个轴承测试结果

3类试验工况下15个轴承测试结果显示（如表1），发生保持架故障的轴承分别为工况1的Bearing1_4(共122个数据样本)和工况2的Bearing2_3(共533个数据样本)。接下来，我们分析这两个轴承的全寿命周期加速度标准差（如图1、图2）。

图1 Bearing1_4全寿命周期加速度标准差

图2 Bearing2_3全寿命周期加速度标准差

图3 轴承故障特征频率

我们再次提取Bearing1_4轴承的第122包和Bearing2_3轴承的第500包数据样本做包络谱分析（如图4、图5），从中可以看出，在两种不同工况下，包络谱算法完全可诊断出轴承保持架故障。

图4 Bearing1_4第122包数据样本包络谱

XJTU-SY轴承数据集测试工况为轴承外圈固定内圈旋转，内圈随轴旋转，滚动体和内圈损伤部位接触位置与轴承载荷方位不断变化，一旦产生损伤，内圈故障信号可能存在被轴承转频调制现象。

通过分析加速度标准差，我们选取工况2的Bearing2_1轴承第479包数据样本和工况3的Bearing3_4轴承第1515包数据样本做包络谱分析。经过计算得出Bearing2_1轴承的内圈故障特征频率F_BPFI=184.38Hz，Bearing3_4轴承的内圈故障特征频率F_BPFI=196.68Hz。

图6 Bearing2_1第479包数据样本包络谱

图7 Bearing3_4第1515包数据样本包络谱

（由于内圈故障特征频率的3倍频在600Hz以内，此处仅展示600Hz以内的包络谱）

特别提醒：以上轴承内圈故障特征并不代表所有场景所有型号的轴承内圈故障特征。

为进一步论证轴承内圈故障特征的其他表现形式，必创科技技术团队对凯斯西储大学(CWRU)发布的轴承数据集进行内圈故障分析，该数据集包络谱上的内圈故障特征频率处幅值变化非常明显（如图8）。

图8 CWRU轴承数据集212.mat数据样本包络谱

在《基于XJTU-SY轴承数据集的轴承故障诊断研究(一)》中，我们运用加速度标准差进行轴承异常检测，本篇我们研究用峭度系数进行轴承异常检测。

峭度系数(Kurtosis)：是反映信号分布特性的数值统计量，是归一化的4阶中心矩。峭度系数是无量纲参数，它与轴承转速、尺寸和载荷等参数无关，对冲击信号特别敏感，特别适合轴承异常检测。在轴承无故障运转时，振动信号的幅值分布接近正态分布，峭度系数约为3。随着故障的出现和发展，振动信号中冲击信号的密度增加，信号幅值的分布偏离正态分布，正态曲线出现偏斜或分散，峭度系数也随之改变。

技术人员为验证峭度系数与标准差两种异常检测方法的差异，分别对Bearing1_4轴承和Bearing2_3轴承数据样本进行标准差与峭度系数对比分析（如图9、图10）。

图9 Bearing1_4全寿命周期标准差和峭度系数

图10 Bearing2_3全寿命周期标准差和峭度系数

图9-10可看出，峭度系数与标准差的呈现并非完全一致，在标准差无明显变化情况下，峭度系数可能会发生较大变化，这表明峭度系数比标准差更灵敏，可在轴承异常早期检测到问题。因此，峭度系数和标准差可共同结合进行轴承异常检测，通过峭度系数可判断轴承所处状态，通过标准差可判断轴承异常状态的严重程度。

结论

必创科技技术团队基于XJTU-SY轴承数据集通过加速度标准差和峭度系数两种方法对轴承异常检测进行数据分析，以及使用包络谱方法进行轴承故障分类，均取得良好效果。

另外还有很多轴承异常检测和故障诊断的方法，例如振动烈度阈值法、多传感器(如温度、转速、麦克风和磁力计等)融合诊断法等，在此我们不做详细分析。在实际应用场景中，人们还需考虑多种因素，例如：通过带通滤波器将故障冲击信号从背景噪声信号中提取后进行分析；轴承滚动体与内外圈之间会存在滑动情况；振动传感器安装位置是否对轴承故障特征产生影响。某种故障可能存在多种表现形式，只有具体问题具体分析，才能准确进行轴承异常检测和故障分类。

参考文献

[1]Biao Wang,Yaguo Lei,Naipeng Li,Ningbo Li,“A Hybrid Prognostics Approach for Estimating Remaining Useful Life of Rolling Element Bearings”,IEEE Transactions on Reliability, pp. 1-12, 2018. DOI: 10.1109/TR.2018.2882682.

End