（机械工程专业论文）基于局部均值分解的齿轮故障诊断方法.pdf

摘要 齿轮是机械设备中一种常见的通用零部件，它通常负责连接和传递动力。由于工作 环境恶劣等因素，齿轮极易发生故障而直接影响到相关机械设备的运行状态，因此，对 齿轮进行故障监测和诊断具有重要意义。 齿轮故障诊断的核心和关键就是提取齿轮故障特征，对齿轮的故障位置和损坏程度 作出判断，而齿轮振动信号与齿轮工作状态密切相关，其中往往包含大量的故障信息。 本文正是针对齿轮故障振动信号的非平稳性及其多为多分量的调制信号之和等特性，将 局部均值分解( l o c a lm e a nd e c o m p o s i t i o n ，简称l m d ) 引入齿轮故障诊断，进一步将 l m d 方法与能量算子解调、循环频率解调、谱峭度方法相结合应用于齿轮故障诊断， 并在l m d 的基础上提出了局部特征尺度分解( l o c a lc h a r a c t e r i s t i c s c a l ed e c o m p o s i t i o n ， 简称l c d ) 方法。本文的主要研究内容如下： 1 、针对齿轮故障振动信号大多数为若干的调幅调频信号之和这一特点，将l m d 方 法应用于齿轮故障诊断中。l m d 是一种新的自适应时频分析方法，它能将复杂的非平 稳多分量调幅调频信号从高频到低频分解为有限个单分量的调幅调频信号之和，因此非 常适合齿轮故障信号分析。通过仿真信号对比分析和实际的齿轮故障信号分析可知， l m d 方法具有更好的自适应性和时频聚集性，能够更精确地获得信号的瞬时频率和瞬 时幅值，能够得到更加清晰和完整的时频分布。 2 、针对齿轮故障信号的调制特性，且从调制信息中通常能提取出故障特征这一特 点，提出了基于l m d 的能量算子解调和循环频率解调齿轮故障诊断方法。该方法先利 用l m d 将信号分解为一系列的乘积函数( p r o d u c tf u n c t i o n ，简称p f ) ，然后分别利用能 量算子解调和循环频率解调获得相关p f 分量的幅值调制信息和相位调制信息，从而提 取出故障特征进行故障诊断。将该方法运用于齿轮振动信号故障诊断中，并和l m d 直 接法进行对比分析，证明了该方法的优越性。 3 、针对齿轮故障振动信号在解调分析之前一般要通过滤波来确定包含故障信息的 最佳频段，而滤波参数又无法准确确定，只能依靠历史数据和人工经验这一问题，提出 了基于l m d 的谱峭度齿轮故障诊断方法。该方法在l m d 时频分析的基础上获得信号 峭度图，根据最大峭度原则在峭度图上选取最佳滤波频段从而获得最佳滤波参数对原始 信号进行滤波，再对滤波后的信号进行包络解调分析提取出故障特征。实验结果证明， 该方法具有有效性。 4 、针对l m d 计算量大，运算速度慢，不适于在线监测的特点，采用基于极值点的 局部特征尺度参数，定义了另一种瞬时频率具有物理意义的单分量信号内禀尺度分 量( i n t r i n s i cs c a l ec o m p o n e n t ，简称i s c ) ，在此基础上提出了l c d 方法。l c d 方法也 是种自适应的分解方法，能够将多分量的信号分解为单分量信号之和，通过分别与 i i 硕十学位论文 e m d 和l m d 方法对比证明其具有不会产生包络误差，且运算速度较快等优点。同时， 本文还将l c d 方法成功地运用于齿轮箱故障诊断。 关键词：齿轮故障诊断；局部均值分解；能量算子解调；循环频率解调；谱峭度；局部 特征尺度分解 1 1 1 a b s t r a c t g e a ri so n el d n do fg e n e r a lp a r to f t h ec o m m o nm e c h a n i c a ld e v i c e s ，w h i c h1 sr e s p o n s l b l e f o rm ec o 衄e c t i o na n dt r a n s f e r i n gp o w e r d u et of a c t o r ss u c h a sp o o rw o r k i n gc o n d l t l o n s ，t h e g e a ri sv e r yp r o n e t of a i l u r e ，a n dw h i c hd i r e c t l ya f f e c t st h eo p e r a t i o n a ls t a t u so fm a c h m e 巧 a n de q u i p m e n t s o ，g e a rf a u l tm o n i t o r i n ga n dd i a g n o s i si so f g r e a ts i g n i f i c 弧c e m k e yo fg e a rf a u l td i a g n o s i si st oe x t r a c tt h ef a u l tf e a t u r e ，a n d t om a k eaj u d g r n e n to n t h ef a u l t1 0 c a t i o na n dt h ed a m a g ed e g r e e a sg e a r v i b r a t i o ns i g n a li sc l o s e l yr e l a t e dt ot h eg e a r 似e a n dw h i c ho f t e nc o 栅n sag r e a td e a l o ff a u l ti n f o r m a t i o n ，f o rt h en o n - 删1 0 咖吼 m o d u l a t i o n 趾dm u h i 蝴m p on i 越p r o p e r t i e so fg e a rf a u l ts i g n a l ，i n t h i sp a p e r ，8 na p p r o n b a s e do nl m d ( 1 0 c a lm e a nd e c o m p o s i t i o n ) i sa p p l i e dt og e a rf a u l td i a g n o s i s ，a n d t h ec o n c e p t s 0 ft h ee n e r g yo p e r a t o rd e m o d u l a t i n g ，c y c l ef r e q u e n c ya n ds p e c t r u mk u r t o s i s b a s e do nl l d a r ep r o p o s e da c c o r d i n gt ot h ec h a r a c t e r i s t i co fg e a rf a u l t v i b r a t i o ns i g n a l a n df u r t h e rm o r c ， l o c a lc h a i a c t e r i s t i c - s c a l ed e c o m p o s i t i o nb a s e d o nl m dh a sb e e np r o p o s e d t h em a l n r e s e a r c h c o n t e n t so ft h i sp a p e r a l ea sf o l l o w s ： 1 a i m i n ga tt h ec h a r a c t e r i s t i c t h a tg e a rf a u l tv i b r a t i o ns i g n a li sc o m p o s e do fs e v e r a l a m f 锄p l i t u d em o d u l a t i o n ) f m ( f r e q u e n c ym o d u l a t i o n ) c o m p o n e n t s ，t h e l m dm e t h o d1 s a p p l i e d t og e a r 触d i a g n o s i s l m di sa n e wa d a p t i v et i m e - f r e q u e n c y 锄a l y s i sm e t h o d r h e g e a rv i b r a ：t i o ns i g n a lc a nb ed e c o m p o s e di n t o as e to fs i n g l e c o m p o n e n ts l g n a l sb yu s m g l m d s ol m di sv e r ys u i 协b l e f o rt h e g e a rf a u l td i a g n o s i s f r o mt h ea n a l y s l s o nt h e s i m u l a t i o ns i g n a l 觚d 衲a lg e a rs i g n a l ，i t c a l lb ec o n c l u d e dt h a tb e t t e rt l m e f r e q u e n c y d i s t r i b u t i o nc a nb e o b t a i n e db yl m dm e t h o d b e c a u s eo fi t sb e t t e ra d a p t a b l l n y a n d t i m e f r e q u e n c yc l u s t e r i n g 2 a i m i n ga tt h em o d u l a t i o nc h a r a c t e r i s t i co f g e a rf a u l ts i g n a l ，a n dt h ef a u l tc h a r a c t e n s t l c c a j lb ee x t r a c t e df r o mt h em o d u l a t i o ns i g n a l s ，t h ee n e r g yo p e r a t o rd e m o d u l a t i n g a n dc y c l e 肫q u e n c ya p p r o a c hb a s e do nl m d i sa p p l i e dt og e a rf a u l td i a g n o s i s b yu s i n gl m d m e t h o d t h eg e a rs i g n a lc 锄b ed e c o m p o s e das e r i e so fp r o d u c tf u n c t i o n s ( p f ) ，t h e nt h e 锄p 1 1 t u d e m o d u l a t i o na n df r e q u e n c ym o d u l a t i o ni n f o r m a t i o n o ft h er e l a t i v ep fc a nb eg o tb yu s l n gt h e e n e r g yo p e r a t o rd e m o d u l a t i n ga n dc y c l ef r e q u e n c y d e m o d u l a t i n gr e s p e c t i v e l y , w h l c hc a n e x t r a c t e dt h ef a u l tc h a r a c t e r i s t i c s f r o mt h ec o m p a r i s o nw i t ht h ed i r e c tl m d m e t h o d ，i tc 锄 b ec o n c l u d et h a tt h ee n e r g yo p e r a t o rd e m o d u l a t i n ga n dc y c l ef r e q u e n c ya p p r o a c h b a s e do n l m di se 髓c t i v ea i l ds u p 面0 rf o rg e a r f a u l td i a g n o s i s 。 3 a i m i n ga tt h ed e f e c tt h a tt h e f i l t e rp a r a m e t e r s ，f o rs e e k i n gt h e b e s tb a i l dw h l c h i n c l u d e st l l e f a u i ti n f o r m a t i o n ，c a l l tb e s e l e c t e do b j e c t i v e l ya n de f f e c t i v e l y b e f o r et h e 硕j 二学位论文 d e m o d u l a t i o na n a l y s i so fs i g n a l a ns p e c t r u mk u r t o s i sa p p r o a c hb a s e dl m di sa p p l i e dt og e a r f a u l td i a g n o s i s i nt h i sa p p r o a c h ，f i r s t l yt h ek u r t o g r a mc a nb eo b t a i n e da c c o r d i n gt h es i g n a l t i m e - f r e q u e n c yd i s t r i b u t i o n ，t h e nt h eb e s tf i l t e r i n gb a n dc a nb es e l e c t e db yt h em a xk u r t o s i s a n dt h ef a u l tc h a r a c t e r i s t i c sf r e q u e n c yo ft h es i g n a lc a nb ee x t r a c t e db ye n v e l o p ea n a l y s i sf o r f i l t e r e ds i g n a l t h ea n a l y s i sr e s u l t ss h o wt h a tt h es p e c t r u mk u r t o s i sa p p r o a c hb a s e do nl m d c a nb ee f f e c t i v e l yu s e dt og e a rf a u l td i a g n o s i s 4 a i m i n ga t t h a tl m di sn o ti n t e n d e df o ro n l i n e m o n i t o r i n gb e c a u s e i ti s c o m p u t e i n t e n s i v e b a s e do nt h ed e f i n i t i o no ft h en o n c o m p o n e n ts i g n a l ，n a m e l yi n t r i n s i c s c a l ec o m p o n e n t ( i s c ) w h o s ei n s t a n t a n e o u s f r e q u e n c i e so w np h y s i c a ls e n s e ，an e w l y s e l f - a d a p t i v es i g n a ld e c o m p o s i t i o nm e t h o d ，t h el o c a lc h a r a c t e r i s t i c s c a l ed e c o m p o s i t i o n ( l c d ) i sp r o p o s e di n t h i sp a p e r b yu s i n gl c d ，a n yc o m p l i c a t e ds i g n a lc a nb ed e c o m p o s e di n t oa n u m b e ro fi s cw h o s ei n s t a n t a n e o u sf r e q u e n c i e so w np h r s i c a ls e n s e ，i t sa na d a p t i v em e t h o d a n dt h el c dm e t h o di sc o m p a r e dw i mt h ee m p i r i c a lm o d ed e c o m p o s i t i o n ( e m d ) a n dt h e l o c a lm e a nd e c o m p o s i t i o n ( l m d ) m e t h o d ；t h e nt h er e s u l t ss h o wt h es u p e r i o r i t yo ft h el c d m e t h o d ，t h i sm e t h o dh a sn oe n v o l o pe r r o rw h i l eh a sf a s t e ro p e r a t i o n a n di nt h i sp a p e r , t h e l c dm e t h o dh a sb e e na p p l i e dt og e a rf a u l td i a g n o s i ss u c c e s s f u l l y k e yw o r d s ：g e a rf a u l td i a g n o s i s ；l o c a lm e a nd e c o m p o s i t i o n ( l m d ) ；e n e r g yo p e r a t o r d e m o d u l a t i n g ；c y c l ef r e q u e n c yd e m o d u l a t i n g ；s p e c t r u mk u r t o s i s ( s k ) ；l o c a l c h a r a c t e r i s t i c - s c a l ed e c o m p o s i t i o n ( l c d ) v 插图索引 图1 1 本文的总体研究思路图5 图3 1 仿真信号时域波形。18 图3 2 仿真信号第1 个调制分量时域波形。1 8 图3 3 仿真信号第2 个调制分量时域波形1 9 图3 4 仿真信号l m d 分解前3 个分量p f l 、p f 2 、p f 3 一1 9 图3 5 分别利用l m d 和短时傅立叶变换方法得到的仿真信号时频图2 0 图3 6 分别利用小波包分析和e m d 方法得到的仿真信号时频图2 0 图4 1 基于l m d 的能量算子解调和循环频率解调齿轮故障诊断方法2 4 图4 2 仿真信号时域波形2 5 图4 3 仿真信号l m d 分解前4 个分量p f l 、p f 2 、p f 3 、p f 4 2 5 图4 4 采用能量算子解调的p f l 分量的包络谱2 6 图4 5 采用能量算子解调的p f 2 分量的包络谱一2 6 图4 6 采用l m d 直接法所得的p f l 分量的包络谱2 6 图4 7 采用l m d 直接法所得的p f 2 分量的包络谱2 7 图4 8 频率调制仿真信号时域波形。2 7 图4 9 频率调制仿真信号l m d 分解前4 个分量p f l 、p f 2 、p f 3 、p f 4 2 7 图4 1 0 仿真信号p f l 分量的瞬时频率及其循环频率2 8 图4 11 仿真信号p f 2 分量的瞬时频率及其循环频率2 8 图4 1 2 齿轮故障实验装置2 9 图4 1 3 裂纹齿轮信号时域波形3 0 图4 1 4 裂纹齿轮信号经l m d 分解后前3 个分量p f l 、p f 2 、p f 3 3 0 图4 1 5 采用能量算子解调所得图4 1 4 p f l 的包络谱3 0 图4 1 6 断齿齿轮信号经l m d 分解后第1 个分量p f l 一3 1 图4 1 7 采用能量算子解调所得图4 1 6 p f l 的包络谱3 1 图4 1 8 正常齿轮的p f l 分量及其经能量算子解调后所得的包络谱3 l 图4 1 9 断齿齿轮振动信号时域波形3 2 图4 2 0 断齿齿轮振动信号频谱图3 2 图4 2 1 断齿齿轮信号经l m d 分解后的前4 个p f 分量q 、c 2 、c 3 、c 4 3 3 图4 2 2 断齿齿轮信号g 分量的循环频率3 3 图4 2 3 裂纹齿轮振动信号时域波形3 3 图4 2 4 裂纹齿轮信号经l m d 分解后的前两个p f 分量p f l 、p f 2 。3 4 图4 2 5 裂纹齿轮信号p f l 分量的循环频率3 4 v ! 1 1 硕上学位论文 图5 1 基于l m d 的谱峭度方法流程图3 6 图5 3 仿真信号时域波形一3 9 图5 4 仿真信号经l m d 分解的前4 个分量3 9 图5 5 仿真信号经l m d 分解所得的时频图和峭度图4 0 图5 6 仿真信号第l 、2 滤波频段时域波形4 0 图5 7 仿真信号第1 滤波频段包络谱4 1 图5 8 仿真信号第2 滤波频段包络谱4 l 图5 9 断齿齿轮信号时域波形4 l 图5 10 断齿齿轮信号经l m d 分解后的前4 个p f 分量4 2 图5 11 齿轮断齿信号经l m d 分解所得的时频图和峭度图4 2 图5 12 齿轮断齿信号滤波频段时域波形4 3 图5 13 齿轮断齿信号滤波频段包络谱4 3 图5 14 裂纹齿轮信号时域波形4 3 图5 1 5 齿轮裂纹信号经l m d 分解所得的时频图和峭度图4 4 图5 16 齿轮裂纹信号滤波频段包络谱4 4 图5 17 正常齿轮信号时域波形4 4 图5 1 8 正常齿轮信号经l m d 分解所得的时频图和峭度图4 5 图5 19 正常齿轮信号滤波频段包络谱4 5 图5 2 0 断齿齿轮信号经e m d 分解的前5 个分量4 6 图5 2 l 断齿齿轮信号经e m d 分解所得的时频图和峭度图4 6 图5 2 2 断齿齿轮信号滤波频段包络谱4 6 图5 2 3 齿轮裂纹信号快速峭度图4 7 图5 2 4 齿轮裂纹信号根据快速峭度图所得滤波信号包络谱4 7 图6 1 瞬时频率具有物理意义的4 种典型信号5 0 图6 2 内禀尺度分量需要满足的条件5 1 图6 3 仿真信号x ( f ) 及其分量以及x q ) 的l c d 分解结果5 3 图6 4 仿真信号x ( ，) 的e m d 及l m d 分解结果5 3 图6 5 风机齿轮箱示意图5 5 图6 6 风机齿轮箱振动加速度信号5 5 图6 7 风机齿轮箱振动加速度信号的l c d 分解结果5 5 图6 8 第1 个和第2 个i s c 分量的包络谱5 6 图6 9 第3 个和第4 个i s c 分量的包络谱5 6 图6 10 第5 个i s c 分量的包络谱5 6 i x 1 1 研究背景与意义 章绪论 制造业的发展是一个国家发展的基础，伴随着科学技术的不断进步，当代机 械设备不断朝着大型化、高效率、高强度、自动化、复杂化和连续化的方向发展， 在企业的生产过程中，机械设备的状态监测和故障诊断已经成为越来越必不可少 的部分，因为一旦设备出现故障，将会给生产质量和效率以及生产安全带来巨大 的影响。也正是因为这种重要性，机械设备故障诊断技术已经在各行各业得到了 快速的发展，在机械、汽车、冶金、电力、化工等各个领域都得到了很好的应用， 并且发挥了巨大的作用1 1 1 。同时，当代计算机技术的飞速发展也为社会各行业带 来了飞速的前进，设备故障诊断学正是在这种大前提下应运而生，它是一门新兴 的交叉学科，集多门科学技术于一体，如数学、力学、振动分析、信号处理、电 子技术、人工智能等，通过设备故障诊断技术，可以获得设备运行状况的真实信 息，从而保证设备的正常运行和正确指导设备的维修，减少或消除事故，降低企 业的维修费用【2 1 。据日本统计，在采用机械故障诊断技术后，事故率减少7 5 ， 维修费用降低2 5 5 0 ；英国对2 0 0 0 个国营工厂的调查表明，采用诊断技术后 每年节省维修费3 亿英镑，用于诊断技术的费用为0 5 亿英镑，净获利2 5 亿英 镑【3 1 。英国专家t h o m a s 认为，若进行旋转机械的振动量监测，其利润和投资之 比可高达17 ：1 。由此可见，无论是从设备安全正常运行的角度，还是从经济效 益的角度出发，设备故障诊断技术都有着重要的意义【4 j 。设备故障诊断技术的主 要思路包括识别现状和预测未来两个主要方面，其对机械设备的诊断内容主要分 为三个步骤：首先是故障信号的获取；然后是故障特征的提取；最后是故障模式 的识别和故障诊断p j 。 机械设备得到了快速的发展，齿轮及齿轮箱作为机械设备中一种必不可少的 连接和传递动力的通用零部件，几乎在任何大型设备中都具有重要的作用，因此， 齿轮故障诊断技术也已经发展为设备故障诊断技术的一个重要分支，在金属切削 机床、航空、电力系统、农用机械、运输机械、冶金机械等现代化工业设备中都 得到了广泛的应用1 6 j 。 齿轮及齿轮箱由于本身的结构复杂，工作环境恶劣等原因，极易受到损害和 产生故障，齿轮失效是诱发机械产生故障的重要因素【6 】。同时，由于齿轮故障发 生的初期，由故障引起的振动变化非常小，故障信号往往被淹没在其他的振动信 号或噪声信号中不易被人们发，而随着这些早期微小损伤的加剧就会逐步发展成 皇暑詈董堑塑墼丝遒墼丝型墼堑丝毫鼍一 为严重的故障，往往造成不可估量的损失。有研究表明，传动机械中8 0 的故障 是由齿轮引起的，旋转机械中lo 的故障是由齿轮引起的，而齿轮箱更是6 0 的故 障由齿轮引起的，在齿轮故障中又有9 0 9 6 都是局部故障，如裂纹、断齿等【_ 7 1 。因 此，齿轮故障诊断技术具有重大的意义，且与很多行业息息相关，行驶中的汽车 齿轮箱发生故障将直接造成人身伤亡和汽车损坏；而处于连续工作状态的发电机 组、钢铁行业轧辊机组等工业设备出现齿轮故障时更是会导致停机停产造成难以 估计的损失。 综上所述，齿轮故障诊断技术对现代工业技术的持续快速发展具有重要的意 义，它具有技术基础可靠、工程应用性强等特点，能够保证机械设备更加安全可 靠地运行。同时，采用先进的齿轮故障诊断技术还可以发现早期设备齿轮故障， 及时进行诊断维护，最大限度地减少齿轮故障带来的影响，降低维护费用，创造 更大的经济效益和社会效益。 1 2 齿轮故障诊断技术的发展和现状 早在2 0 世纪6 0 年代中期，齿轮的振动和噪声问题已经成为评价一个齿轮装 置好坏的重要因素，齿轮故障诊断技术发展几十年来，已经产生了巨大的经济效 益，成为各国的研究热点，其中欧美国家与日本占有领先地位。英国学者h o p t i z 在1 9 6 8 年就齿轮的振动和噪声机理发表了一些著名的研究曲线，英国于2 0 世纪 7 0 年代初已经成立了机器保健与状态监测协会；美国的b e n t l y ，h p 等公司的监 测产品不仅具有完善的监测功能，而且具有较强的诊断功能，在宇宙、军事、化 工等方面具有广泛的应用，基本上代表了当今世界诊断技术的最高水平；日本在 钢铁、化工等民用工业中的诊断技术占有优势；而我国诊断技术的发展始于2 0 世纪7 0 年代末，虽然在一些方面还是有所欠缺，但是由于各个行业对诊断研究的 重视，也已经取得了一些成果，例如哈尔滨工业大学的“机组振动微机监测和故 障诊断系统 等【8 j 。 齿轮及齿轮箱的故障诊断方法有多种，如振动与噪声分析、扭振分析、油液 分析、声发射、温度及能耗监测等，其中，振动与噪声分析是最有效也是最常用 的齿轮故障诊断方法。当齿轮发生故障时，其振动与噪声信号较正常信号也会发 生变化，主要体现在振动噪声信号的能量分布会发生改变。利用齿轮的振动噪声 信号进行故障诊断，可以在设备不停机的状态下进行检测，降低了由于停机造成 的经济损失，且振动与噪声分析的故障诊断系统性能可靠，操作方便，价格便宜， 能真实的反应故障信息，故广泛地应用于齿轮故障诊断领域【6 1 。 对于基于振动与噪声分析的齿轮故障诊断技术，振动噪声信号的处理分析、 典型故障特征的提取、故障模式的识别这几方面的内容具有重要的研究意义，它 们对齿轮故障诊断的正确性和有效性会产生巨大的影响。晟早的齿轮故障诊断仅 2 仅限于从信号时域分析一些简单的振动参数和无量纲参数，如振动信号的峰值、 均值、均方根值、峰值系数等，通过以往的经验值来与设备运行中的这些信号参 数进行对比观察来判断设备的运行状态，这些方法取得了一定的诊断效果，但是 齿轮振动信号本身构成复杂，且设备工作环境恶劣造成各种噪声干扰，使得它们 对齿轮诊断的灵敏度不高，准确率也欠缺。2 0 世纪7 0 年代末，频域分析方法开始 在齿轮故障诊断技术中发展起来，其中有代表性的有b r a n d a l l 和j a m si t a y l o r 等 人做了很多研究工作，他们对齿轮的磨损和裂纹故障诊断取得较为成功的诊断效 果 9 , 1 0 】。比较常用的频域分析方法有功率谱分析、细化谱分析、倒频谱分析、解 调分析、瀑布图、伯德图等，频域诊断方法较时域法有了一定的进步，也为齿轮 故障诊断提供了更多的方法选择，但是它只是单纯地从频域的角度去考察振动噪 声信号，且以傅立叶变换为基础的经典分析方法有很大的局限性，它只适用于频 率不随时间变化的线性、平稳信号的分析【l ，然而齿轮故障的振动信号往往是非 平稳信号。近年来，在大量的理论分析和实验基础上，齿轮故障诊断的时频分析 方法得到了巨大的发展。其中有很多具有代表性的非平稳信号分析方法，包括短 时傅立叶分析、小波分析、w i g n e r v i l l e 分布等，但这些方法都有各自的局限， 如短时傅立叶变换对信号突变反应不灵敏；w i g n e r v i l l e 分布的频率干扰现象很严 重，很难把多成分信号表示清楚；小波变换的实质就是窗口可调的傅立叶变换， 由于窗口长度有限会导致能量泄漏，且小波基和分解尺度一旦选定就不能改变， 从本质上讲小波变换不是一种自适应的时频分析方法。美国宇航局的n o r d e n e h u a n g 于1 9 9 8 年提出了e m d 故障诊断方法l l 引，它是一种自适应的信号处理方法， 能够得到原始信号完整的时频分布【1 2 , 1 3 】，由于e m d 方法的自适应性，自提出后它 被广泛运用于机械故障诊断领域1 1 4 , 1 5 j ；此外，j o n a t h a ns s m i t h 于近几年提出的一 种新的自适应的时频分析方法一一局部均值分解( l m d ) 方法【l6 1 ，l m d 方法已被 成功地应用于脑电图的信号处理，并且被引入了机械故障诊断领域，该方法能将 复杂的多分量非平稳信号分解为多个瞬时频率具有物理意义的p f 分量，其中每个 p f 分量为一个包络信号和一个纯调频信号的乘积，它具有较大的发展空间。对于 多分量的调幅调频齿轮故障振动信号，将l m d 方法与其他诊断方法相结合，可以 取得良好的诊断效果，有效地识别故障模式。同时，目前人工智能诊断方法也在 齿轮故障诊断领域发挥着较大的作用，如人工神经网络、支持向量基等，这类方 法大多利用实时信息和各种先验知识，对故障的种类位置和程度进行识别和推理， 但也存在一定的不足，例如人工神经网络就需要大量的典型故障数据样本或经验 知识【1 7 1 ，但在工程实际应用中，一般很难获得大量典型的齿轮故障样本【1 8 】等。 综上所述，基于振动噪声信号分析的时频分析方法和智能诊断方法目前是齿 轮故障诊断方法的两大热点，但针对齿轮振动故障信号的非平稳性、非线性，专 家知识库很缺乏等特点，这些相关方法都面临着不同程度的问题。所以，未来研 究多种方法的融合诊断，以及继续深入研究非线性振动问题、构造完善的专家知 识库等将是齿轮故障诊断技术的主要发展方向。 1 3 论文研究思路及内容安排 1 3 1 论文的研究思路 本文的研究来源于国家自然科学基金项目“基于局部均值分解的机械故障诊 断方法研究( 5 0 7 7 5 0 6 8 ) 。本文首先探索了局部均值分解方法的相关基本理论，并 在其基础上提出了局部均值时频分析方法，利用仿真信号作出了该方法与其他具 有代表性时频分析方法的对比分析，证明了局部均值分解方法对于多分量调幅调 频信号具有更好的分解效果，能更加有效地提取多分量信号的频率和幅值信息。 然后，本文以齿轮故障诊断为研究对象，针对齿轮故障振动信号的非平稳调制特 性，从幅值解调和相位解调的研究角度出发，提出了基于局部均值分解的能量算 子解调齿轮故障诊断方法和基于局部均值分解的循环频率解调齿轮故障诊断方 法；针对传统共振解调方法不易确定滤波器参数，即不能在解调分析前确定含有 故障信息频段的这一缺点，从谱峭度能探测出故障瞬变信号的研究角度，提出了 基于局部均值分解的谱峭度齿轮故障诊断方法；同时，在l m d 的基础上，针对 其运算速度慢，提出了一种新的自适应分解方法一l c d 方法，并将该方法应用带 齿轮箱故障诊断中。研究结果表明，以上方法都能够取得很好的齿轮故障诊断效 果。本文的总体研究思路如图1 ，1 所示。 1 3 2 论文的内容安排 基于以上研究思路，论文章节安排如下： 第1 章：绪论。阐述齿轮故障诊断的研究背景与意义；介绍了齿轮故障诊断 技术的研究现状和发展方向；并介绍了论文研究的主要内容。 第2 章：介绍齿轮的常见故障类型，探讨齿轮故障振动信号的频谱特性，介 绍一些已有的常见的齿轮故障诊断方法。 第3 章：介绍并研究了局部均值分解方法的基本理论，并利用多分量调幅调 频仿真信号将局部均值分解时频分析方法与h i l b e r t h u a n g 方法、短时傅立叶变换 方法以及小波包时频分析方法做了对比研究，证明了局部均值分解时频分析方法 能够进行更好的时频特性分析。 第4 章：基于局部均值分解的能量算子解调和循环频率解调齿轮故障诊断方 法研究。针对齿轮故障振动信号的非平稳性和调制特性，提出了基于局部均值分 解的能量算子解调和循环频率解调齿轮故障诊断方法，该方法首先将齿轮故障振 动信号分解成若干个乘积函数( p f 分量) ，然后对每一个p f 分量分别进行能量算 子解调和循环频率解调的计算，得到各分量的相关调制信息。其中，能量算子解 4 调得到振动信号的幅值调制信息，而循环频率解调则是得到信号的相位调制信息。 通过解调即可获得相应的故障特征频率，达到故障诊断目的。仿真信号和实验信 号分析验证了该方法的有效性。 目标： 齿轮故 障诊断 方法研 究 方法： 基于 l m d 的 齿轮故 障诊断 方法 齿轮故障振动信号一般由非平稳多分量调 幅调频信号组成，针对这一特性，本文提 出了基于局部均值分解的齿轮故障诊断方 法，局部均值分解本质上就是将多分量信 号自适应地分解为若干个单分量的调幅一调 频信号之和，非常适合于处理多分量的调 幅一调频信号。且局部均值分解具有很好的 时频特性，因此，通过局部均值分解能够 很好地获取齿轮故障振动信号的频率和幅 值信息，有效地提取故障特征 局部均值分解及其时频分析方法研究 针对齿轮信号的幅值调制特性提出基于局 部均值分解的能量算子解调齿轮故障诊断 方法 针对齿轮信号的相位调制特性提出基于局 部均值分解的循环频率解调齿轮故障诊断 方法 针对l m d 计算量大，不适合在线监测的不足 ，提出了l c d 方法，并将其应用到齿轮箱故 障诊断中 结论：针对齿轮故障振动信号的非平稳性特性以及调制特性，将 l m d 方法分别与能量算子解调、循环频率、谱峭度方法相结合。 同时在l m d 的基础上提出l c d 方法。仿真信号和实验信号结果证 明，基于l m d 的齿轮故障诊断方法能够有效地提取故障特征，达 到故障诊断的目的；l c d 方法也能成功地运用于齿轮箱故障诊断 由 图1 1 本文的总体研究思路图 5 统滤观瞬信值传定主的噪均对确有中含部针来带号到局 ，验上信测于法上经择对监基方础者选度地了断基作数峭效出诊的操参谱有提障析赖波虑能，故分依滤考，息轮频需在时感信齿时法此同敏稳度值方因，分平峭均调，足十非谱部解带不息的的局振频的信中解在共波性态号分 基于局部均值分解的齿轮故障诊断方法研究 第5 章：基于局部均值分解的谱峭度齿轮故障诊断方法研究。谱峭度的实质 是在时频分析后反映原始信号在某一细小频段甚至每一条谱线上的峭度大小，它 能够有效地反映非平稳性的存在，检测含噪信号中的瞬态成分，因此，它对故障 脉冲信号非常敏感，并能准确的指出瞬态成分所在的频带。正是基于此，本文提 出基于局部均值分解的谱峭度齿轮故障诊断方法，该方法先利用l m d 对齿轮故 障振动信号进行时频分析，然后将时频信号按照不同的尺度分成若干不同的频段， 计算每一频段内信号的谱峭度值，并得到相应的峭度图，再根据峭度最大原则选 取最佳滤波频段，对滤波后的信号进行包络分析以获得齿轮振动信号的故障信息。 同时，也将该方法与基于e m d 的谱峭度齿轮故障诊断方法和快速峭度图方法进 行了对比。仿真信号和实验信号分析验证了该方法的有效性。 第6 章：局部特征尺度( l c d ) 方法及其在齿轮故障诊断中的应用研究。l c d 方法能将复杂的多分量信号自适应地分解为若干的瞬时频率具有物理意义的单分 量内禀尺度分量( i s c ) 。本文将l c d 分别与e m d 和l m d 进行对比分析，证明 了l c d 方法能取得满意的分解结果的同时，运算效率也高；将l c d 方法运用于 齿轮箱故障诊断中，先将齿轮箱振动信号进行l c d 分解，再对相关的i s c 分量进 行包络分析，实验结果表明该方法能成功地提取出齿轮箱故障特征。 结论与展望：总结本文的主要研究结论，对齿轮故障诊断方法和局部均值分 解方法的完善进行展望。 6 第2 章齿轮的失效形式和故障诊断方法 齿轮和齿轮箱的故障经常给人们的生产活动带来很大的损失，包括人身伤亡 和经济损失。齿轮和齿轮箱的故障诊断技术一直是人们重点研究的课题，最常用 的齿轮故障诊断方法是振动噪声分析法。而熟悉常见的齿轮失效形式，掌握齿轮 故障信号的时域和频域特征以及一些常用的齿轮故障振动信号处理方法对开展齿 轮故障诊断方法的研究工作具有重要的意义。本章介绍了常见的齿轮失效形式和 故障诊断中常用的信号处理方法。 2 1 齿轮的失效形式 齿轮在制造和使用的过程中都有可能产生故障，齿轮产生故障的主要原因一 般有三方面【3 】：一是齿轮在制造和安装的过程中由于误差引起的故障，齿轮在制 造过程中会不可避免地产生误差，或者是在装配过程中产生直接降低齿轮位置精 度的误差，当齿轮故障误差超出标准范围值后，齿轮的振动和噪声将会增大，这 种故障虽然不会影响齿轮的运行，但是会使工作效率下降；二是齿轮自身的固有 运动引起的故障，由于相互啮合的一对齿轮的弹性刚度会发生周期性的变化，齿 的弯曲量也会随之变化，造成轮齿在进、出啮合区时发生相互碰撞，因此一对齿 轮在相互啮合的过程中，齿与齿之间的连续冲击作用会使齿轮产生受迫振动，从 而产生冲击噪声；三是齿轮的表面磨损，齿轮损伤会造成严重的故障，一旦出现， 工作状态会急剧下降。由于制造和装配误差，且齿轮的工作环境一