李興林^1、2　王志強¹　陳掌娥²　常振^1、2　李斌²　陳炳順³

（1.杭州軸承試驗研究中心（聯合國援助）博士后工作站；2.機械工業軸承產品質量檢測中心（杭州）ISO/IEC 檢測/校準CNAS L0309；3.杭州誠信汽車軸承有限公司）

摘　要：隨著工業大數據和物聯網的興起，軸承壽命及其健康檢測的研究將被推向新的高度，基于大數據對其進行健康狀態的評估及運行狀態的預測等研究將有助于提高軸承設備的可靠性，避免軸承健康狀態的惡化，延長其工作壽命。本文對國內外關于軸承健康檢測與壽命預測方面所取得的成果進行了綜述，并對其前景進行了展望。雖然現有研究已取得一些值得關注的成果，但對軸承設備的運行數據收集、退化故障特性信息提取、健康狀態評估、剩余壽命預測等關鍵技術的研究則開展很少，因此加大這方面的研究對進一步提升軸承的壽命使用性能具有重要的理論意義及應用價值。

關鍵詞：滾動軸承；可靠性；大數據；健康監測；壽命預測

滾動軸承是決定機械健康狀態與壽命的關鍵部件之一，軸承壽命及其健康狀態的研究存在影響因素多、壽命分散度大、試驗費時、數據積累難、理論建模難等特點。隨著加工制造及運行過程中數據的積累，物聯網，云計算和智能算法等技術的發展與普及，生產環境已經慢慢具備了大數據環境的基礎，在此基礎上對軸承健康管理與壽命預測能夠使軸承實現與自身狀態的相互比較、數據和經驗模型的積累、故障的協同診斷，進而成為具備自學習和自成長能力的智慧系統。在這樣的系統中，軸承系統不再是一個獨立運行的個體，通過信息網絡系統對整個制造運行系統中所有設備進行預后分析，使控制與決策端可以看到軸承的狀態與運行能力。而現階段對于每一類的軸承均由其專業的傳感器與分析設備進行管理，并沒有建立一個統一的平臺去整合軸承故障中的常用特征與其對應的通用、可重構的算法。另一方面，雖傳感器與分析器可以完成基本的監測與預測任務，但是對于根本故障原因的挖掘，高響應的預測方法，大規模設備集群，多種軸承的協同管理并不能很好的適配。在軸承健康監測及壽命預測方面將面臨苛刻的要求，為此本文將詳細介紹軸承大數據健康監測及壽命預測方面取得的成果，并對其發展方向進行了展望。

1　滾動軸承壽命及可靠性的研究

1.1 軸承壽命及可靠性試驗機發展及現狀

軸承壽命指軸承的一個滾動體或滾道出現一個疲勞剝落 前的總轉數或工作小時數。軸承壽命試驗離不開軸承壽命試驗機，軸承壽命試驗機的發展也見證了軸承壽命研究的發展。我國軸承壽命的試驗研究，主要以洛陽軸承研究所和杭州軸承試驗研究中心（聯合國援助）兩個科研單位帶頭，其他相關企業的壽命及可靠性試驗基地為輔，共同承擔我國軸承行業的軸承壽命、可靠性和性能試驗研究工作。目前我國軸承壽命試驗機的設計、研發、生產等已完全實現自主化，甚至某些技術理念已達到領先水平，但相對于斯凱孚、舍弗勒、鐵姆肯、恩梯恩等多個國外軸承大公司而言起步甚晚。在20世紀早期，我國軸承行業的發展主要依靠前蘇聯老大哥的技術支撐，軸承的壽命試驗主要在ZS型軸承壽命試驗機基礎上進行，而這種試驗機的評估質量早已淘汰于軸承服役性能發展的要求；且杭州軸承試驗研究中心(HBRC)通過聯合國援助項目從美國引進的“F&M 5”新型滾動軸承疲勞壽命試驗機非但價格昂貴、技術壟斷，還采用氣動高壓動力源和60Hz的電頻率，不適合中國的國情。因此，軸承壽命強化試驗機實現自主化生產已勢在必行，20世紀90年代，杭州軸承試驗研究中心在國外先進壽命試驗機的基礎上，自主研制出ABLT-1型自動控制滾動軸承疲勞壽命強化試驗機，為國內壽命試驗機開辟了新市場和新前景，在當時已具有先進水平。隨著ABLT-1型滾動軸承疲勞壽命強化試驗機的降生，國內軸承壽命試驗機的發展如雨后春筍，但大都是在ABLT-1的基礎上衍生或改進而來。

圖1 ABLT- 1A型滾動軸承疲勞壽命及可靠性強化試驗機

隨著軸承生產廠家與使用廠商對其壽命試驗及可靠性工程的重視，待測試軸承型號逐漸多元化，ABLT-1型試驗機已不能滿足諸多不同參數的軸承。在持續消化吸收和改進ABLT-1型軸承壽命試驗機的基礎上，杭州軸承試驗研究中心又自行設計研制了2型、3型、4型、5型、6型、7型、8型、9型等ABLT其他系列滾動軸承疲勞壽命及可靠性強化試?機，具有完全自主產權的新型軸承試驗技術和方法。ABLT系列疲勞壽命及可靠性強化試驗機吸收了以前試驗技術的優點，進一步加強和完善了自動化控制水平。當下，諸多企業都在向“工業4.0、智能制造、互聯網+”等大方向努力靠近，壽命試驗機也逐漸向智能化、自動化的趨勢發展更新。對于不同行業或不同企業來說，市場需求模式不同、產品生產加工工藝不同、需求側重點不同，個性化與智能化的需求越來越大。滾動軸承壽命及可靠性試驗機也相應進行了革新，Z為核心的革新點為驅動系統與加載系統，因為影響軸承壽命試驗Z為主要的人為控制因素為試驗轉速與載荷。伺服電機與電液伺服閥的加入使得軸承壽命試驗更容易滿足客戶個性化、自動化的要求。驅動裝置采用伺服電機，能夠將電壓信號轉化為電機轉速以驅動控制對象，在自動控制系統中，用作執行元件，且具有機電時間常數小、線性度高、始動電壓等特性。加載系統運用電液伺服閥，在接受電氣模擬信號后，可相應地輸出調制的流量和壓力，進而將小功率的微弱電氣輸入信號轉換為大功率的液壓能(流量和壓力)輸出，載荷加載更加快速、精確。通過個性化的設計，已基本能夠滿足大多數滾動軸承疲勞壽命強化試驗的需要。

國內軸承壽命試驗機的發展已歷經40余載，基本已具備了熟練的研發技術、豐富的測試經驗、并積累了大量的試驗數據。雖然已取得了一定的研究成果，但是影響軸承壽命的因素太多、太復雜,軸承壽命實驗數據處理仍需進一步完善。現應當建立關于軸承疲勞機理研究、失效因素分析、材料冶煉加工工藝、試驗數據分析等相關技術的數據庫，并盡快提出國產軸承壽命計算各修正系數的推薦值，以便適用于飛速革新的各類軸承服役信息。

1.2 軸承壽命及可靠性試驗預測研究

軸承在全壽命周期運轉的過程中，很可能會受到高溫、潤滑不良、裝配不當、異物侵入等因素的影響，從而導致軸承的損傷，發生故障失效。由于軸承壽命非常離散，一批同結構、同材料、同熱處理、同加工方法的軸承在相同的工況下，其Z高壽命和Z低壽命相差幾十倍甚至更多，傳統數理統計方法顯示軸承壽命試驗數據近似符合威布爾分布或者對數正態分布，但在實際工況中仍舊難以預判。因此對軸承壽命試驗數據的有效處理顯得格外重要，國內外研究機構積極也開展軸承壽命試驗數據的相關研究。Saxena等利用功率譜密度參數作為滾動軸承性能退化指標，對軸承的剩余使用壽命進行了預測，其密度參數可以診斷故障發生的位置和程度。肖婷等采用峭度及多域特征集作為趨勢預測指標，在有效反映軸承運行狀態的同時還可以預測軸承的性能退化趨勢。Banjevic等使用比例風險模型預測了設備的可靠性函數與剩余壽命，并將某一時刻的協變量作為基準，預測了其剩余壽命。Kacpnynski在前人研究的基礎上，提出將監測數據與材料參數結合的預測模型，并利用該模型開展了滾動軸承壽命預測工作。Kimotho等提出了一種混合差分進化粒子群（DE-PSO）優化算法優化支持向量機的核函數和懲罰參數的預測方法，提高了支持向量機的分類精度和剩余壽命預測的準確性，并采用NASA標準軸承故障數據進行驗證。Orsagh等利用Yu-Harris模型，預測了滾動軸承發生疲勞剝落故障的初始時間，并利用 Kotzalas-Harris模型，預測了滾動軸承的失效時間。Panigrahi提出一種擴散粒子群算法（DPSO），用于解決軸承性能退化研究中的極大似然函數估計問題，取得了較好的預測效果。

當前基于統計的壽命模型依然在軸承壽命預測中占有主導地位，但是試驗與工程應用發現，統計壽命模型計算出的壽命通常偏保守，軸承壽命分散度大，所以如何通過軸承性能退化機理研究，完善軸承壽命模型是一個主要問題。基于狀態監測的壽命預測方法隨著信息新技術與人工智能的發展而成為一個軸承壽命預測研究的熱點領域。借助于大數據、人工智能信息等技術可以獲得反映軸承服役性能的動態信號、獲得表征軸承性能衰退的信號特征參數、建立信號特征參數與剩余壽命之間的映射關系，從而實現剩余壽命的預測。但是缺乏合適的特征參數來衡量軸承運行過程中性能逐漸衰退的演變規律，且神經網絡等人工智能方法與傳統壽命預測模型相比，物理意義不夠明確，參數影響因素較大。如何針對其中的難點展開深入研究，對軸承壽命預測技術來說至關重要。

2　滾動軸承大數據健康監測的研究

軸承健康監測是基于現有的已知數據，對軸承未來的運行狀態趨勢進行一定時間內的變化預測，以期準確、快速地獲得故障發展信息。對軸承開展狀態監測和健康監測工作，可以掌握軸承退化過程規律，阻止更大的故障發生，防患于未然。

Caesarendra等采用相關向量機回歸算法和邏輯回歸組合方法對軸承退化程度和預測故障時間進行了評估。Yu等采用局部保局投影法對軸承運行的特征進行提取，并采用高斯混合模型和統計指標進行軸承健康狀態的評估，研究表明該特征提取的效果明顯優于成分分析法。李修文等采用頻域形態濾波進行低速滾動軸承聲發射信號降噪，將仿真和實際的軸承信號進行對比，結果表明此方法有很好效果。Rojas等提出了一種基于SVM 的滾動軸承故障診斷方法，將滾動