一种基于声发射技术的轴承和齿轮损伤定量化评估方法与流程

本发明涉及一种基于声发射技术的轴承和齿轮损伤定量化评估方法。

背景技术：

随着科学技术的不断发展，旋转机械在工业各个领域中的应用日渐广泛。然而，轴承和齿轮作为旋转机械中重要的零部件，其精度和寿命会影响到旋转机械的精度和寿命。如果不能及时发现故障并加以维修，可能会造成不必要的停机，不但影响企业的经济效益，而且会引发安全事故。因此，准确、高效的判定轴承和齿轮是否存在损伤以及损伤程度则显得十分迫切。

目前轴承和齿轮故障诊断技术主要集中于温度检测法、振动检测法以及油液检测法。由于温度检测法在轴承或齿轮发生点蚀、剥落和轻微磨损等早期故障发生时温升现象不明显，且在整个故障发展过程中，旋转部件温度变化具有一定的滞后性，故其不适合进行在线的动态监测；振动检测法由于受频响、灵敏度、定量损伤评估、传感器安装方位以及抗干扰能力的限制，早期轴承或齿轮故障诊断的准确性、可靠性较低，不适合早期状态诊断；油液检测法对故障的灵敏度也较低，且在进行轴承故障诊断过程中需要对轴承的润滑油进行采样，故其也不适合在线动态检测。

即使对目前较广泛使用的振动监测方法来说，不但在早期故障诊断方面存在严重不足，而且在复杂工况条件下，如铁路、航空、船舶等变速、变载荷情况尤其是高铁轴箱、齿轮箱、电机的高速重载轴承，直升机螺旋桨、尾舵重载轴承；船舶与风电低速重载轴承等应用环境下，振动监测方法远远不尽人意。振动监测方法一般比较适合于匀速，载荷不变化的情况。当速度和载荷变化时，系统结构的动力学特性将发生变化，由此产生结构的共振或激发出的复杂结构振动模态将导致对轴承故障状态的误判。此外，振动加速度计本身的特性也不适用于低速重载状态下的监测，当转速低于300rpm时，振动谱分析方法的可靠性与有效性显著降低。然而，在高速状态下，由于速度造成的背景噪声显著增加，相对于轴承或齿轮故障产生的信号来说，信噪比大大降低，甚至出现信噪比远远小于1的情况，由此振动方法完全失效，无法对轴承或齿轮的故障状态做出正确的判断。

无数的试验与实际应用证明，速度和使用环境噪声是影响各种技术方法，如振动加速度、载荷、压力等，对轴承或齿轮状态进行定量分析判断的最重要因素。在由于速度变化产生的对结构、载荷、噪声等大量干扰的情况下，现有技术，包括目前使用最广泛的振动加速度监测技术均无法在变速、变载荷的复杂工况情况下对轴承和轴承状态进行有效的定量化评估。

技术实现要素：

本发明一种基于声发射技术的轴承和齿轮损伤定量化评估方法，解决了复杂工况(变速、变载荷、大载荷、复杂结构、高噪声)下的轴承和齿轮运行状态定量评估问题，为轴承和齿轮损伤分类评估奠定了量化分析基础。

采用的技术方案如下：

一种基于声发射技术的轴承和齿轮损伤定量化评估方法，其特征在于包括以下步骤：

(1)利用声发射系统采集轴承或齿轮轴的转速信号以及声发射波流形信号；

(2)对波形流信号进行处理，提取有效的特征参数；

(3)对轴承或齿轮进行从初始使用到当前经历的历史性跟踪监测，获得轴承或齿轮各个使用寿命阶段在不同工况下使用的特征参数，以及在同一工况下的特征参数变化趋势；

(4)对特征参数随速度的变化做线性回归曲线拟合以获得拟合斜率；

(5)根据斜率的大小定量判断轴承或齿轮的状态。

步骤(1)中所述声发射系统，声发射的频率需在20khz–1000khz之间。

步骤(2)中，在对波形流信号进行处理时，使用声发射应力波强度sws作为大数据统计特征参数，应力波强度由(1)式表达，其中v(t)为声发射应力波：

步骤(4)中斜率的获得方法如下：对大量的不同轴承与齿轮状态，不同使用工况，不同速度情况下得到的统计特征信号平均值进行最小二乘直线或多阶曲线拟合。用y代表sws拟合曲线的信号强度，v代表速度，则线性拟合曲线可表达为：

其中为常数项,为直线拟合的斜率，该斜率可称之为强度斜率，由最小二乘算法可以得到强度斜率，

其中i为所测速度区间的个数，共n个速度区间，vi为特定的速度，为所有速度的平均值，yi为在第i个速度下(2)式表示的sws平均值，为所有速度下的sws平均值。

步骤(5)具体实现方法为：将斜率分成多个区间并对应于故障的不同等级，其中的斜率区间边界阈值k1、k2、k3……km的大小，取决于应用状况、使用工作环境条件等因素，或者依据过往的历史经验积累及适当的人为干预试验测试过程来建立斜率阈值。

本发明的有益效果：

1.本发明所采用的声发射法监测到的信号是来自于被测试物体本身的缺陷产生的弹性波，可提供早期故障缺陷随载荷、时间和温度等变化的实时信息，同时该技术检测灵敏度极高；

2.本发明主要使用声发射应力波强度sws作为大数据统计特征参数，具有相对于速度和轴承或齿轮的故障状态单调变化的特性，利用这些单调变化的特征参数进行轴承和齿轮损伤鉴别和损伤程度分类使得故障诊断易于实施，不受其它因素的干扰，不仅可以鉴别损伤，而且可对损伤程度进行定量化判定。

3.引入经典线性拟合算法，消除速度对声发射特征参数的影响，因而可采用一个不受瞬时速度变化影响的参数，即统计特征参数对速度变化的斜率作为故障诊断定量化判断参考值；

4.斜率只与轴承或齿轮的状态有关，而与瞬时的速度无关，故障程度越严重，该斜率越大，在无其它参考标准的情况下，通过对所轴承使用过程的声发射及轴承速度的跟踪监测，利用该斜率实现不同损伤程度中轴承的自动分类，达到对轴承状态进行定量化评估的目的；

5.该方法实施过程简单，适合实时在线监测。

附图说明

图1为正常轴承拟合曲线。

图2为轻微损伤轴承拟合曲线。

图3为中度损伤轴承拟合曲线。

图4为严重损伤轴承拟合曲线。

图5为轴承损伤程度判断流程图。

具体实施方式

本发明针对目前复杂工况，如高速、变速、大载荷、变载荷、高噪声环境下的轴承和齿轮的损伤在线监测诊断及损伤程度评估存在的问题，利用声发射技术对轴承和齿轮进行在线监测并对信号进行实时滤波、噪声处理与特征提取，提出采用有效特征参数来对轴承和齿轮损伤程度进行自动判定的技术方法。首先，采集轴承或齿轮轴的转速信号以及声发射波流形信号而非基于声发射撞击的短波形信号；然后，对波形流信号进行有效频段滤波并剔除奇异值，采用统计分析方法提取有效的特征参数。对轴承或齿轮进行从初始使用到当前经历的历史性跟踪监测，获得轴承或齿轮各个使用寿命阶段在不同工况下使用的特征参数以及在同一工况下的特征参数变化趋势。最后对特征参数随速度的变化做线性回归曲线拟合以获得拟合斜率以消除轴承转速对信号的影响并根据斜率的大小定量判断轴承的状态。

具体实现过程如下：

第一步：首先，需要选择使用合适的声发射系统，该系统需具有连续波形流采集及转速同步采集的功能，模拟滤波器带宽需在20–1000khz范围，采样率至少可达1mhz，可使用共振声传感器或宽带声发射传感器；其次，需对信号采集做合理设置，包括数字滤波器、采样率、波形流采集长度、触发策略等。

第二步：对采集到的声发射波形流大数据进行处理，提取与应力波强度信号有关的统计特征参数sws。应力波强度由(1)式表达，其中v(t)为声发射应力波：

第三步：通过提取的大量不同工况、不同轴承或齿轮损伤程度的声发射统计特征参数，对同一速度区间提取的特征参数做统计平均。

第四步：对大量的不同轴承与齿轮状态，不同使用工况，不同速度情况下得到的统计特征信号平均值进行最小二乘直线或多阶曲线拟合。用y代表sws拟合曲线的信号强度，v代表速度，则线性拟合曲线可表达为

其中为常数项,为直线拟合的斜率，该斜率可称之为强度斜率，由最小二乘算法可以得到强度斜率，

其中i为所测速度区间的个数，共n个速度区间，vi为特定的速度，为所有速度的平均值，yi为在第i个速度下(2)式表示的sws平均值，为所有速度下的sws平均值。

第五步：对每一天的数据都可获得一条拟合曲线即(3)式所示的强度斜率，该强度斜率的历史性记录或趋势性发展与速度无关，而与故障状态有很强的关联性，因而可以通过强度斜率对轴承或齿轮的故障状态进行分级定量化判断。可将强度斜率分成四个(或其它数量)区间并对应于故障的四个等级，即无损伤、轻度损伤、中度损伤、重度损伤四级，相应的强度斜率与故障程度的关系如(4)式表示，

其中的强度斜率区间边界阈值k1、k2、k3的大小取决于应用状况，使用工作环境条件等因素，可以依据过往的历史经验积累及适当的人为干预试验测试过程来建立强度斜率阈值。图1至图4给出了不同的强度斜率所对应的几个轴承故障状态的例子。在实际应用，尽管瞬时速度、瞬时工作状况有可能在不断变化，但日复一日的应用和工作环境条件一般都具有重复性，为此可依据每天记录的强度斜率的大小及(4)式来判断实际的轴承或齿轮的故障状态。

本发明相对于现有技术不同的是，声发射具有很高、很宽的频带范围。常用的声发射分析带宽为20khz–1000khz。即使其低频截止频率20khz也远高于通常振动与噪音范围，而由于轴承滚动体或齿轮运动相对于缺陷产生的冲击信号则可达到数百khz频率。为此，结构振动和噪音在该频段内对声发射信号的影响大大减弱，而由于缺陷冲击产生的信号在此频段内则可通过声发射传感器本身的共振特性大大加强，即使在高速、重载的情况下声发射信号仍然具有足够高的信噪比，在采用适当的信号处理技术情况下，仍可有效地对轴承状态进行正确的判断。为此，本发明选择采用声发射技术对轴承和齿轮的故障进行诊断并提出一种不受转速影响的方法对轴承和齿轮的故障状态进行定量化评估。