來源：軸承雜志社

對(duì)于滾動(dòng)軸承故障診斷，國(guó)內(nèi)外很多學(xué)者開展了各種研究，提出了很多的方法。20世紀(jì)60年代中期，隨著信號(hào)分析理論的發(fā)展，信號(hào)處理方法開始創(chuàng)新。尤其是在快速傅里葉變換fast Fourier transform，F(xiàn)FT)出現(xiàn)之后，開始使用各種常用頻譜分析儀來診斷軸承故障。之后，沖擊脈沖（故障類型識(shí)別、抗干擾能力、穩(wěn)定性較差）、共振解調(diào)（診斷效率低）等技術(shù)方法不斷涌現(xiàn)。隨著計(jì)算機(jī)與互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，信息處理與人工智能技術(shù)的應(yīng)用，使得軸承故障診斷的智能性變?yōu)榭赡堋ｋm然傳統(tǒng)監(jiān)測(cè)儀器和離線監(jiān)測(cè)技術(shù)等仍在廣泛應(yīng)用，但計(jì)算機(jī)輔助的在線監(jiān)測(cè)網(wǎng)絡(luò)化模式，因其智能化與高效率，將是未來的趨勢(shì)。

下面介紹一些還有學(xué)者在不斷研究的故障診斷方法。

1、小波變換（wavelet transform，WT）：由于短時(shí)傅里葉變換在處理快速信號(hào)的不足，因此需要對(duì)窗口不能隨頻率變換而改變的問題進(jìn)行突破，而小波變換實(shí)現(xiàn)了這點(diǎn)。小波變換是一種小波伸縮與平移的方法，通過研究變窗函數(shù)，形成了一種多分辨率分析的小波構(gòu)造方法，廣泛應(yīng)用于信號(hào)提取、去噪和壓縮。

2、經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)：是能夠更具信號(hào)本身進(jìn)行自適應(yīng)的處理方法，非常適用于滾動(dòng)軸承的非線性非平穩(wěn)故障信號(hào)的分析處理。為進(jìn)一步解決EMD中存在的模態(tài)混疊等問題，N.E.Huang進(jìn)一步提出了集成經(jīng)驗(yàn)?zāi)B(tài)分解（Ensemble Empirical Mode Decomposition, EEMD）方法。

3、模糊聚類：收集大量的機(jī)器各種運(yùn)行狀態(tài)下的數(shù)據(jù)集，與當(dāng)前數(shù)據(jù)進(jìn)行對(duì)比診斷，計(jì)算出和歷史狀態(tài)哪類更相似，把他們聚為一類，進(jìn)行模式識(shí)別，診斷故障類型。

4、粗糙集：是一種通過對(duì)原始數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)其中所包含的規(guī)律，從而實(shí)現(xiàn)分析與化簡(jiǎn)的目的。

5、專家系統(tǒng)：所謂的專家系統(tǒng)本質(zhì)上是一個(gè)智能程序。通過程序來對(duì)人類決策方式進(jìn)行模擬，讓專家系統(tǒng)仿佛具備人類推理與決策的能力。要想實(shí)現(xiàn)這一點(diǎn)需要對(duì)現(xiàn)有知識(shí)及經(jīng)驗(yàn)進(jìn)行融合，并運(yùn)用人工智能等各種技術(shù)。

6、多源信息融合：因?yàn)閷?duì)滾動(dòng)軸承診斷的手段非常多，而每種方法都各有優(yōu)勢(shì)，因此，將不同的監(jiān)測(cè)方法得到的數(shù)據(jù)進(jìn)行融合，能對(duì)設(shè)備健康狀況做出更加全面，更加準(zhǔn)確的診斷，這即為多源信息融合的主要思想。

7、人工神經(jīng)網(wǎng)絡(luò)：一般需要結(jié)合傳統(tǒng)的時(shí)頻域分析方法，對(duì)它們所提供的特征集進(jìn)行學(xué)習(xí)，從而達(dá)到對(duì)故障診斷的目的。

8、大數(shù)據(jù)：隨著監(jiān)測(cè)設(shè)備組規(guī)模的增加，每臺(tái)設(shè)備所需的測(cè)量點(diǎn)數(shù)量增加，每個(gè)測(cè)量點(diǎn)的采樣頻率都很高。從服務(wù)開始到壽命結(jié)束的數(shù)據(jù)收集時(shí)間很長(zhǎng)，導(dǎo)致機(jī)械設(shè)備故障診斷領(lǐng)域也進(jìn)入了“大數(shù)據(jù)”時(shí)代。越來越多的數(shù)據(jù)，反應(yīng)了軸承在各個(gè)狀態(tài)下的情況，傳統(tǒng)方法已很難對(duì)這樣大的數(shù)據(jù)量進(jìn)行處理，研究基于大數(shù)據(jù)處理在故障診斷中的應(yīng)用也成為必然。

9、深度學(xué)習(xí)：深度學(xué)習(xí)在許多領(lǐng)域的成功應(yīng)用使其顯示出其他方法無可比擬的優(yōu)勢(shì)，也提出了滾動(dòng)軸承故障診斷的新思路，目前也是研究熱點(diǎn)。

隨著對(duì)設(shè)備檢測(cè)要求越來越多越來越高，非常需要有一套完整的、好用的、智能的、可靠的、系統(tǒng)的解決方案。故障預(yù)測(cè)與健康管理技術(shù)(Prognostics and Health Management，PHM)系統(tǒng)的出現(xiàn)，不論是在學(xué)術(shù)界還是在工業(yè)界，都有很多人在關(guān)注。PHM是將各種監(jiān)測(cè)數(shù)據(jù)經(jīng)過一系列處理，包括降噪、特征提取、健康狀況評(píng)估及剩余壽命預(yù)測(cè)的一整套完善的系統(tǒng)。對(duì)于滾動(dòng)軸承的健康管理系統(tǒng)來說，其包括對(duì)原始數(shù)據(jù)預(yù)處理、特征值選擇與提取、故障模式識(shí)別、性能退化評(píng)估、性能趨勢(shì)預(yù)測(cè)和提供維修決策等步驟。滾動(dòng)軸承的PHM基本流程和常用方法見下圖。

滾動(dòng)軸承健康管理流程及常用方法

參考文獻(xiàn)：

1.聶海燕.滾動(dòng)軸承故障診斷綜述[J].內(nèi)燃機(jī)與配件，2019：:19-150.

2.陳強(qiáng)強(qiáng)，戴邵武，戴洪德，聶子健.滾動(dòng)軸承故障診斷方法綜述[J].儀表技術(shù)，2019（9）：1-4.

3.王海龍.數(shù)控機(jī)床滾動(dòng)軸承健康狀況監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].中國(guó)科學(xué)院沈陽計(jì)算技術(shù)研究所，2019.

4.梁競(jìng)之.滾動(dòng)軸承的故障監(jiān)測(cè)與狀態(tài)管理系統(tǒng)研究[D].哈爾濱工業(yè)大學(xué)，2019.