变工况滚动轴承故障诊断方法综述

胡春生，李国利，赵 勇，成芳娟

宁夏大学 机械工程学院，银川750021

在现代化装备制造业中，旋转机械设备正朝向重载化、自动化、智能化的趋势不断发展，其结构更加精密，功能更加复杂，是现代装备不可或缺的重要组成部分[1-3]。滚动轴承常被用于支撑旋转体、减小摩擦以及保证回转精度等，是旋转机械传动装置最重要的部件之一。由于轴承长时间高速旋转，常常伴随着磨损、高温、重载等严苛的工作条件，因此故障频发。研究显示，轴承发生故障是很多重大安全事故的诱因，一旦轴承发生故障，轻则停机停产，重则造成人员伤亡，给生产生活带来巨大灾难[4]。因此，对轴承运行状态进行实时监测以及故障诊断具有重大安全意义。经过国内外科研人员近40年的研究，轴承故障检测与诊断技术发展了大量的有效方法，如温度、油屑分析、振动、声发射、静电、超声等[5]。由于振动数据便于分析并容易获得，因此绝大多数的研究都是通过分析振动信号来进行故障诊断。

当前传统恒定工况的轴承故障诊断方法主要分为两种，一种是以信号分析为主的传统故障诊断方式，如EMD[6]、集合经验模态分解（EEMD）[7]和奇异值分解（SVD）[8]等，该方法依靠人工提取特征值，因此该方法十分依赖专家经验；另一种为以数据驱动为主的机器学习方法，如RNN（包括LSTM和GRU）[9-10]、Logistic回归[11]、支持向量机（SVM）[12]、人工神经网络（ANN）[13]和CNN[14]等，该方法无需人工参与，可自动提取信号特征，且准确率大大提高，因此被广泛应用于故障诊断领域。……