基于阶次域累积谱质心曲线与恒等性保持自适应调制的滚动轴承润滑状态识别
《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》:Rolling-bearing lubrication state identification using order-domain cumulative spectral centroid curves and identity-preserving adaptive modulation
【字体:
大
中
小
】
时间:2026年09月21日
来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING 10.2
编辑推荐:
**要点**
- 提出了一个自适应框架,用于跨转速润滑状态识别。
- 累积频谱质心曲线编码了渐进式的一阶矩轨迹。
- 质心轨迹保留了累积能量曲线中缺失的迁移特征。
- 微分先验调制补充了曲线差值的直接输入。
- 该框架在三个留出转速上实现了96.91%的平均准确率。
**引
**要点**
- 提出了一个自适应框架,用于跨转速润滑状态识别。
- 累积频谱质心曲线编码了渐进式的一阶矩轨迹。
- 质心轨迹保留了累积能量曲线中缺失的迁移特征。
- 微分先验调制补充了曲线差值的直接输入。
- 该框架在三个留出转速上实现了96.91%的平均准确率。
**引言**
滚动轴承被广泛应用于燃气轮机、电动机、压缩机及其他旋转机械中。其润滑状态直接影响承载能力、温升、磨损演变和可靠性。润滑脂老化、补充不足、供油中断以及污染等因素可能导致润滑不良甚至无脂运行。弹流理论与脂润滑理论将油膜失效与接触分离度降低和粗糙峰接触加剧联系起来[1], [2]。近期的脂润滑研究进一步表明,搅动效应、沟流效应、排脂效应以及热机械老化会影响供油能力、润滑脂寿命和摩擦接触[3], [4]。更近期的摩擦学研究显示,润滑脂不足状态下的摩擦行为取决于润滑脂膜的形成和工作条件[5],而在脂润滑圆柱滚子轴承中的直接测量表明,油膜厚度随转速、载荷和润滑脂类型的变化而改变[6]。这些发现表明,与润滑相关的接触条件同时受到润滑剂供应和工作条件的影响,这为解释对润滑敏感的振动变化提供了摩擦学依据。
与润滑相关的退化不同于滚道点蚀或剥落等局部结构缺陷。在早期阶段,润滑退化可能不会突然改变稳定的故障频率或边带特征。它更多表现为渐进的频谱能量迁移、局部频带能量比变化以及细微的频谱形态重排。监测问题在于提取对润滑状态敏感的表征,同时抑制转速和幅度尺度的干扰。本文中,"润滑状态"定义为在固定轴承、载荷和采集条件下,通过控制润滑脂量所建立的工作状态。
先前的研究已将与润滑相关的退化与摩擦学行为及振动响应联系起来。所报道的指标包括与粘度相关的振动变化[7]、基于振动分析的润滑不良检测[8]、交替润滑条件下频带和峭度的变化[9]、利用微机电系统(MEMS)麦克风进行振动检测[10],以及结合最小熵解卷积(MED)的频谱质心指标(SCI)用于润滑不良轴承[11]。近期的润滑监测研究在传感模态和部署假设方面均有所不同。声发射响应已与润滑剂膜厚度相关联,用于评估润滑状态[12],这为接触条件提供了相对直接的代理指标,但需要与壳体振动不同的传感模态。一种多尺度残差和语义一致性CycleGAN以标记的实验室多状态信号作为源域、以仅健康状态的现场振动作为目标域,解决了实验室到现场的数据迁移问题[13]。相比之下,本文采用的留一转速设置中,留出转速数据在训练、验证和模型选择过程中均被排除。仅使用振动信号对频域记录进行的功能分析也已证明在润滑剂类型和润滑质量评估方面具有很高的诊断准确率[14],但这些目标不同于在完全未见的转速下解析五种受控润滑脂量状态。综合来看,所引用的研究并未同时解决在完全未见的转速下,针对精细润滑脂量区分进行宽带频谱能量迁移渐进表征的问题。
弱冲击增强和频带选择方法在旋转机械诊断中已建立完善的研究体系。频谱峭度用于定位非平稳冲击[15], [16],峭度图用于选择瞬态特征频带[17],最小熵解卷积(MED)用于增强冲击响应[18],最大相关峭度解卷积(MCKD)利用周期性冲击[19]。近期的研究还开发了结构化的频谱表征方法,例如频率模式图谱,用于在强干扰条件下增强弱轴承故障的周期性脉冲特征[20]。这些方法非常适合以瞬态或周期性特征为标志的局部损伤,包括点蚀、剥落和齿面缺陷。然而,润滑退化可能产生更微弱且分布更广泛的能量变化,涉及多个阶次或频带,而不存在稳定的周期性脉冲序列。因此,以选定频带或孤立瞬态为中心的表征方法可能会忽略全局频谱能量迁移。
转速变化带来了额外的表征挑战。转速变化会导致频谱结构、幅度尺度和旋转分量的改变。频域序列或统计指标可能会将转速相关的峰值位置、带宽或幅度作为捷径进行编码。阶次跟踪将变转速信号对齐到阶次轴上,减少了绝对频率漂移[21]。在变转速或不稳定转速条件下的少样本和先验知识迁移研究也表明,阶次感知或工况感知信息具有重要价值[22], [23]。最近,通过多源低速振动信号进行训练,并通过自适应滤波和多级特征融合将所得模型直接应用于高速电动机,已经证明了跨转速主轴轴承故障诊断的可行性[24]。这建立了结构故障类别在目标转速自由部署方面的可行性,但其鲁棒性主要通过滤波和模型级特征融合来实现,而非通过面向润滑的累积频谱表征。在有限标签条件下,因果任务自适应原型学习和自适应频率注意力网络已被开发用于轴承故障诊断[25], [26],而孪生数据辅助无监督域自适应则使用未标记的真实数据作为目标域进行分布对齐[27]。这些方法主要通过模型层面、自适应层面或训练策略层面的方法来解决样本稀缺或迁移问题。在本文考虑的减少标签设置中,仅减少了带标签的源转速数据,而留出转速仍然不可用。这种分离促使评估输入表征本身是否在引入模型级自适应之前就已经保留了与润滑相关的区分能力。
深度学习和域自适应方法已改善了旋转机械诊断。卷积网络、自编码器、循环网络、生成模型和注意力机制可以从原始信号或时频图中学习特征[28]。迁移学习已被广泛应用于轴承诊断[29]。多源域自适应和特征自适应方法解决跨域或时变工作条件问题[30], [31], [32],而单域和因果域泛化方法则针对未见的工况[33], [34]。域对抗神经网络(DANN)利用梯度反转来模糊域标签[35],相关方法支持跨条件诊断[36], [37]。近期的研究进一步阐明了自适应与泛化之间的区别:机制驱动的域自适应利用未标记的目标域样本进行跨条件对齐[38],而双重解耦和分布感知师生方法则旨在实现对未见工况的域泛化[39], [40]。因此,不应在这些不同设置中混淆目标域的访问方式。本文采用的留一转速协议遵循转速目标未见的原则,留出转速在训练、验证、早停和模型选择过程中均被排除;然而,域偏移被刻意限制在较窄的范围内,因为试验台、轴承、载荷和传感配置均保持不变。因此,模型级对齐或泛化可以被视为与本文所考虑的表征级问题的互补:转速相关的峰值位置、幅度尺度和局部共振线索能否首先被重新组织为更稳定的渐进频谱表征。
跨转速润滑状态识别被构建为信号表征后接曲线分类的问题。所提出的累积频谱质心曲线(CSC)将阶次域对齐与渐进式频谱一阶矩相结合。随着累积上界的推进,质心在所有已包含的频谱分量上重新计算,从而产生频谱能量中心迁移的轨迹。与传统频谱质心不同,CSC保留了全频段端点之前的中间迁移过程。它也不同于累积能量曲线——后者累积的是零阶量——以及阶次谱——后者保留局部幅度序列。
先验引导和物理信息诊断方法已显示出将物理或信号知识嵌入轴承诊断网络的价值[41]。原始CSC提供渐进式一阶矩表征,逐样本标准化将其转换为仿射归一化轨迹用于分类。判别信息集中在平台过渡、中高阶跃变以及终端收敛之前的局部形状变化区域。采用一维残差网络(ResNet1D)作为曲线骨干网络[42],并配合卷积块注意力模块(CBAM)的通道-位置注意力进行特征重校准[43]。该分类器通过骨干网络对比与CSC输入表征进行独立评估。
自适应步长感知调制(AStA)提供了除双通道曲线输入之外的独立微分先验调制路径。它利用CSC的一阶差值生成位置门控,并通过零初始化的可学习强度参数控制先验注入。该模块在初始化时等效于原始骨干网络,并在训练过程中学习位置调制。最终的CSC曲线分类工作流程总结在图1中。
主要贡献总结如下:
1. 为跨转速润滑状态识别开发了一种阶次域CSC表征。CSC将阶次对齐与渐进式评估的频谱一阶矩相结合,将单个全频段质心转换为质心迁移轨迹,其原始纵坐标通过累积能量加权保留了频谱位置含义。逐样本标准化去除绝对偏移和尺度,同时保留相对迁移形态用于分类。
2. CSC曲线分类框架将表征、学习式特征重校准和微分先验调制分离开来。CBAM-ResNet1D执行一维特征提取和通道-位置重校准,而保持恒等映射特性的AStA利用CSC的一阶差值提供额外的有界调制路径,且不改变初始骨干映射。
3. 使用留一转速法和低样本协议评估对留出转速的迁移性能。通过与传统指标、阶次谱输入、累积能量对照、源转速对抗学习以及多种CSC骨干网络的对比,量化了输入表征、骨干重校准和先验引导调制的影响。
**章节摘要**
**润滑退化机制与渐进质心表征的动机**
滚动轴承中的润滑退化改变了滚动体-滚道接触处的润滑膜承载能力和摩擦激发。摩擦学分离度由油膜厚度比Λ = h_min / σ_c来描述,其中σ_c = √(R_q,12 + R_q,22),h_min为最小油膜厚度,R_q,1和R_q,2为两接触表面的均方根粗糙度。较大的Λ值表示更好的油膜分离效果。随着润滑脂不足、温升或粘度降低导致h_min减小,接触状态从……
**CSC曲线分类与双通道输入**
在阶次域CSC构建、线性重采样和逐样本Z分数标准化之后,每个振动样本被表示为长度为N的标准化CSC:s = [s?, s?, …, s_N]?。CSC描述了随着频谱区间被逐渐纳入时的累积质心迁移过程,而不将个别峰值位置或幅度作为主要表征保留。跨转速润滑状态识别被构建为阶次域CSC曲线分类问题。
**润滑相关的**
**实验设置与结果分析**
使用在20、30和40 Hz转速下收集的五行滚动轴承数据集进行评估。运行润滑条件由受控的润滑脂量定义,包括无脂状态。在留一转速(LOSO)评估中,每个转速依次被留出,在训练、验证、早停和模型选择过程中均不可用。
输入表征、源转速对抗基线、CSC骨干网络、低样本比例协议和消融实验……
**结论**
跨转速滚动轴承润滑状态识别被构建为阶次域信号表征后接一维曲线分类的问题。主要的表征贡献是累积频谱质心曲线,它将全频段频谱质心从单个端点扩展为沿累积阶次轴的渐进式一阶矩轨迹。与描述零阶能量累积的累积能量曲线不同,累积频谱……
**CRediT作者贡献声明**
Yongjia Peng:审阅与编辑,原创草稿撰写,可视化,验证,软件,方法论,调查研究,形式分析,数据管理,概念化。
Kun Feng:审阅与编辑,监督,资源,项目管理,资金获取,概念化。
Yukun Qin:审阅与编辑,数据管理。
Deqian Shao:验证,数据管理。
Jinji Gao:监督,资源,项目管理,资金获取。
**利益冲突声明**
作者声明不存在已知的竞争财务利益或个人关系,这些利益或关系可能会影响本文所报告的工作。
Yongjia Peng | Kun Feng | Yukun Qin | Deqian Shao | Jinji Gao
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号