轮毂轴承失效模式与剩余寿命预测研究

刘国 易声超 向景勋 吴文洲

摘要：轮毂轴承是汽车装备的关键零部件，其可靠性的工作直接影响驾驶员和乘客的安全。为了更好地研究轮毂轴承的失效模式和剩余寿命，详细分析了其失效的模式以及剩余寿命的预测，提出无失效数据条件下的非等间隔灰色预测方法。该方法可以通过轮毂轴承的仿真無失效数据对轮毂轴承的剩余使用寿命进行预测，为轴承的可靠性评估提供了新的思路。

关键词：轮毂轴承；失效模式；剩余寿命；预测

中图分类号：U467.4  收稿日期：2023-04-10

DOI：10.19999/j.cnki.1004-0226.2023.07.017

1 前言

汽车已经成为现代人出行的首选交通工具。随着我国汽车保有量的不断增加，汽车零配件的故障越来越多。轮毂轴承是汽车关键零部件，对驾驶员和乘客的行车安全至关重要。对于轮毂轴承的质量来说，国内的质量相对于国外低30%[1]。而在疲劳寿命和可靠性方面，我国使用的轮毂轴承的使用寿命只能达到国外的50%左右[2]。

2 轮毂轴承失效模式分析

轮毂轴承的失效方式有很多种，主要分为疲劳失效、磨损失效、塑性变形，其中最常见的失效形式为疲劳失效。

2.1 疲劳失效

轮毂轴承的疲劳是滚动轴承长期工作的结果，也是最常见的失效形式，主要表现为滚动体活动的内外轨道出现了裂痕，或者滚动体本身出现了凹坑。早期疲劳出现的凹坑是不规则和不连续的，当持续工作一段时间后，原先的凹坑就会使滚动体大面积的脱落，直至滚动轴承完全失效，失去工作能力。然而，造成这种现象的原因主要是安装不到位或者工作期间轴承没有得到充分的润滑。

2.2 磨损失效

滚动轴承的另外一种常见失效形式是磨损。轮毂轴承工作期间不但承受了汽车和乘客的重力，同时还承受来自地面的冲击载荷。轮毂轴承在恶劣的工作环境中，密封不良容易进入颗粒物，这些颗粒物与滚动轴承的内圈、外圈、滚动体和保持架之间产生相互作用，导致滚动轴承运动表面出现划痕，加快了轮毂轴承的失效，出现过早的报废情况。

2.3 塑性变形

汽车在不平的路面行驶时，经常会遇到障碍物产生一定的冲击，因此轮毂轴承会经常受到地面的冲击载荷，过大的冲击载荷可以使轮毂轴承产生不可逆转的变形，致使轴承工作时产生剧烈震动和噪声。

3 轮毂轴承剩余寿命预测

轮毂轴承的主要作用是承受汽车自身和乘客的重量，同时也为驾驶员转弯提供精确的引导。目前，汽车上的轮毂轴承广泛采用圆锥滚子轴承。对于轮毂轴承的可靠性分析与寿命预测主要是基于机理模型、数理统计和人工智能的方法开展研究。

3.1 基于机理模型的滚动轴承剩余寿命预测

基于机理模型的剩余寿命预测方法主要是从滚动轴承的四个组件以及它们之间的运动规律着手，利用力学的相关理论进行分析，建立相对准确地退化机制和演化规律，进而对滚动轴承进行剩余使用寿命预测。部分学者将滚动轴承的退化机制和演化机理同有限元仿真结合起来，提高了滚动轴承的预测精度。刘德昆等[3]分析了高速列车动车组轴向轴承在工作过程中受载情况，根据先行损伤理论，得出轴箱轴承的疲劳使用寿命。该方法得到了工程上的应用，具有一定的实用价值，也为轴箱轴承的优化设计提供了新的思路。虽然说基于机理模型的滚动轴承的剩余寿命预测方法是最有效的表征轴承退化状况的方法，但是该方法的不足之处是需要建立精确的数学模型，这种精确的数学模型对于建模人员有着非常高的专业背景要求和实际的工程管理经验。随着汽车装备的复杂化，滚动轴承的数据采集，尤其是实车采集带来了很大的难度，试验成本也较高，使得应用机理模型对滚动轴承的退化过程描述更加困难。

3.2 基于数理统计的滚动轴承剩余寿命预测

目前，大数据技术应用在机械装备故障诊断和寿命预测越来越多。而基于数据统计构建的剩余寿命预测方法是否与真实的机械装备性能退化相吻合是考验方法和模型准确性的重要手段。因此在进行剩余寿命预测时，要合理选择构建的数学模型。蔡薇薇等[4]针对轴承到达服役时间而依然满足使用条件造成的资源浪费问题，提出了一种基于CNN-LSTM的轴承剩余使用寿命预测方法。基于数理统计的滚动轴承剩余寿命预测方法优点能够真实地反映机械产品在工作时的状态。采集的过程数据可以很好地对构建的数学模型参数进行有效的修正，提升剩余寿命的预测精度。但是，这种方法需要花费大量的时间去收集实验数据，对于轮毂轴承等高可靠性产品，实验时间过长，且成本较高，这就限制了该种方法的使用范围。

3.3 基于人工智能的滚动轴承剩余寿命预测

人工智能算法研究机械装备故障诊断和剩余寿命是目前最热门的方法。人工智能算法有很多种，最为常见的是神经网络、支持向量机和模糊计算等。张继东等[5]应用卷积神经网络对提取到的故障特征信号进行特征自学习，将学习的结果应用到轴承上，采用滚动轴承的加速实验数据对提出的算法进行了验证。赵志宏等[6]针对获取轴承全寿命数据困难、收集的样本数据较少的情况，提出关系网络，根据该网络对轴承的剩余寿命进行预测，通过实验数据验证了该方法的合理性。刘波等[7]将连续连续型隐马尔可夫模型模型与基于粒子群优化算法的支持向量机结合来建立剩余寿命预测模型，并用建立的模型对轴承进行剩余寿命预测，具有较好的预测结果。Chen等[8]提出了一种新颖的基于空间注意力的卷积变压器，在没有先验知识和特征工程的情况下，基于原始振动数据建立准确的轴承剩余寿命预测模型。随着科技的进步，人工智能技术不断普及，在未来一段时间内，是一种主流的研究手段。当研究数据十分匮乏，并且都是无失效数据，即在乏信息的情况下，人工智能算法也会受到限制。

灰色系统理论可以很好解决在缺乏信息情况下机电产品可靠性评估和寿命预测。本文基于贝叶斯理论和灰色系统理论对高可靠性轮毂轴承进行剩余寿命进行预测。

4 基于灰色系统理论的轮毂轴承剩余寿命预测

轮毂轴承是高可靠性产品，通过轴承的全寿命数据来评估轴承的可靠性难以实现。灰色系统理论可以在极少数据的情况下对可靠性較高的轴承进行可靠性评估和剩余寿命进行预测。获得滚动轴承寿命数据一般采用定时截尾试验。试验过程中可以获得滚动轴承的无失效数据，并且是非等间隔的。对于GM（1，1）模型进行剩余寿命预测时，必须将非等间隔的试验数据转化为等间隔试验数据。最后根据南京航空航天大学灰色系统研究所开发的灰色系统建模软件进行剩余寿命预测，软件界面如图1所示。

4.1 构建轮毂轴承的无失效数据模型

轮毂轴承的寿命符合威布尔分布。根据轮毂轴承的工作状况确定合理的试验样本数量、分组、截尾时刻和最终的截尾时间，利用Monte-Carlo法产生服从威布尔分布的随机数，按照从小到大的顺序排列成无失效数据结构，根据文献[9]确定多组轴承的形状参数和尺度参数，得出它们的平均值。根据轮毂轴承的形状参数和尺度参数的平均值，采用文献[10]方法产生无失效数据，构建无失效数据模型。

4.2 非等间隔可靠度数值的计算

根据贝叶斯计算公式，计算轮毂轴承各个截尾时刻的失效概率估计值，从而得到轮毂轴承在截尾时刻的可靠度的估计值。

4.3 非等间隔灰色预测建模方法

灰色预测模型GM（1，1）在预测轮毂轴承剩余寿命时，只能采用等间隔的可靠度估计值，而不能采用定时截尾的非等间隔数值。因此，采用GM（1，1）模型进行轮毂轴承的剩余使用寿命评估时，需将无失效数据模型的非等间隔数值转化为等间隔数值。主要建模方法包括构建可靠度估计值构建成原始序列，计算各时段与平均时段的单位时段差系数，计算轮毂轴承间隔序列的灰度，构建等间距序列。将等间隔的可靠度数据输入灰色建模软件，进行剩余寿命预测，如图2所示。

5 结语

目前人们对于汽车质量的要求逐渐提高，这就需要提升每个汽车零配件的加工质量和装配质量。对于轮毂轴承，越来越多的理论渗透到可靠性及剩余寿命预测中，提高了评估的准确性。

参考文献：

[1]卢刚.践行可靠性系统工程实现轴承行业高质量发展[J].轴承，2019（1）：61-65.

[2]王国辉.重卡轮毂轴承疲劳寿命分析及可靠性试验技术研究[D].杭州：浙江农林大学，2020.

[3]刘德昆，李强，王曦，等.动车组轴箱轴承基于实测载荷的寿命预测方法[J].机械工程学报，2016，52（22）：45-54.

[4]蔡薇薇，徐彦伟，颉潭成.基于CNN-LSTM的轴承剩余使用寿命预测[J].机械传动，2022，46（10）：17-23.

[5]张继冬，邹益胜，邓佳林，等.基于全卷积层神经网络的轴承剩余寿命预测[J].中国机械工程，2019，30（18）：2231-2235.

[6]赵志宏，张然，孙诗胜.基于关系网络的轴承剩余使用寿命预测方法[J/OL].自动化学报：1-9[2023-04-29].

[7]刘波，宁芊，刘才学，等.基于连续型HMM和PSO-SVM的滚动轴承剩余寿命预测[J].计算机应用，2019，39（S1）：31-35.

[8]Chen C，Wang T，Liu Y，et al.Spatial attention-based convolutional transformer for bearing remaining useful life prediction[J]. Measurement Science and Technology，2022，33（11）：114001.

[9]卜德天，陈龙，刘红彬，等.基于振动时间序列的汽车轮毂轴承寿命威布尔估计[J].轴承，2023（1）：44-49+56.

[10]刘国，姚齐水，余江鸿.基于无失效数据的滚动轴承剩余寿命非等间隔灰色预测方法[J].机电工程，2022，39（4）：501-506.

作者简介：

刘国，男，1988出生，讲师，研究方向为运载装备关键零部件的可靠性评估及寿命预测。