从机理模型到智能诊断——轴承润滑不良篇

现代工业通用机器中大量使用滚动轴承。其主要功能是支承旋转（或摆动）零件，传递负荷，减少运动副^①之间的摩擦，使之旋转（或摆动）灵活。轴承作为机械设备中最精密的零件，其公差^②约为其他机械部件的十分之一。因此，轴承的健康良好运转是保障设备稳定运行、安全生产的必要条件。

滚动轴承一般由外圈、内圈、滚动体、保持架四部分组成。业内一般将润滑油（脂）作为轴承的第五部分。据调查，润滑不良是造成轴承过早损坏的主要原因，在损坏的轴承中占比高达50%。

图1 长期润滑不良导致的轴承严重磨损

虽然设备出厂时，铭牌信息中提供了详细的轴承注油计划，但由于现场环境不同、密封损伤、泄漏、污染等，常常造成润滑的过早失效。而长期的润滑失效就会造成轴承的磨损，严重时发生轴承抱死、主轴断裂等灾难性后果。因此，如何随时保障轴承的润滑状态良好就成了设备维护、状态检修的首要问题。

在传统工业设备维护过程中，轴承润滑不良的特征往往需要巡检专家的丰富经验才能做好判断和分析。然而随着设备数量增多、用户关注度提高，依赖人工的分析方法存在不及时、有疏漏、有误差等缺点。智能状态监测的出现解决了上述问题。

现有的主流状态监测技术有声音监测、振动监测和温度监测三种。声音监测又分为超声波监测和听诊棒监测，虽然声音对润滑反映灵敏，但受设备环境和设备本体噪音影响较大，需要丰富的从业经验且很难量化分析；温度监测对润滑的反映则相对迟缓，一般在润滑已经严重劣化并伴随轴承磨损时才会出现明显的温升；而振动监测中的高频部分对轴承润滑故障的早期问题反映相对灵敏，且频响范围较高，不受设备其他因素影响，是监测轴承润滑故障问题的优质选择。

图2 设备故障与振动、噪声、温度的关系

在振动监测中，振动加速度峰值和振动加速度频谱可以很好地反映轴承的润滑情况。即当轴承润滑不良时，振动加速度峰值较高，振动加速度频谱中2kHz以上部分会出现明显的杂草堆现象。随着润滑的劣化，振动加速度峰值和杂草堆幅值会明显升高，如图3~4所示。

图3 泵非驱动端轴承注油润滑前加速度频谱

图4 泵非驱动端轴承注油润滑后的加速度频谱

与温度、噪声等监测分析方法相比，振动分析法可以有效地规避其他异常情况的干扰。这也是因为轴承润滑故障问题所表现出的振动特征往往出现在高频区域，通过高精度的加速度频谱分析，可以清晰的区分出轴承润滑故障问题与其他问题。

下面是某煤矿合格介质泵的轴承润滑案例。该泵同时存在汽蚀现象和轴承润滑不良现象，但汽蚀现象影响的范围为300Hz~2kHz，而润滑不良影响的范围为2kHz以上的高频成分，如图5~6所示，设备加注润滑脂后，高频部分故障特征消失。

图5 泵驱动端轴承加油润滑前加速度频谱

图6 泵驱动端轴承加油润滑后加速度频谱

为提高轴承润滑不良故障诊断效率，在收集大量轴承润滑不良故障数据的基础上，就需要结合振动机理、特征提取以及人工智能算法，跨领域融合设计一套轴承润滑不良智能诊断算法。该方法将振动加速度峰值、振动加速度频谱高频段能量、高频段底部抬升特征作为轴承润滑不良的关键特征。基于大量的轴承润滑正常数据和轴承润滑不良故障数据，提取轴承润滑不良关键特征，并采用神经网络方法建立轴承润滑不良智能诊断模型。经实际应用，轴承润滑不良智能诊断模型可高效、准确地诊断及定位轴承润滑不良故障。例，某电机轴承润滑不良故障智能诊断结果如图7所示。

图7 某电机轴承润滑不良智能诊断结果

 表1 润滑不良问题的原因和处理方式