非标轴系对中偏差的溯因诊断

非标轴系在长期运行中，由于基础沉降、热膨胀不均或装配累积误差，联轴器对中状态逐渐恶化。不对中故障的离线检测耗时费力，而在线振动监测信号蕴含了丰富的对中状态信息。本文提出一种基于多轴承座振动相位差的溯因诊断方法，通过测量各支撑轴承座同一转频下的振动相位差，构建与联轴器不对中类型及偏移量之间的映射关系。利用逆向推理算法，从相位差观测值反推不对中类型与严重程度，实现对中故障的远程非接触式诊断。

1. 引言

联轴器对中是旋转机械安装与维护中的核心环节。角度不对中、平行不对中或复合不对中会导致附加交变载荷，引发轴承异常发热、轴弯曲甚至断轴事故。非标轴系因其结构非标准化、跨距长或工作转速多变，对中偏差问题更为突出，且检测难度大。

常规对中检测使用百分表或激光对中仪，需停机且耗费大量时间。在线振动监测具有非接触、连续监测的优势，但传统方法仅利用幅值信息，对中故障的识别能力有限。本文着力于挖掘振动相位信息中对中偏差的编码规律。

2. 不对中故障的振动特征机理

当轴系存在平行不对中时，联轴器处产生一个大小为恒定值的附加径向力，其方向随轴旋转。该力会激发转子的二阶谐波振动，同时在两侧轴承座上产生特定的相位关系。当存在角度不对中时，联轴器产生弯矩，该弯矩随轴旋转，同样会在轴承座上产生特征振动。

关键在于，不同类型的不对中会在各支撑轴承座的同频振动信号之间产生确定的相位差模式。例如，平行不对中通常导致相邻轴承座径向振动同相位或反相位，而角度不对中则导致轴向振动出现特定相位差。

3. 基于相位差的逆向映射模型

本文建立从轴承座振动相位差向量到不对中参数（类型与偏移量）的逆向映射。首先，通过建立轴系的多体动力学模型，在给定不对中类型与量的条件下，正向计算各轴承座的振动响应，特别是相位差，形成训练数据集。

然后，利用支持向量回归或高斯过程回归等机器学习方法，训练从相位差特征到不对中量的反向预测模型。对于不对中类型的分类，则采用决策树或随机森林算法。

4. 溯因诊断策略

当在线获得新的振动相位差数据时，先输入分类模型判断不对中类型，再输入回归模型估算具体偏移量。该诊断过程即为溯因推理，从可观测的振动效应反推不可直接观测的对中偏差原因。

为提高诊断可靠性，可引入贝叶斯推理框架，将先验分布考虑进去，并输出诊断结果的置信度区间，而非单一确定性数值。

5. 结论

基于轴承座振动相位差的溯因诊断方法，为旋转机械联轴器对中状态的远程监测提供了有效手段。该方法利用振动信号的相位信息，通过逆向推理识别不对中类型与严重程度，突破了依赖幅值信息的局限性。非标轴系由于缺乏历史基准数据，该逆向映射策略可结合物理仿真生成训练样本，具有较好的可行性。