李曉陽,劉 萌,李 萌
(長安大學(xué) 汽車學(xué)院,陜西 西安 710064)
軸承作為現(xiàn)代汽車的重要支撐部件,廣泛地應(yīng)用于車輛發(fā)動機(jī)、傳動系統(tǒng)和行駛系統(tǒng)中,對于汽車能否保持平穩(wěn)行駛起著極為重要的作用。所以軸承一旦故障,就可能影響相關(guān)機(jī)械部件的正常工作,甚至使汽車不能正常運行,帶來安全隱患。因此,開發(fā)一套車載軸承振動監(jiān)測系統(tǒng),并通過控制器局域網(wǎng)(Controller Area Network,CAN)總線接入車載自診斷系統(tǒng),對某些重要的車用軸承(如變速器滾動軸承)進(jìn)行實時振動監(jiān)測和故障診斷并向駕駛員發(fā)出警示提醒就很有其必要性。
基于振動分析的軸承故障診斷方法發(fā)展至今,已經(jīng)出現(xiàn)了許多智能化診斷的技術(shù)。例如,HE等人將基于振動分析軸承故障診斷技術(shù)融入一種深度學(xué)習(xí)結(jié)構(gòu)中,設(shè)計出一種基于深度學(xué)習(xí)的軸承振動分析和故障診斷方法[1]。JIA等人提出了一種利用深層神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNN)同時進(jìn)行故障診斷和故障嚴(yán)重程度檢測的方法。結(jié)果表明,該方法能夠自適應(yīng)地從被檢測信號中挖掘可用的故障特征,并且可使得診斷的精確度更高[2-3]。目前由于車載自診斷系統(tǒng)可診斷的故障信息并不包含軸承故障信息。因此,本文參考和利用車載自診斷系統(tǒng)開發(fā)出一套車載軸承振動監(jiān)測系統(tǒng),以擴(kuò)充車載自診斷系統(tǒng)在車用軸承故障診斷方面的空白。
由于本文的主要目的是以變速器滾動軸承為例設(shè)計出一套車載軸承振動監(jiān)測系統(tǒng),完成系統(tǒng)設(shè)計的首要任務(wù)是先了解變速器滾動軸承的故障特點和振動監(jiān)測原理,在此基礎(chǔ)上確定該系統(tǒng)所采用軸承故障診斷方法,隨后進(jìn)一步分析出該車載軸承振動監(jiān)測系統(tǒng)的基本功能,完成該系統(tǒng)的總體結(jié)構(gòu)設(shè)計。
滾動軸承主要是由內(nèi)圈、外圈、滾動體和保持架等基本元件組成,考慮到軸承發(fā)生局部損傷類故障后,在其運行過程中產(chǎn)生的振動、沖擊較大,容易對整個機(jī)械系統(tǒng)產(chǎn)生危害,所以通常把這類故障作為研究的重點。本文將設(shè)計的車載軸承振動監(jiān)測系統(tǒng)也把監(jiān)測的主要故障確定為點蝕、疲勞剝落早期局部損傷類故障。
表1 軸承各部件故障特征頻率計算公式
當(dāng)變速器滾動軸承某部件出現(xiàn)點蝕、疲勞剝落等局部損傷類故障后,在軸承運行過程中損傷部件會產(chǎn)生某種對應(yīng)該故障部件的、具有固定特征頻率的周期性沖擊[4]。軸承的外圈、內(nèi)圈、滾動體和保持架等部件發(fā)生點蝕、疲勞剝落等早期損傷故障時,對應(yīng)的故障特征頻率如表1所示。
本文主要采用時域分析和頻域分析等基于振動分析的軸承故障診斷方法,采用時域分析法的主要目的是提取振動信號的一些時域特征參數(shù)進(jìn)行軸承的初步診斷,判斷軸承是否存在故障;然后如果判定軸承存在故障,可進(jìn)一步利用頻域分析法進(jìn)行頻譜分析,根據(jù)頻譜圖中某些頻率成分的幅值和分布診斷出軸承的故障部件。
本文主要將系統(tǒng)的功能大致分為兩大部分,第一部分功能為實現(xiàn)軸承振動監(jiān)測,要求該系統(tǒng)能夠完成軸承振動信號的采集、處理和分析,判斷軸承是否存在故障并能進(jìn)一步分析診斷出軸承故障的具體部件等;第二部分功能為實現(xiàn)“車載”,要求能夠?qū)⑾到y(tǒng)的硬件和軟件較好地安裝到汽車中,并通過CAN總線連接車載自診斷系統(tǒng),完成與車載自診斷系統(tǒng)的數(shù)據(jù)傳輸,將診斷出來的軸承故障信息通過車載自診斷系統(tǒng)顯示給駕駛員。
借助結(jié)構(gòu)化、模塊化的設(shè)計思想,在分析得出本文中的車載軸承振動監(jiān)測系統(tǒng)的基本功能的基礎(chǔ)上,可將整個車載軸承振動監(jiān)測系統(tǒng)初步分為數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊和故障顯示模塊等三個功能模塊。
硬件是本文設(shè)計的車載軸承振動監(jiān)測系統(tǒng)的基礎(chǔ),本文設(shè)計的車載軸承振動監(jiān)測系統(tǒng)主要硬件組成如圖1所示。
圖1 車載軸承振動監(jiān)測系統(tǒng)主要硬件組成
安裝在變速器滾動軸承附近位置的傳感器獲取軸承的振動信號并轉(zhuǎn)換成電荷信號;電荷放大器將采集的電荷信號轉(zhuǎn)換為電壓信號并進(jìn)行信號調(diào)理,放大其中含有故障特征信息的頻率成分;數(shù)據(jù)采集卡將采集的振動信號由模擬信號轉(zhuǎn)換成數(shù)字信號并輸入計算機(jī)中;在計算機(jī)中運行設(shè)計的軟件程序,繼續(xù)完成軸承振動信號的采集、分析等一系列操作,完成軸承故障診斷故障信息上傳等功能;最后通過車載自診斷系統(tǒng)完成上傳的故障信息報文解讀和顯示功能。
根據(jù)前文的理論分析基礎(chǔ),借助LabVIEW軟件的開發(fā)平臺,分?jǐn)?shù)據(jù)采集、數(shù)據(jù)分析、故障顯示三個功能模塊逐步完成整個車載軸承振動監(jiān)測系統(tǒng)的軟件設(shè)計[5],軟件框架圖如圖2所示。
圖2 軟件框架圖
采用美國凱斯西儲大學(xué)軸承數(shù)據(jù)庫的數(shù)據(jù)對本文設(shè)計的系統(tǒng)進(jìn)行調(diào)試和實例分析,采集數(shù)據(jù)使用的試驗臺主要由一個1.5 kW(2馬力)的電動機(jī)、一個扭矩傳感器/ 譯碼器、一個功率測試計和電子控制器組成[6]。本文選取一組具有內(nèi)圈故障的深溝球軸承,將其安裝在試驗臺中,然后通過電動機(jī)帶動各測量儀器轉(zhuǎn)動并采集相應(yīng)的振動信號數(shù)據(jù),軸承的具體型號為6205-2RS JEM SKF,具體含義為位于瑞典哥德堡的斯凱孚公司(Svenska Kullager-Fabriken)生產(chǎn)的雙面密封的深溝球軸承,所需的一些基本參數(shù)如表2所示。
表2 實驗軸承的基本參數(shù)
下面利用該實驗數(shù)據(jù)進(jìn)行本文設(shè)計的車載軸承振動監(jiān)測系統(tǒng)軟件部分的實例分析。
首先,由于本文是借助美國凱斯西儲大學(xué)軸承故障數(shù)據(jù)庫的數(shù)據(jù),因此,在調(diào)試時應(yīng)在系統(tǒng)的參數(shù)設(shè)置界面中將實時采集開關(guān)關(guān)閉,然后再選擇本文需要進(jìn)行分析的軸承振動信號數(shù)據(jù)文件,并輸入相應(yīng)參數(shù)。
首先,系統(tǒng)對該實驗數(shù)據(jù)進(jìn)行時域分析,判斷軸承是否存在故障,時域分析后得到的分析結(jié)果如圖3所示。
圖3 時域分析結(jié)果
分析結(jié)果顯示波形數(shù)據(jù)的峭度約為5.4,峰值因子約為5.2,同時故障指示燈亮,即系統(tǒng)判定該軸承存在故障。為了進(jìn)一步確定軸承的故障部件,系統(tǒng)先通過帶通濾波器選擇出波形數(shù)據(jù)中3 000 Hz~4 000 Hz的成分進(jìn)行包絡(luò)解調(diào),獲得的包絡(luò)信號再進(jìn)行低通濾波后取得該信號的包絡(luò)功率譜,具體結(jié)果如圖4所示。
圖4 包絡(luò)功率譜
這里觀察到在信號的包絡(luò)功率譜中,最大幅值對應(yīng)的頻率在162 Hz附近,同時注意到所選用軸承在發(fā)生內(nèi)圈故障時的故障特征頻率恰好約為162 Hz,因此,可以確定該軸承存在內(nèi)圈故障。該診斷結(jié)果與所選用軸承存在內(nèi)圈故障這一事實是一致的,從而證明了系統(tǒng)診斷結(jié)果的準(zhǔn)確性。
系統(tǒng)通過分析軸承的振動信號數(shù)據(jù)已經(jīng)確定該軸承確實存在內(nèi)圈故障,首先選擇上傳故障信息報文的幀類型為標(biāo)準(zhǔn)幀,輸入軸承存在內(nèi)圈故障這一進(jìn)行軸承故障診斷后獲得的故障信息,并選擇上傳軸承故障信息。然后通過對故障信息報文進(jìn)行解讀后,將解讀的軸承故障信息連同上傳的故障信息CAN報文的內(nèi)容一起顯示出來,對應(yīng)的界面如圖5所示。
圖5 故障信息顯示界面
本文針對當(dāng)前車載自診斷系統(tǒng)可診斷范圍并未覆蓋整車的現(xiàn)狀,設(shè)計開發(fā)了一套基于Lab VIEW軟件平臺的車載軸承振動監(jiān)測系統(tǒng),并對其進(jìn)行了調(diào)試和實例分析,驗證了所設(shè)計系統(tǒng)的軸承故障診斷等部分功能的準(zhǔn)確性,這對保證車用軸承的可靠性及推進(jìn)智能診斷系統(tǒng)的發(fā)展有著巨大的意義。