齿轮振动信号的分析与故障诊断研究

　　齿轮是工业中应用十分广泛的一种通用零部件,其类型多,用量大,大部分设备都会用到齿轮。齿轮传动多以齿轮箱的结构出现,它是目前广泛采用的主要传动形式之一。虽然齿轮从设计、结构、材料到制造等方面已相当成熟和规范。但仍然难以避免诸如磨损、剥落、点蚀、裂纹等常发故障。研究表明,齿轮箱60%的故障由齿轮引发,而90%的齿轮故障都是局部故障,例如裂纹、崩齿等[1]。因此,很有必要深入研究齿轮的状态监测与故障诊断。

　　在齿轮的状态监测与故障诊断研究中最重要的是诊断方法与特征提取的研究,而在齿轮故障诊断方法中,振动信号分析方法是通用的诊断方法,其中功率谱分析应用最为广泛,它给出信号不同频率成分下的能量分布情况,当齿轮系统产生故障时,频谱能量的分布情况将发生改变,以此来诊断齿轮系统的故障。还有一些时频域的诊断方法,但是这些方法都有其局限性,如:短时傅立叶变换,其时频窗口大小固定不变,没有自适应性,算法效率不高;W igner-Ville分布(WVD)[2]会产生交叉项,有虚假信息,虽然加窗可以消除交叉项,但是分辨率会有所下降;小波变换[3]有难以选择小波基、固定的基函数、恒定的多分辨率、窗口可调的傅立叶变换等局限,后来又出现了提升小波[4],也有一定的局限性;经验模态分解[5]会出现端点效应等缺点;经验累计分布和决策树也都有其不足之处[6, 7]。总之,紧凭某种方法来监测辨识齿轮的运行工况,有时显得不够充分,因此可能会对故障识别不够准确。笔者联合利用齿轮振动信号时域分析法、频域分析法和幅值概率密度估计法,对齿轮2种转速3种工况进行分析研究,通过对比能够更加准确地辨识出齿轮系统的几种故障,并对系统的运转工况进行区分,可用于实际工程齿轮故障诊断。

　　1　齿轮振动信号的时域和频域分析方法

　　1·1　振动信号时域分析方法

　　在齿轮故障诊断中,振动信号是最常用的检测信号,直接对振动时域信号的时间历程进行分析和评估是状态监测和故障诊断最简单和最直接的方法,下面介绍本文所用的时域幅值概率密度估计法。

式中:K为预先给出的概率区间的数目;N为数据点数;NEF(j)为{x′i}(i=0,1,…,N-1)落在第j区间的点数。

　　概率密度分析法主要是根据概率密度函数图的形状来对齿轮进行诊断。在齿轮正常运转时,其概率密度直方图大致轮廓理论上应该是正态分布的,若齿轮发生故障时,其曲线与正常状态图形相比,形状会发生变化,可以作为判断是否有故障、有何种故障的依据。

　　1·2　振动信号频域分析方法