基于摩擦起电与静电感应效应的耦合作用，摩擦纳米发电机（TENG）具备将普遍存在但经常被浪费的微小机械能转化为电能的功能。自2012年被首次提出以来，由于材料选择范围广、重量轻、成本低、种类多等优势，TENG已被广泛应用于自驱动传感、可穿戴电子、海洋蓝色能源等众多领域。在机械领域，不少学者尝试将TENG与滚动轴承（旋转机械的核心支承部件）进行深度融合，以有效提升传统机械装备的智能化和可持续化发展水平。

近日，清华大学摩擦学国家重点实验室韩勤锴副研究员、褚福磊教授与意大利米兰理工大学Paolo Pennacchi教授的联合研究团队在自供能智能滚动轴承领域取得新进展。提出了基于浪形保持架的摩擦电滚动轴承（Ribbon-cage-based triboelectric bearing, RTB），并将其应用于旋转机械故障诊断研究。在浪形保持架表面喷涂特氟龙层，将薄膜电极粘贴于防尘盖内侧，构成了自由层模式TENG (图1(a-b))。由于直接利用了轴承已有结构（浪形保持架和防尘盖），仅增加了绝缘涂层和薄膜电极，所设计的RTB具有超紧凑结构(图1(c))。图1(d)显示了特氟龙层表面具有均匀的微观结构，客观上增加了浪形保持架与介电层之间的接触面积，从而增强了RTB的摩擦电输出。从图1(e)所示的厚度电镜图可以看出，喷涂的特氟龙层厚度分布均匀，约为40 μm。

图1 RTB的结构：（a）剖视图；（b）爆炸图；（c）实物照片；

表面喷涂Teflon浪形保持架的（d）表面电镜图和（e）厚度方向电镜图

基于所制造的RTB样机，测试了输出电压和电流随负载电阻的变化，讨论了设计参数（包括介电层材料、电极对数、蒸镀特氟龙薄膜与否等）对输出特性的影响。通过变转速测试、负载电容充电以及对微型耗能器件的有效驱动，表明所提出的RTB具有自传感和自供能特性(图2)。在RTB输出电流波形特征分析的基础上，引入奇异谱分解和小波变换，将一维时域摩擦电信号转变为二维时频域信号，结合卷积神经网络对旋转机械典型故障（包括齿轮局部断齿、轴承点蚀等）进行特征投影可视化和有效分类，准确率达到90%以上，仅稍低于基于振动信号的分类准确率（5%以内），表明RTB具有良好的故障感知能力(图3)。与当前故障诊断中常用的振动、声发射、电流等传感器相比，所提出的RTB具有无需供电、可靠性好、易于结构一体化设计、成本低等优势，表明基于摩擦电输出电流的旋转机械故障诊断具有较好的应用前景。

图2 RTB的自供能和转速自传感特性：（a）交流输出的整流和驱动电路，（b）不同负载电容（c）电流与转速线性关系图；（d）输出电流的时频分析结果

图3 基于RTB输出电流的旋转机械故障诊断应用：（a）单级齿轮箱试验台，（b）由RTB支承的被动齿轮轴，（c）轴承故障时输出电流波形及特征频率；（d）齿轮故障时输出电流波形及特征频率；（e）构造的深度卷积网络（CNN）结构，（f）特征空间可视化结果，（g）故障分类混淆矩阵

上述研究成果已在《纳米能源》(Nano Energy)上在线正式发表，题为“基于浪形保持架的超紧凑摩擦电轴承及在旋转机械故障诊断中的应用研究”（Ultra-compact triboelectric bearing based on a ribbon cage with applications for fault diagnosis of rotating machinery）。参与研究工作的人员还包括：清华大学机械系2019级硕士生蒋子元、意大利米兰理工大学博士生高帅、清华大学机械系博士后孔运。此项研究得到了国家自然科学基金以及摩擦学国家重点实验室基金的资助。

论文链接：https://www.sciencedirect.com/science/article/pii/S2211285522003421