本文发表于《Journal of Sound and Vibration》期刊第488卷(2020年),题为“Mechanism and method for the full-scale quantitative diagnosis of ball bearings with an inner race fault”。该研究由来自清华大学机械工程系的Feibin Zhang、Fulei Chu与北京工业大学精密测量技术与仪器北京工程研究中心的Jinfeng Huang、Lingli Cui合作完成。Feibin Zhang为通讯作者。
学术背景与目标 球轴承是机电设备中广泛应用的关键部件,其故障,特别是滚道剥落,是引发设备失效的常见原因。滚动轴承的定量诊断旨在不仅判断故障存在,更能精确评估故障的尺寸与形态,对于预测性维护和保障设备安全运行至关重要。现有针对外圈故障的定量诊断方法(如基于双冲击时间间隔的方法)在故障尺寸小于滚动体角间距时有效。然而,当故障尺寸大于或等于滚动体角间距的整数倍时,不同尺寸的故障可能产生相同的冲击时间间隔,导致传统方法失效。对于随轴旋转的内圈故障,其振动响应特性更为复杂,针对大尺寸内圈故障(尺寸为滚动体角间距整数倍差异)的定量诊断机制与方法研究尚不充分。因此,本研究旨在揭示内圈故障尺寸与系统响应之间的内在映射机制,并提出一种能够有效区分尺寸差异为滚动体角间距整数倍的内圈故障的全尺度定量诊断新方法。
详细研究流程 本研究是一项结合了理论建模、数值仿真与实验验证的系统性工作,主要流程如下:
非线性动力学模型构建:
故障影响机制的理论与仿真分析:
新诊断指标——轴心轨迹劣化度(AODD)的提出与理论推导:
实验验证:
inpolygon函数,结合无故障轴承的轴心轨迹时历来近似提取故障信号中的无故障成分点,进而计算实验信号的AODD值。结果为:10°故障的AODD为16.3%,55°故障的AODD为43.2%,两者差异显著。主要研究结果 1. 揭示了核心物理机制:通过非线性动力学建模与仿真,首次明确揭示了在球卸载区间与内圈故障时变位置共同作用下,轴承系统运行中存在一个负载分布不受内圈故障影响的区间,且该区间范围与故障尺寸存在单调映射关系。这一机制是导致轴心轨迹时历中无故障成分比例与故障尺寸单调相关的根本原因。 2. 证明了传统方法的局限性:仿真与实验均证实,当内圈故障尺寸差异为滚动体角间距的整数倍时,基于振动信号双冲击时间间隔或频谱分析的传统定量诊断方法会失效,无法区分这些故障。 3. 提出并验证了全新的诊断指标——轴心轨迹劣化度(AODD):从运动几何学、机械振动理论和信号处理三个角度,系统性地定义和推导了AODD指标(包括S-AODD, QD-AODD, DS-AODD及其实验计算方法)。该指标量化了轴心轨迹时历中故障成分的比例。 4. 实现了故障区分:仿真结果表明,对于尺寸相差滚动体角间距整数倍(10°, 35.71°, 61.43°)的故障,其DS-AODD值存在超过10%的显著差异。实验进一步验证了该指标的有效性,对于尺寸相差45°(10° vs 55°)的故障,实验AODD值相差26.9%,且其值落在理论预测区间内,无重叠。这证明AODD能够有效区分传统方法难以区分的故障类型。
结论与价值 本研究提出并验证了一种用于球轴承内圈故障全尺度定量诊断的新机制和新方法。核心结论是:通过分析轴承轴心轨迹时历中无故障成分的比例(即AODD指标),可以有效地对尺寸差异为滚动体角间距整数倍的内圈故障进行区分和定量评估。这项研究的科学价值在于深化了对内圈故障动力学机理的理解,揭示了负载无影响区间与故障尺寸的单调关系,为故障诊断提供了新的理论视角。其应用价值在于提供了一种精度更高、适用范围更广的定量诊断工具,能够弥补传统方法在故障尺寸较大时的诊断盲区,对于提高旋转机械状态监测与故障预测的准确性具有重要意义。
研究亮点 1. 机制创新:首次系统阐明了内圈故障尺寸与轴心轨迹时历中无故障成分比例之间的内在单调映射机制,突破了仅依靠冲击间隔进行诊断的思维局限。 2. 方法创新:提出了轴心轨迹劣化度(AODD)这一全新的故障量化评价指标,并从多学科角度(几何、动力学、信号处理)完成了其理论构建。 3. 解决特定难题:成功解决了当内圈故障尺寸大于滚动体角间距且相差整数倍时,传统振动诊断方法失效的难题,拓展了定量诊断的应用范围。 4. 研究系统完整:工作流程涵盖了从理论模型建立、机理分析、指标提出与推导、数值仿真验证到实验台验证的全过程,逻辑严谨,证据链完整。
其他有价值内容 文中指出,由于AODD指标本质上是评估等效无故障区间,而该特性同样适用于外圈故障,仅是指标计算公式有所不同。考虑到外圈故障已有其他解决方法,本研究专注于更具挑战性的内圈故障问题。此外,实验部分也坦诚指出了实际轴心轨迹不如仿真规则,主要受噪声、误差及故障边缘变形等因素影响,这体现了研究的客观性,并促使研究者采用inpolygon函数等更稳健的方法来处理实验数据。