[发明专利]对轴承缺陷进行严重程度评估的方法和数据处理装置

说明书

本发明公开了一种对轴承缺陷进行严重程度评估的方法和数据处理装置。所述方法涉及一种方法，其基于轴承的旋转速度和被配置为测量轴承圈的振动的传感器获得的传感器数据中的至少一个数据样本来检测轴承缺陷严重程序的方法。所述方法包括以下步骤：通过应用傅里叶变换将所述数据样本从时域转换到频域以获得信号频谱；使用所述旋转速度来确定轴承的缺陷中心频率；识别信号频谱中的预定数量的频率峰值。发明人提出对已知方法进行改进以检测轴承缺陷严重程序，包括以下步骤：确定包括所述预定数量的频率峰值的全部频带的总振动能量；针对频率峰值中的每个频率峰值，将峰值能量确定为信号分量中导致频率峰值的频谱能量；使用所述频率峰值的峰值能量，计算轴承缺陷频谱能量；使用所述轴承缺陷频谱能量与所述总振动能量的比率来评估轴承缺陷的严重程度。

技术领域

本发明涉及基于听觉测量或加速度测量的滚动轴承的状态监控领域。

背景技术

已知可利用附在滚动轴承的轴承圈上的加速度传感器和/或振动传感器来检测在滚动体中或在滚道上的缺陷。可在与轴承集成为一体或附在轴承或轴承的外壳上的数据处理单元或者远程监控单元对传感器数据进行处理。

最初设想将轴承状态监控技术用于大型轴承(例如，风力发动机或火车)。现在轴承状态监控技术的应用领域随着小型化轴承的进步已经向更小尺寸的(例如，在卡车或汽车中使用的)轴承不断扩展并将进一步扩展。

从简单的、基于规则的自学习神经网络、特征提取和历史校准方法(诸如，新颖性检测(novelty detection))开始已经考虑过很多方法。然而，许多先进或“智能”的方法，虽然从学术观点令人印象深刻，但是缺乏跨行业现场经验，并且导致在工业实施中的复杂性。

在大多数情况下，所述方法涉及采用包络(已解调)振动信号的测量工具中的一个或多个工具。这些方法包括定量方法(诸如，整体振幅的检测)、定量统计(RMS、SD、方差)、计数、周期、自相关特性的使用、Hilbert空间分析或循环时间分析(CTA)。其它已知方法包括：定性方法(诸如，统计特性(峭度、CF等)或者基于贡献(CTA)部分或谐波含量的方法。

在所有类型的机器中影响状态监控(CM)的问题在于对于可靠的轴承缺陷检测(具体来说，当利用加速包络测量时)应配置何种级别的警告和报警(黄色和红色)阈值。利用较高频率范围的振动进行轴承损坏程度的定量(绝对振幅)评估的任何方法都受困于可使观察到的振幅放大或衰减的很多因素。

因此，在这些较高频率范围内，在一系列不同的应用甚至类似应用中使用固定量级的警报和警报阈值是不可行的，因此，必须使用单独的阈值，这需要很长时间的分析时间来对不同传感器和不同机器的这些阈值进行微调。

在轨道轴承监控(rail axle bearing monitoring)的情况下，可以看出，指示轴承具有明显缺陷的缺陷频率振幅根据轴承类型、车轴箱设计、传感器位置安装和传感器朝向从十分之gE变到超过10gE。在这种轨道应用中，常见的测量技术是为其安装无线传感器节点，当作为售后解决方案而安装该节点时，通常无法获得理想位置和朝向。此外，可以预期的是，这种RAG(红色黄色绿色)方法被合并到无线节点。

从车辆轴承采集的振动测量值通常包括大量的外部噪声，大部分外部噪声的出现与轮-轨的相互作用相关，这在不同的轨道应用、轨道、轮组(wheel set)和测量节点(传递函数不一致)中明显不同。这种外部噪声通常在使用“定量”严重程度方法和阈值时导致误报增加。同时，带有相似外部噪声的“相关”方法会导致漏报增加。根据CM分析师的观点或自动诊断系统方法，优选具有较少误报，即使是可能会导致更多漏报，并且相较于不是缺陷，当存在缺陷时CI值之间往往存在更为清晰的分离。

然而，到目前为止，这些方法都没有达到有经验的工程师的可靠性，即，在查看频谱过程中基于一系列谐波来检测出缺陷，以基于终端用户风险规范来评估其严重程度。

发明内容