齿轮故障诊断方法综述

1、-齿轮故障诊断方法综述摘要齿轮是机械设备中常用的部件，齿轮传动也是机械传动中最常用的方法之一。大多数情况下，齿轮故障是设备故障的主要原因。因此，齿轮故障诊断非常重要。介绍了故障的特点和几种诊断方法，比较了基于粒子群优化的小波神经网络，比较了基于相关分析和小波变换的小波包和BP神经网络基础和小波分析等故障诊断方法的优缺点，提出了齿轮故障诊断的难点和发展方向。关键词齿轮故障诊断诊断方法分析与比较开发欢迎下载目录第一章齿轮故障诊断的发展和故障特征11.1齿轮故障诊断开发11.2齿轮缺陷形式和振动特性1第二章齿轮传动故障诊断方法22.1高阶谱分析22.1.1参数双谱估计的原理32.1.2获取测试设备和

2、信号32.1.3故障排除42.1.4使用双谱分析识别齿轮缺陷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铣床振动测试62.2.3侧带分析82.2.4疑难解答92.3小时区域分析102.3.1时间区域指标102.3.2非线性时间分析11第一章齿轮故障诊断的发展和故障特征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，早期齿轮故障诊断仅限于在旋转机械上测量一些简单的振动参数，并通过一些简单的方法进行诊断。这种简单的参数和诊断方法对齿轮故障诊断的灵敏度低，根本无法准确判断故障部分。从70年代末到80年代中期，旋转机器齿轮故障诊断的频域方法得到了快速发展，其中R.

3、B.Randall和James1。Taylor等做了很多有益的工作，积累了很多解决问题的成功事例，出现了更好的频域分析方法，齿轮磨损和牙根断裂等故障诊断比较成功。90年代以来，随着神经网络、模糊推理和网络技术的发展和融合，齿轮系统故障诊断迎来了繁荣。我国学者在齿轮故障诊断研究中也做了很多工作。1986年，瞿梁生，何正佳在机械故障诊断学分析了齿轮故障的时频域特性。1988年，严玉玲、赵顺生分析了滚动轴承的振动监测和故障诊断。1997年郑州理工大学韩杰特等在齿轮故障振动频谱机制研究中讨论了齿轮的故障机理。西安交通大学江西宁等在齿轮状态监测与识别方法研究中，在一致性分析的基础上提出了一种新方法。1.

4、2齿轮故障形式和振动特性一般来说，齿轮运转过程中制造错误或操作维护错误会导致多种形式的故障。故障形式取决于齿轮材料、热处理、工作状态，典型的齿轮故障形式包括齿面磨损、齿面粘合磨损、齿面接触疲劳和弯曲疲劳以及断裂齿。在齿轮运行状态下，随着内部故障的发生和发展，只能发生振动上的异常。证明了振动分析是齿轮故障检测中最有效的方法。如果齿轮对的主滚轮速度为n1，则齿数为Z1，频率为f1。如果从动轮速度为N2，齿数为z2，频率为F2，则齿轮啮合频率fC为： fC=nf1z 1=nf2z 2=nn160 z 1=nn 260 z 2(1)式的： n=1，2，3，。齿轮处于正常或异常状态时，啮合频率振动分量及

5、其倍频总是存在，但两种状态的振动水平存在差异。仅通过齿轮振动信号的啮合频率和相应的倍频组件的差异来确定齿轮故障是不够的。错误对振动信号的影响可以从多方面看到，包括幅度调制、频率调制和其他频率分量。第二章齿轮传动故障诊断方法齿轮故障诊断可以从容易的程度分为简单的诊断方法和精确的诊断方法。简单的诊断方法包括：熟练的人直接听到噪音或感受振动强度，判断齿轮系统是否正常的方法。通过直接观察信号波形的幅度、变化趋势，判断齿轮的工作状态。简单的诊断方法简单快捷，但效果一般。精密诊断方法使用精密仪器获取系统工作的信号，并进行一系列处理以获取所需信息。精密诊断方法的准确性高，但对人力的素质要求高，所需的仪器也比

6、较精密。齿轮系统运行时，与运行状态相关的一系列物理量用不同的信号表示，具体取决于时间。因此，信号处理方法是齿轮故障诊断中最重要的部分。分析前面阶段获得的信号，并在后面的最终决策阶段提供信息。齿轮的信号处理方法目前已经有了很大的发展，引出了振动力学、摩擦学、系统理论、控制论、计算机技术、人工智能技术、非线性理论等多个领域的研究成果，并将传感器技术、计算机、信息处理等现代科学技术广泛应用于其技术支持。2.1高阶谱分析高阶谱是在高阶累积量的基础上发展起来的，近年来国际上在一个信号处理方面，向着比较新的方向发展。分析非高斯、非线性和非最小相位的强大工具，它提供有关相关函数和功率谱的时间、振幅和频率信息

7、以及相位信息。目前国内外已将其引入齿轮检测。双谱技术用于齿轮故障诊断，通过该方法，可以有效地识别信号的二次相位耦合，准确地找出齿轮中存在的分布缺陷。比较双谱和双谱光谱，对正常、磨损、破碎齿状态下的齿轮进行分析，表明双谱比双谱比双谱更集中能量分布，更有利于误差特征提取。在齿轮啮合过程中，振动信号往往具有非线性、不可加性，伴随着强噪声的干扰，给故障特征提取带来了很大困难。为了对齿轮单故障进行分类和诊断，采用时序参数化双谱分析方法，分析了从齿轮故障模拟试验台中收集的稳态和三种故障状态的振动信号，根据双谱峰分布和数量的差异，识别和分类了齿轮正常、裂纹、磨损、剥落的四种状态。结果表明，双谱分析是一种有效

8、的故障诊断方法，可以抑制背景噪声，有效地提取信号的非高斯成分。2.1.1参数双谱估计的原理有两种双谱的计算方法，通过两个：定义直接计算(基本上，双谱是固定时序的三次自相关函数的二维傅立叶变换)。双谱由参数模型间接估计，本研究使用AR(p)模型估计双谱。2.1.2获取测试设备和信号测试装置是由控制台、直流电动机、加载电动机、直流调速加载系统、齿轮减速器组成的齿轮故障模拟试验台，如图1所示。传感器的安装位置是正确获取信号的关键，对于齿轮箱，齿轮故障的振动信号在传递过程中会通过更多的链路(齿轮-轴-轴承-轴承-轴承-轴承-轴承-轴承座-测量点)，许多高频信号可能会在传递中丢失，因此测试时应选择轴承座

9、附近的刚度好的部分，两个电压传感器分别放置在中间轴和输出轴的轴承外壁上垂直向上方向齿轮箱分别包含输入轴和输出轴上的齿轮(z1=26、z4=85、m=2)、中间轴上的齿轮(z2=64、m=2)和三个齿轮(z3=40、m=)2.1.3故障排除实验收集了在1，000r/min的重载条件下正常和3个错误信号的时域和FFT频谱图，如图3、图4所示如时域波形图所示，齿轮的四种工作状态差异较小。从FFT光谱中可以看出，有缺陷时能量分布发生了一些变化，出现了新的能量集中区，但4种状态在低频时具有能量集中相似性，因此为了准确的分类和诊断，可以直接看到肉眼难以分辨的部分。2.1.4使用双谱分析识别齿轮故障齿轮发生

10、裂纹或部分剥落等错误时，产生周期性冲击信号，信号分布有所变化，表示一定的非高斯性，因此双谱分析适用于齿轮故障的分类和诊断。使用Matlab信号处理工具箱提供的函数ARorder和arrcest命令执行ar模型排序和模型的参数估计，调用相关命令将估计的参数分析为bispectrum，然后将四种状态的bispect估计结果显示在图5中如图5所示，无论是正常齿轮还是故障齿轮，双谱中都有峰，高斯偏差很明显。一般而言，主峰仅在低频中构成，失败时出现裂纹和剥离失败时出现6个峰，但峰的形状和能量有差异，磨损失败峰的数量多，集中度高，失败时峰在低频和高频中均分布，这是“调制频率的各组成部分的耦合程度不同”的必

11、然结果。根据4种状态峰值的数量和分布，可以进行更好的分类和诊断。基于2.2边缘频率分析的齿轮故障诊断2.2.1分析原理侧带的生成主要与振动信号调制有关，例如齿轮箱的齿轮轴有偏心缺陷或啮合齿轮的部分齿有严重缺陷，即特征频率两侧有一些侧带3-497-101。为了正确诊断，需要进行精密分析。精细化分析5-6的基本思想是使用频移定理重新调制正在分析的信号，然后重新取样以获得更高的频率分辨率。主要步骤包括：在：上重新调制F0=(f1到f2)/2，重新调制正在分析的信号x(k)，频率移动信号y (k)=x (k) e-I2 KL/n，l=f0此时，通过将采样频率降低到2n f/d、重新采样频移信号或在采样

12、数据的频移处理后进行泵送，可以改善频率分辨率d倍分析Y(n) 0频谱附近的频谱，即X(n)到l次频谱附近的频谱。2.2.2铣床振动测试这次实验中，首先收集和分析了铣床的振动信号，进行了故障分析。(1)测试系统测试设备信号采集由压电加速度传感器执行，该传感器通过DLF系列多通道电荷电压滤波器积分放大器转换为电压信号，使用INV310大容量数据自动采集系统和DASP软件执行信号处理并分析频谱。(2)考试方案和考试过程(1)确定测量点和速度。首先在机床的空载状态下摸，找出振动较大的部分。第二，在各部分使用试验机，确定铣床空载状态下振动大的位置。如果选定主轴转速为n=75、150、300、475、60

13、0、750、950、1180、1500r/min，则传递路径为其中，第110点(图1)振动大，大部分振动与加工精度直接相关，因此用作本研究的主要测试点(对称点也相应地进行了测试，但图中未显示)。(2)在测试速度下，计算轴的旋转频率、齿轮啮合频率(表1、表2)。(3)测试流程。连接仪表，将仪表调整到0，设置参数。启动机器，观察收到的信号，信号稳定后采集。改变转速和测量点，记录各工作条件各点的数据。2.2.3侧频带分析边带组件包含丰富的齿轮缺陷信息，要提取边带信息，在频谱分析中必须具有足够的高频率分辨率497-101。如果边缘频带线的间距小于频率分辨率，或者频谱线的间距不均匀，则边缘频带分析将出错

14、，需要细化分析。通过测试重放每个测量点记录的振动信号后，使用DASP软件执行频谱分析，以获得每个条件的每个点的频谱百余对，如图2中75r/min到5点的频谱图所示振幅和相对较大的点的数据图形。如图2所示，最大频谱速度在222.88Hz、642.24Hz、900至1000Hz时产生更大的信号峰值。如果分析所有光谱图，就会发现642.24Hz附近的：更大，占据了一定的位置。主要分析这个范围的频谱，因为频率分辨率太低，所以选择能反映这个特性的波段进行精细化分析。图3是主轴为1180r/min(实际旋转速度为1212122r/min)时，在第5点未加工的光谱和精细化后(598Hz到700Hz)的光谱图

15、。如图3a所示，由于准确分析角频率值比较困难，因此要详细分析，可以在图3b中准确确定角频率值(特征频率642.24Hz，角频率24.7Hz)，因此错误判断非常有利。2.2.4故障排除(1)故障组件和位置。图3中，642.24Hz是使振动振幅变大的主频率，而测量主轴旋转数121212122r/min是第一齿轮副啮合(26/54)的频率为640.92Hz(表1)，轴旋转频率为24.65Hz(表2)这很好地表明，轴的旋转频率是通过第一对齿轮耦合频率调制的。检查结果显示，在第一个齿轮副啮合(26/54)上，齿轮节距误差太大，齿轮上有轻微的点腐蚀，每个环对该齿产生一次猛烈冲击。(2)主轴转速为1500r

16、/min时，1002.956Hz(通用铣削头上一对齿轮啮合频率为501.67Hz的1倍，参见表1)的两侧也具有侧频率2326Hz(类似于此轴的旋转频率25.08Hz，参见表2)(3)在万能铣削头上选择更多的测量点是为了更好地分析影响加工精度的因素，在75r/min操作中，振幅谱(图4)中222Hz附近的振幅也比较大。这主要是由，轴齿轮啮合(见16/39，19/36，22/33，表2)振动引起的，但总比相对较小，检查或修理后对机床非常有用。采用边缘频率分析方法对齿轮(尤其是带齿轮箱机床的研究)进行故障诊断，简单易行。同时，需要详细分析重音带，提取正确的边缘频率值，准确分析故障的发生部分和原因。微调分析对提高频率分辨率非常有用，结合横向频率分析，是解决齿轮问题的一种非常有效、容易的方法。2.3小时区域分析2.3.1时间区域指标时间区域指示器是一系列指示器，提供系统的状态特性。主要包括平方根值、“斜率”(Skewness)、“波形指示器”(Shape Fa