齿轮故障诊断方法综述

齿轮故障诊断方法综述摘要齿轮是机械设备常用的零件，齿轮传动也是机械传动中最常见的方式之一。 多数情况下，齿轮故障还是设备故障的主要原因。 因此，进行齿轮故障诊断具有非常重要的意义。 介绍了故障特征和一些诊断方法，比较了基于粒子群优化的小波神经网络，基于相关分析和小波变换，基于小波包、BP神经网络和小波分析等故障诊断方法的优缺点，实现了齿轮故障关键词齿轮故障诊断方法分析比较发展目录第一章齿轮故障诊断的发展与故障特点11.1齿轮故障诊断的发展11. 2齿轮的故障形式和振动特性1第二章齿轮传动故障诊断的方法22. 1高阶谱分析22.1.1参数化双谱估计的原理32.1.2测试装置和信号获取32.1.3故障诊断42.1.4用双谱分析识别齿轮故障5基于2.2边缘频率分析的齿轮故障诊断62.2.1分析原理62.2.2铣床振动试验62.2.3边带分析82.2.4故障诊断92. 3时域分析102.3.1时域指标102.3.2非线性时间分析11第一章齿轮故障诊断的发展及故障特征1.1齿轮故障诊断的发展齿轮故障诊断始于20世纪70年代初，早期的齿轮故障诊断是用旋转式机械测量简单的振动参数，用简单的方法进行诊断的。 这些简单的参数和诊断方法对齿轮故障诊断的反应灵敏度低，不能准确判断故障部位。 从1970年代末到80年代中期，旋转式机械中齿轮故障诊断的频域法发展迅速，其中R.B.Randall和James1.Taylor等人做了很多有益的工作，积累了很多故障诊断的成功例子，出现了一些较好的频域分析方法，以及齿轮磨损和齿根切削进入20世纪90年代，神经网络、模糊推理和网络技术的发展与融合进入了齿轮系统故障诊断蓬勃发展的时期。我国学者在齿轮故障诊断研究方面也做了很多工作。 1986年屈梁生、何正嘉在机械故障诊断学分析了齿轮故障的时频域特征。 1988年颜玉玲、赵淳生分析了滚动轴承的振动监测与故障诊断。 1997年郑州工业大学韩捷等人在齿轮故障振动频谱机理研究中探讨了齿轮故障机理。 西安交通大学张西宁等人在“齿轮状态监测与识别方法研究”中提出了新方法。1. 2齿轮的故障形式和振动特性通常，齿轮运行时，会因制造不良或维护不良而发生各种形式的故障。 故障形式因齿轮材料、热处理、运行状态等因素而异，常见的齿轮故障形式有齿面磨损、齿面粘结和损伤、齿面接触疲劳和弯曲疲劳和断裂。在齿轮运转的状态下，随着内部故障的发生和发展，一定会发生振动上的异常。 实践证明，振动分析是齿轮故障检测最有效的方法。 设齿轮对的主轮转速为n1、齿数为z1、频率为f1，则在从轮转速为n2、齿数为z2、频率为f2的情况下，齿轮啮合频率fC为： fc=nf1z1=nf2z2=nn160 z1=nn 260 z2(1)式中的： n=1、2、3、。 在齿轮正常或异常的状态下，啮合频率的振动分量及其倍数一直存在，但是在两种状态下振动水平不同。 仅根据齿轮相对于振动信号的啮合频率及其倍频分量的不同来识别齿轮的故障是不够的，故障对振动信号的影响是包括振幅调制、频率调制及其他频率分量在内的多方面。第二章齿轮传动故障诊断的方法齿轮故障的诊断方法从难易度分为简易诊断方法和精密诊断方法。简易诊断方法有：名经验者直接听到噪音或感受到振动强度，可以初步判断齿轮系统是否正常。 通过直接观察信号波形的振幅变化倾向，判断齿轮的动作状态。 简易诊断方法简单、快速，但效果一般。 精密诊断方法利用精密仪器取得系统工作的信号，对信号进行一系列处理，获得必要的信息。 精密诊断方法准确性高，但对人员素质要求高，所需仪器也精密。齿轮系统在运转中，与运转状态相关的一系列物理量随着时间变化，用各种信号表现。 因此，信号处理方法是齿轮故障诊断的最重要环节。 这分析了在前一阶段获得的信号，并且将信息提供给最后决定阶段。 有关齿轮的信号处理方法目前发展很大，借鉴了振动力学、摩擦学、系统论、控制论、计算机技术、人工智能技术和非线性理论等多个领域的研究成果，广泛采用传感器技术、计算机和信息处理等现代科学技术。2. 1高阶谱分析高阶光谱基于高阶累积量发展，是近年来国际上信号处理方面较新的方向。 一种用于分析非高斯、非线性和非最小相位的有力工具，可以为相关函数和功率谱提供不仅有关时间、幅度和频率的信息而且有关相位的信息。 现在国内外被引入齿轮检查。 双谱技术用于齿轮故障诊断，利用该方法可以有效地识别信号中的二阶相位耦合状况，准确地检测出齿轮存在的分布缺陷。 双谱与双相干谱相比，通过齿轮在正常、磨损、断齿状态下的分析，发现双谱比双相干谱的能量分布集中，有利于故障特征提取。齿轮啮合过程中的振动信号呈非线性、非高斯性，加上强噪声干扰，给故障特征的提取带来很大困难. 为了实现齿轮单一故障的分类和诊断，采用时间序列参数化的双频谱分析方法，分析了齿轮故障模拟试验台采集的正常状态和三种故障状态的振动信号，根据双频谱峰的分布和数量的不同，实现了齿轮的正常、破裂、磨损、剥落四种状态的识别和分类。 结果表明，双谱分析可抑制背景噪声，有效提取信号中的非高斯分量，是一种有效的故障诊断方法。2.1.1参数化双谱估计的原理双谱的计算方法由两种：定义直接计算双谱(实质上，双谱定义为稳态时间序列三次自相关函数的二维傅立叶变换)。 间接从参数模型估计双谱，其计算简便，本研究利用AR(p )模型估计双谱。2.1.2测试装置和信号获取试验装置为齿轮故障模拟实验台，由控制台、直流电机、负载电机、直流调速负载系统、齿轮减速器组成。 传感器的安装位置是准确获取信号的关键，对于齿轮箱来说，齿轮故障的振动信号在传递中环节较多(齿轮轴承轴承测量点)，很多高频信号在传递中可能会丢失，因此在进行检查时选择轴承箱附近刚性好的部位，两个压电式传感器分别对中间轴和输出轴的齿轮箱由三轴式二级变速器构成，输入轴和输出轴的齿轮均为正常齿轮(z1=26、z4=85、m=2)，中间轴的齿轮为二连齿轮(z2=64、m=2)和三连齿轮(z3=40、m=2)，上面配置有模拟故障， 故障转换在齿轮箱前后的两个换档手柄调节实验中，采样频率设定为10 kHz，数据长度设定为12902，3种转速(400、700和1万r/min )，3种负载(无负载、轻负载、重负载)2.1.3故障诊断实验中，在1 000 r/min的重负荷状态下收集正常信号和3种故障信号时的地域图和FFT频谱图如图3、图4所示由时域波形图可知，齿轮的四种运行状态差异很小。 FFT谱显示，一旦出现故障，能量的分布会发生一定变化，出现了新的能量集中区域，但由于4种状态在低频能量集中存在一定的相似性，难以直接用肉眼进行区分，需要进一步处理进行正确的分类和诊断。2.1.4应用双谱分析识别齿轮故障当齿轮发生裂纹、局部剥落等故障时，会产生周期性冲击信号，信号分布发生一定变化，呈现一定的非高斯特性，因此将双谱分析应用于齿轮故障的分类和诊断。 Matlab信号处理工具包所提供的函数ARorder和arrcest指令可用于ar模型的层级和模型的参数估计，对调用相关指令所估计的参数进行双频谱分析，四种状态的双频谱估计结果如图5中所示由图5可知，无论是正常齿轮还是故障齿轮，双频谱图都存在频谱峰值，高斯偏移性显着。 在正常情况下，主峰仅为低频，故障时，裂纹和剥离故障出现6个谱峰，谱峰的形状和能量有一定差异，但磨损故障谱峰的数量也较多集中，故障状态谱峰以低频和高频分布。 这是因为齿轮故障的调制作用不同，产生“调制频率的各成分间耦合程度不同”的必然结果。 根据4个状态谱峰的数量和分布，可以进行良好的分类和诊断。基于2.2边缘频率分析的齿轮故障诊断2.2.1分析原理边带的产生主要与振动信号调制有关。 例如，齿轮箱的齿轮轴有偏心故障，或者啮合齿轮的齿有严重故障时，会发生调制。 即，在特征频率的两侧具有边带3-497-101。 为了正确的诊断，必须进行细分分析。 细分分析5-6的基本思想是利用频移定理，对被分析信号进行复调制、重采样并进行傅立叶变换，从而得到高频分辨率，主要过程假定在：频带(f1f2)的范围内进行频分，此频带的中心频率为f0=(f1 f2)/2，被分析信号x(k ) 通过复调制该复调制，移频信号y(k)=x(k)e-i2KL/N，L=f0f表示未被细分的分析之前的频率间隔。 根据移频定理，Y(n)=X(n L )对应于将X(n )中的第l条线移动到Y(n )的零光谱位置。 在这种情况下，如果将采样频率降低到2Nf/D，对频移信号进行采样，或者对采样数据进行频移处理后进行选择，则提高频率分辨率d倍，分析Y(n )零频谱附近的频谱，即X(n )的第l个频谱附近的频谱2.2.2铣床振动试验本次实验首先收集和分析了铣床的振动信号，并进行了故障分析。(1)测试系统测试仪器信号采集由压电式加速度传感器进行，用DLF系列多通道电荷电压滤波积分放大器转换为电压信号，用INV310大容量数据自动采集系统和DASP软件进行信号处理，分析其频谱。(2)试验方案和试验过程(一)确定测量点和转速； 首先，在机床无负荷状态下，通过触摸发现振动较大的部位。 接着，在各部位用测量仪确定铣床无负荷状态下振动较大的位置。 选定主轴转速为n=75、150、300、475、600、750、950、1180、1500 r/min时，传动路径为其中，110号点(图1 )振动较大，而且大部分振动与加工精度有直接关系，因此作为此次研究的主要测试点(对称点也进行了测试，但未图示)。(2)计算测试转速下轴的旋转频率、齿轮的啮合频率(表1、表2 )。(三)测试过程。 连接设备，调零设备仪表，设定参数启动机床，观察接收的信号，信号稳定后改变收集的转速和测量点，记录各动作状况下的各点的数据。2.2.3边带分析边带分量包含丰富的齿轮故障信息，提取边带信息需要足够高的频谱分辨率497-101。 如果边带频谱间隔小于频率分辨率，或者频谱间隔不均匀，则边带的分析会产生误差，因此需要进行细分分析.通过测试，再现各测量点记录的振动信号后，使用DASP软件进行频谱分析，得到各情况下各点的频谱图百馀副，图2示出75r/min时的第5点的频谱图振幅相对较大的点的数据图。 从图2可以看出，图中强调了频谱峰值，振动显示大的信号峰值的频率为222.88Hz、642.24Hz、9001000Hz。 分析所有光谱图发现，在642.24Hz附近的幅度相对较大，主要分析了占据一定地位的这一范围内的光谱，并选择了能够反映这一特性的频带，因为频率分辨率太低，所以重新进行了细分分析。 图3是主轴为1180r/min (实际转速为1212r/min )且第5个点未被细分的光谱图和细分后的(598Hz至700Hz )光谱图。 从图3a可知，难以正确地分析边缘频率的值，因此为了进行细分分析，可以在图3b中正确地观察边缘频率的值(特征频率642.24Hz、边缘频率24.7Hz )，故障的判断非常有利。2.2.4故障诊断(1)故障部件和位置。 根据图3，642.24Hz是振动振幅值变大的主要频率，但若以实测主轴转速1212r/min推定，则第一对齿轮啮合(26/54 )的频率为640.92Hz (表1 )，I轴的旋转频率为24.65Hz (表2 )，从图3b到642.24 Hz的两侧检查结果表明，第一对齿轮的啮合(26/54 )齿轮节距误差过大，齿轮有一定的点蚀，每转一圈该齿均发生剧烈冲击。(2)发现在主轴转速为1500r/min的情况下，在1002.956Hz (万能铣削时的一对齿轮的啮合频率501.67Hz的倍频，参照表1 )的两侧也存在边缘频率2326Hz (接近该轴的旋转频率25.08Hz，参照表2 )，在该齿轮上在检查中发现安装万能铣削目的时有些松动(由于篇幅有限，不在别的设计图中说明)。(3)在万能铣削中选择较多的测量点是为了更好地分析影响加工精度的因素，此次实验在75r/min工序中，振幅频谱(图4 )中222Hz附近的振幅也相对较大，主要是ii、iii轴齿轮啮合(16/39、19/36、22/33 )应用边缘频率分析方法可简化齿轮(尤其是带齿轮箱机床的研究)的故障诊断。 同时，对重点频带进行细分分析，如果不提取正确的边缘频率值，就能够正确分析故障发生的部位和原因。 细分分析可提高频率分辨率，结合边缘频率分析是一种非常有效、简便的齿轮故障诊断方法。2. 3时域分析2.3.1时域指标时域指标用一系列指标给出系统的状态特征。 主要有均方根值、Skewness、波形指标(Shape Factor )、峰值指标(Crest Factor )、脉冲指标(Impulse Factor )、馀量指标(Clearance Fac-tor )、顶点指标(KurtosisValue )等。 绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝缘体绝