用于根据形态变形对滚动元件轴承进行负载测量的方法和传感器布置

摘要

本发明披露了一种用于确定在操作中作用在滚动元件轴承(1)上的负载矢量的方法和传感器布置。提供N个传感器(8)，其测量位移与/或应变，以便所述滚动元件轴承(1)的环形元件(5，6，7)中的位移与/或应变。此外，提供模态系数计算器(11)，其和所述一组N个传感器(8)相连，用于通过计算表示环形元件的至少一个径向模态的N/2个傅立叶项的幅值和相位来确定元件(5，6，7)的变形。此外，还提供轴承神经网络(12)，其和模态系数计算器(11)相连，所述轴承神经网络(12)被训练以从所述N/2个傅立叶项提供滚动元件轴承(1)上的负载矢量。

说明书

技术领域

本发明涉及关于滚动元件轴承的负载测量。更具体地说，本发明涉及用于确定作用在滚动元件轴承上的负载矢量的方法和传感器布置，包括利用N个传感器测量位移与/或应变，所述传感器用于确定滚动元件轴承的环形元件中的位移与/或应变。

背景技术

这种负载测量方法和传感器布置是已知的，例如美国专利US-A-5140849，其描述了一种具有传感器单元的滚动元件轴承。所述传感器单元包括呈应变计形式的两个传感器元件，其能够有效地测量轴承的若干个性能特性，包括被施加的负载，转速和加速度。

不过，这种已知的传感器布置不能测量施加于轴承上的总的负载矢量。根据轴承的结构(主要根据经验)推测如何利用两个传感器元件检测轴承上的负载，因而推测如何由传感器元件的信号确定轴承上的负载。此外，由于轴承的非线性性质，利用球通过频率进行的相对简明的振动测量方法一般来说用于确定轴承上的载荷是不够的。

发明内容

本发明试图提供一种改进的用于确定滚动轴承上的负载的方法和传感器布置，其能够确定轴承上的整个负载矢量，即3个正交的力分量和两个转矩(绕轴承的旋转轴线的转矩是不重要的)。

按照本发明的第一方面，提供一种按照上面限定的前序部分的方法，其中所述方法还包括通过计算表示环形元件的至少一个径向模态的N/2个傅立叶项的幅值和相位来确定元件的变形，并把所述N/2个傅立叶项输入到一个轴承神经网络，所述轴承神经网络被训练以由所述N/2个傅立叶项提供滚动元件轴承上的负载矢量。利用传感器测量其变形的轴承元件可以是内环或外环，甚至是一个滚动元件。

这个方法的优点在于，借助于利用元件变形的测量，能够确定滚动元件轴承构件的所有位置上沿所有正交方向的负载矢量。还已经发现能够训练神经网络，使得利用计算的模态系数作为输入，提供负载矢量作为输出结果，其中在输入信号或数据和输出结果之间的关系是非线性关系。

在另一个实施例中，滚动元件轴承包括两排同轴轴承，这种滚动元件轴承的环形元件是两排同轴轴承之一的轴承外环。已经发现，仅仅使用一排的测量，可以获得关于作为一个整体的轴承布置的负载矢量。

在另一个实施例中，所述N个传感器可以包括应变传感器，所述至少一个径向模态包括一个零阶模态和一个或多个二阶或更高阶的模态。使用应变传感器，不能测量轴承元件的位移(零阶模态)，但是使用本方法，仍然能够获得具有足够的精度的负载矢量的计算结果。

在另一个实施例中，所述N个传感器包括位移传感器，所述至少一个径向模态包括一个或多个零阶或更高阶的模态。使用位移传感器，可以获得关于共同构成轴承元件变形的所有模态的测量数据，从而产生最终的负载矢量的较高的精度。

为了进一步改善测量结果的质量，由传感器信号确定N/2个切比雪夫多项式的系数，代表环形元件的至少一个轴向模态。

在另一个实施例中，使用多个数据组训练轴承神经网络，每个数据组包括关于特定类型的滚动元件轴承的预先确定的负载矢量和由N个传感器获得的相关的测量数据。

在另一方面中，本发明涉及一种用于确定在工作时作用在滚动元件轴承上的负载矢量的传感器布置，所述传感器布置包括N个传感器，用于测量位移与/或应变，以便确定在滚动元件轴承的一个元件中的位移与/或应变；模态系数计算器，其和所述一组N个传感器相连，用于通过计算表示环形元件的至少一个径向模态的N/2个傅立叶项的幅值和相位，确定元件的变形；以及轴承神经网络，其和所述模态系数计算器相连，所述轴承神经网络被训练用于从所述N/2个傅立叶项提供滚动元件轴承上的负载矢量。

这种传感器布置具有可以和上述的关于本方法的优点相比的优点。这种传感器布置的实施例在传感器布置的从属权利要求中描述了。

附图说明

现在使用若干个示例的实施例参照附图更详细地说明本发明，其中：

图1是表示提供有若干个位移传感器的滚动元件轴承的截面图；

图2是从图1的线II-II取的滚动元件轴承的截面图；以及

图3是表示按照本发明的实施例的传感器布置的方块图。

具体实施方式

图1示出了滚动元件轴承例如球轴承或滚轴承的截面图。滚动元件轴承1包括外环5，内环6，以及若干个滚动元件7，例如滚珠或滚柱(图中滚动元件7的数量是8个)。滚动元件轴承1的外环5被固定在传感器保持器2中，其构成滚动元件轴承1的固定的世界。在传感器保持器2中，在面向轴承外环5的位置以相应于轴承1的滚动元件7的角度间隔的(角度)间隔提供有8个传感器8。传感器8例如可以是本领域技术人员公知的位移传感器或振动传感器。

如图2的截面图中所示，轴承外环5的外周边具有一个凹陷3。轴承外环5的外表面和传感器保持器2呈紧密接触。因而传感器8可以监视由经过的滚动元件7引起的外环5的凹陷3的表面的任何变形以及施加于轴承1上的力矢量。

对于本领域技术人员，显然也可以在传感器保持器2中提供周边的凹陷3，使得轴承外环5的外表面的(局部)变形是可能的。此外，对于本领域技术人员，显然可以使用监视轴承内环6的内表面的传感器8，并且轴承内环(或者和传感器保持器2类似的支撑内环保持器2)可以提供有周边的凹陷3。

在图1中，还示出了x轴和y轴，z轴被定义为和x，y轴正交(垂直于图的表面延伸)。此外，可以定义两个旋转轴，例如分别围绕x，y轴的旋转轴。一般地说，滚动元件轴承1在工作时受到力矢量f，其包括分别沿x，y，z方向的3个力分量和分别围绕x，y轴的两个转矩分量。

轴承越来越多地被制成单元的形式，含有可以应付轴向力、径向力和弯曲转矩的组合的两排轴承。具有两排轴承1，1’的这种轴承10的例子如图3所示。这种单元10可用作现代汽车的车轮轴承，其由法兰或辐条以及和车轮相连的转动部件构成，所述法兰或辐条用于把轴承单元10固定到结构上。

一般地说，在轴承单元10上的负载包括沿3个方向的力和在3个轴上的转矩。在轴承单元10上的力和转矩主要引起在单元10内的各个排轴承1，1’上的径向力和轴向力。单元10的外环5通过弹性变形响应加于排1，1’上的力。

对于本发明基本的是理解：任何机械物体，例如轴承内环或外环5，6或者滚动元件7只按照其固有振荡特性(natural mode shape)而变形。按照元件模式分析(CMS)技术，可以使用一组特定的公式来描述固有振荡特性，例如在J.A Wensing，’On the dynamics of ballbearings’ISBN 90-36512298中说明的，这篇文章被包括在此作为参考。

外环5的变形是单元10的强制模式(forced mode)(模态(modeshape))的和，并已知其可以利用多项式函数被描述。在一个实施例中，对于周向变形，利用傅立叶级数来描述，对于和轴承单元10的旋转轴平行的方向的变形，例如利用切比雪夫多项式来描述。

并不绝对地需要确定沿轴向的模态。已经发现，关于这种轴承单元10的一排1，1’的周向信息便足够了。不过，已经发现，使用关于轴向模态的测量使得能够确定负载的接触角。

通过使用用于测量位移与/或应变的足够数量的传感器8来测量周向的傅立叶项。注意应变测量可以确定模式0(“呼吸模式”)，2(卵形变形)，3(三角变形)等，但是不能确定模式1(刚体运动)。位移测量可以确定径向模态，包括用于确定在规则地隔开的位置上相对于外环5内环6的相对位移的刚体模态。利用N个传感器8，能够确定表示环5的径向模态的N/2个不同的傅立叶项的幅值和相位。

在图3所示的实施例中，一个排1配备有相关的传感器8。在另一个实施例中，两排1，1’配备有传感器8，使得能够以高的精度和鲁棒性确定轴承上的负载。

模式的幅值和相位是被测量的轴承排1，1’上的径向力和轴向力的函数。在轴承排1，1’上的负载是在所述排1，1’中的各个接触力的和。

轴承单元10的外环5由于力而变形，但是所述变形受各个滚动接触的接触刚性的影响。因此各个模态的幅值和负载不是线形耦合的。不过描述变形的模式的幅值单调地取决于负载。实际上，非线性的人造神经网络非常能够由非线性输入重构加于轴承单元10上的净负载。

在图4中，示意地示出了按照本发明的传感器布置。传感器8并联于模态系数计算器11，所述计算器被设置用于由传感器8的输入信号导出被一般化的模态的幅值和相位。作为一个例子，图5示出了对于一种特定布置模式0到5的模态的幅值的曲线。

模态的幅值和相位被输入到轴承神经网络12，所述神经网络已经被训练以利用所述幅值和相位信号作为输入提供轴承负载。当在输入信号和输出信号之间存在非线性关系时，用于由多个输入信号提供输出信号的神经网络的设计和训练是本领域熟知的，因而不需要进一步解释。例如可以使用数据组训练这种神经网络，其中每个数据组包括实际上施加于轴承单元10的负载矢量(神经网络12的所需的输出)和与所述负载矢量相关的测量的(和处理的)传感器数据。一般地说，所述的非线性关系取决于使用的轴承单元10的类型，因而也可能取决于安装细节。在这种情况下，轴承神经网络12针对那种特定的情况被训练。

模态系数计算器11和轴承神经网络12的每一个可以利用通用计算机或专用的信号处理系统或者它们的组合来实现。模态系数计算器11和轴承神经网络12还和用于存储参数、数据以及处理结果的存储装置(未示出)相连。此外，轴承神经网络12可以和接口装置(未示出)相连，例如用于在显示器或打印机上提供处理结果的输出。

模态系数计算器11被设置用于处理来自传感器8的信号，其可以包括例如滤波器、放大器等，或者数字信号处理装置例如模数转换器、数字滤波器、算术逻辑单元等，或者二者的组合。

当例如由于使用滚动元件轴承1的结构而预先已知力矢量将主要指向一个方向时，在本发明的布置中使用较少数量的传感器8便足了。如果例如已知力矢量将主要指向一个方向，则例如只沿所述方向提供3个彼此相邻的传感器便足够了，这是因为，其将是发生变形的外环5的唯一的区域。这简化了传感器布置，同时保持足够的精度。