滑动轴承在线状态监测技术及应用

一、引言

滑动轴承是工业设备中关键的支撑部件，广泛应用于汽轮机、压缩机、离心泵、轧钢机等大型旋转机械。其工作状态直接影响设备的可靠性、安全性和效率。据统计，旋转机械故障中约30%与滑动轴承相关，主要包括磨损、烧瓦、油膜振荡、不对中等问题。传统的离线监测（如定期拆机检查、油液抽样分析）存在滞后性，无法及时发现早期故障，往往导致非计划停机、设备损坏甚至安全事故。因此，在线状态监测已成为滑动轴承运维的核心手段，通过实时采集、分析数据，实现故障预警、状态评估和寿命预测，从而降低运维成本、提高设备可用性。

二、滑动轴承在线监测的核心参数

滑动轴承的状态由多个物理量共同反映，在线监测需重点关注以下关键参数：

1. 振动信号

振动是滑动轴承故障的“晴雨表”，其幅值、频率特征能直接反映轴承的工作状态。

时域分析：通过峰值、有效值（RMS）、峰峰值、峭度等指标判断振动强度。例如，磨损或异物进入会导致振动峰值突然升高；峭度值增大通常预示早期冲击性故障（如轴瓦表面剥蚀）。
频域分析：通过快速傅里叶变换（FFT）将时域信号转换为频谱，识别特征频率。例如，油膜振荡的频率约为转速的0.45~0.5倍；轴瓦磨损会导致基频（转速频率）幅值增大，且出现谐波成分。
时频域分析：针对非平稳信号（如启动/停机过程），采用小波变换、 Hilbert-Huang变换（HHT）等方法，捕捉瞬时频率变化，识别早期故障。

2. 温度

温度是反映润滑状态和摩擦状况的重要参数。滑动轴承的正常工作温度通常在40~80℃之间（取决于润滑方式和载荷），若温度持续升高，可能源于：

润滑失效（如油量不足、油质恶化）；
载荷过大（如轴系不平衡、不对中）；
冷却系统故障（如冷却水断流）。
在线监测中，通常在轴瓦巴氏合金表面或润滑油进出口安装热电偶或热电阻（Pt100），实时监测温度变化。当温度超过阈值（如比正常温度高15~20℃）时，系统触发报警。

3. 油液状态

润滑油的性能直接影响滑动轴承的寿命，油液监测主要包括：

油液污染度：通过颗粒计数器监测油中固体颗粒的数量（如ISO 4406标准），颗粒浓度升高可能预示轴承磨损加剧或密封失效；
油液理化指标：通过在线光谱分析仪监测油中金属元素（如Fe、Cu、Pb）的含量，Fe元素增多可能源于轴颈磨损，Pb元素增多可能源于巴氏合金剥落；
油液粘度：通过粘度传感器监测润滑油的粘度变化，粘度降低可能是由于油温升高或油液老化，粘度升高可能是由于污染或添加剂失效。

4. 载荷与转速

载荷（如径向载荷、轴向载荷）和转速是滑动轴承的重要参数，其变化会影响油膜厚度和轴承寿命。在线监测中，通过载荷传感器（如应变片、压力传感器）监测轴承载荷，通过编码器或转速传感器监测转速，结合振动、温度数据，可更准确地评估轴承状态。

三、在线监测系统的组成

滑动轴承在线监测系统通常由硬件层、软件层和应用层三部分组成：

1. 硬件层

传感器：根据监测参数选择合适的传感器，如振动传感器（加速度计、速度传感器）、温度传感器（热电偶、Pt100）、油液传感器（颗粒计数器、光谱分析仪）、载荷传感器（应变片）、转速传感器（编码器）。传感器的安装需考虑位置（如轴瓦顶部、侧部）、固定方式（如磁吸、螺栓）和抗干扰（如屏蔽电缆、接地）。
数据采集模块（DAQ）：将传感器输出的模拟信号（如振动、温度）转换为数字信号，实现信号调理（如滤波、放大）和同步采集。
传输设备：通过工业以太网（如PROFINET、Ethernet/IP）、无线通信（如LoRa、5G）将数据传输至服务器或云端，支持远程监测。

2. 软件层

数据处理：对采集的原始数据进行预处理（如降噪、滤波），提取特征参数（如振动有效值、温度均值、油液颗粒数）。
故障诊断算法：基于规则库、模型库或机器学习算法，识别故障类型和严重程度。例如：
- 规则库：根据行业标准（如ISO 10816振动标准）设定阈值，当参数超过阈值时报警；
- 模型库：建立滑动轴承的动力学模型（如雷诺方程），通过仿真计算油膜厚度、压力分布，判断是否发生油膜振荡；
- 机器学习：采用神经网络（ANN）、支持向量机（SVM）或深度学习（CNN、LSTM），通过大量故障数据训练模型，实现自动故障识别（如磨损、烧瓦、不对中）。
可视化界面：通过Dashboard展示实时数据（如振动频谱、温度曲线、油液污染度）、故障报警（如声光报警、短信通知）和趋势分析（如参数变化趋势、寿命预测），方便运维人员直观了解轴承状态。

3. 应用层

状态评估：通过多参数融合分析，评估轴承的健康状态（如“正常”“注意”“报警”“危险”）；
故障预警：当参数接近阈值或模型预测到故障时，提前发出预警，提醒运维人员采取措施（如调整载荷、更换润滑油）；
寿命预测：基于退化模型（如 Weibull 分布、剩余寿命预测模型），预测轴承的剩余使用寿命（RUL），为维修计划提供依据；
维护决策：结合设备需求和故障严重程度，制定最优维护策略（如预防性维护、预测性维护），避免过度维修或欠维修。

四、典型应用案例

1. 电力行业：汽轮机滑动轴承监测

某火电厂的汽轮机采用滑动轴承，传统离线监测方式（每季度油液分析、每年拆机检查）曾导致多次非计划停机。安装在线监测系统后，实时监测振动（加速度传感器安装在轴瓦侧部）、温度（Pt100安装在巴氏合金表面）、油液（颗粒计数器安装在润滑油管道）和转速（编码器安装在转轴）。

故障预警：某次中，系统监测到振动有效值从0.2 mm/s升至0.8 mm/s，峭度值从3升至8，同时油液中Fe元素含量增加（从5 ppm升至20 ppm），诊断为轴颈磨损。运维人员及时停机检查，发现轴颈表面有划痕，更换轴颈后避免了烧瓦事故。
效果：非计划停机时间减少了60%，维修成本降低了40%，轴承寿命延长了30%。

2. 化工行业：压缩机滑动轴承监测

某化工厂的离心压缩机滑动轴承，因载荷波动大（介质压力变化），经常发生油膜振荡。安装在线监测系统后，实时监测振动（速度传感器安装在轴瓦顶部）、载荷（应变片安装在轴承座）和转速（编码器）。

故障诊断：当载荷突然增加时，系统监测到振动频率为转速的0.48倍（油膜振荡特征频率），同时油膜压力降低（通过模型计算），诊断为油膜振荡。运维人员调整转速（降低10%），油膜振荡消失。
效果：油膜振荡发生率降低了80%，压缩机效率提高了15%。

3. 钢铁行业：轧机滑动轴承监测

某钢铁厂的轧机工作辊滑动轴承，因环境恶劣（高温、粉尘），经常发生密封失效导致油液污染。安装在线监测系统后，实时监测油液污染度（颗粒计数器安装在润滑油回油管）、温度（热电偶安装在轴瓦）和振动（加速度传感器安装在轴承座）。

状态评估：系统通过颗粒计数器监测到油中颗粒数（≥10μm）从1000个/mL升至5000个/mL（ISO 4406标准：18/15/12），同时温度升高了10℃，诊断为密封失效。运维人员及时更换密封件，避免了轴承磨损。
效果：密封件更换周期延长了50%，轴承寿命延长了40%。

五、挑战与未来趋势

1. 当前挑战

传感器安装困难：滑动轴承结构紧凑（如汽轮机轴承），传感器安装空间有限，可能影响轴承的正常；
环境干扰：工业环境中的高温、油污、电磁干扰会影响传感器性能（如加速度计的灵敏度下降）；
数据处理压力：在线监测产生大量数据（如每秒钟采集1024个振动样本），需要高效的数据处理和存储技术；
故障模式多样性：滑动轴承的故障（如磨损、烧瓦、油膜振荡）往往相互叠加，传统算法难以准确识别。

2. 未来趋势

智能传感器：发展带自校准、无线传输、边缘计算的智能传感器（如MEMS加速度计、物联网传感器），减少布线成本，提高抗干扰能力；
数字孪生：建立滑动轴承的数字孪生模型，通过实时数据驱动模型仿真，模拟轴承的状态（如油膜厚度、温度分布），实现虚拟监测和故障预测；
多源数据融合：融合振动、温度、油液、载荷等多源数据，采用深度学习（如Transformer、Graph Neural Network）实现更准确的故障诊断；
边缘计算：将数据处理和故障诊断算法部署在边缘设备（如网关、传感器节点），减少数据传输压力，实现实时决策；
标准化与模块化：制定滑动轴承在线监测的行业标准（如ISO 20816-9针对滑动轴承的振动标准），开发模块化监测系统（如可更换的传感器模块、软件插件），降低系统部署成本。

六、结论

滑动轴承在线状态监测是工业设备智能化运维的重要组成部分，通过实时采集、分析关键参数，实现故障预警、状态评估和寿命预测，显著提高了设备的可靠性和效率。随着传感器技术、机器学习和数字孪生的不断发展，在线监测系统将更加智能、高效，为工业企业带来更大的经济效益。未来，滑动轴承在线监测将成为大型旋转机械的标配，推动工业运维从“被动维修”向“主动预测”转变。