一种滚动轴承异音特征的综合识别方法

　　引　言

　　随着中国轴承工业的迅猛发展,国内外轴承产品质量的主要差距已从精度、振动噪音等方面转变为寿命可靠性和振动异音等方面。对低噪音电机轴承,尤其是家用电器、办公用品轴承来说,主要在于振动异音质量差距较大。

　　文[1,2]通过对具有各种异常声的轴承样品进行解剖、试验和分析,验证了各种常见异常声的产生原因——轴承零件滚动表面的磕碰伤、划伤、麻点等缺陷,轴承清洁度不理想,套圈沟道圆度和沟型不好,滚道振纹,保持架串动量过小等。其他的异常声原因还有滚动体与保持架兜孔的剧烈碰撞引起的非周期性振动脉冲,润滑剂性能不良引起的振动脉冲等。文[3,4]分别提出了用振动均方根值、振动峰值、峰值因子和脉冲数、峭度等参数对文献[1,2]介绍的以及其他原因引起的具有脉冲性质的异常声的检测方法和在线自动检测方法。文[5]分析了现行评定指标及存在问题后,也提出了一种用经过技术处理后的均值和最大峰值联合作为新的评定指标的轴承异常声的评定方法。文[6]采用数字仿真和数字检测技术,对轴承异常声检测特征量的选择进行了分析,提出了通过波峰因数和超门槛脉冲数两个特征量相结合,对轴承异常声进行评判更为可靠和有效的观点。

　　文[7]提出了波峰因数、振动加速度级峰值均能对轴承的异常声进行统计意义上的有效判定,但波峰因数的有效判定率优于振动加速度峰值的有效判定率的观点。文[8]探讨了局域波分析技术在轴承异常声识别中的应用。文[9]从不同的频率段上找出异常声发生的频率位置,提出了异常声因子参数以确认异常声的特征。但这些振动异音的探索,均是针对源于文献[1,2]介绍的原因引起的轴承异常声,也就是说,所针对的是具有明显脉冲性质的轴承异常声。

　　极大部分具有音质异音缺陷的轴承的振动时域信号不具有明显的脉冲性质,呈现在声响上,具有音质不清脆的特征。该类轴承的音质异音无论是采用峰值测量还是采用峭度测量,均很难达到理想的效果。

　　1　异音综合识别系统

　　基于RBF以及K-L信息量的神经网络的滚动轴承异音识别系统如图1。利用该RBF神经网络以及K-L信息量的轴承异音识别系统进行异音识别和分析,主要包括以下内容:

　　1.1　数据采集与小波分析

　　实测的轴承振动信号包括3部分:周期性振源引起的响应,其频率成分集中在低频区段;制造误差或结构性激振引起的响应,它是一种宽带随机响应,其幅值较小;轴承异音的响应,由于激励是一种瞬态激振,它将引起轴承系统固有频率的共振,其单位脉冲响应函数为h(t),传感器接收到的振动信号：