CN114626162A - 一种接触球轴承损耗程度定量识别方法 - Google Patents
一种接触球轴承损耗程度定量识别方法 Download PDFInfo
- Publication number
- CN114626162A CN114626162A CN202210304751.7A CN202210304751A CN114626162A CN 114626162 A CN114626162 A CN 114626162A CN 202210304751 A CN202210304751 A CN 202210304751A CN 114626162 A CN114626162 A CN 114626162A
- Authority
- CN
- China
- Prior art keywords
- bearing
- contact ball
- temperature
- ball bearing
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 97
- 230000008569 process Effects 0.000 claims abstract description 66
- 238000004088 simulation Methods 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 238000013461 design Methods 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims description 32
- 238000011161 development Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 19
- 230000010354 integration Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004901 spalling Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明实施例公开了一种接触球轴承损耗程度定量识别方法，其包括：S1、配置轴承身份识别信息；S2、确定轴承设计参数并建立有限元分析模型；S3、确定模拟运行环境校准参数及轴承温度预测参数；S4、身份验证通过则形成损耗程度定量识别参数数据包；S5、形成轴承外部运行环境模拟进程；S6、确定待测接触球轴承是否进入初始损伤识别进程，是执行S7；否执行S8；S7、对轴承的初始损伤信息进行预测；S8、确定损耗程度仿真模拟分析过程所需的损耗阶段，并依次进行损耗程度仿真模拟分析以对轴承的损伤信息进行预测，获得对应的识别结果。本发明能够对接触球轴承的实际运行状态进行有效故障预测识别与评估。
Description
技术领域
本发明涉及机车轴承试验测量技术领域，尤其涉及一种接触球轴承损耗程度定量识别方法。
背景技术
轴承作为一种通用部件，其在各类机械设备中大量使用，其运转状态优劣直接影响到整体部件甚至整套设备的安全、有效运行。也就是说，诸如轴承这样的部件，在长时间运行过程中，极易出现磨损、疲劳、过载、腐蚀等现象，并进一步造成该部件的局部损伤，进而影响机械设备运行的安全性以及稳定性。因此，准确掌握其运行状态，以对其寿命情况进行实时监控十分必要。
目前，对于轴承运行状态监控技术多侧重于轴承故障诊断，即判定目标轴承的损伤形式、位置等，如由于机械装置的振动信号蕴含着设备健康状况的丰富信息，因此可用于轴承故障识别分析处理技术等等，虽在一定程度上能满足滚动轴承运行状态分析的需要，然而现实是，仅仅单一角度分析轴承是否发生故障及并获取对应的故障信息对轴承的预防维修是远远不够的，只有有效结合轴承实际运行数据进行综合分析才能准确获得其损伤严重程度数据，进而才能有效指导轴承维护监控。
近几年来，针对轴承的故障诊断方法主要分为两个大的分析方向，其一是，对轴承磨损量测量系统结构上的改进，使其尽量降低因为实验器材自身测量精度、调试使用条件等影响因素所带来的不准确性；其二是针对故障识别过程的优化改进，无论是针对特定研究对象(如轴承内圈)监测信号的特点,通过构建更加有效的信号处理方法来提取故障特征，如提出了基于熵值的特征提取方法、基于谱峭度的特征提取方法以及时频域特征提取方法等等；还是利用各种模式识别方法来学习特征与故障模式之间的映射关系，从而实现自动化的故障识别分析，例如提出了利用ANN算法(人工神经网络方法)、SVM算法(支持向量机)等等；但是上述方案均忽视了尽管轴承设计参数相同，但是即使相同型号轴承应用到不同的运行线路上，因为外在环境以及行驶速度、时间等因素的不同，其故障特征以及损耗数据也是存在明显的不同的。
发明内容
基于此，为解决现有技术所存在的不足，特提出了一种接触球轴承损耗程度定量识别方法。
为了实现上述目的，对应的技术方案是：
一种接触球轴承损耗程度定量识别方法，其特征在于，包括如下步骤：
S1、为每一型号接触球轴承配置对应的身份识别信息，并将所述身份识别信息上传至上位机；所述身份识别信息用于表征与每一接触球轴承型号相匹配的编码信息；
S2、基于所述身份识别信息，确定与所识别的身份识别信息对应的轴承设计参数并基于所调用的轴承设计参数建立接触球轴承的有限元分析模型；
S3、识别所述身份识别信息，确定与所识别的身份识别信息对应的模拟运行环境校准参数，同时确定与所识别的身份识别信息对应的轴承温度预测参数；
S4、对待测接触球轴承进行身份验证，验证通过则确定其身份识别信息对应的编码信息并形成损耗程度定量识别参数数据包，所述损耗程度定量识别参数数据包包含轴承设计参数信息、模拟运行环境校准参数以及轴承温度预测参数；其中，模拟运行环境校准参数包括某个型号轴承在运行线路上各个行车路段上对应的运行环境校准列表，该运行环境校准列表用于表征每个行车路段所对应的轴承转速、外部行车环境温度、外部行车环境湿度以及行车时间信息；所述轴承温度预测参数用于表征轴承温度随模拟运行环境校准参数内的参数变化所形成的参数关系；
S5、基于模拟运行环境校准参数形成轴承外部运行环境模拟进程；
S6、对待测接触球轴承进行图像特征提取后，确定待测接触球轴承是否进入初始损伤识别进程，是则执行步骤S7；否则执行步骤S8；
S7、首先，基于轴承温度预测参数形成轴承温度模拟进程，并调用轴承外部运行环境模拟进程；其次，基于轴承温度模拟进程、轴承外部运行环境模拟进程，对所述接触球轴承的有限元分析模型进行初始损耗程度仿真模拟分析以对轴承的初始损伤信息进行预测，获得对应的识别结果；
S8、首先，基于轴承温度预测参数形成轴承温度模拟进程，并调用轴承外部运行环境模拟进程；其次，确定损耗程度仿真模拟分析过程所需的损耗阶段，并依次对所述接触球轴承的有限元分析模型进行损耗程度仿真模拟分析以对轴承的损伤信息进行预测，获得对应的识别结果；其中所述损耗阶段至少包括轴承失效发展期阶段以及轴承失效末期阶段。
可选的，在其中一个实施例中，所述S1中的身份识别信息对应的编码信息以编码列表形式存储在上位机的仿真系统的编码数据库内，每种型号对应唯一一组编码以便于用户选择对应的编码。
可选的，在其中一个实施例中，在S3中，形成所述轴承温度预测参数所需的分析数据样本内包含多个型号轴承对应的样本集合，每一样本集合均为采集某个型号轴承在某条运行线路上各个行车路段上对应的轴承温度采样数据所获得样本数据。
可选的，在其中一个实施例中，在S3中，通过在接触球轴承室外面的设置多点检测位置获得对应的温度数据，在每个检测位置设置一个温度传感器，各个温度传感器按照预设的采样规则采集对应于温度检测位置的温度值并反馈至本地的控制器，该控制器内预置上位机下发的采样规则，基于该采样规则控制两个以上的温度传感器同时触发采集该采样周期内的温度数据，并控制任意两个以上的未在当前采样周期触发的温度传感器在下一采样周期内触发采集温度数据，并基于该轮询规则连续性地监测接触球轴承温度。
可选的，在其中一个实施例中，在S3中，上位机与控制器通信，并基于存储特征整合策略对每个采样周期内的温度数据进行整合处理后存储；所述存储特征整合策略包括：S31、确定某个型号轴承在某条运行线路上每个行车路段上对应的温度监测时段；S32、获取各个温度监测时段内每个采样周期内的温度数据，同时若某个采样周期内的温度数据缺失，则基于温度阶跃响应曲线为该采样周期提供温度预测数据作为该采样周期内的温度数据；S33、基于行车记录数据生成温度监测时段所对应的关联参数，所述关联参数即为运行环境校准列表在当前度监测时段上的数据；即所述关联参数与所述温度监测时段具有一一对应的映射关系；S34、对所述关联参数进行整理以获取轴承温度预测参数。
实施本发明实施例，将具有如下有益效果：
采用了上述技术之后，本发明能够结合轴承外部运行环境模拟进程、轴承温度模拟进程，对多种型号的接触球轴承的有限元分析模型进行分析，获取与其实际运行环境相适配的损耗程度预测识别结果，即能够准确针对每种型号的接触球轴承的实际运行状态进行有效故障预测识别与评估。对轴承等关键旋转部件的故障识别具有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中实施技术流程图；
图2为一个实施例中初始损伤阶段的振动信号特征示意图；
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本发明。可以理解，本发明所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一元件称为第二元件，且类似地，可将第二元件为第一元件。第一元件和第二元件两者都是元件，但其不是同一元件。
在本实施例中，特提出了一种接触球轴承损耗程度定量识别方法，如图1所示，该方法包括如下步骤：
S1、为每一型号接触球轴承配置对应的身份识别信息，并将所述身份识别信息上传至上位机；所述身份识别信息用于表征与每一接触球轴承型号相匹配的编码信息；
S2、基于所述身份识别信息，确定与所识别的身份识别信息对应的轴承设计参数并基于所调用的轴承设计参数建立接触球轴承的有限元分析模型；
S3、识别所述身份识别信息，确定与所识别的身份识别信息对应的模拟运行环境校准参数，同时确定与所识别的身份识别信息对应的轴承温度预测参数；
S4、对待测接触球轴承进行身份验证，验证通过则确定其身份识别信息对应的编码信息并形成损耗程度定量识别参数数据包，所述损耗程度定量识别参数数据包包含轴承设计参数信息、模拟运行环境校准参数以及轴承温度预测参数；其中，模拟运行环境校准参数包括某个型号轴承在运行线路上各个行车路段上对应的运行环境校准列表，该运行环境校准列表用于表征每个行车路段所对应的轴承转速、外部行车环境温度、外部行车环境湿度以及行车时间信息；所述轴承温度预测参数用于表征轴承温度随模拟运行环境校准参数内的参数变化所形成的参数关系；
S5、基于模拟运行环境校准参数形成轴承外部运行环境模拟进程；
S6、确定待测接触球轴承是否进入初始损伤识别进程，是则执行步骤S7；否则执行步骤S8；
S7、首先，基于轴承温度预测参数形成轴承温度模拟进程，并调用轴承外部运行环境模拟进程；其次，基于轴承温度模拟进程、轴承外部运行环境模拟进程，对所述接触球轴承的有限元分析模型进行初始损耗程度仿真模拟分析以对轴承的初始损伤信息进行预测，获得对应的识别结果；
S8、首先，基于轴承温度预测参数形成轴承温度模拟进程，并调用轴承外部运行环境模拟进程；其次，确定损耗程度仿真模拟分析过程所需的损耗阶段，并依次对所述接触球轴承的有限元分析模型进行损耗程度仿真模拟分析以对轴承的损伤信息进行预测，获得对应的识别结果；其中所述损耗阶段至少包括轴承失效发展期阶段以及轴承失效末期阶段。
基于上述步骤可知，本发明能够结合轴承外部运行环境模拟进程、轴承温度模拟进程，对多种型号的接触球轴承的有限元分析模型进行分析，获取与其实际运行环境相适配的损耗程度预测识别结果，即能够准确针对每种型号的接触球轴承的实际运行状态进行有效故障预测识别与评估。
在一些具体的实施例中，所述S1中的身份识别信息对应的编码信息以编码列表形式存储在上位机-仿真系统的编码数据库内，每种型号对应唯一一组编码以便于用户选择对应的编码(用户可以直接在系统内调用该型号的接触球轴承编码进行后续的仿真)；另，所述编码可以通过二维码或者唯一识别码形式置于某一具有实体结构的(如粘贴)待测接触球轴承表面；具体的，以角接触球轴承为例，其型号包括7000C、7000AC、7200C、7200AC、7001C、7001AC等多种型号，每种型号对应的一个编码识别数据。优选的，基于前述内容采用下述身份识别编码方法形成便于用户选择对应的编码技术，设定作为身份识别信息作为输入信息数据o，则对应的编码信息p，p＝～((o&A+o&B)|o)，其中，A,B为常数，A为8A9880，B为F94C691，例如为FFDDEF99，o&A＝8947840，o&B＝F94C691，o&A+o&B＝18293ED1，～((o&A+o&B)|o)＝4E3A，即p为4E3A。
在一些具体的实施例中，所述S2中：基于所述身份识别信息，确定与所识别的身份识别信息对应的轴承设计参数并基于所调用的轴承设计参数建立接触球轴承的有限元分析模型；优选的，可以预置若干以轴承型号、对应的编码以及轴承设计参数为关联关系的轴承设计参数表单以供系统随时调用，其中，每一种轴承型号直接对应国标文件的轴承设计参数，如下述所截取的部分角接触球轴承型号参数对照表所示。另，所述轴承设计参数表单还包括轴承的其他主要参数，如材料参数、载荷参数和润滑参数。
优选的，基于前述所确定的轴承设计参数表单创建接触球轴承的有限元分析模型。具体的，首先，获取轴承设计参数、材料参数、载荷参数、润滑参数分别建立惯性坐标系、滚动体定体坐标系、套圈定体坐标系、接触坐标系和损伤坐标系，并向上述坐标系中输入轴承的结构参数等，得到各轴承部件的初始状态(各轴承部件始点位置和相对位置以便于建立数学运算模型)；其次根据前述各个轴承建模参数创建接触球轴承的有限元分析模型。
在一些具体的实施例中，在S3中，所述轴承温度预测参数用于表征轴承温度随模拟运行环境校准参数内的参数变化所形成的参数关系；具体的，为了克服现有轴承参数预测未考虑轴承实际运转条件的弊端，不能实现动态轴承温度预测的问题，由于接触轴承的温度，一般可通过接触球轴承室外面的温度就可推测出来。优选的，监测接触球轴承的工作温度可通过热感器进行随时监测，其中，所述温度传感器为红外温度传感器(可根据接收到的红外线的能量大小反映物体的温度值大小)，同时红外温度传感器不需接触被监测物体表面即可准确监测物体的表面温度。基于上述内容可知，形成所述轴承温度预测参数所需的分析数据样本内包含前述实施例所提及的多个型号轴承对应的样本集合，每一样本集合均为采集某个型号轴承在某条运行线路上各个行车路段上对应的轴承温度采样数据所获得样本数据集合。
基于上述内容，本发明通过在接触球轴承室外面的设置多点检测位置获得对应的温度数据，在每个检测位置设置一个温度传感器，各个温度传感器按照预设的采样规则采集对应的温度检测位置的温度值并反馈至本地的控制器，该控制器内预置上位机下发的采样规则，基于该采样规则控制两个以上的温度传感器同时触发采集该采样周期内的温度数据，并控制任意两个以上的未在当前采样周期触发的温度传感器在下一采样周期内触发采集温度数据，并基于该轮询规则连续性地监测接触球轴承温度。优选的，采样周期可以根据需要设置，可以为0.5s、1s或2s等。
在一些更具体的实施例中，上位机与所述控制器通信，并基于设定的存储特征整合策略对每个采样周期内的温度数据进行整合处理后存储；所述存储特征整合策略包括：S31、确定某个型号轴承在某条运行线路上每个行车路段上对应的温度监测时段；S32、获取各个温度监测时段内每个采样周期内的温度数据，同时若某个采样周期内的温度数据缺失，则基于温度阶跃响应曲线为该采样周期提供温度预测数据作为该采样周期内的温度数据；S33、基于行车记录数据生成温度监测时段所对应的关联参数，所述关联参数即为运行环境校准列表在当前度监测时段上的数据(包括当前度监测时段对应的每个行车路段所对应的轴承转速、外部行车环境温度以及行车时长信息)；即所述关联参数与所述温度监测时段具有一一对应的映射关系；S34、对所述关联参数进行整理以获取轴承温度预测参数。其中，温度阶跃响应曲线能够提前反映温度监测点的温度变化情况，获得温度阶跃响应曲线就可对温度监测点的温度变化情况进行合理预测。具体的，可采用切线近似法获得对应的温度阶跃响应曲线的辨识参数，进而依据当年的温度，对下一阶段的温度预估值进行预测分析。
在一些具体的实施例中，在S4中，对待测接触球轴承进行身份验证即确定对哪一个型号轴承在哪一条运行线路上的损耗程度进行仿真模拟；可以直接输入选择，也可以通过对待测接触球轴承进行编码识别扫描后，确定身份验证结果，该型号在预置数据库内存在对应的编码则可以通过验证并基于对应的编码信息并形成损耗程度定量识别参数数据包；所述损耗程度定量识别参数数据包包含轴承设计参数信息、模拟运行环境校准参数以及轴承温度预测参数；其中，模拟运行环境校准参数包括某个型号轴承在运行线路上各个行车路段上对应的运行环境校准列表，该运行环境校准列表用于表征每个行车路段所对应的轴承转速、外部行车环境温度、外部行车环境湿度以及行车时间信息；所述轴承温度预测参数用于表征轴承温度随模拟运行环境校准参数内的参数变化所形成的参数关系。本步骤的目的要将轴承在各个实际运行环境所对应的参量通过对历史实测信号样本进行特征提取并特征值作为输入对仿真系统进行修正，从而预测出更为接近实测的仿真结果，以应用于实际轴承的量化评估。本案其可以有效结合具体线路段的工作环境、使用任务等因素对该类轴承的影响，以便于后续报警器或者维修人员及时获得预警报警信息，提前进行预防，避免因发现滞后导致故障率升高，同时可以减少现场测试时间。
在一些具体的实施例中，在S5中，基于前述获得模拟运行环境校准参数形成轴承外部运行环境模拟进程以在仿真系统添加环境仿真参量。另在仿真过程还需要添加其他假定条件，这个依据实际需要考虑即可，如设定轴承的运行过程或中轴承和转子接触表面处于固体滑动接触状态；轴承摩擦副表面的寿命为轴承的寿命等。
在一些具体的实施例中，在S6中，确定待测接触球轴承是否进入初始损伤识别进程，是则执行步骤S7；否则执行步骤S8；所述S7包括首先，基于轴承温度预测参数形成轴承温度模拟进程，并调用轴承外部运行环境模拟进程；其次，基于轴承温度模拟进程、轴承外部运行环境模拟进程，对所述接触球轴承的有限元分析模型进行初始损耗程度仿真模拟分析以对轴承的初始损伤信息进行预测，获得对应的识别结果；具体而言，可以根据具体实验需求选择，判断需要进程初始损伤识别还是最终失效识别，如果选择最终失效识别，则可以在执行S7继续仿真模拟过程直至完成全部识别过程。
具体的，由于轴承在长时间的运转过程中由于保养或使用不当等原因会产生不同部位、不同程度的损坏，即使在正常情况下，轴承工作一段时间后也会出现疲劳故障。常见的轴承故障类型有疲劳剥落、磨损、腐蚀、破损、压痕、胶合和保持架损坏等；即轴承在运转过程中,当轴承的各个零件经过故障损伤点时会因为相互撞击形成一系列的脉冲波，并具有一定的周期性，则可以通过对轴承振动信号进行分析仿真获得对应的故障特征，进而确定相应的故障过程即损伤程度。
由于轴承失效初期，其先在轴承次表面形成微观裂纹或晶格的错位，而轴承表面则裂纹或者微小剥落较少，在振动信号的低频段不会形成比较明显的冲击信号，因此此阶段故障特征主要体现在超声频率段，因此可采用声发射传感器或者基于共振的加速度传感器进行振动信号拾取并确定为此损耗阶段对应的样本集合。如图2所示，图中，E代表能量，HZ代表信号频率，A代表3倍转频段，B代表故障特征频率段，C代表共振频率段，D代表超声频率段，参见该图，拾取超声频率段信号峰值处或者信号能量变化(主要指变大)处即可初步确定出轴承失效初期。
在一些具体的实施例中，在S8中，首先，基于轴承温度预测参数形成轴承温度模拟进程，并调用轴承外部运行环境模拟进程；其次，确定损耗程度仿真模拟分析过程所需的损耗阶段，并依次对所述接触球轴承的有限元分析模型进行损耗程度仿真模拟分析以对轴承的损伤信息进行预测，获得对应的识别结果；其中所述损耗阶段至少还包括轴承失效发展期阶段以及轴承失效末期阶段。具体而言，由于轴承损伤过程是个指数过程，不同的损伤过程中，故障特征信息会出现在不同的频段内，因此将损耗阶段分为轴承失效发展期阶段以及轴承失效末期阶段两个阶段，同时轴承失效发展期阶段也可细分为第一轴承失效发展期阶段以及第二轴承失效发展期阶段；其中，第一轴承失效发展期阶段损伤开始由次表面向表面扩展,并在轴承的接触表面产生较多裂纹或微小剥落等损伤点。当轴承元件表面与这些损伤点接触时，反应在振动信号中，其信号特征就会形成一定频率的短时冲击脉冲，且冲击信号在频域上是一个宽频信号，冲击信号会激起轴承零部件的高频固有频率发生共振，从而使得其振动加强，提取故障特征频率的倍频特征即可确定对应的障特征频率，通过包络解调方法获得轴承的故障特征频率。同时随着轴承损伤的加速发展，损伤点对轴承接触面的冲击越来越强烈，在共振频率段解调出来的轴承故障特征频率的倍频越来越多，而且其周期性冲击的能量大小十分明显，因此通过振动信号的功率谱即可确定第二轴承失效发展期阶段；轴承失效末期阶段振动信号的高频振动的能量不升反降，通过获取该变化趋势(高频的监测量开始下降)确定该阶段(不是说明面轴承状态变好，而是说明轴承已经快到寿命的终点)。
在一些更具体的实施例中，轴承各个阶段的确定也可以通过优化的图像识别方法辅助确定轴承的接触表面产生损伤点程度，进而判断具体的损耗阶段，便于进行后续的寿命预测分析。
具体的：首先获取阶段分类后的待测接触球轴承表面图像t(图像具有f帧的图像)，具体是指通过前述振动信号分析确定轴承当前所处的阶段后，通过图像采集端采集(尽量保证在停车时)获取待测接触球轴承表面图像t；
其次，对所述轴承图像t进行图像特征提取，并基于提取结果确定待测接触球轴承是否进入对应的损伤识别进程，具体的计算公式为：
其中，y代表轴承损伤状态，其值小于等于0时，表示进入某一损伤识别进程，1表示不进入前述损伤识别进程；f表示待测接触球轴承图像t第f帧的图像，f的取值范围为[1，M]，M表示待测接触球轴承图像t的图像总量；l(*)表示使用交叉熵训练的残差网络抽取后的图像特征，所述使用交叉熵训练的残差网络是指利用数据样本(基于轴承图像与预测的轴承损伤状态的训练对，并利用对应的损失函数，为交叉熵的残差网络训练轴承图像与预测的轴承损伤状态之间的对应关系即获取相应的模型参数)，fun(*)表示使用交叉熵训练的卷积网络抽取特征；所述使用交叉熵训练的卷积网络指利用数据样本(基于轴承图像与预测的轴承损伤状态的训练对，利用对应的损失函数，为交叉熵的卷积网络训练图片与预测的轴承损伤状态之间的对应关系)；‖*‖表示正则化的结果。
例如，设定在对振动信号分析后确定所拾取的信号其在超声频率段信号峰值变大且超过阈值，则确定处于轴承失效初期，则标记该时间点，并在最近的停车时刻获取所设定的关键位置处的待测接触球轴承图像t，基于前述公式进行特征提取后，基于输出结果确定其值，为小于等于0的值还是为1，若小于等于0表示进入初始损伤识别进程，1表示不进入初始损伤识别进程，
具体过程为：设定输入图像t或者图像t第f帧的图像，t或者f表示为三维数组[a,b,3]，当输入为图像t，将图像t通过卷积网络抽取为[a*b]的一维数组，即将该三维数组[a,b,3]输入至卷积网络，然后依次馈送到卷积层、池化层和全连接层，具体卷积网络为ResNet-100，最后输出一个一维数组[a*b]；当输入为图像t的f帧图像时，则通过公式中的
分计算得到图像t第f帧的图像的显示特征值，然后以f的显示特征值初始化一维数组[a*b]；得到一维数组[a*b]后，使用l(*)抽取特征即使用交叉熵训练的残差网络对[a*b]的一维数组提取特征，利用损失函数为交叉熵的残差网络训练图片与预测的轴承损伤状态之间的对应关系，所述预测状态可能的值为-1或者1，因此使用交叉熵训练的残差网络对[a*b]的一维数组提取特征就是图片t或者图像t第f帧的图像得到的预测的轴承损伤状态值，只有可能为-1或者1，-1表示预测的轴承损伤状态倾向于进入初始损伤识别进程，1表示预测的轴承损伤状态倾向于不进入初始损伤识别进程；同时利用fun(*)完成交叉熵训练的卷积网络网络对三维数组[a,b,3]提取特征过程，即利用损失函数为交叉熵的卷积网络训练图片与预测的轴承损伤状态之间的对应关系，具体卷积网络为DarkNet-124，当输入为图像t第f帧的图像，则通过
积分计算得到图像t第f帧的图像的显示特征值，然后以f的显示特征值初始化三维数组[a,b,3]；得到三维数组[a,b,3]后，使用交叉熵训练的卷积网络对三维数组[a,b,3]提取特征，就是对应图像t第f帧的图像得到的预测的轴承损伤状态值，同理，当输入为t时就是对应实时图片t得到的预测的轴承损伤状态值，预测的轴承损伤状态值只有可能为1或者2π，2π表示预测的轴承损伤状态倾向于调节失败，1表示预测的轴承损伤状态倾向于不进入初始损伤识别进程，将fun(*)抽取的特征取cos，即对1或者2π取cos,将输入图像t第f帧的图像使用l(*)抽取特征得到的值除以将输入图像t使用l(*)抽取特征得到的值的正则，再和将输入图像f使用fun(*)抽取特征得到的值除以将输入图像t使用fun(*)抽取特征得到的值的正则后的结果进行cos后的结果进行求和运算，即可得到图像中预测的轴承损伤状态y，若y小于等于0说明实时图片t得到的预测的轴承损伤状态值为0，因此表示进入初始损伤识别进程，1表示不进入初始损伤识别进程。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种接触球轴承损耗程度定量识别方法，其特征在于，包括如下步骤：
S1、为每一型号接触球轴承配置对应的身份识别信息，并将所述身份识别信息上传至上位机；所述身份识别信息用于表征与每一接触球轴承型号相匹配的编码信息；
S2、基于所述身份识别信息，确定与所识别的身份识别信息对应的轴承设计参数并基于所调用的轴承设计参数建立接触球轴承的有限元分析模型；
S3、识别所述身份识别信息，确定与所识别的身份识别信息对应的模拟运行环境校准参数，同时确定与所识别的身份识别信息对应的轴承温度预测参数；
S4、对待测接触球轴承进行身份验证，验证通过则确定其身份识别信息对应的编码信息并形成损耗程度定量识别参数数据包，所述损耗程度定量识别参数数据包包含轴承设计参数信息、模拟运行环境校准参数以及轴承温度预测参数；
S5、基于模拟运行环境校准参数形成轴承外部运行环境模拟进程；
S6、对待测接触球轴承进行图像特征提取后，确定待测接触球轴承是否仅进入初始损伤识别进程，是则仅执行步骤S7；否则执行步骤S7-S8；
S7、首先，基于轴承温度预测参数形成轴承温度模拟进程，并调用轴承外部运行环境模拟进程；其次，基于轴承温度模拟进程、轴承外部运行环境模拟进程，对所述接触球轴承的有限元分析模型进行初始损耗程度仿真模拟分析以对轴承的初始损伤信息进行预测，获得对应的识别结果；
S8、首先，基于轴承温度预测参数形成轴承温度模拟进程，并调用轴承外部运行环境模拟进程；其次，确定损耗程度仿真模拟分析过程所需的损耗阶段，并依次对所述接触球轴承的有限元分析模型进行损耗程度仿真模拟分析以对轴承的损伤信息进行预测，获得对应的识别结果；其中所述损耗阶段至少包括轴承失效发展期阶段以及轴承失效末期阶段。
2.根据权利要求1所述的接触球轴承损耗程度定量识别方法，其特征在于，所述S2中，模拟运行环境校准参数包括某个型号轴承在运行线路上各个行车路段上对应的运行环境校准列表，该运行环境校准列表用于表征每个行车路段所对应的轴承转速、外部行车环境温度、外部行车环境湿度以及行车时间信息。
3.根据权利要求2所述的接触球轴承损耗程度定量识别方法，其特征在于，所述轴承温度预测参数用于表征轴承温度随模拟运行环境校准参数内的参数变化所形成的参数关系。
4.根据权利要求1所述的接触球轴承损耗程度定量识别方法，其特征在于，所述S1中的身份识别信息对应的编码信息以编码列表形式存储在上位机的仿真系统的编码数据库内，每种型号对应唯一一组编码以便于用户选择对应的编码。
5.根据权利要求1所述的接触球轴承损耗程度定量识别方法，其特征在于，形成所述轴承温度预测参数所需的分析数据样本内包含多个型号轴承对应的样本集合，每一样本集合均为采集某个型号轴承在某条运行线路上各个行车路段上对应的轴承温度采样数据所获得样本数据。
6.根据权利要求5所述的接触球轴承损耗程度定量识别方法，其特征在于，在S3中，通过在接触球轴承室外面的设置多点检测位置获得对应的温度数据，在每个检测位置设置一个温度传感器，各个温度传感器按照预设的采样规则采集对应于温度检测位置的温度值并反馈至本地的控制器，该控制器内预置上位机下发的采样规则，基于该采样规则控制两个以上的温度传感器同时触发采集该采样周期内的温度数据，并控制任意两个以上的未在当前采样周期触发的温度传感器在下一采样周期内触发采集温度数据，并基于该轮询规则连续性地监测接触球轴承温度。
7.根据权利要求1所述的接触球轴承损耗程度定量识别方法，其特征在于，通过对轴承振动信号进行分析仿真获得对应的故障特征，进而确定相应的故障过程即损伤阶段。
8.根据权利要求7所述的接触球轴承损耗程度定量识别方法，其特征在于，通过图像识别方法辅助确定轴承的接触表面产生损伤点程度，进而判断具体的损耗阶段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210304751.7A CN114626162B (zh) | 2022-03-22 | 2022-03-22 | 一种接触球轴承损耗程度定量识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210304751.7A CN114626162B (zh) | 2022-03-22 | 2022-03-22 | 一种接触球轴承损耗程度定量识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114626162A true CN114626162A (zh) | 2022-06-14 |
| CN114626162B CN114626162B (zh) | 2024-04-16 |
Family
ID=81903700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210304751.7A Active CN114626162B (zh) | 2022-03-22 | 2022-03-22 | 一种接触球轴承损耗程度定量识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114626162B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018050015A1 (zh) * | 2016-09-19 | 2018-03-22 | 舍弗勒技术股份两合公司 | 目标元件温度获取方法及装置、轴承寿命评估方法及装置 |
| CN108984893A (zh) * | 2018-07-09 | 2018-12-11 | 北京航空航天大学 | 一种基于梯度提升方法的趋势预测方法 |
| EP3757539A1 (en) * | 2019-06-26 | 2020-12-30 | Siemens Aktiengesellschaft | System, apparatus and method of determining condition of a bearing |
| CN113221280A (zh) * | 2021-05-14 | 2021-08-06 | 西安交通大学 | 一种基于数字孪生的滚动轴承建模与模型更新方法及系统 |
| CN113343528A (zh) * | 2021-06-11 | 2021-09-03 | 中北大学 | 跨点频响与动态响应特征融合的轴系疲劳损伤预测方法 |
| CN113609608A (zh) * | 2021-07-22 | 2021-11-05 | 上海工程技术大学 | 基于数字孪生的列车牵引电机轴承全生命周期管理方法 |
| CN114117655A (zh) * | 2020-08-28 | 2022-03-01 | 西门子股份公司 | 用于估计轴承的剩余使用寿命的系统、装置和方法 |
| CN114201831A (zh) * | 2021-12-13 | 2022-03-18 | 大连理工大学 | 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 |
-
2022
- 2022-03-22 CN CN202210304751.7A patent/CN114626162B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018050015A1 (zh) * | 2016-09-19 | 2018-03-22 | 舍弗勒技术股份两合公司 | 目标元件温度获取方法及装置、轴承寿命评估方法及装置 |
| CN108984893A (zh) * | 2018-07-09 | 2018-12-11 | 北京航空航天大学 | 一种基于梯度提升方法的趋势预测方法 |
| EP3757539A1 (en) * | 2019-06-26 | 2020-12-30 | Siemens Aktiengesellschaft | System, apparatus and method of determining condition of a bearing |
| CN114117655A (zh) * | 2020-08-28 | 2022-03-01 | 西门子股份公司 | 用于估计轴承的剩余使用寿命的系统、装置和方法 |
| CN113221280A (zh) * | 2021-05-14 | 2021-08-06 | 西安交通大学 | 一种基于数字孪生的滚动轴承建模与模型更新方法及系统 |
| CN113343528A (zh) * | 2021-06-11 | 2021-09-03 | 中北大学 | 跨点频响与动态响应特征融合的轴系疲劳损伤预测方法 |
| CN113609608A (zh) * | 2021-07-22 | 2021-11-05 | 上海工程技术大学 | 基于数字孪生的列车牵引电机轴承全生命周期管理方法 |
| CN114201831A (zh) * | 2021-12-13 | 2022-03-18 | 大连理工大学 | 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 |
Non-Patent Citations (3)
| Title |
|---|
| AHMED NABHAN: "Bearing Fault Detection Techniques - A Review", RESEARCHGATE, 31 January 2015 (2015-01-31) * |
| 宗海勇;田淑华;陈捷;黄筱调;: "沟道损伤的四点接触球转盘轴承动态响应仿真", 轴承, no. 04, 5 April 2015 (2015-04-05) * |
| 陈小安;刘俊峰;合烨;张朋;单文桃;: "高速电主轴热态性能及其影响", 机械工程学报, no. 11, 5 June 2013 (2013-06-05) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114626162B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108344564B (zh) | 一种基于深度学习的主轴特性试验台状态识别及预测方法 | |
| CN109858244B (zh) | 一种容器内进程异常行为检测方法与系统 | |
| CN107168294B (zh) | 一种火电水系统设备无人巡检监控方法 | |
| JP3321487B2 (ja) | 機器／設備診断方法およびシステム | |
| CN111275024B (zh) | 含噪声标签有限数据驱动的变工况风机滚动轴承故障诊断方法 | |
| CN110110768B (zh) | 基于并行特征学习和多分类器的滚动轴承故障诊断方法 | |
| CN103115789B (zh) | 金属结构损伤剩余寿命的第二代小波支持向量机评估方法 | |
| CN109782603A (zh) | 旋转机械耦合故障的检测方法及监测系统 | |
| CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
| WO2019043600A1 (en) | ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR | |
| CN110060368A (zh) | 基于潜在特征编码的机械异常检测方法 | |
| CN110688617A (zh) | 风机振动异常检测方法及装置 | |
| JP2022530198A (ja) | 運転可能な風力タービンのコンポーネントの残存有効寿命を評価するための方法 | |
| CN113657217A (zh) | 一种基于改进的bp神经网络的混凝土状态识别模型 | |
| CN116625683A (zh) | 一种风电机组轴承故障识别方法、系统、装置及电子设备 | |
| CN106644299B (zh) | 一种飞艇气囊气密性在线监测系统及方法 | |
| CN114626162A (zh) | 一种接触球轴承损耗程度定量识别方法 | |
| CN112729825A (zh) | 基于卷积循环神经网络的轴承故障诊断模型的构建方法 | |
| CN114662619B (zh) | 基于多源数据融合的桥梁监测系统 | |
| CN116434368A (zh) | 一种多功能手持巡检仪及巡检方法 | |
| KR102392951B1 (ko) | 초음파 대역의 음향 신호를 수신하는 다채널 감지 센서를 구비한 설비 고장 예측 시스템 | |
| CN111259494B (zh) | 重机设备健康监测分析方法 | |
| CN111753876A (zh) | 一种基于深度神经网络的产品质量检测方法 | |
| CN117237357B (zh) | 一种基于机器视觉的钢丝绳在线监测系统和方法 | |
| CN116910489B (zh) | 基于人工智能的墙体防渗检测方法及相关装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |