摘　要：本文分析了轴承故障信号的基本特征，并将共振解调技术的原理和基于振动信号的信号处理方法用于滚动轴承的故障诊断.在实践中运用该技术手段消减了背景噪声的干扰，提高了轴承的信噪比，取得了与实际情况完全吻合的诊断结果。并概述了滚动轴承故障监测和诊断工程与试验应用技术的现状，并预测了滚动轴承故障监测和诊断技术应用新进展和发展方向。
　　关键词：滚动轴承；共振解调；小波分析；信噪比（SNR）；变速箱；故障监测；信号处理；故障诊断；应用技术
　　1　轴承故障信号的基木特征
　　机器在正常工作的条件下其转轴总是匀速转动的，由轴承的结构可知，当轴承某元件的工作而产生缺陷时，由加速度传感器所测取到的轴承信号具有周期性冲击的特征，由信号理论可知，时域中短暂而尖锐的冲击信号变换到频域中去时必具有宽频带的特性，而非冲击的干扰信号则不具有上述特性，所以时域中的周期性冲击与频域中的宽频带特性构成了轴承故障信号区别于其它非冲击性干扰信号的基木特征。
　　2　用共振解调技术提高轴承信号的信噪比
　　我们来考察一下用共振解调技术提高轴承信号信噪比的过程。传感器拾取到的轴承信号包含两部分内容，即轴承的故障信号和干扰噪声两部分。带通滤波器的中心频率与传感器的安装片振圆频率相一致，它将保存被传感器的共振响应所加强了的冲击性故障信号，滤除掉频率较低的干扰噪声信号，这种保留下来的瞬态冲击信号经过包络检波器后就形成了一个与故障冲击重复频率相一致的包络脉冲串，然后对该脉冲串进行普分析便在低频域内得到一个与冲击币复频率相一致的峰值。峰值的大小反映了冲击的强弱即故障的严重程度这样我们就借助共振解调技术实现了故障信号与干扰信号的分离，并在低频域内重新得到了故障冲击的信息。而在常规的信号分析与处理过程中一开始就使用了抗混频滤波器（低通滤波器这种分析方法没有利用轴承故障信号的特点，经抗混频滤波器后将被传感器的共振以加强放大了的故障特征信号无情地滤除了，所剩下的只是强大的背景噪声信号及微弱的故障特征信号，因此用常规的信号分析方法难以排除干扰信号的影响而采用共振解调技术就可以排除背景噪声的干扰，提高轴承故障诊断的有效率。
　　3　滚动轴承故障监测和故障诊断技术
　　机器质量控制与监控诊断专家，已故的屈梁生院士提出了“诊断是以机械学和信息论为依托，多学科融合的技术，本质是模式识别”的学术思想^[1]。故障诊断技术是一门集数学、力学、摩擦学、测控技术、计算机技术、信号处理技术、模式识别技术、人工智能技术、决策科学、信息科学等众多科学技术交叉、融合于一体的现代工程新学科，受到越来越多的重视和关注。滚动轴承的状态监测与故障诊断就是通过对滚动轴承在各种工况下表现出来的振动、噪声、温度、工作参数、气味、泄漏等信息的监测和综合分析来对其工作状态、故障类型和故障严重程度进行综合评价的过程，主要包括检测试验技术、信号处理技术、模式识别技术和预测评估技术4项基本技术，从而实现检测和发现异常、诊断故障状态和部位、分析故障类型、提出诊断方案和诊断结论的目的。
　　世界各国都十分重视对大型设备的状态监测和故障诊断工作，积极开展故障机理、故障监测、故障诊断技术等方面的研究和系统开发工作，自从20世纪70年代以来，国外的机械设备状态监测和故障诊断技术已经进入实用化阶段。我国故障诊断技术经过20多年的发展，从简易诊断到精密诊断，从一般诊断到智能诊断，从单诊断到网络诊断，逐步走出了一条适合我国国情的发展道路，不论在故障诊断理论和方法上，还是在工程实践及监测诊断产品的研发中，都已经有了一定的基础。
　　4　滚动轴承故障监测和故障诊断技术分类
　　滚动轴承故障监测和诊断理论和方法的研究一直是研究的热点和难点，根据故障监测和诊断技术机理的不同，滚动轴承的故障诊断技术主要有振动诊断技术、油液诊断技术、热诊断（热成像诊断和温度诊断）技术、声学诊断技术、油膜电阻诊断技术、光纤诊断技术等，其中振动诊断技术、铁谱分析诊断技术、热诊断（热成像诊断和温度诊断）技术应用Z为普遍。
　　4.1 振动信号基的故障监测和诊断技术
　　基于振动信号的滚动轴承故障监测和诊断技术主要通过对运行过程中轴承振动信号的采集和处理来对旋转机械中滚动轴承出现的疲劳剥落、变形、压痕、局部腐蚀等故障进行监测与诊断，该方法应用广泛，相关理论和实践。
　　4.1.1 平稳信号的监测和诊断技术
　　早期的监测和诊断方法主要基于傅立叶频谱分析、时间序列模型的平稳振动信号分析方法。傅立叶频谱分析是通过查看频谱图中是否有明显的故障频率波峰存在，从而判断轴承是否正常运行，这种方法诊断出来的轴承往往已经有了较严重的损伤，对早期的轴承故障诊断不够灵敏。如果采集到的信号序列较短或傅立叶变换不能将相互靠近的两个频率分开，则采用时间序列模型分析（也称为参数模型的谱分析），常用的模型有ARMA模型、AR模型、MA模型等。为了提高信噪比和分析效能，时域平均方法、倒频谱分析、包络分析、数字滤波技术、自适应技术、主分量技术、细化谱技术、双谱技术、全息谱技术等分析技术被不断地充实到故障诊断的理论和方法中。
　　4.1.2 循环平稳信号的监测和诊断技术
　　循环平稳信号是一种特殊的非平稳信号，其统计特征参量随时间呈现周期或多周期的变化规律，具有循环平稳特性。基于二阶循环平稳理论的时间平滑周期图法，基于调幅和调频信号模型推导出循环域解调方法，基于谱相关密度提取轴承故障特征信号的方法等都能够有效地提取故障特征信号，有效抑制噪音和干扰信号对调制结果的影响，提高监测的准确性，同时循环平稳分析方法能更加贴切地映轴承的真实运转情况，较准确地揭示故障的本质特征。
　　4.1.3 非平稳信号的监测和诊断技术
　　由于傅立叶变换是信号的全局变换，因此不能够有效地分析非平稳信号。非平稳信号的局部性能需要使用时域和频域的二维联合表示，对这种信号的分析称为时频信号分析。Cohen L的专著详细叙述了时变频谱在时频平面上的分布特性、计算方法、尺度表示以及各种算子问题，孟庆丰等描述了振动信号分析时频域法，证明了时频域法是识别轴承故障的有效方法，黄迪山等改进了Classen的Wigner分布算法，克服了由离散计算引起的混叠问题，应用二维、三维Wigner分布图对轴承故障进行了特征分析，实践表明，短时Fourier谱和Wigner分布都能将时域信号变换到时频域，但是对于时变信号，应用Wigner分布则更为适宜。
　　小波分析是近年来发展起来的一种时频分析方法，该方法具有时域和频域的局部化和可变时频窗的特点，解决了傅立叶变换等不能解决的许多问题，被称为“数学显微镜”，Sun Q等采用连续小波变换（CWT）的方法，通过各尺度连续小波变换的简化分析，来识别轴承振动信号中包含的以故障特征频率为周期的周期成分，用来检测轴承运行中的局部损伤故障；Nikolaou NG等提出了使用小波包变换（WPT）作为分析系统振动信号的工具，来诊断轴承的局部缺陷，小波包变换能有效地提取振动信号的微弱瞬态特征；张中民等提出了基于正交小波变换诊断轴承故障的新方法；史东锋等提出了基于高斯函数的小波包络解调分析方法。张中民等利用小波分析技术将轴承故障振动信号分解到时—频空间，提出了利用能量分布函数细化谱诊断变速箱轴承故障的分析方法；张佩瑶等提出了提取强噪声背景下多通带窄带信号的一种新方法——小波包信号提取算法。实践证明，小波分析是一种有效的非平稳信号分析方法。另外，基于振动信号的改进小波包分析、改进的时频分析、高阶谱、维谱分析、分形维数方法、奇异值分解技术、隐马尔经验模态分解技术、经验模态分解（Empirical Mode Decomposition.EMD）技术等开始在滚动轴承故障监测与诊断的工程实践中得到越来越广泛的应用并取得了一定的成效。
　　5　滚动轴承故障诊断技术研究现状及发展趋势
　　5.1 滚动轴承的故障特点
　　滚动轴承具有一个突出的特点，其寿命离散程度非常大。若仅呆板地按照设计寿命对轴承进行定期维修，是很不科学的。轴承使用中，要随时进行工况的监测和故障的判别。这样不仅可以防止设备工作精度下降，减少事故发生的机率，还可以Z大限度发挥轴承的工作潜力，节省开支。
　　轻微损伤的轴承可以从使用情况，特别是轴承工作表面的磨损状况、磨损轨迹等征兆来推断出其失效的真正原因。损伤严重的轴承是因突发事故而完全报废的轴承，Z终的破损状况往往早已掩盖了初始损伤的痕迹，暴露出来的只是轴承Z终咬死和烧毁的现象，以及已破损的轴承零件的残骸。这些原因使得人们容易混淆轴承损伤的Z主要根源，只能从轴承的工作条件、润滑状况、支承的整体结构以及损伤的形式做出推断，并借助其他科学的分析方法来验证。因此，在滚动轴承的实际使用过程中，应该立足于轴承损伤状况的监测与识别，研究早期故障诊断技术，以预防因轴承损伤而引发的停机、停产和设备损坏等重大经济损失和人员伤亡事故。
　　5.2 滚动轴承运转中的常用检查项目
　　轴承运转中需要监测检查的项目主要有：轴承的滚动声、振动情况、温度、润滑的状态等，具体情况如下：
　　（1）轴承的滚动声对运转中的轴承的滚动声的大小及音质进行检查，即使有轻微的剥离等损伤，也会发出异常音和不规则音。通过对这些声音的分析，可以作为判断轴承运行状况良好与否的依据之一。
　　（2）轴承的振动
　　轴承振动对轴承的损伤很敏感，如剥落、压痕、锈蚀、裂纹、磨损等都会在轴承振动测量中反映出来。所以，通过采用特殊的轴承振动测量器（如频率分析器等）可测量出振动的大小。通过对振动频率的分析，进一步推断异常情况。但是由于测得的数值因轴承的使用条件或传感器安装位置等不同而又有所差别，因此需要事先对每台机器的测量值进行分析比较后确定判断标准。
　　（3）轴承的温度
　　通常，轴承的温度随着运转开始慢慢上升，1-2小时后达到稳定状态。轴承的正常温度因机器的热容量，散热量，转速及负载而不同。如果润滑、安装部不合适，则会导致轴承温度急骤上升，出现异常高温，这时必须停止运转，采取必要的防范措施。使用热传感器可以随时监测轴承的工作温度，并实现温度超过规定值时自动报警或停止，防止燃轴等事故的发生。
　　（4）润滑
　　润滑对滚动轴承的疲劳寿命和摩擦、磨损、温升、振动等有重要影响。没有良好的润滑，轴承就不能正常工作。分析轴承损坏的原因表明，约40%左右的轴承损坏都与润滑不良有关。因此，轴承的良好润滑是减小轴承摩擦和磨损的有效措施。除此之外，轴承的润滑还有散热，防锈、密封、缓和冲击等多种作用。轴承润滑的作用可以简要说明如下：
　　a.在相互接触的二滚动表面或滑动表面之间形成一层油膜把二表面隔开，减少接触表面的摩擦和磨损。
　　b.采用油润滑时，特别是采用循环油润滑、油雾润滑和喷油润滑时，润滑油能带走轴承内部的大部分摩擦热，起到有效的散热作用。
　　c.采用脂润滑时，可以防止外部的灰尘等异物进入轴承，起到封闭作用。
　　d.润滑剂都有防止金属锈蚀的作用。
　　e.延长轴承的疲劳寿命。
　　5.3 滚动轴承故障诊断的现状及发展趋势
　　自二十世纪六十年代以来，国内外学者对轴承的故障诊断做了大量的研究工作，各种方法与技巧不断产生、发展和完善，应用领域不断扩大，诊断精度也不断提高。时至今日，故障诊断技术己成为一门独立的跨学科的综合信息处理技术，它以可靠性理论、信息论、控制论、系统论为理论基础，以现代测试仪器和计算机为技术手段，结合各种诊断对象（系统、设备、机器、装置、工程结构、工艺过程等）的特殊规律而逐步形成一门新兴的学科。总的来说，轴承故障诊断的发展经历了以下几个阶段：
　　阶段：利用通用的频谱分析仪诊断轴承故障。
　　第二阶段：利用冲击脉冲技术诊断轴承故障。
　　第三阶段：利用共振解调技术诊断轴承故障。
　　第四阶段：以计算机为中心的故障诊断。
　　伴随着轴承故障诊断这四个阶段的发展，故障诊断理论和新的信号测试与处理方法也不断地出现。但就基于信号处理技术的诊断方法而言，可以分为两大类：一是基于传统信号处理的故障诊断方法，如频谱分析法、幅值参数指标分析法、冲击脉冲法、共振解调法等；二是基于现代信号处理的故障诊断方法，如现代谱分析法、时频分析法、非高斯信号处理法、非线性技术处理法、智能诊断法等方法。
　　随着现代数学、信息科学、计算机技术、电子技术、人工智能技术、网络技术等更加广泛和深入地应用，故障诊断技术与当前前沿科学的融合是故障诊断技术的发展方向。当今故障诊断技术的发展趋势是传感器的精密化、多维化，诊断理论和诊断模型的多元化，诊断技术的智能化。总的来说，主要表现在下述几个方面：
　　（1）故障诊断的远程化
　　（2）故障诊断方法的相互融合
　　（3）与多元传感器信息的融合
　　（4）诊断技术与虚拟仪器的结合
　　5.4 现有诊断技术的局限性及急待解决的问题
　　在以往的经典信号分析与处理方法中，为了便于分析与处理，对待分析对象进行一些理性化的处理和简化，例如假设被分析的信号具有线性、平稳性和Z小相位等特征，并在此基础上形成了完整的理论体系和方法。但是，在工程实际应用中，这样的简化常常忽略了信号中的一些重要特征，特别是一些非平稳的信息，这些信息往往预示着设备状态的发展趋势。利用传统方法对滚动轴承进行状态监测与分析时，不能充分反映出轴承的真实运转情况。对于工作在较为理想工况条件下的简单机械设备，分析结果尚可；对于精密机械设备或者是在复杂的工况条件下的设备，则诊断结果常常差强人意，误诊和漏诊现象的大量出现，这是影响设备状态监测与诊断技术的推广和进一步发展的Z主要原因。
　　随着各种新兴的信号与信息处理方法的引入，如Priestley演变谱、短时Fourier变换、Cohen类时频表示（如Wigner-Ville分布、Cohen分布）、小波分析、非线性时间序列分析等，振动信号分析方法在非线性、非稳态和非高斯特征处理方面有了长足的进步，带来了一定的社会和经济效益。但是，上述几种信号处理方法本身也存在一些固有的缺陷，例如并未充分考虑到旋转机械设备固有的周期时变特性。演变谱方法要求时变信号需要具有多个观测记录，而短时Fourier变换和Cohen类时频表示通常要求非平稳信号是慢变化的等等。此外，现有的信号分析技术在低信噪比振动信号的特征提取方面，并未取得突破性进展。滚动轴承的振动信号由经历复杂传递途径所带来的干扰，往往造成故障信息淹没在背景噪声和干扰之中，从而使信号特征提取变得异常困难。
　　参考文献
　　[1]马晓建，陈瑞琪，吴文英，周保堂，贺世正.机械故障诊断中常用解调方法的比较及应用[J].东华大学学报（自然科学版），2001.
　　[2]何晓霞，沈玉娣，张西宁.连续小波变换在滚动轴承故障诊断中的应用[J].机械科学与技术，2001.
　　[3]王平，廖明夫.滚动轴承故障特征信息的自动提取方法研究[J].机械强度，2003，（06）.
　　[4]屈梁生.机械故障的全息诊断原理[M].北京：科学出版社，2007.
　　[5]刘泽九，贺士荃，李兴林，等.滚动轴承应用手册[K].2版.北京:机械工业出版社，2006.
　　[6]温诗铸，黎明.机械学发展战略研究[M].北京：清华大学出版社，2003.
　　[7]周仲荣，雷源忠，张嗣伟.摩擦学发展前沿[M].北京：科学出版社，2006.
　　[8]梅宏斌.滚动轴承振动监测与诊断——理论·方法·系统[M].北京：机械工业出版社，1995.
　　[9]吴今培，肖健华.智能故障诊断与专家系统[M].北京：科学出版社，1997.
　　[10]陆爽.基于现代信号分析和神经网络的滚动轴承智能诊断技术研究[D].长春：吉林大学，2004.
　　[11]周福昌.基于循环平稳信号处理的滚动轴承故障诊断方法研究[D].上海：上海交通大学，2006.
　　[12]李兴林.点接触滚动摩擦副磨合过程的试验研究及其理论分析[D].杭州：浙江大学，1987.