工业4.0系统中如何监测滚针轴承状态

简要答案

监测 滚针轴承 通过在轴承座或最近的刚性结构上采集振动、温度及运行工况数据，再经由边缘网关传输至平台，并将数据趋势与轴承自身基线进行对比。由于滚针轴承结构紧凑，且往往以往复摆动而非连续旋转方式工作，同时常在低速条件下运行，直接布置传感器并不容易。工业4.0工具使这一工作具备可行性：低成本传感器、边缘计算以及 OPC UA、MQTT 等开放协议，使原本不值得单独安排手持巡检路线的众多小型轴承也能够被持续监测。

实际步骤如下：

1. 评估滚针轴承监测优先级时，应依据失效后果，而不是轴承尺寸。

2. 根据运动形式选择测量量：旋转工况优先采用振动和温度；摆动工况则宜采用扭矩、电机电流或位移并结合温度。

3. 传感器应安装在刚性金属部位，并尽可能靠近载荷区，前提是不超过结构设计允许范围。

4. 对高频数据进行边缘处理，并上传特征值，而非原始波形。

5. 以每个轴承自身的基线建立报警阈值，并将每一条报警与具体的维护措施关联。

以下各节将分别说明每个步骤，以及最常导致监测项目停滞的错误。

滚针轴承为何更难监测

与球轴承或圆柱滚子轴承相比，滚针轴承更难监测，因为其紧凑化设计在缩小结构空间的同时，也压缩了常规传感器布置位置，并削弱了故障信号。

• 径向截面极薄。滚针呈细长形，其长度通常至少为直径的四倍，因此轴承所需径向空间极小。轴承座往往就是齿轮、摇臂或泵体本体，轴承旁边通常没有可供布置传感器的自由表面。

• 往复摆动运动。摇臂、万向节十字轴和执行机构关节通常只在部分角度范围内摆动，而非连续旋转。基于频率的诊断方法默认轴转速恒定，而摆动工况会在每个行程中打破这一前提。

• 低速、低能量。低速轴承产生的故障信号较弱。2018 年一项关于振动与声发射方法的综述指出，由于信噪比较低，低速轴承比高速轴承更难监测。

• 信号路径长且干扰多。齿轮、轴和相邻轴承都会叠加各自的振动。针对大型低速轴承的研究将非稳态运行工况、低动能以及故障点与传感器之间的距离，列为核心难点。

• 许多设计中没有内圈。很多滚针轴承直接在淬硬轴上运转，因此轴表面即为内滚道。该表面一旦磨损，受损部位并不会随轴承一起更换。

• 单台设备轴承数量多。一个传动机构或执行机构内可能装有数十个滚针轴承，这使得单个监测点的成本成为现实约束。

从事摆动式滚针轴承试验的研究人员也反映了这一现实。公开发布的摆动式滚针轴承失效运行数据集记录了加速度、温度、位置位移、扭矩波动和径向运动，而不仅仅是振动数据。

测量项目

对于每个滚针轴承位置，至少应采用两种互补信号，一种响应快，一种响应慢，因为没有任何单一测量能够覆盖所有失效模式和所有运动形式。

作为振动状态监测通用标准的 ISO 13373-1 指出，振动可在轴承本体或轴承座结构上测量，完整的监测方案还可纳入热成像、油液分析、铁谱分析，以及温度和压力监测。对于滚针轴承而言，这种更全面的视角尤为重要。

对于低速轴而言，声发射同样值得关注。克兰菲尔德大学的一项博士研究表明，在 10 to 100 rpm 条件下，其统计参数能够跟踪轴承状态。

在实际应用中，有两种组合效果较好。对于连续旋转的滚针轴承，可将轴承座振动与轴承座温度联合监测。对于摆动关节，则可将温度与驱动扭矩或电机电流结合监测，并且仅在行程中包含可单独识别的稳速段时再增加振动监测。

传感器选型与安装位置

应将传感器安装在刚性金属部位，并尽量靠近载荷区、保持短而直接的传递路径；对所有受监测单元，安装位置必须一致。

传感器选型

• 加速度传感器。压电式（IEPE）更适用于包络分析等宽频带应用。MEMS 型体积更小、成本更低、供电更方便，但仍需核对数据手册中的频率范围和噪声底，是否满足所需识别的故障类型。

• 温度传感器。在轴承座附近的壳体上安装热敏电阻或热电偶，可提供变化较慢但可靠的健康状态指示，并可用于安全跳闸。

• 声发射传感器。仅适用于转速较低、振动信号较弱，且具备相应数据处理能力的场景。

• 工况信号。从机器控制器读取转速、位置或角度、载荷和电机电流，并与传感器数据进行时间戳同步。

安装规则

1. 安装在壳体上，尽量靠近载荷区，并与主载荷方向保持一致。

2. 选择刚性表面，避免信号传递路径中存在薄盖板、垫片和接缝。

3. 永久安装宜采用螺柱固定或胶粘方式。磁座可用于试装，但可能发生位移，并对高频信号产生衰减。

4. 记录传感器的位置与安装方向，便于后续更换时与原始布置保持一致。

5. 线缆应远离动力线路和运动部件。若布线条件受限，可选用无线节点，但需接受采样率与电池续航之间的权衡。

当无法直接接近轴承时

应监测最近的刚性结构，并以趋势判断为主，而非依赖绝对数值。距离轴承一定位置的壳体无法给出与数据手册完全对应的数值，但仍足以反映该轴承当前与上月相比是否出现行为变化。若连这一条件也无法满足，可采用替代指标：壳体温度、驱动扭矩和电机电流，往往无需在轴承本体上布置传感器，便能暴露摆动接头中的摩擦增长。对于滚针轴承，内置传感器并不常见，因此壳体安装式监测通常是更实际的默认方案。

工业 4.0 架构：从传感器到维修决策

一套可落地的监测架构通常包含四个阶段，而关键设计原则是将高频处理保留在边缘端。

自左向右阅读：传感器将数据送入边缘网关，网关通过 MQTT 将特征量发送至平台，平台再触发告警并生成维修工单。

边缘网关。应将传感器数据与机器控制器输出的转速、角度和载荷同步，计算 RMS、峭度和频带能量等特征量，并在缓冲区内保留短时原始数据段以便诊断。若仅发送聚合指标或异常告警，而非原始高频信号，可显著降低网络负载。网关还可通过原生协议读取老旧控制器数据，并以标准格式重新发布。

OPC UA 与 MQTT 可协同使用。OPC UA 为边缘侧的机器数据提供结构化访问能力。MQTT 是一种围绕代理服务器构建的发布/订阅协议，适合大量小型发送端。两者具有互补性：带有内置 OPC UA 适配器的边缘网关可直接读取机器数据，并将其发布为 MQTT 消息，无需额外的自定义转换层。

平台. 将特征以时间序列形式存储，并同时保留其运行工况；为每个轴承建立基线与报警规则，并将结果输出至看板和维护系统。

安全性. 应将传感器和网关视为运营技术网络的一部分。工业物联网数据架构文章中常见的一种模式，是在本地完成数据过滤，再通过消息代理将汇总指标传入工业 DMZ，并遵循 ISA/IEC 62443 的实践要求。

将数据转化为决策

只有当报警能够将每个轴承与其自身的健康运行状态进行对比，并明确告知技术人员后续处置时，才具有实际价值。

为每个轴承建立基线

应在完整的速度、载荷和行程范围内记录正常运行数据，并保证采集时长足以覆盖典型生产周期。即使安装位置表面相同，针状轴承也可能因轴承座刚度和传感器安装方式不同而产生差异，因此采用统一基线容易引发误报警。

跟踪少量关键特征

常用特征包括均方根值和峰值加速度、峰值因子、峭度、特定频带能量、相对于环境温度的温升以及驱动扭矩。应结合运行状态进行趋势分析，而不应仅按日历时间进行对比。

对旋转轴承采用包络分析

逐渐扩大的表面缺陷会产生重复冲击，从而激发结构共振。对高频带进行解调，并在轴承故障特征频率处寻找峰值，是识别故障位置的常用方法。对于具有 n 个滚子、轴频率为 f_r、滚子直径为 d、节圆直径为 D、接触角为 φ 的轴承，其外圈和内圈故障频率为：

针状轴承的滚子数量较多，且滚子直径与节圆直径之比较小，因此这些频率通常位于轴转速的高倍频位置，且谐波间隔较为接近。在实际应用前，应依据制造商数据加以确认。

明确考虑摆动工况

每次采集振动数据时，都应记录角度或位置。仅分析行程中速度基本恒定的区段，或对同一位置、同一方向采集的数据进行比较。应统计循环次数，而不是运行小时数：摆动轴承的磨损取决于行程次数及其幅值。

依据幅值与变化量设定报警阈值

ISO 20816-1 已取代 ISO 10816-1 和 ISO 7919-1，其通用评价准则同时考虑振动幅值和振动变化量。对每个轴承也应采用同样原则：一个阈值用于绝对幅值，另一个阈值用于变化速率。由于该标准针对的是整机振动，因此应将其视为参考框架，而非轴承层面的限值。

谨慎引入机器学习

当故障样本稀缺时，基于健康数据训练的异常检测模型是识别异常行为的合理方法。面向故障预测的模型往往受限于“运行至失效”数据，因此应在模型之外保留规则层，对报警结果要求可解释性，并在扩大自动化范围之前与维护人员共同复核误报警。

失效模式及其对应信号

每一种常见的滚针轴承失效模式都会留下不同的特征，因此单一信号通常无法反映全部情况。

最后一项容易被忽略。当轴本身充当内滚道时，监测报警不应只触发轴承更换，还应同时检查轴本体，否则同样的信号还会再次出现。

实施路线图

应先从故障代价最高的测点开展小规模试点，验证信号能够区分健康状态与劣化状态，再逐步推广。

1. 选择5至10个关键测点，并按停机损失、安全影响、更换难度和失效历史进行排序。

2. 明确失效判定问题。针对每个测点，列出需要关注的失效模式，以及报警应触发的处置动作。

3. 选择监测信号。将快速信号与慢速信号配对使用（见测量部分表格），并补充工况信息。

4. 安装并记录传感器。逐一记录每个测点的位置、方向、安装方式和校准信息。

5. 建立基线。在设定报警值之前，应覆盖全部正常运行状态范围。

6. 设置保守的报警阈值。可先从变化率报警和温度跳闸值入手，并结合维护反馈进行优化。

7. 接入维护流程。每一条报警都应生成工单或明确的检查任务，而不只是仪表板上的颜色提示。

8. 在首次故障和误报后复盘。依据拆检确认结果，调整阈值与特征参数。

9. 按模式复制推广。先在同类设备上复制传感器配置和基线建立流程，再增加新的信号类型。

当报警结果与检查结论一致、维护团队信任这些预警，并且其他现场能够按文档化流程执行时，试点即可视为成功。

常见误区

多数滚针轴承监测项目之所以停滞，原因并非分析能力不足，而是组织实施与测量条件不到位。

• 先从云平台入手。应先明确失效问题和传感器布置位置，再选择软件。

• 为所有轴承采用统一阈值。轴承座刚度和传感器安装方式都会影响读数，因此应为每个轴承建立各自的基线。

• 忽视运动工况。将恒速工况的分析方法直接用于摆动接头，会得到毫无意义的频率峰值。

• 仅依赖温度。等到轴承座明显升温时，润滑膜往往已经劣化。

• 直接传输原始波形。这会给网络和存储带来过大负担。应在边缘侧提取特征，并按需采集原始数据。

• 忽视轴颈。若轴颈滚道已受损，即使更换新轴承也会很快失效。

• 缺少处置闭环。没有责任人和明确响应措施的报警，只会变成噪声。

• 忽视安全防护。应将传感器与网关网络视为运营技术环境的一部分，并据此进行分区隔离。

常见问题

可以用振动传感器监测滚针轴承吗？

可以，但前提是轴承转速足够合理，且传感器安装在靠近载荷区的轴承座刚性部位。对于低速或摆动运动，单靠振动信号往往较弱，因此应结合温度，以及扭矩或电机电流进行监测。

滚针轴承状态监测最适合使用哪种传感器？

并不存在一种通用的最佳传感器。对于大多数旋转应用，安装在轴承座上的加速度传感器配合温度传感器即可覆盖主要需求。声发射适用于极低速轴，而驱动扭矩或电机电流更适合摆动接头。

如何监测摆动工况下的滚针轴承？

每次测量时都应记录角度或位置；分析行程中的匀速段；以循环次数而非运行小时数进行统计；并结合振动同步跟踪温度和扭矩趋势。

是否需要机器学习？

不一定。针对每个轴承建立基线、对特征值进行趋势分析，并设置合理的报警阈值，通常即可解决大多数问题。只有在设备数量较多、机型相近且具备足够健康样本数据时，机器学习才更有价值，可用于建立正常行为模型。

哪些协议可将传感器连接到云端？

通常采用 OPC UA 和 MQTT 组合使用。OPC UA 为边缘侧设备数据提供结构化访问，MQTT 则通过消息代理进行传输。边缘网关可在无需定制代码的情况下实现两者之间的互联。

数据应以多长周期采集？

应按固定周期采集温度、RMS 等低速特征，并在预设计划、事件触发或阈值越限时启动高速波形采集。采集间隔应与故障模式的发展速度相匹配。

结论

通过将安装于轴承座的传感器与运行工况、边缘计算及单个轴承基线相结合，可有效监测滚针轴承状态。监测方法必须与运动形式相匹配：连续旋转工况适合以振动为主的诊断，而摆动和低速关节则需要结合温度、扭矩或电机电流以及基于循环的分析。建议先在关键位置开展试点，将每一条报警都关联到具体处置，并且只有在报警结果获得维护团队信任后，才逐步扩大应用范围。

在安装前作出的设计选择，决定了滚针轴承的可监测性，包括轴承座刚性、传感器安装空间、润滑通道以及轴的硬度。如果您正在为计划实施状态监测的设备选型滚针轴承，欢迎就适配监测需求的轴承配置和轴承座设计咨询 LILY Bearing 工程师。立即向 LILY Bearing 工程团队申请免费的轴承选型咨询。