九游会app下载:多载荷激励下轧机四列滚子轴承故障动力学建模及其响应特性研究（二）

九游会ag官方:

  第3.1节针对故障动力学响应特性，进行了数值结果讨论与分析，分析了内圈故障、外圈故障和滚动体故障下的轴承动力学特性。为验证故障动力学模型的准确性和可靠性，第3.2节搭建了工业测试平台并采集了轧制工况下的动态运行数据，以滚动体凹坑故障为例，验证了故障动力学特性的数值模拟结果。这种“模型仿真-试验验证”的闭环研究方法，不仅仅可以验证故障动力学模型的正确性，还能通过工业数据一直在优化动力学模型参数，提高模型预测精度。

  图8展示了滚动体穿过内圈滚道故障时的动态响应特性。当滚动体经过故障区域时，接触载荷和加速度信号会先后产生两次冲击：第一次冲击出现在滚动体刚进入故障的瞬间，即图8a中标示的“进入点”位置。第二次冲击出现在滚动体与故障后壁发生碰撞的瞬间，即图中标注的“碰撞点”位置。 根据滚动体的实际尺寸计算其与故障的几何近似关系可知：滚动体在进入故障后仍会与故障前壁保持短暂接触，因此导致接触载荷出现小幅回弹波动，如图8a所示。此外，当滚动体与故障后壁碰撞后，内外滚道的接触载荷会呈现交替增减现象，这表明滚动体在内外滚道间产生了弹跳运动，并由此激发出系统的高频振动，如图8b所示。随着这种交替碰撞现象逐渐减弱直至消失，加速度响应中的高频振动分量也相应衰减，此时系统振动主要体现为另一种频率较低的本征振动。这一发现为轧机轴承故障诊断提供了重要理论依照，通过监测双冲击间隔和振动频谱特征，可实现对故障类型和程度的精准判别。

  当外圈滚道存在严重故障时，滚动体通过故障区域的动态响应如图9所示。与内圈滚道故障类似，仍存在“进入点”和“碰撞点”两个关键时刻。此时滚动体与滚道间的接触载荷会在降为零之前出现小幅回弹波动。虽然滚动体进入故障区后其质心已远离故障前壁，但当滚动体径向位移增大时，故障前壁仍会与滚动体发生碰撞，这正是图9a中接触载荷出现回弹波动的原因。滚动体进入故障区并与后壁碰撞时，会在外圈加速度信号上产生冲击响应，如图9b所示。其中滚动体与故障壁碰撞时产生的冲击幅值达到局部极大值。这表明滚动体与故障碰撞时接触载荷的突变是故障轴承冲击现象的产生机理。 此外，碰撞点后加速度响应中出现高频振动，这可能是滚动体与滚道交替碰撞所激发的高频振动。随着该现象逐渐衰减消失，加速度响应中的高频振动也相应减弱，此时系统振动主要体现为另一种低频振动模式。

  含故障的滚动体通过滚道时的动态响应特性如图10所示。从图10a和10b的波形可以清晰观察到，当带有局部故障的滚动体依次通过内圈或外圈滚道接触区域时，轴承外圈测点的加速度响应均会产生非常明显的瞬态冲击脉冲。这些冲击激励本质上是由故障几何轮廓与滚道表面发生突然接触分离所导致的，其激发的高频振动成分与滚动体通过内/外圈故障时产生的特征振动模式具有高度一致性，具体表现为脉冲重复频率与滚动体通过频率的严格对应关系。进一步分析图10c和10d，接触载荷的时变特性与振动响应存在明确的因果关系：当故障前壁与滚道初次接触时，接触力发生突变并形成第一次冲击；随着滚动体继续旋转，故障后壁脱离接触时产生第二次载荷突变，这两次载荷阶跃在外圈加速度信号中分别对应着两个极性相反的冲击峰值。

  为验证数值结果正确性，在轧制现场搭建了工业测试平台，包括动态信号测试平台和激励载荷测试平台，如图11所示。轧机轴承发生故障时，位移的动态波动是最直观的物理量，但由于轧制过程中存在大量冷却水和氧化铁皮，难以直接获取故障轴承的动态位移。加速度传感器可适应高温潮湿环境，通过大数据处理方法提取振动频率及相关信息，拥有非常良好可靠性和实用性，如图11a所示。采用带磁力座的加速度传感器吸附在轴承座表面，采集垂直、水平与轴向三个方向的振动信号。动态信号采集仪型号为DH5922D，可支持24通道同步采集。本次测试数据来自粗轧机连续一个月的轧制生产轴承运行数据，试验包含1# 、2# 、3#三组轴承，各 组轴承根据轧制计划交替上机使用。各组轴承与轧辊的匹配情况如表1所示。

  激励载荷传感器为自主设计的环形中空式压力感应器，如图11b所示。该传感器利用贴上应变膜片的弹性体作为灵敏原件，外接驱动电源时，传递与外部负载成正比的信息，配合相应仪表使用。力传感器设计量程达到100t，具备0.019 mV/kN的灵敏度。在轧制现场停机检修期间，将这些传感器分别部署在上下工作辊的两侧，由于左下方螺栓无法移除，导致FT4传感器未能安装，其他传感器编号为FT1、FT2、FT3。

  由于轧辊下机后是带轴承座进行磨削，导致轧机轴承在实际轧制过程中处于信息黑箱状态。因此，第一步是要确定故障轴承编号。图12所示为轧机连续轧制两道次时垂直方向的加速度时域信号，通过时域图可清晰辨识咬钢、稳态轧制、抛钢和空转四个典型阶段。其中，咬钢和抛钢阶段因轧制力突变导致加速度幅值急剧增大，而稳态轧制阶段则呈现等时 间间隔的周期性冲击。轴承运行信息最丰富的阶 段当属稳态轧制过程，该阶段的信号可用于轴承状态分析。图13展示了1#、2#和3#轴承在稳态轧制过程中的时域信号，从中可见1#和2#轴承存在较明 显的周期性冲击波形，而3#轴承未见此类特征，但 2#和3#轴承振动信号的冲击幅值远小于1#轴承。

  为进一步 确定1#和2#轴承的健康状态，定量分析轴承振动信号，计算了均值、均方根值、峰值、 峰值因子、峭度、波形因子、脉冲因子和裕度因子等指标(见表2)。由表2可知，2#和3#轴承的均值远低于1#轴承，表明1#轴承存在非常明显的非规则运动特征。此外，1#轴承的均方根值和峰值也明显大于2#和3#轴承，说明其振动幅值和能量更大，进一步验证了其不良运作时的状态。正常轴承的峭度值应约为3，2#与3#轴承的峭度值与正常轴承的差异不大；而1#轴承的峭度值显著增大，表明信号中冲击成分 较多。脉冲因子与裕度因子物理意义相似，均为信 号中的冲击特征指标，在此 两项指标下2#和3#轴承的表现同样明显优于1#轴承。由此可初步判定2#和3#轴承的健康状态 优于1#轴承。因此，本文以1#轴承为研究对象，研究其轧制过程中的故障动力学特性。

  为验证数值模拟结果的准确性，根据信号处理 结果对1#轴承进行解体分析，解体后的轴承如图14 所示，能清楚的看出滚动体发生局部凹坑故障。 因此，试验结果中，以含故障的滚动体穿过滚道的 动力学特性为例进一步验证数值模拟结果准确性。

  含故障的滚动体通过滚道时动态响应特性的试 验结果如图15所示。从图15a和15b的波形可以清 晰观察到，当带有故障的滚动体依次通过内圈或外 圈滚道接触区域时，轴承外圈测点的加速度响应与 数值模拟结果表现出显著的一致性。具体表现为： 首先，试验测得的冲击脉冲出现时刻与数值预测结 果严格对应，时间偏差不超过0.1 ms；其次，两次 特征冲击的峰值加速度与仿真结果的相对误差均控制在5%以内；冲击脉冲的维持的时间与仿真波形保 持了高度吻合。虽然实际工况中存在的冷却水浸 入、轧机振动等耦合因素会在进入点之前和碰撞 点之后引入额外的波动信号，但这些干扰成分主 要分布在100 Hz以下的低频段，而故障特征冲击 依然在时域波形和频域特征上保持了与数值结果的高度一致。

  进一步分析图15c和15d可知，试验结果与数 值结果在接触载荷时变特性和加速度响应方面呈现 出良好的对应关系。试验测得的接触载荷曲线虽然 存在更多由轧制工况引起的波动成分，但其整体变 化趋势与数值仿真结果保持了高度一致，特别是在 故障前/后壁与滚道接 触的临界时刻，载荷突变量与仿线%，充分证明了动力学模型对实际轴承故障特征的准确预测能力。

  含滚动体故障的轧机轴承在不同轧制规程下 会呈现复杂的动态特 性。以1#轴承中的滚动体凹坑故障为例，选取成品厚度为3.2 mm的SPA-H 钢(耐候钢)作为轧制工况。图16展示了辊系在不 同轧制 道次的动态特性：图16a和16b分别为上、下工作辊 的加速度响应，可见咬钢和抛钢阶段加 速度响应波动剧烈，而稳态轧制阶段本应保持稳 定，但由于滚动体存在严重故障，该阶段仍会出现明 显的冲击响应，如图16c所示。轴承故障导致上 工作辊轴承位移出现显著波动，这会间接引发轧 制辊缝的不稳定，严重影响轧制精度。而下工作 辊轴承位移波动平稳，如图16d所示，表明其运 行状态良好。

  针对轧机四列滚子轴承在多载荷激励工况下的 动力学特性，构建了涵盖健康与典型故障状态的精 确动力学模型，通过数值求解与工业试验的协同验 证，系统揭示了四列滚子轴承在复杂激励下的故障 动力学特性。研究成果不仅为滚动轴承的耦合动力 学建模提供了普适性方法，同时通过工业级试验验 证，为重大装备关键部件的状态监测与故障诊断提 供了提供一定的工程指导价值。

  (1) 在激励载荷建模方面，建立了包含轧制力 波动、力矩不平衡及轴承游隙等多因素的辊系整 体激励载荷模型，以及轴承局部故障激励模型。 在动力学建模方面，通过多载荷激励的边界条件 构建了轧机轴承在健康和故障状态下的动力学模 型，并通过工业试验验证了所建模型具有较高的 预测精度。

  (2) 工 业测试数据分析结果表明，1#轴承运行 状态明显异常，其振动均值、均方根值和峰值分别较2#和3#轴承高出35%、42%和58%，且峭度值达 4.8(正常值≈3)，脉冲因子与裕度因子均超标，表明 存在严重冲击损伤。

  (3) 接触载荷和加速度信号在滚动元件穿过故 障区域时先后产生两次冲击，其中首次冲击后因与 故障前壁持续接触导致载荷小幅回弹，二次冲击则 引发内外滚道接触载荷交替变化及高频振动。随着 碰撞能量衰减，系统最终转为以低频本征振动为主 导的响应状态。

  (4) 含故障的轧机轴承在不同轧制规程下会 导致辊系呈现复杂的动态特性。咬钢和抛钢阶段 动态响应波动剧烈，而稳态轧制阶段本应保持稳 定，但由于轴承存在故障，该阶段仍会出现非常明显 冲击响应。

  四列滚子轴承作为轧机的核心部件，其运行 状态关乎整机的稳健运行。然而，四列滚子轴承 内部动态信息一直处在“信息黑箱”状态，如何 实现其内部多物理场信息的实时感知与早期故障 预警已成为行业发展的关键瓶颈。智能轴承技术 的兴起为破解这一难题提供了新思路，但现有技 术在轧机轴承领域的应用仍面临无线测量可靠性 不足、内部信息传输效率低等核心技术挑战。突 破这些技术瓶颈，实现轴承状态信息的透明化获取与智能化诊断，将是未来智能轧机装备发展的重点突破方向。