刘艳辉

摘要：空间轴承是飞轮和控制力矩陀螺等空间惯性执行机构的核心部件，若发生故障，会直接影响航天任务执行能力。因此，空间轴承的故障诊断成为保证航天器高可靠、长寿命的一个重要支撑。本文首先介绍空间轴承的故障特点、诊断技术难点;然后总结分析目前轴承主要的故障特征提取技术、智能诊断等方法;接着，深入讨论这些技术在空间轴承故障诊断中的应用与发展;最后结合当前研究现状，对未来空间轴承故障诊断技术发展方向进行了分析与展望。

关键词：空间轴承;故障诊断;特征提取;人工智能

飞轮、控制力矩陀螺（Control Moment Gyro，CMG）等空间惯性执行机构，是现代长寿命、高精度三轴稳定航天器必不可少的核心执行机构和关键单机。迄今为止，由于空间轴承故障导致的空间惯性执行机构失效已经影响了多次航天任务的顺利完成。例如，美国EchoStar V号卫星由于轴承故障引发动量轮异常，导致轨道位置变化，燃料消耗增加，缩短了2年的寿命。NASA的FUSE太空望远镜曾在两周内两台飞轮连续发生轴承故障而失效[1]。单台飞轮或CMG造价可达数百万，单台航天器造价更是以亿计，一旦空间轴承在轨发生故障不仅直接影响航天器性能及任务的顺利实施，严重故障甚至可以导致航天器失效，事关国家安全和军事利益，造成巨大经济损失。因此，开展空间轴承故障诊断技术对卫星性能保持和寿命管理都具有重大的科学意义和工程实用价值。

目前，关于空间轴承保持架故障机理、故障诊断和状态评估的研究文献很少。但各国学者和工程技术人员已经发展了丰富的地面轴承故障诊断技术，包括振动信号分析法、声学信号分析法、声发射法、红外分析法、油液分析法、光谱测定、磁性磁屑探测法、铁谱分析法和接触电阻法等[2]，其中以振动信号分析法相对简单方便，应用最为广泛[3]。地面轴承动力学特性研究、故障诊断及寿命预测方面的研究成果可以为空间轴承故障诊断提供参考。但与地面轴承相比，空间轴承的运转环境、设计制造以及工作要求等方面均有较大差异，致使其失效模式不仅包含地面环境中常见的失效模式，也因空间环境、技术工艺等因素产生新的变化和特点。因而对其故障诊断时需要考虑这些特殊性。针对该问题，本文总结了现有振动信号的轴承故障诊断方法，并对其在空间轴承中的应用进行了思考。

一、空間轴承的故障特点

滚动轴承（角接触球轴承居多）是目前空间轴系中应用最为广泛的轴承类型之一，它具有高精度性、低摩擦性、使用寿命长等优点[4]。传统滚动轴承的基本失效模式主要分为两大类：止转失效和精度失效。具体而言，滚动轴承的失效形式一般可以分为点蚀、磨损擦伤、锈蚀、电蚀、断裂等类型。由于工作环境、设计制造及任务剖面等方面的特殊性，空间轴承故障与地面轴承故障相比具有以下特点：

（1）空间轴承寿命受到运行环境和装配质量等因素的较大影响。例如，太空交变温度会引起空间轴承热变形以及预紧力的变化;而轴承装配不当可能会引起保持架发生变形，造成保持架磨损类故障等[5]。

（2）空间轴承的失效形式主要为精度失效。空间轴承常见的失效模式通常有润滑膜磨损失效、保持架磨损、滚动体滑移、旋转精度降低等[6]。此时，空间轴承仍可以正常运转，但是会伴随振动信号变化、预紧力变化、摩擦力矩增加、温度升高等。

（3）空间轴承的失效机理与地面环境相比有较大差异。例如在真空环境下的润滑膜摩擦系数要比在空气下小很多。

二、轴承故障诊断关键技术

目前国内外在轴承故障振动诊断方面的研究大致可以分为两部分：一是从振动信号中提取故障特征，二是利用神经网络等智能方法来进行状态评估。

（一）故障特征提取方法

轴承故障特征主要依靠先进的信号处理技术来提取，主要可以分为时域、频域、以及时频分析方法。

1.时域分析方法

基于时域信号进行轴承故障特征提取最为简单，主要是通过计算统计参数来指示轴承故障。例如，峭度值对冲击脉冲信号非常敏感，是点蚀类损伤故障最常用的特征指标。均方根用来描述振动能量的大小，常用来判断磨损类故障。这种方法优点在于简单快速，但难以分辨故障类型和位置，且需要大量数据进行定标分析，不适合在线和实时应用。

2.频域分析方法

频域分析主要通过目前常用的快速傅立叶变换（FFT）方法将信号从时域转换为频域，主要方法包括频谱分析、倒频谱分析和包络分析。频谱分析通过观察故障峰值或计算重心频率、均方频率、峰值频率等频域参数判断是否存在故障特征。然而，该方法存在现象不明显、稳定性差等特点，尤其受噪声影响较大。针对这一问题，目前基于包络分析提取轴承组件脉冲响应周期信息的诊断方法使用广泛。包络分析是用于检测由结构共振放大的故障脉冲的设想。当轴承元件出现诸如点蚀、剥落等损伤时，会产生瞬态冲击，从而激起整个测振系统的高频固有振动，并且携带故障特征。实际测试中可以通过采集高频信号并对其进行包络解调，查找故障特征频率，从而监视与诊断轴承故障。然而，该方法存在滤波谱带不确定且依赖人的主观经验等缺点。倒频谱用于检测周期频谱，其原理是对功率谱再次进行傅里叶变换，凸显频谱图中的周期成分。该方法受信号传递路径和传感器测点位置影响小，这一优点对故障识别极为有效。

3.时频分析方法

轴承存在损伤缺陷时，其振动信号多存在非稳态、非线性特征。因此，一些非稳态信号处理方法也被用于这一领域。时频分析是处理非平稳信号最受欢迎的方法之一。威格纳分布（WVD），短时傅立叶变换（STFT）、小波变换（WT）、经验模态分解（EMD）、变分模态分解（VMD）等是最具代表性的时频分析方法。这些方法被广泛应用于轴承故障诊断，取得了显著的进展。但这些方法也存在固有的不足。例如STFT的缺点之一是时间分辨率和频率分辨率之间的限制;WVD的缺点是严重的交叉项;小波变换受小波函数大小的限制;EMD存在端部效应等障碍。因此实际应用中还需根据具体情况，选择合适的特征提取方法加以改进。