[发明专利]一种基于振动信号实时采集的滚动轴承工况量化分析方法

说明书

一种基于振动信号实时采集的滚动轴承工况量化分析方法，包括：使用标准力传感器对振动加速度传感器进行标定，建立振动传感器示数与载荷力的数学映射关系；标定好后安装于工业现场，并安装温度传感器，进行实时数据采集；结合时域与频域信号处理方法，从振动信号中提取转速；利用奇异值分解抑制振动信号中的转频成分，在重构信号中提取载荷信息，并判断载荷冲击性；利用标定好的振动传感器特性反推载荷值，用负载特征参数、平均载荷强度量化每一个变载过程，用于工况描述；最后以温度传感器示数和轴承材质参数为辅助参考。该方法用于工业现场，作为轴承寿命预测网络模型的中间层提高训练效果和识别精度，有助于动态分析和修正寿命预测模型。

技术领域

本发明属于设备故障诊断及寿命预测领域，涉及一种基于实时振动数据的滚动轴承工况量化辨识方法。

背景技术

轴承被称为工业的关节，滚动轴承在工业上有着非常重要的作用，同时也是非常容易损坏的部件之一。因此，滚动轴承的健康状态、剩余使用寿命与工业生产线的安全可靠运行紧密相关。通过对滚动轴承的运行工况进行监测，精准预测轴承的剩余寿命，能够帮助企业降低维修成本和停机停产风险，避免因轴承损坏导致的安全事故，具有十分重要的工业价值。

目前，滚动轴承的寿命预测已经引起国内外学者的广泛关注。专利CN113326590A提出一种基于深度学习模型的滚动轴承寿命预测方法和装置，使用深度学习对时序数据建模分析，对滚动轴承的寿命进行预测；专利CN113449465A提出一种用于滚动轴承的寿命预测方法，对轴承振动信号特征进行降维获取初始特征矩阵，并进行非线性拟合，然后用时间卷积网络模型进行训练，来预测轴承寿命；专利CN113011463A提出一种基于改进的GA-BP的中草药设备轴承寿命预测方法，使用改进的遗传算法优化BP神经网络对振动信号得到的退化指标进行寿命预测。这些方法都是基于特定转速和平稳工况的振动数据进行试验研究的，而实际工况是复杂随机的，故脱离工况研究轴承寿命不具有实际意义。专利CN112834222A提出一种动态监测列车轴承使用寿命的方法及电子设备，根据轴承的三轴加速度数据，计算列车轴承的径向力和轴向力，等效为载荷当量，根据轴承疲劳寿命理论模型计算列车轴承的使用寿命。该方法在寿命预测前把工况考虑进来，具有一定的指导意义，但是在大型工矿作业现场无法安装力传感器来精确记录轴承载荷量，且该方法中的载荷主要来源于列车重量，没有重点分析复杂多变的随机载荷，所以普适性较低。

在现有的轴承寿命预测方法和技术中，无论是基于机理建模，抑或是基于数据建模，都没有将轴承的运行环境与工况进行量化评估，而是在特定转速、特定负载以及全平稳过程的假设下进行，这导致在复杂工况下，各种轴承寿命预测方法都不能准确地预测轴承的剩余寿命，或者预测值与实际值偏差较大。从本质上来说，同样的轴承部件，在不同的运行模式、不同的负载类型、不同的载荷量作用下，其剩余使用寿命的演变是有不同规律的。如果能够较为准确地测量或量化评价轴承运行环境中的工况特征参数，如负载类型、载荷量大小、主轴转速、润滑状态和温度，轴承寿命预测方法将能够较为精准地对轴承剩余寿命做出预估。

发明内容

为了改进复杂工况中轴承使用寿命预报不准确的问题，本发明提供一种基于实时振动信号的滚动轴承运行工况量化评估方法，基于这些工况量化参数，期望能对滚动轴承的剩余寿命预测工作进行更精确的指导。

根据L-P疲劳寿命理论的计算公式及其修正系数，滚动轴承的载荷、材料性质、使用条件都是寿命的重要影响因素，其中材料是由轴承选型决定的，使用条件主要是考虑轴承工作条件下的运转速度和工作温度条件下的润滑程度对轴承寿命的影响；温度是能够反映润滑程度的重要检测量，温度高易导致油膜损坏，影响轴承寿命；负载对轴承所承受接触应力产生直接影响，影响了轴承寿命，不同类型和大小的负载使得轴承的承受能力不同，性能退化速度也就不同；工作转速一定程度上影响了轴承的振动和冲击，使轴承振动时产生的应力冲击大小不同，对轴承的退化影响不同。