小編導讀

上篇文章（《基于XJTU-SY軸承數據集的軸承故障診斷研究(一)》），必創科技技術團隊基于XJTU-SY軸承數據集運用標準差、FFT頻譜以及包絡譜等算法對軸承異常檢測和外圈故障診斷進行研究，結果證明信號分析算法對軸承故障診斷行之有效。

在旋轉機械設備實際應用場景下，軸承異常檢測方法除了標準差，還可使用峭度系數與之相結合，峭度系數判斷軸承處于正常狀態還是輕微異常狀態，標準差判斷軸承異常狀態的嚴重程度。本文，我們將繼續研究軸承保持架故障和內圈故障診斷，以及如何運用峭度系數進行軸承異常檢測。

保持架故障診斷

表1 3類試驗工況下15個軸承測試結果

 

3類試驗工況下15個軸承測試結果顯示（如表1），發生保持架故障的軸承分別為工況1的Bearing1_4(共122個數據樣本)和工況2的Bearing2_3(共533個數據樣本)。接下來，我們分析這兩個軸承的全壽命周期加速度標準差（如圖1、圖2）。

圖1 Bearing1_4全壽命周期加速度標準差

圖2 Bearing2_3全壽命周期加速度標準差

圖1-2可看出，Bearing1_4軸承和Bearing2_3軸承分別在進行121個和315個采樣周期后發生異常。Bearing1_4工況轉速為35Hz（N=35），帶入軸承故障特征頻率計算公式（如圖3）得出Bearing1_4軸承的保持架故障特征頻率F_FTF=13.49Hz。同理，將N=37.5帶入軸承故障特征頻率計算公式得出Bearing2_3軸承的保持架故障特征頻率 F_FTF=14.45Hz。

圖3 軸承故障特征頻率

我們再次提取Bearing1_4軸承的第122包和Bearing2_3軸承的第500包數據樣本做包絡譜分析（如圖4、圖5），從中可以看出，在兩種不同工況下，包絡譜算法完全可診斷出軸承保持架故障。

（由于保持架故障特征頻率的3倍頻在100Hz以內，此處我們僅展示100Hz以內的包絡譜）

（縱軸0刻度以下虛線為保持架故障特征頻率的1倍頻、2倍頻和3倍頻標記線）

圖4 Bearing1_4第122包數據樣本包絡譜

圖5 Bearing2_3第500包數據樣本包絡譜

內圈故障診斷

XJTU-SY軸承數據集測試工況為軸承外圈固定內圈旋轉，內圈隨軸旋轉，滾動體和內圈損傷部位接觸位置與軸承載荷方位不斷變化，一旦產生損傷，內圈故障信號可能存在被軸承轉頻調制現象。

通過分析加速度標準差，我們選取工況2的Bearing2_1軸承第479包數據樣本和工況3的Bearing3_4軸承第1515包數據樣本做包絡譜分析。經過計算得出Bearing2_1軸承的內圈故障特征頻率F_BPFI=184.38Hz，Bearing3_4軸承的內圈故障特征頻率F_BPFI=196.68Hz。

圖6 Bearing2_1第479包數據樣本包絡譜

圖7 Bearing3_4第1515包數據樣本包絡譜

（由于內圈故障特征頻率的3倍頻在600Hz以內，此處僅展示600Hz以內的包絡譜）

圖6-7分別展示Bearing2_1第479包和Bearing3_4第1515包數據樣本的包絡譜，從中可以看出，XJTU-SY軸承數據集的內圈故障特征在理論故障特征頻率處的幅值并非很大，但卻存在一系列轉頻的諧波和邊頻帶，增加了內圈故障的診斷難度，當然這也是軸承內圈故障的一種表現形式。

必創科技技術團隊嘗試運用譜峭度方法找出原始加速度信號中沖擊信號的中心頻率和帶寬，繼而對原始加速度信號進行帶通濾波后分析包絡譜，但效果提升并不理想。

特別提醒：以上軸承內圈故障特征并不代表所有場景所有型號的軸承內圈故障特征。

為進一步論證軸承內圈故障特征的其他表現形式，必創科技技術團隊對凱斯西儲大學(CWRU)發布的軸承數據集進行內圈故障分析，該數據集包絡譜上的內圈故障特征頻率處幅值變化非常明顯（如圖8）。

圖8 CWRU軸承數據集212.mat數據樣本包絡譜

異常檢測

在《基于XJTU-SY軸承數據集的軸承故障診斷研究(一)》中，我們運用加速度標準差進行軸承異常檢測，本篇我們研究用峭度系數進行軸承異常檢測。

峭度系數(Kurtosis)：是反映信號分布特性的數值統計量，是歸一化的4階中心矩。峭度系數是無量綱參數，它與軸承轉速、尺寸和載荷等參數無關，對沖擊信號特別敏感，特別適合軸承異常檢測。在軸承無故障運轉時，振動信號的幅值分布接近正態分布，峭度系數約為3。隨著故障的出現和發展，振動信號中沖擊信號的密度增加，信號幅值的分布偏離正態分布，正態曲線出現偏斜或分散，峭度系數也隨之改變。

技術人員為驗證峭度系數與標準差兩種異常檢測方法的差異，分別對Bearing1_4軸承和Bearing2_3軸承數據樣本進行標準差與峭度系數對比分析（如圖9、圖10）。

圖9 Bearing1_4全壽命周期標準差和峭度系數

圖10 Bearing2_3全壽命周期標準差和峭度系數

圖9-10可看出，峭度系數與標準差的呈現并非完全一致，在標準差無明顯變化情況下，峭度系數可能會發生較大變化，這表明峭度系數比標準差更靈敏，可在軸承異常早期檢測到問題。因此，峭度系數和標準差可共同結合進行軸承異常檢測，通過峭度系數可判斷軸承所處狀態，通過標準差可判斷軸承異常狀態的嚴重程度。

結論

必創科技技術團隊基于XJTU-SY軸承數據集通過加速度標準差和峭度系數兩種方法對軸承異常檢測進行數據分析，以及使用包絡譜方法進行軸承故障分類，均取得良好效果。

另外還有很多軸承異常檢測和故障診斷的方法，例如振動烈度閾值法、多傳感器(如溫度、轉速、麥克風和磁力計等)融合診斷法等，在此我們不做詳細分析。在實際應用場景中，人們還需考慮多種因素，例如：通過帶通濾波器將故障沖擊信號從背景噪聲信號中提取后進行分析；軸承滾動體與內外圈之間會存在滑動情況；振動傳感器安裝位置是否對軸承故障特征產生影響。某種故障可能存在多種表現形式，只有具體問題具體分析，才能準確進行軸承異常檢測和故障分類。

參考文獻

[1]Biao Wang,Yaguo Lei,Naipeng Li,Ningbo Li,“A Hybrid Prognostics Approach for Estimating Remaining Useful Life of Rolling Element Bearings”,IEEE Transactions on Reliability, pp. 1-12, 2018. DOI: 10.1109/TR.2018.2882682.