基于GMR和VAR的复杂工况下齿轮箱早期异常检测

简介

针对复杂工况下齿轮箱的全寿命周期振动信号进行早期异常检测分析。首先,使用时域同步平均算法对原始数据进行预处理;其次,为了减小工况变化对信号的干扰,基于齿轮运行残差(GMR)信号去除基础啮合频率及其谐波信号,运用EVIEWS软件建立向量自回归(VAR)模型并计算残差;最后,通过计算残差的峭度、标准差和均方根等判断齿轮异常发生的时间点,并与基于时域同步平均的方法进行对比。结果表明,所提方法能够在第109号文件检测出齿轮箱发生早期故障,比现有方法提前20个文件发现异常,为齿轮箱的早期故障诊断和维修决策奠定了基础。