（机械制造及其自动化专业论文）棒线材轧机齿轮箱智能诊断技术研究.pdf

摘要 摘要 由于棒线材轧机是典型的高效率、高自动化的设备，一旦突发故障，将给正 常生产带来严重威胁。轧机动力系统多采用齿轮传动方式，作为轧机最重要的 组成部分之一，齿轮箱运行是否正常涉及到整个机器或生产线的工况状态。因此， 针对齿轮箱典型故障开展智能诊断技术研究，具有重要的实际意义，本文研究内 容如下： ( i ) 在棒线材轧机齿轮箱各种零部件故障中，齿轮和轴承故障占很大的比 例。本文从理论上分析了齿轮和轴承典型故障产生的机理，用故障实例说明了齿 轮和轴承故障的判别过程，根据在线监测系统提供的振动信号研究了齿轮及轴承 的常见失效形式和主要识别特征。采用有限元仿真技术对滚动轴承承载过程中的 应力、应交情况进行模拟，从而验证了轴承失效的破坏机理。 ( 2 ) 智能诊断的知识库将框架式和产生式方法相结合进行构建，主要包括 诊断参量数据库和规则库两部分。其中诊断参量数据库存储齿轮箱运行状况的基 本监测参数，如基本参数、振动幅值、振动的波形、典型故障特征等；规则库存 放的是诊断规则。 ( 3 ) 为了有效地对齿轮箱故障进行诊断，本文将齿轮箱振动信号采用小波 分解后，定义了小波分层突变系数用于齿轮箱故障特征的识别，并将其与传统的 “双特征判别法”相结合，形成了“三特征判别法”。为了完善系统的智能推理 作用，本系统采用矩阵判别筛选法作为核心推理机制，并将“三特征判别法”融 入其中，实现了齿轮箱各类典型故障的智能判别，降低了漏诊的可能性。基于三 特征判别法和矩阵判别筛选法的推理机制是一种有效的推理方法。 整合了新诊断方法和新推理机制的棒线材轧机智能诊断系统原型，将为设 备诊断技术的推广应用奠定良好的基础。 关键词棒线材轧机齿轮箱；智能诊断；三特征判别法；矩阵判别筛选法；有限 元分析： a b s t r a c t a st h eb a ra n dw i r er o l l i n gm i l li sh i g he f f i c i e n ta n du g l y a u t o m a t i ce q u i p m e n t ， t h es u d d e nf a u l tw i l lb r i i 坞g r e a tt r o u b l et ot h en o r m a lp r o d u c t i o n m o s t l y , t h eg e a r t r a n s i m i s s i o nm e t h o di ss t i l lu s e da st h em a i nd r i v es y s t e mi nt h es t e e lw o r k s , s ot h e g e a r b o xi sv e r yi m p o r t a n tf o rt h em i l la n dw h e t h e ri t ss t a t u si sn o r m a lw i l li n f l u e n c e t h ew h o l ep r o d u c tl i n e t h e r e f o r et h es t u d yo nt h ei n t e l l i g e n td i a g n o s i ss y s t e mo ft h e g e a r b o xi sv e r yp r a c t i c a l l ys i g n i f i c a n t t h er e s e a r c h i n gc o n t e n tw a ss h o w na s f o l l o w i n g ： ( 1 ) t h eg e a ra n db e a r i n gf a u l t sa c c o u n tf o ral a r g ep r o p o r t i o ni nt h et o t a la m o u n t o ft h eg e a r b o xf a u l t t h em e c h a n i s mo ft h eg e a ra n db e a r i n gt y p i c a lf a u l t sw e r e a n a l y z e di nt h e o r y , t h ei d e n t i f y i n gp r o c e s s e so ft h eg e a ra n db e a t i n gf a u l tw g r e s h o w e dt h r o u g hp r a c t i c a lc a s e s ，a n dt h ec o m m o ni n v a l i d a t i o nf o r m sa n dm a i n r e c o g n i z i n gc h a r a c t e r i s t i c so f t h eg e a ra n db e a r i n gf a u l t sw e r er e s e a r c h e da c c o r d i n gt o v i b r a t i o ns i g n a l sa n a l y s i st h r o u g ht h eo n - l i n em o n i t o r i n gs y s t e m n l ef e mw a su s e d t os i m u l a t et h es t r e s sa n ds t r a i nd u r i n gt h ew o r k i n g p r o c e s so f t h er o l l i n gb e a r i n g ，a n d t h ef a i l u r em e c h a n i s mo f t h eb e a r i n gf a u l tw a sv a l i d a t e d ( 2 ) t h ek n o w l e d g eb a s ew a se s t a b l i s h e db yi n t e g r a t i n gt h ep r o d u c t i o nr u l ea n d f r & n l em e t h o d , t h ed i a g n o s i sp a r a m e t e rd a t ab a s ea n dr u l eb a s ew e r ei n c l u d e di ni t b a s i cp a r a m e t e r sf o rt h ef a u l td i a g n o s i sw e r es t o r e di nt h ed i a g n o s i sp a r a m e t e rd a t a b a s e ，i n c l u d i n gb a s i cp a r a m e t e r s v i b r a t i o na m p l i t u d e v i b r a t i o nw a v e s h a p e t y p i c a l f a u l tc h a r a c t e r i s t i c s d i a g n o s t i cr u l e sw e q r es t o r e di nt h er u l eb a s e ( 3 ) i no r d e rt or e a l i z et h ee f f e c t i v ed i a g n o s i so ft h eg e a r b o xf a u l t , t h ew a v e l e t d i s c o m p o s i n gm e t h o dw a sa p p l i e do nv i b r a t i o ns i g r l a l so ft h eg e a r b o x ，t h es a l t a t i o n c o e f f i c i e n t so ft h ew a v e l e ta n a l y s i sf o rt h ei d e n t i f i c a t i o no ft h eg e a r b o xf a u l t c h a r a c t e r i s t i c sw e r ed e f i n e d ，a n d t h r e e - c h a r a c t e r i s t i c a n a l y s i s m e t h o d w a s r e p r e s e n t e db yc o m b i n i n gt h ew a v e l e td i s c o m p o s i n gm e t h o dw i t ht h et r a d i t i o n a l t h e d o u b l ec h a r a c t e r i s t i ca n a l y s i sm e t h o d ”t oc o n s u m m a t et h ei n t e l l i g e n tr e a s o n i n g ，t h e m a t r i xd i s t i n g u i s h i n gs i e v em e t h o dw a sa p p l i e da st h ec o r er e a s o n i n gm e c h a n i s mi n t h es y s t e m , t h u st h ei n t e l l i g e n ti d e n t i f i c a t i o no ft h et y p i c a lf a u l to ft h eg e a r b o xw a s i m p l e m e n t e dt o r e d u c et h ep o s s i b i l i t yo ft h em i s s e dd i a g n o s i sb yc o m b i n i n gt h e m a t r i xd i s t i n g u i s h i n gs i e v em e t h o dw i t h t h r e e - c h a r a c t e r i s t i ca n a l y s i sm e t h o d 1 1 1 ei n t e l l i g e n td i a g n o s i ss y s t e mo ft h eb a ra n dw i r er o l l i n gm i l li n t e g r a t i n g n e wd i a g n o s t i cm e t h o da n dn e wr e a s o n i n gm e c h a n i s mw i l le s t a b l i s hag o o d u f o u n d a t i o nf o r t h ea p p l i c a t i o no f t h ee q u i p m e n td i a g n o s t i ct e c h n i q u e k e yw o r d s g e a r b o xo ft h eb a ra n dw i r er o l l i n gm i l l ，i n t e l l i g e n td i a g n o s i s ，t h r e e c h a r a c t e r i s t i ca n a l y s i sm e t h o d ，t h em a t r i xd i s t i n g u i s h i n g s i e v e m e t h o d , t h ef i n i t ee l e m e n ta n a l y s i s i i l 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 签名：i 拯墨趁日期： 关于论文使用授权的说明 t 口。7 fi 本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名：主送窒拴、导师签名：叁童i 日期：二! 三鱼， 第1 章绪论 第i 章绪论 1 1 课题研究的背景和意义 1 1 1 课题的提出 目前国产棒线材轧机迅速增多，己占全部生产线6 0 以上，由于制造质量 和国外进口设备相比还有很大差距，现场工人操作水平较低，生产负荷大，突发 故障时有发生。按每条高线每年发生一次5 7 小时的突发故障计，全国棒线材轧 机全年损失可达l 亿以上。 在轧机故障中，齿轮箱零件损坏占很大的比例。轧机齿轮箱结构复杂，在运 行过程中，受到力、热、摩擦以及磨损等多种作用，其运行状态不断发生变化， 并且齿轮箱所处的工作环境恶劣，工作载荷较大，各种干扰较大，大多数轧机都 是处于连续工作中，因此更加重了各部件的损伤。由于轧机设备的特殊性，一旦 发生故障，不仅带来巨大的财产损失，还可能造成人身伤害，后果严重。因此， 应力求在事故发生之前就能诊断出故障并加以消除，即必须在齿轮箱运行过程中 对其运行状态及时作出判断，采取相应的对策，力争杜绝事故的发生。这样就可 以提高设备运行的可靠性，大大减少由于停机所造成的巨大经济损失。 目前，大多数棒线材轧机的齿轮箱故障，如果用传统的听、摸、看及经常的 大拆大卸、开箱解体的方法，不仅增加了维修成本和维修周期，还因受主观因素 的干扰而造成很多误诊和漏诊，远远不能适应实际需求。近几年我国棒线材轧机 齿轮箱故障诊断技术有了较快的发展，正在逐步实现由事后维修、定期维修到视 情维修的转变。但由于棒线材轧机齿轮箱结构较复杂，工作条件多样，诊断中涉 及的问题较多，现有的故障诊断系统都不同程度的存在着一些问题，主要有以下 几个方面： 1 ) 对齿轮箱故障和振动产生机理研究不够透彻，大多是定性的结论。要建 立完整的数学力学模型，进行定量分析存在着相当大的困难； 2 ) 棒线材轧机齿轮箱故障诊断知识库缺乏知识，很多诊断实例无法表达成 通用的知识规则，需要提炼和积累有效的诊断知识： 3 ) 目前一般将齿轮箱作为一个线性系统进行研究，但实际研究和工程实践 表明，齿轮箱的振动涉及很多非线性因素； 4 ) 现行诊断多是对箱体振动信号进行分析，没有充分利用温度、油液等其 他物理量，所以其诊断成功率较低。 针对棒线材轧机齿轮箱研究有效的诊断方法，多种反映设备状态物理量的融 合诊断，分析故障机理，建立数学力学模型，研究非线性振动问题，完善智能诊 北京工业大掌工学硕十学位论文 断知识库，是棒线材轧机齿轮箱故障诊断的研究重点。 1 1 2 课题的意义 提供棒线材轧机智能诊断系统，主要意义如下： ( 1 ) 提高故障诊断准确率，防止误诊或漏诊，由于在线监测系统主要在维 护班组使用，工人文化水平有限，他们需要借助这一工具来判断故障隐患； ( 2 ) 从各条生产线齿轮箱故障隐患的典型诊断案例中，提炼判据，不断充 实知识库，完善棒线材轧机智能诊断系统； ( 3 ) 棒线材齿轮箱智能诊断系统的发展将推动齿轮箱智能诊断系统的深入 研究。 1 2 齿轮箱诊断技术的发展及现状 1 2 1 齿轮箱诊断技术的现状 早在一个世纪前，人们就已经开始对齿轮箱的振动和噪声进行研究。但直到 2 0 世纪6 0 年代中期，齿轮的振动和噪声问题才成为评价一个齿轮状态好坏的重 要因素，引进了世界范围内的广泛关注。英国学者h o p t i z 在1 9 6 8 年就齿轮振 动与噪声的机理，发表了一些著名的研究曲线，阐述了齿轮箱的振动和噪声是传 动功率和齿轮传动误差及齿轮精度的函数“1 。另外，美国的b u c k i n g h a m 和德国 的n i e m a n n 也对齿轮箱的振动噪声诊断提出了自己的见解和看法。 2 0 世纪7 0 年代开始出现了一些简单的齿轮箱故障诊断，仅限于直接分析测 量一些简单的振动参数，如振动峰值只、均方根值尼峪等，通过观察这些参数 的变化来掌握齿轮的运行状态。为了排除机器载荷交化的影响，还采用了一些无 量纲参数，如峰值系数伊等。以这些简单参数为依据的齿轮箱故障诊断准确率 很低。从2 0 世纪7 0 年代末到2 0 世纪8 0 年代中期，齿轮箱故障诊断的频域法发 展很快，其中b r a n d a l l 和j a m e si t a y l o r 等人做了很多有益的研究，积累了 一些故障诊断成功的实例。在齿轮磨损和齿断裂等故障诊断方面取得了成功o 。 当前齿轮箱的故障诊断方法很多，如振动诊断、噪声分析、扭振分析、油液 分析、声发射、温度及能耗监测等。齿轮箱中的轴、齿轮和轴承在工作时会产生 振动。若发生故障，其振动噪声信号的能量分布就会发生变化，振动噪声信号是 齿轮箱故障特征的载体。对其振动噪声状况分析，可实现不停机操作状态下的故 障诊断，大大减少了由于停机所造成的巨大经济损失，而且基于振动噪声分折的 故障诊断系统性能可靠，价格便宜，操作简单方便，所以，振动噪声诊断是一种 行之有效的故障诊断方法，在我国及世界范围内得到了广泛的应用。振动噪声诊 断方法又可分为简易、精密和自动诊断三种方法。由于齿轮箱振动频率复杂，需 要定位诊断故障，所以工程实际中大多数情况下都需要进行精密诊断，其精密诊 断方法在近年来也有很快的发展。目前我国齿轮箱故障诊断仍然是以手工分析为 第1 章绪论 主，现有的仪器和分析系统仅仅为我们提供了必要的手段，但对人的依赖程度较 大。国内外通用的能综合诊断齿轮箱故障、实用简便的自动诊断或智能诊断系统 很少，研制一套通用的齿轮箱故障自动诊断或智能诊断系统可以填补该领域空 白。 1 2 2 齿轮箱故障诊断技术的发展趋势 1 2 2 1 复合诊断法 学科交叉使得复合诊断方法成为主流。目前国内外主要应用的诊断理论、技 术和方法层出不穷，如神经网络、模糊理论、小波分析、数据融合技术、混沌理 论、分形理论、灰色理论、粗糙集理论等。每一种故障诊断理论和方法都存在 自己的优缺点，这些方法交叉融合，从而构成复合故障诊断方法。它充分利用 各种特征信息，提高诊断速度和精确度，实现优势互补，在齿轮箱的故障诊断 中显示了极大的潜力n “。 ( 1 ) 小波分析与其它诊断方法复合 齿轮箱是一个复杂的动力学系统，在实际工作条件下，其内部各种零部件 的振动信号经不同的传递路径到达箱体表面并叠加在一起，而且往往互相干扰。 而且齿轮箱的状态信号中常常包含瞬变信号，非平稳信号，这些信号是其故障 的外在表现，从而使传统的测试诊断方法难以有效应用。 小波分析以其良好时一频局部化特性，可以把分析的重点聚焦到信号任意细 节上，可实现在强噪声环境下提取齿轮中的微弱故障信号，显著提高了信号提 取能力和状态识别的灵敏度。在信号处理的基础上，利用神经网络实现齿轮故障 征兆和故障间的非线性映射，及时发现隐患，做到预知维修，从根本上发挥设 备的潜力，提高设备的利用率。因此，将小波分析与神经网络等诊断方法复合， 用于振动信号的动态成分、瞬变成分和非平稳成分的检测与提取，并据此对齿轮 箱的故障进行准确定位和预测，进一步提高故障诊断精度和可靠性，将是齿轮 箱等复杂机电系统故障诊断的长期任务。 ( 2 ) 神经网络与其它方法融合 研究文献比较多的有：模糊神经网络“4 、神经网络专家系统、基于数据融合 的神经网络、小波神经网络、暂态混沌的神经网络“”等。神经网络和其他方法 的复合，对解决齿轮箱这种故障征兆与故障间非线性映射的复杂的机电系统的 故障的分级和定位，对诊断精确度的提高具有极高的应用价值。 1 2 2 2 人工智能在齿轮箱故障诊断中的应用 故障诊断专家系统、神经网络作为人工智能的重要分支，已得到工程领域的 广泛关注和应用。基于人工智能的故障诊断技术最活跃的同时，基于行为的人 工智能法，或称“人工生命”也应运而生。群体智能( s wa r mi nt e l l i g e n c e ) 技 术，产生于2 0 世纪9 0 年代初，是模拟自然生物群体行为的优化技术，是人工 北京工业大学工学硕士学位论文 智能领域研究的一个新的热点。 1 2 2 3 生物学机理引入齿轮箱故障诊断 随着机器制造系统的集成化、复杂化和网络化，对齿轮箱等类复杂机电系统 的检测和故障诊断提出了挑战。特别是由于系统中存在大量的不确定现象，如何 快速和准确地对系统进行评估和预测，是状态检测和故障诊断面临的难题之一。 由于生物系统的安全性和可存性，以生物学的一些概念和机理为借鉴，可以为 研究和开发齿轮箱等复杂机电系统的检测和故障诊断提供启示，也是故障诊断 研究的方向之一。 1 2 2 4 齿轮箱远程诊断 进入2 0 世纪9 0 年代后，随着i n t e r n e t 和万维网技术的普及和完善，机器 设备监测与故障诊断技术和网络技术、通讯技术相结合，形成一种新型的远程监 测诊断模式。它将监测诊断现场和诊断中心用网络联系起来。监测现场通过网络 向诊断中心发出服务请求，诊断中心根据不同的请求做出响应。监测现场与诊断 中心之间没有更多的必然联系，不同的监测现场可以与同一个诊断中心建立联 系，整个系统中流动的是数据，而不是技术人员；而且所有的诊断信息可以由网 络获得。实现远程诊断，使管理部门、监测现场、诊断专家、设备厂商联系起来， 形成一个真正开放的系统，将是今后齿轮箱等复杂机械故障诊断的发展方向。 1 3 智能诊断技术的发展及现状 1 3 1 国内外研究现状 1 3 1 1 理论研究现状 粒子群优化算法“1 ( p a r t i c l es w a r mo p t i m i z a t i o n ，p s o ) 是种基于群 体智能原理的优化算法。通过种群中粒子间的合作与竞争产生的群体智能指导优 化搜索。其主要的优势在于p s o 算法的简洁性，易于实现，没有很多参数需要 调整，且不需要目标函数的梯度信息。粒子群的迁移过程是有方向性的，搜索过 程中应用到反馈原理并可采用并行计算技术，因此具有较高的搜索效率。 c o s m i nd a n u tb o c a n i a l a 等”针对一种新型模糊分类器的参数调节问题， 对比了粒子群优化算法和遗传算法所花费的时间，通过故障诊断基准问题说明 p s o 具有突出的优越性。 b o c a n i a l ac d 等。1 用模糊分类器对故障诊断过程进行精炼，采用p s o 算法 代替遗传算法，提高了故障识别的精确性，改善了诊断结果，实现分类器故障 将正常状态与故障状态分离的概率达9 9 6 。 y uli u 等n 0 1 采用p s o 算法进行信号特征选择把特征参数提取和r b p 神经 网络相结合，以尽可能使小规模的特征集满足网络高精度的需求。基于p s o 算 法解决神经网络模型的训练问题，可以极大地提高载荷识别的效率。 第1 章绪论 i i 国内的齿轮箱智能诊断系统研究虽起步较晚，但也取得了一定的成果。 王凯等。1 将小波神经网络用于齿轮的故障诊断中。构建了基于小波特征提取 和b p 神经网络诊断系统，利用小波分解后各频段能量的分布作为特征向量输入 神经网络。在齿轮试验台上采集装配有正常齿轮、裂纹齿轮、断齿齿轮和磨损齿 轮的齿轮箱振动信号各1 5 组，分别选择每种情况下的l o 组数据作为训练样本， 对其进行5 层d b 5 小波分解，求出各个频带的能量，提取出特征向量，然后输 入拓扑结构为6 2 8 2 4 的b p 神经网络进行训练，最后利用已经训练好的网络， 把剩余待诊断的2 0 组齿轮振动信号的特征向量输入神经网络，结果表明该方法 能准确地诊断出齿轮的故障，诊断误差指标为0 0 2 ，诊断精度较高。 邱英利用b p 网络技术和d 2 s 证据推理相结合，针对齿轮机械系统中不同 故障在水平与垂直的振动方向有不同的灵敏度，同一故障在不同的位置所测得 的频谱特征也不相同等特点，进行多传感器数据融合，解决靠单一传感器获得 的单一指标进行诊断所带来的不确定性问题。在试验台上证明了该方法的有效 性。 1 3 1 2 实际应用成果 在理论上的研究成果，推动了智能故障诊断技术的实际应用。智能故障诊断 技术的发展历史虽然短暂，但在电路与数字电子设备、机电设备等方面已取得了 令人瞩目的成就。 在电路和数字电子设备方面，m i t 研制用于模拟电路操作并演绎出故障可能 原因的e l 系统；美国海军人工智能中心开发了用于诊断电子设备故障的i n - a t e 系统；波音航空公司研制了诊断微波模拟接口m s i 的i m a 系统；意大利米兰工业 大学研制用于汽车启动器电路故障诊断的系统。由于机电设备在整个生产领域中 占有极其重要的地位，所以有关机电设备的故障智能诊断问题一直受到研究人员 的关注，出现的智能诊断系统也比较多。如日本日立公司研究了用于核反应堆的 故障诊断系统；美国通用电气公司研制的用于内燃电气机车故障诊断的专家系统 c a t s 一1 ；华中理工大学研制的用于汽轮机组工况监测和故障诊断的智能系统 d e s t ；哈尔滨工业大学和上海发电设备成套设计研究所联合研制的汽轮发电机组 故障诊断专家系统m m m d - 2 , 清华大学研制的用于锅炉设备故障诊断的专家系统 等等嘲。 1 3 2 智能诊断技术的发展趋势 随着知识工程的发展及数据库、虚拟现实、神经网络等技术的日新月异，必 然引起智能故障诊断技术在各个方面的不断发展。其发展趋势可概括如下“”： ( 1 ) 多种知识表示方法的结合。在一个实际的诊断系统中，往往需要多种方式 的组合才能表达清楚诊断知识，这就存在着多种表达方式之间的信息传递、信息 转换、知识组织的维护与理解等问题，这些问题曾经一直影响着对诊断对象的描 北京工业大学工学硕士学位论文 述与表达。近几年在面向对象程序设计技术的基础上，发展起来了一种称为面向 对象的知识表示方法，为这一问题的解决提供了一条很有价值的途径。 ( 2 ) 经验知识与原理知识的紧密结合。为了使故障智能诊断系统具备与人类 专家能力相近的知识，研制者在建造智能诊断系统时，越来越强调不仅要重视领 域专家的经验知识( 浅知识) ，更要注重诊断对象的结构、功能、远离等知识( 深知 识) ，忽视任何一方面都会严重影响系统的诊断能力。 ( 3 ) 专家系统与神经网络的结合。神经网络理论为故障智能诊断系统的发展 开辟了崭新的途径。神经网络实现的是右半脑直觉形象思维的特性，而专家系统 理论与方法实现左半脑逻辑思维的特性，二者有着很强的互补作用。 ( 4 ) 虚拟现实技术将得到重视和应用。虚拟现实技术( v e r t u a l r e a l i t y ) 是继 多媒体技术以后另一个在计算机界引起广泛关注的研究热点，它有四个重要的特 征，即多感知性、对存在感、交互性和自主性。 可以预言，随着虚拟现实技术的进一步发展和在故障智能诊断系统中的广泛 应用。它将给故障智能诊断系统带来一次技术性的革命。 ( 5 ) 数据库技术与人工智能技术相互渗透。人工智能技术多年来曲折发展， 虽然成果累累，但比起数据库系统却相形见绌。其主要原因在于缺乏像数据库系 统那样较为成熟的理论基础和实用技术。人工智能技术的进一步应用和发展表明， 结合数据技术可以克服人工智能不可跨越的障碍，这也是智能系统成功的关键。 1 4 课题研究的主要内容 课题主要进行以下几方面的研究： ( 1 ) 根据棒线材轧机监测系统提供的振动数据研究轧机齿轮箱案例，提取 有用的故障特征，充实知识库。 针对轧机齿轮箱典型案例进行分析，运用各种分析手段，以得到新的有特点 的故障特征，作为专家知识充实到知识库，就可以有效地提高智能诊断系统的诊 断准确率。 ( 2 ) 研究齿轮箱失效机理，总结齿轮箱失效形式和特征； 使用大型有限元前后处理软件h y p e r m e s h 对实际损伤轴承建立有限元模型， 使用a b a q u s s t a n d a r d 进行求解，得到轴承内圈应力和应变图，为分析轴承失效 提供了参考。对齿轮箱失效机理、失效形式和特征进行深入地了解，从而可以把 故障产生的原因和结果建立联系，为故障判断提供判据。 ( 3 ) 研究新的有效诊断方法； 针对以前的诊断方法存在诊断不准确的问题，提出三特征判别法，采用在常 规傅立叶谱图上分析平稳功率故障振动信号特征，在共振解调傅立叶谱图上分析 冲击功率故障振动信号特征，利用小波分析冲击故障振动信号特征的方法，对齿 轮箱故障进行诊断。 第t 章绪论 ( 4 ) 研究智能诊断系统的实现。 采用产生式规则和框架式知识表示，基于三特征法和矩阵判别筛选法的推理 机制，并能进行人机对话，在此基础上实现智能诊断系统。 北京工业大学工学硕士学位论文 第2 章棒线材轧机齿轮箱典型故障特征与失效分析 棒线材轧机齿轮箱故障一般分为齿轮、滚动轴承及传动轴三类。据统计，齿 轮、轴和滚动轴承故障占齿轮箱故障的9 0 以上。因此，研究齿轮及齿轮箱振动 的产生机理，分析其振动信号的频率成分，分析齿轮和滚动轴承的主要失效形式 及其识别特征，对齿轮箱故障诊断具有重要意义。北京工业大学故障诊断实验室 为武钢、宣钢、唐钢等多家钢铁企业开发了轧机齿轮箱在线监测系统，经过多年 实践积累了丰富的诊断案例，本文根据监测系统提供的分析功能，对齿轮和滚动 轴承的典型故障特征进行了研究。 2 i 齿轮的故障形式及其识别特征 2 1 1 齿轮的主要失效形式 齿轮在运转过程中，常常由于制造不良和操作维护不善，产生各种形式的失 效。具体的失效形式和齿轮材料、热处理、运转状态等因素有关。常见的齿轮失 效形式有四种：即齿面磨损、齿面胶合、齿面疲劳、轮齿折断。表2 1 中说明了 齿轮常见故障的发生比例1 。 表2 1 齿轮常见故障发生比例 t a b l e 2 - 1t h e p r o p o r t i o no f c o m n o r lg e a rf a u l t s 齿轮赦障炭塑断齿点蚀锄t i 醐 其它 所占百分比( - ) 4 13 1l o i 1 08 2 1 1 1 齿面磨损 齿面磨损包括磨粒磨损和腐蚀磨损两种主要形式。 ( 1 ) 磨粒磨损：磨料进入工作齿面啮合区，起磨粒作用，引起磨粒磨损。 ( 2 ) 腐蚀磨损：润滑剂中的活性成分( 酸、水等) 和轮齿材料发生化学反应， 造成齿轮磨损，从而引起腐蚀磨损。 磨损使齿廓显著改变，侧隙增大，甚至会由于齿厚过度减薄而导致断齿。 2 1 1 2 齿面胶合 齿面胶合分为热胶合和冷胶合两种形式。 ( 1 ) 热胶合：在较高的滑动速度下，啮合的两齿面实际接触区金属融化焊而 粘着，粘着金属随齿面相对运动而撕落。 ( 2 ) 冷胶合：在较低滑动速度下，重载齿轮在较高的局部压力下，使两啮合 齿面间的表面膜被刺破，因金属直接接触而导致两齿面粘着，随齿面相对运动沿 滑动方向撕伤。 第2 章棒线材轧机齿轮箱典型故障模式与机理研究 2 2 1 3 齿面疲劳 齿面疲劳的基本形式是点蚀与剥落。其特点是，工作齿面存在磨擦与磨损作 用，且表层发生塑变与发热。 齿面疲劳是在过大的当量接触应力和应力集中作用下，表层塑性变形，逐渐 积累而引起微观穿晶断裂形成原始微裂纹，此裂纹源向齿面方向按疲劳裂纹扩展 规律发展，以至齿面掉下一片片贝壳状的材料，即形成点蚀。由点蚀扩展而连承 一大片材料脱落或从齿表面层内向外延伸扩展而使较大片金属剥离齿面，从而形 成剥落。 2 2 1 4 轮齿折断 轮齿折断根据断齿的原因，可分为过载折断，疲劳折断和随机折断等。 ( 1 ) 过载折断：由于短时意外的严重过载，使得轮齿的应力超过极限应力所 造成的折断。 ( 2 ) 疲劳折断：轮齿在过高的交变应力多次作用下，从危险截面处疲劳源起 始的疲劳裂纹不断扩展，使轮齿剩余截面上的应力超过其极限应力所形成的断 齿。 ( 3 ) 随机断裂：随机断裂是指不在正常的轮齿的危险截面断裂的一种轮齿折 断形式。轮齿折断主要是由于某种内在的缺陷或过高的有害残余应力所造成的。 2 1 2 齿轮故障振动的机理研究 2 1 2 1 齿轮啮合振动机理 齿轮的振动系统是一个相当复杂的非线性系统。要建立其完整的非线性振动 模型是非常困难的，在研究齿轮故障时，通常将齿轮传动副进行简化。齿轮传动 副作为一个振动系统，其物理模型可以简化为如图2 1 所示。根据振动理论，其 动力学方程为。： f ：i + c i c + k _ x = f ( ，) 式中 x 一沿作用线上齿轮的相对位移； c 一齿轮啮合阻尼； m 一换算质量，m = r 啊r , h “m + 他) 量一齿轮啮合刚度； f o ) 一外界激励，包括故障产生的激励。 图2 1 齿轮啮合的力学模型 f i g u r e2 - 1g e a rm e s hd y n a m i cm o d d ( 2 i ) 北京丁= 业大学工学硕士学位论文 iml f ( t ) 为动载荷，包含故障缺陷所产生的激励，它的变化受轮齿刚度和传动误 差变化的影响，同时还与齿面摩擦力方向的变化有关。在润滑状态良好，且齿面 粗糙度低的情况下，齿面摩擦力变化对啮合振动的影响较小，常可忽略，从而可 以表示为 嘶十c 鬻+ 七( f ) x = 七( r ) e l + 七o ) 岛o ) ( 2 2 ) 式中西一齿轮受载后的平均静弹性变形； e 2 ( t ) 一齿轮误差和故障造成的两个轮齿间的相对位移，又称故障函数； k ( o e 厂- 齿轮正常工作时的常规振动； k ( o e 2 ( o 一取决于齿轮综合刚度和故障函数。 一对齿轮啮合运转，参与工作的齿数由一对变为两对，又由两对变成一对， 形成单双齿啮合交替变化，对齿轮施加一个周期性的冲击，从而形成齿轮啮合振 动。正常情况下，啮合频率及谐频成分为 旦 x a t ) = 4c o s ( 2 f f m f , + 九) ( 2 - 3 ) 4 m z=疗云z(2-4) o u 式中五一啮合频率； 刀一自然数l ，2 ，3 ，j ! l 以肘为最大谐波次数； 一齿轮轴的转速( r m i n ) ： z 一齿轮的齿数 2 1 2 2 齿轮刚度激励的齿轮振动 对于齿轮振动的产生，齿轮啮合刚度是一个很重要的，同时也是一个很复杂 的参量，它是研究齿轮动态性能的基础。齿轮的啮合冈0 度受诸多因素的影响，如 传递载荷、载荷分布、轮齿变形和啮合位置等。 当齿轮的制造与安装误差、剥落、裂纹等故障产生时，齿轮的啮合刚度降低， 从而产生更为强烈的振动。这样，测得的振动信号x ( o 畸变加剧，在频谱图上， 啮合频率处的谱值会显著增大，而二阶、三阶啮合频率处的谱值会增加得更大。 同时，这些故障会直接成为振动的激励源，使齿轮振动信号中含有轴的回转频率 及其倍频，而故障齿轮的振动信号往往表现为回转频率对啮合频率及其倍频的调 制，调制频率即为齿轮轴的回转频率f r = r j 6 0 。 在谱图上形成以啮合频率为中心、两个等间隔分布的边频带。由于调频和调 幅的共同作用，最后形成的频谱表现为以啮合频率及其各次谐波为中心的一系列 边频带群，边频带反映故障源信息，边频带的间隔反映了故障源( 即有故障的部 件) 的频率，幅值的变化表示了隐患或故障的发展程度“”。 第2 节棒线材轧机齿轮箭典型故障模式与机理研究 由此可见，对齿轮的振动信号进行频谱分析，判断啮合频率及高次谐波频率 处的谱幅是否异常，边频谱幅是否异常，在掌握轧机齿轮箱运行、检修和零部件 更换情况的基础上，即可诊断齿轮有无故障。 2 ，1 2 3 齿轮故障引发信号调制的机理 齿轮出现故障时常产生冲击，出现不同程度的调制现象，在频谱图上出现形 式各异的调制边频带。这些调制边频带的特点包含很多有用的齿轮故障信息。“。 ( 1 ) 幅值调制 幅值调制就是载频的时域信号幅值受到调制信号的调制。若载频是啮合频率 厶，其时域信号用工表示，调制信号为余弦数c 0 啦在石力或正弦函数s i o ( 2 z t f o t ) ( 其 中石是调制信号的频率，通常为齿轮的旋转频率) ，则幅值调制信号为确颤 或x ( t ) g w ( 2 z t f d ) 。齿轮箱齿形误差和点蚀、断齿、联轴器不对中和传动轴弯曲都会 产生这种调制现象，但其调制边频带分布是不同的。 ( 2 ) 频率调制( 相位调制) 频率调制就是载波信号受到调制信号的调制变成变频信号。调制现象是由于 齿轮波动对振动频率的影响造成的，所以可以引起转速波动的异常现象均可以诱 发调制振动，如齿轮偏心、旋转不均匀、传递扭矩和齿面载荷波动、某一齿集中 性故障等。这些现象都会造成齿轮啮合时一边紧，一边松，使振动幅值按此规律 周期性地变化，在啮合中产生短暂的“加载”和“卸载”效应，产生频率调制。 通常啮合频率厶为载波信号的频率，轴的转动频率而为调制信号的频率。 ( 3 ) 调频调幅 齿轮由于齿间距误差或载荷发生周期性变化而产生振动时，不但有幅值调 制，同时也有频率调制。频率调制波的频谱也是在载频名谱线的两侧产生等间隔 的边频带，边频带的间隔而就是调制信号( 往往是与齿轮故障有关的信号) 的频 率。由于幅值调制与频率调制的边频都相同，所以在频谱图中这两种调制的边频 带是重叠的。对于同一频率的边带谱线，如果2 者的相位相同，则它们的幅值相 加，两者的相位相反时，则它们的幅值相减。所以载频谱线两侧的边频带的分布 一般是不对称、不规则的。 2 1 3 齿轮典型故障的识别特征 2 1 3 1 齿轮啮合不良故障的特征分析 图2 2 为武钢高线精轧机传动系统简图，该机组1 0 个机架安放于整体刚性底 座上由一台电机集中传动。主电机经增速机输入轴上的大齿轮带动两根输出轴， 通过齿形联轴节与两根传动轴相联，分别驱动左右两侧的机架。 北京工业大学工学硕士学位论文 图2 - 2 高线精轧机传动系统简图 f i g u r e2 - 2d r i v i n gd i a g r a mo f t h eh i g h - s p e e df i n i s h i n gw i l l ( 1 ) b 线2 6 架谱图数据分析 1 ) 故障数据分析 图2 3 、2 - 4 所示为b 线精轧机2 6 架齿轮箱频谱图，表2 - 2 为谐波频率分析。 表2 - 2 谐波数据分析( 测量转速1 1 0 0 r p m 推导转速1 0 7 8 2 r p m ) ： 故障特征频率( h z )振幅 序号特征描述 测量值计算值 ( m s ) l5 8 5 9 45 8 5 9 43 2 4 5 锥箱i 轴转频 21 1 7 1 8 81 1 7 1 8 81 5 0 8 锥箱i 轴转频二倍频 31 8 0 6 6 41 7 5 7 8 22 ，4 5 8 锥箱i 轴转频的三倍频 42 3 9 2 5 82 3 4 3 7 6 0 9 0 8锥箱i 轴转频的四倍频 图2 3 、2 - 4 为2 0 0 5 年7 月监测异常时的故障谱图，其中锥箱轴频的谐波 特征明显，谱图中有锥箱i 轴转频及其二、三、四倍频。同时，伞齿轮啮合频 率左右伴随明显的边频特征。表2 - - 3 为b 线2 6 架齿轮箱特征频率表与监测参 数对照表，显示两类数据非常吻合，可以初步判断故障发生部位。 图a 时域图 f i g u r ea t u n e - d o m a i np l o t 第2 巷棒线村轧机齿轮葙典型故障模式与机理研究 图b 频域图 f i g u r ebf r e q u e n c y - d o m a i np l o t 图2 - 3 精轧b 线2 6 架2 0 0 5 年7 月2 7 曰频谱分析 f i g u r e2 - 3f r e q u e n c ys p e c t r u ma n a l y s i so f bl i n e2 6 # o f t h cf i n i s h i n gm i l lo nj u l y2 7 2 0 0 5 图a 时域图 图b 频域图 f i g u r ebf r e q u e n c y - d o m a i np l o t 图2 _ 4 精轧b 线2 6 架2 0 0 5 年7 月2 7 日局部放大图 f i g u r e2 - 4p a r t i a le n l a r g e dp l o to f bl i n e2 6 # o f f i n i s h i n gm i l lo nj u l y2 7 ，2 0 0 5 表2 - 3 边频数据分析 序号 故障特征频率 ( h z ) 振幅 特征描述 图号 ( m s ) 测量值计算值 1 图2 - 31 9 0 1 8 61 9 0 8 9 51 3 9 l i 和轴伞齿轮啮合频率 2 图2 - 33 8 1 3 4 83 8 1 7 90 5 9 i 和轴伞齿轮啮合频率二倍频 3 图2 - 46 16 1 5 81 7 8 锥箱i 轴转频( 在i 和i i 轴伞齿轮啮合 频率旁，可以看到以6 1 h z 为间隔的 边频1 一1 3 北京t 业大学工学硕七学位论文 2 ) 诊断结论 与以往数据比较，可以发现i 轴、i i 轴伞齿轮的啮合频率幅值有所升高， 从长时间的发展趋势来看增速较缓慢，这主要是因为齿轮啮合状况不好，导致啮 合频率幅值增加。 各谱图上均有锥箱i 和i i 轴转频及其谐波，两轴伞齿轮啮合频率( 1 9 0 1 8 6 ) 旁也有边频( 即锥箱i 轴轴频6 1 0 4 h z ) ，这是i 和i i 轴零部件松动的特征。 ( 2 ) 现场情况反馈 精轧b 2 6 锥箱箱体于2 0 0 5 年8 月1 日开箱检查，发现i 轴上z 。( 齿数6 1 ) 啮合不好。伞齿轮间隙基本正常，为0 2 9 m m ，端面跳动为0 1