2 关键技术概述
2.1轴承故障诊断技术概述
在转动设备的各种机械零件中，滚动轴承运用最为普遍，也最容易出现各种故障[3]。其常见故障为：
一、疲劳剥落（点蚀）
当轴承进行滚动运动的时候，滚道与滚体会发生接触。轴承运行的时候通常都会发生交变载荷，这时，轴承的表面会受到循环接触应力影响，从而出现疲劳源，轴承的微裂纹便是由此产生的[9]。这时，如果轴承的硬度过高，便会形成小颗粒发生剥落，轴承的表面进而也会出现一些小麻点，这就是所谓的疲劳点蚀[10]。如果情况严重，这些颗粒在发生片状剥落之后，会出现凹坑。如果这个时候的轴承还处于运转的状态，剥落的面积会更大。如果轴承出现了疲劳点蚀，这时，机器设备也会出现更大的噪音与振动。在计算轴承的使用寿命时，都是按照其第一次产生疲劳剥落点以前的时间来计算的[11]。
图2.1轴承疲劳点蚀 Fig. 2.1 Bearing fatigue pitting
二、磨损:润滑不良
轴承在发生滚动的过程中，一般都会出现磨损现象，造成这一现象的原因主要有两点，一是灰尘的侵入，二是转配不当[12]。如果出现比较严重的磨损，将会拉大轴承之间
6
的游隙，这时，轴承的表面也会更加粗糙，这会使轴承运转精度大大降低，随之而来的是更大的噪音与振动。
三、断裂
轴承出现故障的形式有许多种，零件断裂是最为危险的一种。造成零件断裂的原因主要有以下几个方面，一是零件所使用的材料不恰当，二是热处理的方式不正确，三是超负荷的运转形式，四是对轴承组合的设计不合理，五是缺油断油使轴承的润滑性能降低[13]。
图2.2轴承断裂 Fig.2.2 Bearing fracture
四、性变形（凹坑及压痕）
通常，间歇摆动式轴承或者是转速非常低的轴承都会出现永久性塑性变形，当发生这种类型的变形时，在滚道中，受力最大的地方会出现凹坑。造成这种变形的原因主要是挤压应力的加大。滚道一旦有凹坑出现，轴承在转动的过程中，就会有较大的噪音与振动出现，如果这个时候滚体与滚道的中间有硬颗粒的进入，滚道的表面就会出现压痕。
2.2 轴承状态监测技术概述
2.2.1传统的轴承中轴温监测方法
轴承温度监测方法是世界上广泛应用的车轴故障监测方法，它的原理是高速转动的轴承在发生故障时生成巨大的热量，从而超出温度报警阈值触发温度报警。
这一报警方法是轴承在线故障监测从零到有的转变，引领了故障诊断的先河，但随着列车载重、时速、运营年限、安全及顾客舒适度要求的不断增长，该方法的局限性在
7
不断凸显，不同部件不同位置的工作温度是不一致的，并且某些故障发生后发现其温度并未有明显变化的[14]。
要想对轴承外箱体温度进行检测，从而对其工作状态进行判断，可以通过温度传感器达到这一目的。温度检测对于轴承三类情况变化具有很高的敏感性，这三类情况一是润滑情况；二是速度情况；三是载荷情况，尤其敏感因为润滑问题导致的轴承温度过高现象。然而，若是轴承最初的故障十分微小，比如出现轻微的磨损等，那么温度监测便无法发挥作用，这便是其不足之处这就说明，轴温监测方法具有它的局限性[15]。 2.2.2 轴承的复合监测方法
当机器运行正常时，其转轴的转动是匀速的，分析轴承结构能够发现，如果轴承原件存在缺陷，那么利用加速度传感器对轴承信号进行监测，得到的信号会出现周期性冲击现象，根据信号理论能够知道，如果时域里的冲击信号原本十分尖锐同时短暂，那么当它机械能变换，进入频域时，就会出现宽频带特点，如果不是冲击信号就不会存在上述特点，所以在对非冲击性信号和轴承故障信号进行区分时，频域的宽频带特点以及时域的周期性冲击特点便是后者的基本特点[16]。
（1）冲击监测
可以在轴承箱体安装可吸收冲击信号的传感器，对轴承的冲击信号进行监测和分析。当因为故障缺陷或不当运动导致两个零件相互瞬时碰撞所产生的的冲击，是可以识别该故障的存在和评价故障冲击的程度的。初期故障引发滚动工作面或配合面之间发生微冲击，重大故障则引发大冲击，该冲击引起部件迅速破坏而发生事故。参考了唐德尧在机械故障微冲击的共振解调定量检测技术中的一种对机械内容零部件故障在运转或相互碰撞时所引发的短暂冲击实现有效监测的共振解调监测方法，采取冲击监测故障方法。
（2）振动监测
可以在轴承箱体安装振动传感器，然后对轴承振动信号进行监测和分析。此方法优点有4个，首先，其适用范围十分广泛，多种类型轴承都适用此法；其次此方法操作简单；接着，此方法能够对早期故障进行有效诊断；最后，诊断结果可靠性高。所以此方法在实践中颇受欢迎[17]。
8
2.3 神经网络概述
按照运用和功能特点，可以经网络模型分为 50 多种。其中 BP 网络因为可塑性强、构造简单，得到了比较普遍的应用。特别是它的数学含义明确，具有比较广泛的运用前景[31]。
BP 网络一般用于：
(1)函数的逼近：去训练一个网络去接近某个函数；
(2)模式的识别：将一个特定的输入矢量将其与矢量结合起来； (3)分类：将输入矢量按所规定的合适方法来划分； (4)数据压缩：尽量减少输出矢量维数以利于贮备或运输。
在现实运用中，70％～80％的人工神经网络结构是采取 BP 网络或它的拓展变形，它是前馈结构的主要成分，凸出了人工神结构最核心的组成。BP 神经结构是目前比较成熟的、常用的一种典型的多层感知器结构的前馈结构，由输入层、隐层（可有若干层）和输出层构成。比较常见的 BP 网络的拓展图如图。与常规的模型辨别方式相对比,人工神经结构能满足任意繁杂的分辨曲面,拥有很好的应变能力。
图4.1 BP神经网络拓扑图 Fig. 4.1 BP neural network topology
BP网络按照有监督学习方式训练，当一对学习方式输入网络之后，输入样式从输入层经由隐含层逐层处理，再传播给输出层。若在输出层不能得到期望输出结果，则转至反向传播，将误差信号沿着原来的连接通道返回，修正各个神经元连接权，直至达到期望目标，使误差信号达到最小[32]。由于BP神经网络处理了多层网络中隐含单元连接权
9
值的问题，并有一定规则可学习，具备较强的分类识别能力，在故障诊断领域有较为广泛的应用。
2.4本章小结
本章主要对轴承状态监测的必要性进行了说明。一方面，在地铁运行的过程中如果轴承出现故障，那么就会极大的威胁着乘客的安全，因此对地铁的轴承状态监测十分有必要。轴承的常见故障主要有疲劳脱落、润滑不良、断裂和塑性变形三种形式。所以，对于轴承状态的监测主要有温度监测和复合监测，复合监测分为振动监测和冲击监测。另一方面，考虑到数据检测方法，本章重点介绍了神经网络算法，来解决数据的实时检测与管理功能。
1 0
车载步行部轴承故障诊断系统的设计与实现
