[发明专利]一种轴承润滑状态监测方法、系统、设备及介质

说明书

本发明提供一种轴承润滑状态监测方法、系统、设备及介质，包括用红外热像仪采集轴承在润滑故障下的红外热像图；对采集的图像进行预处理，将图像数据分为训练集、验证集和测试集；构建用于轴承润滑状态监测的CNN‑SVM模型，初始化模型训练参数值，训练CNN‑SVM诊断模型；将图像测试集数据输入至训练好的CNN‑SVM模型进行诊断分析，输出轴承润滑状态监测结果；本发明采用红外热成像技术获取轴承原始数据，在数据采集过程中避免了传统基于振动信号诊断方法中存在的噪声影响问题；CNN‑SVM模型结合了CNN的特征提取能力和SVM的泛化能力，提高了轴承润滑状态监测的效率和准确率，对轴承的运行维护和状态监测有重要指导作用。

技术领域

本发明属于机械状态监测技术领域，具体涉及一种轴承润滑状态监测方法、系统、设备及介质。

背景技术

随着工业生产和科学技术水平的发展进步，旋转机械也不断朝着高速化、连续化、自动化方向发展，有效提高生产效率、保证产品质量、节约能源与人力；滚动轴承作为旋转机械的重要组成部分，在工程中起着十分关键的作用，滚动轴承的故障往往会产生比较严重的后果，因此，近年来，滚动轴承的状态监测成为了设备故障诊断中的热点问题，相关统计数据表明，旋转机械中30％的故障起因为轴承故障，轴承的正常与否已经对旋转机械产生了重大的影响。

根据有关数据估算，大概80％的滚动轴承和20％的滑动轴承采用润滑脂润滑，轴承在工作时必然伴随旋转产生振动，润滑脂的加入则可以有效抑制轴承的振动，其性能直接关系到轴承的正常运转以及使用寿命，良好的润滑可以大大减少金属与金属间的摩擦，还可以降低轴承工作表面温度，形成的润滑油膜能增大接触面积，减少接触应力等。然而，润滑不良或者润滑脂中混入异物等常常导致滚动轴承的摩擦加剧，大大减少滚动轴承的寿命，对滚动轴承磨损失效数据进行统计分析发现，滚动轴承磨损失效主要受润滑状态的影响，润滑失效会严重影响接触区域成膜特性，导致轴承磨损加剧；此外，滚动轴承在高速、超高速工况下，其内部接触区域的润滑油膜温度会急剧升高，制约着轴承极限转速的提高；同时，高速旋转的内外圈表面与空气摩擦会产生环形的空气流，形成气帘效应，阻挡油气对接触表面的润滑，使得轴承的润滑性能下降；因此，对轴承的润滑状态实时、精准监测不仅可为高速轴承服役过程提供最佳润滑策略，也对旋转机械的健康运行及维护具有重要的意义。

随着对轴承运行可靠性要求的不断提高，轴承润滑状态监测已经进行了很多研究工作，比如油液分析、振动信号分析、声发射信号分析等诊断技术，其大多技术需要采集机器发出的噪音或振动信号，在现场采集的振动信号通常受到较强的噪声干扰，故障信息容易淹没在强烈的背景噪声中，需要对振动信号进行降噪处理，难以提取反映滚动轴承运行的关键特征；振动信号十分复杂，信号会出现调频、调幅、调相等非平稳特征，这些特征又会相互耦合，使得故障特征的提取变得复杂，难以准确的表征轴承的润滑状态。

发明内容

针对现有技术中存在的问题，本发明提供一种轴承润滑状态监测方法、系统、设备及介质，采用的红外成像技术在数据采集过程中避免了传统基于振动信号诊断方法中存在的噪声污染问题，结合了CNN的特征提取能力和SVM的泛化能力，提高了轴承润滑状态监测的效率和准确率。

本发明是通过以下技术方案来实现：

一种轴承润滑状态监测方法，包括以下步骤：

S1：用红外热像仪采集轴承在润滑故障下的红外热像图；

S2：对采集的图像进行预处理，将图像数据分为训练集、验证集和测试集；

S3：构建用于轴承润滑状态监测的CNN-SVM模型，初始化模型训练参数值，训练CNN-SVM诊断模型；

S4：将图像测试集数据输入至训练好的CNN-SVM模型进行诊断分析，输出轴承润滑状态监测结果。

进一步的，所述步骤S1采用的红外热像仪发射率为0.1～1，热灵敏度为0.05℃；红外热像仪放置在主轴径向50cm的周围±5度的区域进行拍摄并获取图像。