基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断_雷亚国(精)
基于振动信号分析的齿轮箱故障诊断仪的研究
重庆大学硕士学位论文
中文摘要
摘
要
齿轮箱是用于改变各种机械设备的运行转速及传递动力的常用传动部件,是 机械设备中关键的零部件,也是容易产生故障的一个部件,对齿轮箱进行故障诊 断诊断具有重要的实际意义。虚拟仪器技术基于软件取代硬件的思想,使用计算 机软件算法来实现传统仪器仪表的功能,它是计算机技术与测试技术相结合的产 物。本文将齿轮箱诊断技术与虚拟仪器技术相结合,采用齿轮箱的振动信号分析 处理的方法,开发出简单实用的齿轮箱故障诊断仪。 本文首先论述了当前齿轮箱故障诊断的技术背景及国内外发展的现状,明确 本课题的研究目的和意义。然后从齿轮箱组成结构出发,从齿轮、滚动轴承及轴 的振动机理上研究分析了各部件的主要故障模式以及各模式下振动信号的特征。 本文第三章从时域、频域及时频域上对齿轮箱振动信号进行分析处理,在时域上 介绍了时域特征参数及时域波形等对故障进行简易的故障诊断,在频域上介绍了 幅值谱、细化谱及解调谱分析,在时频域上介绍了 Gabor 变换、小波分析及小波 包分析等方法,根据故障信号的特征,选取有效的诊断方法,介绍了小波包分解 频带能量监测在齿轮箱故障诊断中的应用,介绍了相位差频谱校正方法,用于故 障诊断系统中来提高故障诊断的准确性。文章第四章以虚拟仪器为基础,介绍了 故障诊断仪的设计开发过程,详细介绍了仪器的硬件系统,包括传感器的选择及 测点位置的布置、信号调理器和数据采集卡的选型,而后分系统管理模块、数据 采集模块、信号处理模块、数据管理模块及辅助功能模块等介绍软件主体部分的 设计及开发,并进行实验验证开发设计的结果。 最后,根据齿轮箱特点,开发出操作简单且实用的齿轮箱故障诊断仪,并通 过实验对其进行验证,测试齿轮箱故障诊断仪的各部分功能,结果证明了该诊断 仪能够诊断出齿轮箱的典型故障,表明了该齿轮箱诊断仪的可行性和有效性。 关键词:虚拟仪器,齿轮箱,振动信号分析,故障诊断,小波包分析
风力发电增速齿轮箱的振动信号处理和故障诊断算法
风力发电增速齿轮箱的振动信号处理和故障诊断算法引言随着风力发电行业的迅速发展,风力发电机组在电力产业中扮演着重要角色。
然而,由于工作环境恶劣且处于长期运行状态,风力发电机组的齿轮箱常常会出现故障。
通过对齿轮箱振动信号进行处理和故障诊断算法的开发,可以实现对风力发电机组的实时监测和准确的故障诊断,进一步提高风力发电机组的可靠性和可用性。
一、风力发电机组的齿轮箱振动信号处理风力发电机组的齿轮箱振动信号包含丰富的故障信息,如齿轮损伤、轴承故障等。
处理振动信号的主要目标是提取有用的故障特征信号,并降低其他噪声干扰。
1. 振动信号采集与预处理振动信号的采集是故障诊断的基础。
通过安装合适的振动传感器,可以实时监测风力发电机组的齿轮箱振动信号。
在采集信号之前,需要对信号进行预处理,如滤波去除高频噪声、降采样等,以提高信号的质量和信噪比。
2. 振动信号的时频分析时频分析可以将振动信号从时域转化为频域,提供更多关于故障特征的信息。
常用的时频分析方法包括短时傅里叶变换(STFT)、小波变换等。
通过对振动信号进行时频分析,可以得到故障频率、能量分布等特征。
3. 特征提取与选择从时频分析的结果中提取和选择适合故障诊断的特征。
常见的特征包括频谱特征、统计特征、时域特征等。
特征提取的目的是将原始信号映射到一个低维空间,保留关键信息,并减少噪声和冗余信息的影响。
二、风力发电机组齿轮箱的故障诊断算法基于振动信号处理的齿轮箱故障诊断算法可以实现对风力发电机组的实时监测和故障诊断,及时发现和预测潜在故障。
1. 基于模式识别的故障诊断算法模式识别技术在故障诊断领域有着广泛应用。
通过构建合适的特征向量和分类模型,可以对齿轮箱振动信号进行分类识别,判断是否存在故障。
常用的模式识别算法包括支持向量机(SVM)、人工神经网络(ANN)等。
2. 基于机器学习的故障诊断算法机器学习算法可以通过学习振动信号的模式和规律,实现自动化的故障诊断。
常用的机器学习算法包括决策树、随机森林、深度学习等。
齿轮箱中齿轮故障的振动分析与诊断
齿轮箱中齿轮故障的振动分析与诊断摘要:齿轮箱常见的失效类型为齿轮箱,所以定期监控其工作状况,以减少故障率,提供预测型的检修计划。
应用结果显示,该技术能够对变速箱进行有效的判断,并能正确地判断出变速箱的故障部位和严重性,从而为船员制定相应的检修计划,降低无用维护费用,防止机械和机械的非计划停运。
关键词:风力发电机组;齿轮箱;故障诊断引言:在回转机构中,最常见的是齿轮,它的工作状态对整个机器的工作情况有很大的影响。
齿面磨损、表面接触疲劳、齿面塑性、齿面弯曲和齿面折断等是常见的失效类型。
一、齿轮箱故障诊断的意义在风力发电机组中,齿轮箱作为重要传动设备,为风能转化为电能提供源源不断的动力,发挥着十分重要的功能。
风力发电机组中的齿轮箱,不仅体积、质量较大,而且结构十分复杂,这也导致在发电机组运转过程中,齿轮箱容易发生各种故障,进而使发电机组的运行受到较大影响,甚至蒙受重大损失。
近年来,陆续爆发出多起因为齿轮箱故障而导致风力发电机组停运的实践,不仅让发电机组受到极大影响,而且带来重大经济损失。
所以说,对风力发电机组齿轮箱实施有效的故障诊断措施,从而尽发现问题,解决问题,保证其稳定性,不仅具有极大的经济意义,而且有很强的社会意义[1]。
传统的齿轮箱故障诊断主要是通过人工方式实现的,通过人工巡检加定期维护的方式,排除齿轮箱故障。
然而,这种模式,一方面带有很强的滞后性,通常都是齿轮箱发生故障以后,并且对发电机组造成影响之后,才能够去被动的应对,依然无法完全避免损失;另一方面,齿轮箱结构复杂,人工方式诊断故障,不仅准确率不高,而且耗费大量的时间和人力。
因此,通过对齿轮箱实施在线监控,并通过监控数据对齿轮箱实施故障诊断,一旦发现异常立刻予以维护、维修,只有这样,才能够真正有效的预防齿轮箱故障,将隐患消除,从而最大程度降低对风力发电机组的影响。
二、齿轮箱故障诊断机理实现齿轮箱的故障诊断,首先必须了解齿轮箱的故障机理,以此为基础选择合适的诊断技术,才能有有效保障故障诊断的及时性与准确性。
基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断
基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断一、本文概述随着现代工业技术的飞速发展,行星齿轮箱作为机械设备中的关键部件,其性能的稳定性和可靠性对于设备的整体运行具有至关重要的作用。
然而,由于行星齿轮箱结构的复杂性和工作环境的恶劣性,其故障诊断一直是机械故障诊断领域的难点和热点。
为了更深入地理解行星齿轮箱的故障机理,提高故障诊断的准确性和效率,本文开展了基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断研究。
本文首先介绍了行星齿轮箱的基本结构和传动原理,分析了其振动信号的特点和产生机理。
在此基础上,建立了行星齿轮箱的振动信号仿真模型,通过仿真模拟,深入探讨了不同故障类型对振动信号的影响规律。
结合现代信号处理和机器学习技术,提出了一种基于振动信号分析的行星齿轮箱故障诊断方法,实现了对故障类型的准确识别和故障程度的定量评估。
本文的研究不仅有助于深化对行星齿轮箱故障机理的理解,也为实际工程中的故障诊断提供了有力的理论支持和技术手段。
通过振动信号仿真和故障诊断方法的结合,可以有效提高行星齿轮箱故障诊断的准确性和效率,为保障设备的安全稳定运行提供有力保障。
二、行星齿轮箱传动机理分析行星齿轮箱是一种广泛应用于各种工业设备中的复杂传动机构,其独特的传动方式和结构特点使得其振动信号具有独特的特征。
为了准确模拟行星齿轮箱的振动信号并进行故障诊断,首先需要深入理解其传动机理。
行星齿轮箱的核心部件是行星轮系,它由一个中心太阳轮、多个行星轮以及一个内齿圈组成。
行星轮通过行星架与太阳轮和内齿圈同时啮合,形成了一种独特的传动方式。
在行星齿轮箱工作过程中,由于齿轮之间的啮合作用,会产生动态载荷和振动。
太阳轮作为动力输入端,其旋转驱动行星轮进行公转和自转。
行星轮在公转过程中,通过与内齿圈的啮合,将动力传递到输出端。
这种传动方式使得行星齿轮箱具有较高的传动比和紧凑的结构,但同时也带来了振动和噪声问题。
在行星齿轮箱的传动机理中,齿轮啮合是一个关键因素。
齿轮箱振动信号频谱分析与故障诊断
齿轮箱振动信号频谱分析与故障诊断摘要:随着科技的快速发展,齿轮已经成为现代工业中主要的零部件之一,由于齿轮箱传动比是固定的,传动力矩大,结构紧凑,被各种机械设备广泛的应用,成为各种机械的变速传动部件,但是齿轮是诱发机械故障的重要部位,所以对齿轮箱故障诊断是十分必要的,本文基于齿轮箱振动及调制边频带形成机理的分析,提出用谱平均及倒频谱分析相结合的方法,对监测系统输出信号进行频域分析,诊断齿轮箱故障,并分析产生的原因。
关键词:齿轮箱;振动信号;频谱分析;故障诊断一、齿轮传动装置故障基本形式及振动信号特征对于齿轮传动装置来说零件失效的主要表现为齿轮和轴承,而齿轮所占比例很大,所以根据提取的故障信号特征,提出行之有效的诊断方法是十分必要的,这样才能更好地诊断齿轮传动装置的问题所在。
1.齿形误差当齿轮出现齿形误差的时候,频谱产生啮合频率及高次谐波为载波频率,齿轮所在的轴转频及倍频为调制频率的啮合频率调制现象,谱图上在啮合频率及倍频附近会产生幅值比较小的边频带,当齿形误差比较严重的时候,激振能量很大,就会产生固有频率,齿轮所在轴转频及倍频为调制频率的齿轮共振频率调制现象。
2.齿面均匀磨损当齿轮使用以后齿面会出现磨损失效,当磨损的时候,使得轮齿齿形的局部出现改变,箱体振动信号与齿形误差也有很大的不同之处,啮合频率及高次谐波的幅值也会增加,由于齿轮的均匀摩擦,就不会产生冲击振动信号,所以不会出现明显的调制现象。
当摩擦达到一定程度以后,啮合频率及谐波幅值就会增加,而且越来越大,同时振动能量也在增加。
3.箱体共振齿轮传动装置箱体共振是比较严重的问题,这主要是因为受到箱体外的影响,激发箱体的固有频率,导致共振的形成。
4.轴的弯曲轴轻度弯曲就会造纸齿轮齿形误差,形成以啮合频率及倍频为载波频率,如果弯曲轴上有多对齿轮啮合,就会对啮合频率调制,但是谱图上的边带数量少,但是轴向振动能量很大。
当轴严重弯曲的时候,时域会出现冲击振动,这于单个断齿和集中性故障产生的冲击振动有很大的区别,这是一个严重的冲击过程。
齿轮箱振动信号分析和故障诊断
存在的问题:
1、应该把不同转矩作用下振动信号数据同时进行对比, 可能效果更加明显; 2、没有设置故障齿轮,连续小波变换法不能直接做出故 障诊断; 3、对于自功率谱分析,其诊断结果显著性不是很强。
入转速下的振动信号比较,其时域特征并不能明显的做
出区分判断。
2、连续小波变换可以将机械信号很好地分解在有限的 时间—尺度范围内而保持信号的信息完整。 对比传统的频 谱分析,机械信号经过连续小波变换后,其内部蕴涵的故 障信息能在尺度域上很好地体现出来。通过比对不同输入 转速下齿轮(涡轮)传动的小波能量-尺度分布图,可以明
自功率谱分析
本实验的信号分析方法将采用Welch法,分别对齿轮 传动和涡轮传在不同输入转速下的振动信号进行自功率谱 分析,通过Matlab软件仿真估计,绘制出各个信号自功率 谱图。
齿轮传动振动信号功率谱(1495r/min)
齿轮传动振动信号功率谱(1457r/min)
齿轮传动振动信号功率谱(1402r/min)
程序如下:
clc clear close all hidden %%********************************读数据 l1=zeros(7,33); for i=1:7 l1(i,1)=i; end for i=1:7 fni=[num2str(i),'.txt']; fid=fopen(fni,'r'); x=fscanf(fid,'%f',inf); status=fclose(fid); n=length(x); c=cwt(x,1:32,'morl');%morlet小波 32维分解 a=zeros(32,1); for ii=1:32 for jj=1:n a(ii,1)=a(ii,1)+(c(ii,jj)).^2; end end %求每个尺度对应能量占总能量的百分比 sum1=0; for ii=1:32 sum1=sum1+a(ii); end b=zeros(32,1); for ii=1:32 b(ii,1)=a(ii,1)/sum1; end b=b'; l1(i,2:1:33)=b(1,:); end save data_l1 l1
基于特征频谱对齿轮箱的振动监测和故障诊断
设备管理与维修2021翼4(上)基于特征频谱对齿轮箱的振动监测和故障诊断肖湘平,陈立立,高波(荆州市巨鲸传动机械有限公司,湖北荆州434000)摘要:提出一种基于深度神经网络智能监测与诊断的方法。
考虑到现有故障信号数据量及多样性不足以直接用来训练神经网络,提出一种基于特征频段的诊断神经网络。
具体是利用现有数据进行频谱与包络谱分析,然后提取相应的故障频段与无故障频段。
通过少量信号数据便可以提取足够数量的频段数据用以训练神经网络,利用该神经网络对齿轮箱进行振动监测。
关键词:振动监测;齿轮;特征频段;神经网络中图分类号:TH17文献标识码:B DOI :10.16621/ki.issn1001-0599.2021.04.680引言齿轮箱是现代工业生产制造中的一个重要部件,齿轮箱大量应用在矿山、冶金、煤炭、电力、建材及军工等行业中。
但是由于齿轮箱结构紧凑和运行工况的复杂性,并且齿轮箱通常是使用在高速重载的环境中,因此齿轮箱中的零部件极易因为疲劳失效而导致局部失效,使得设备无法正常运行。
齿轮箱中齿轮故障占总故障的60%,因此对于齿轮的振动监测和故障诊断很有必要[1-2]。
当前,齿轮箱齿轮的振动监测依赖于专业技术人员进行,这种方式的人工成本、时间成本高,并且随着振动监测技术的发展,监测的齿轮箱越来越多,采集的数据量也越来越大,人工成本、时间成本也因此越来越高。
在传统的齿轮箱齿轮的诊断中,主要是通过收集齿轮箱关键部位的振动信号,然后对振动信号进行时域分析和频域分析,实现对齿轮箱齿轮状态的监测,但是在监测过程中对于信号的处理、识别、分析以及诊断结果的准确性十分依靠专业人员的个人能力。
因此提出了一种基于特征频段的诊断深度神经网络,在传统的神经网络训练过程中往往需要大量的样本去训练,但是通常在诊断早期是十分缺少样本的,因此结合现有的齿轮诊断理论以及专业人员的经验,具体的是利用现有数据进行频谱与包络谱分析,然后提取相应的故障频段与无故障频段。
基于振动信号残差法的齿轮故障诊断分析与仿真
基于振动信号残差法的齿轮故障诊断分析与仿真齿轮故障诊断是机械故障诊断领域中的重要课题之一、振动信号残差法是一种常用的齿轮故障诊断方法,其基本原理是通过分析齿轮传动系统的振动信号,提取出齿轮故障引起的残差信号,再通过对残差信号的特征参数进行分析,判断齿轮是否存在故障。
振动信号残差法的基本步骤如下:1.采集齿轮传动系统的振动信号,常用的振动传感器有加速度计、位移传感器等。
2.将采集到的原始振动信号进行滤波处理,去除噪声和其他不相关的振动信号。
3.对滤波后的振动信号进行时域分析,提取出齿轮的振动特征。
4.基于滤波后的振动信号,构建齿轮传动系统的动力学模型,并进行仿真分析,得到理论上的正常振动信号。
5.将理论上的正常振动信号与实际采集到的振动信号进行比对,提取出两者之间的残差信号。
6.对残差信号进行频谱分析,提取出其特征频率,或对残差信号进行小波分析,提取出其小波特征。
7.基于提取的特征频率或小波特征,建立齿轮故障的诊断模型,通过对比实际采集到的残差信号的特征参数与预设的阈值,判断齿轮是否存在故障。
8.如果判断齿轮存在故障,进一步分析故障类型和故障程度,以便进行维修或更换。
1.非接触式诊断:振动传感器可以直接采集到齿轮传动系统的振动信号,无需将系统停下来进行拆解和检测,非常方便。
2.直观可靠:振动信号是机械故障诊断的重要指标之一,振动信号残差能直观地反映齿轮故障引起的振动变化,信号残差的分析和比对能够提供可靠的故障诊断结果。
3.信息丰富:除了频谱分析之外,振动信号残差法还可以进行小波分析等多种信号处理方法,可以提取出更多的故障特征信息,提高诊断的准确性。
4.适用性广泛:振动信号残差法不仅适用于齿轮故障的诊断,还适用于其他机械故障的诊断,如轴承故障、齿轮磨损等。
总之,基于振动信号残差法的齿轮故障诊断分析与仿真具有广泛的应用前景和研究价值。
通过对齿轮传动系统的振动信号进行分析和处理,可以有效地实现对齿轮故障的及早预警和精确诊断,提高设备的可靠性和安全性。
基于振动信号残差法的齿轮故障诊断分析与仿真
基于振动信号残差法的齿轮故障诊断分析与仿真
田原嫄;李超逸
【期刊名称】《组合机床与自动化加工技术》
【年(卷),期】2017(000)001
【摘要】为了防止齿轮故障,文章基于振动信号残差法,将采集的振动信号进行同步时域平均后,再将其进行快速傅里叶变换,将平均后的信号独立分离成两部分,从而得到齿轮的常规信号和故障信号.然后,再通过计算残差信号有效值,对故障变化程度给出定量描述.通过比较,可以明显看出时域图中信号波形无明显差异,而经处理后的残差图中常规振动信号幅度较小,波形中出现明显的峰值变化处,即故障信号,同时峰值越突出的地方即故障越严重的位置.
【总页数】3页(P95-97)
【作者】田原嫄;李超逸
【作者单位】东北电力大学机械工程学院,吉林吉林 132012;东北电力大学机械工程学院,吉林吉林 132012
【正文语种】中文
【中图分类】TH132;TG506
【相关文献】
1.基于小波包络谱分析法的齿轮箱故障振动信号诊断 [J], 任学平;张利强;邵炜
2.基于故障映射向量和结构化残差的主元分析(PCA)故障隔离 [J], 李荣雨;荣冈
3.复杂故障判定的基于结构化残差的多层次分析法 [J], 叶鲁彬; 石向荣; 梁军
4.基于扭转振动信号的行星齿轮箱齿根裂纹故障动力学仿真 [J], 魏伟;李云鹏;杨衍帅
5.基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断 [J], 雷亚国;汤伟;孔德同;林京
因版权原因,仅展示原文概要,查看原文内容请购买。
齿轮箱震动信号频谱分析与故障诊断
齿轮箱震动信号频谱分析与故障诊断摘要:许多机械设备的变速传动设备都是齿轮箱,一旦齿轮箱在运转过程中发生故障则很容易给机器或者机组的正常运作带来重要影响,情况严重的还可能会危及工作人员的生命安全,导致安全事故的发生。
因此,有效监测齿轮箱的运行状态,提高故障诊断效率,确定故障类型、具体位置,并尽快做出相应的解决对策对于维护设备正常运行,保障工作人员的生命安全意义重大。
关键词:齿轮箱;震动信号;频谱分析;故障诊断1.前言齿轮传动系统的构成非常复杂,再加上设计不当等原因很容易导致齿轮箱发生故障,影响整台设备或机组的正常运作,因此我们必须重视并加强齿轮箱故障的诊断方法和效率。
由于齿轮震动的频谱图当中含有非常丰富的信息,如果我们能对其进行有效分析则能够帮助我们确定故障类型、位置及其原因。
本文结合时域统计参数法和包络调解法来对齿轮箱震动信号频谱进行分析和故障诊断。
2、频谱分析及齿轮箱故障诊断方法由于齿轮的震动信号当中包含了齿轮缺陷的相关信息,因此目前我们主要采用震动信号分析法来对齿轮箱进行故障诊断。
分析齿轮故障信息最基本也是最常用的方法是震动信号的频谱分析法。
2.1时域统计指标分析法我们在分析震动信号的时域特征的时候往往会涉及到量纲参数有均方值(DAL)、峰值(peak)等等,从某种程度上来说这些参数能够判断齿轮箱是否存在故障,分析设备的发展趋势。
由于绝大部分的齿轮震动信号都是周期性函数,其信号瞬间的脉冲性等都是较为显著的,因此我们能够在时域内对震动信号的波形曲线来进行分析并判断齿轮性能。
时域波形分析法简单易行,而且在判断部分齿轮箱故障上比较有成效,因此使用也比较多,本文主要应用的是其时域统计指标分析法。
2.2功率谱分析在具体应用过程中通常所截取到的震动信号大都为随机的离散信号,因此达不到无限区域内可积的要求,也就不能直接使用傅立叶变化来做频域分析。
因此这种情况下我们可通过功率谱密度来对频域构成进行研究。
2.3包络谱分析解调谱分析又被称为包络谱分析,当齿轮出现故障则震动信号的啮合频率在传送过程中就会被故障齿轮所在的轴旋转频所调制,在时域里该调制信号会形成波形的包络轨迹,而在频域里则会对称分布在啮合频率两边的边频带。
行星齿轮箱齿轮分布式故障振动频谱特征
行星齿轮箱齿轮分布式故障振动频谱特征摘要:在风力发电机组传动系统中,行星齿轮箱的应用比较广泛。
运行过程中,行星齿轮箱的工况变化频繁,承受动态重载复合,是整个动力传动链中比较薄弱的环节,其中行星轮、太阳轮及齿圈都是容易出现故障的部位。
所以,对这些部位进行故障监测诊断,有利于风力发电机组的稳定、高效运行。
由于行星齿轮箱具有自身的运动特点和结构特征,故障诊断的难度比较大,本文主要针对行星齿轮箱分布式故障振动频谱特征进行分析与研究。
关键词:行星齿轮箱;分布式故障;风力发电机;振动信号;频谱当前,针对风力发电机组进行故障诊断时,主要针对是是发电机、传动系统轴承、风力机叶片及定轴齿轮箱进行,针对行星齿轮箱的诊断研究不多。
虽然在定轴齿轮箱故障诊断中的方法比较多,一定程度上也能为行星齿轮箱故障诊断提供借鉴,但对于行星齿轮箱而言,故障诊断中存在的问题还非常多。
本文针对行星齿轮箱振动信号频谱结构进行了解,对行星齿轮箱通过简单的频谱分析进行故障诊断。
一、行星齿轮箱概述行星齿轮箱主要由行星轮、太阳轮、行星架及齿圈构成,齿圈通常固定不动,太阳轮绕中心轴旋转,行星轮绕太阳轮公转且自身自转。
行星轮同时与齿圈和太阳轮啮合,由于行星齿轮箱内包含多个齿轮,运动结构复杂,出现复杂的振动信号成分,包含行星轮、齿圈、太阳轮、行星架的旋转频率、镍和频率、倍频成分等。
动力输入输出装置及支承轴承等零部件的特征频率成分通过多界面耦合传播后,在测定信号中也会出现。
除此以外,振动信号的复杂性也受到行星轮啮合相位关系的硬性。
在监测振动时,在齿圈及相连箱体上安装传感器对振动信号进行采集。
而对行星轮与齿圈及行星轮与太阳轮啮合点相位传感器位置的确定,则按照行星架旋转变化而定,这就使啮合点到传感器件的振动传递路径是变化的,所监测的振动测试信号出现幅值调制效应,使信号的复杂性进一步增加。
针对行星齿轮箱振动信号的特点,人们也对各种方法进行了探索,如时间平均方法、小波方法、分布检测法、循环平稳分析方法等,促使了行星齿轮箱故障诊断方法的进步。
基于扭振信号的行星齿轮箱故障诊断
基于扭振信号的行星齿轮箱故障诊断王轩;王细洋【摘要】行星齿轮箱具有传动比大、传动效率高等优点,但比定轴齿轮有更复杂的结构,因常工作在恶劣的条件下,容易出现磨损或疲劳裂纹等故障.为有效诊断行星齿轮传动故障,本文采用基于扭振信号的故障诊断方法,并利用增量式编码器采集扭振信号.通过与横向振动信号相比,发现扭振信号频谱结构简单、对故障特征更加敏感.通过对行星轮故障实验扭振信号的分析,故障下的故障特征频率幅值有2倍的提升.角速度形式的扭振信号能准确诊断故障,为行星齿轮箱故障诊断提供了简明有效的途径.【期刊名称】《失效分析与预防》【年(卷),期】2017(012)004【总页数】6页(P216-221)【关键词】行星齿轮箱;扭振信号;增量编码器;故障诊断【作者】王轩;王细洋【作者单位】南昌航空大学飞行器工程学院,南昌 330063;湖北航宇精工科技有限公司,湖北襄阳 441000;南昌航空大学飞行器工程学院,南昌 330063【正文语种】中文【中图分类】TH165.3行星齿轮箱具有体积小、重量轻、传动比大、传动效率高与承载能力强等等诸多优点,在诸如航空、船舶、矿山、风力发电等工程机械中有广泛的应用。
行星齿轮箱通常在恶劣环境下工作,例如重载、高速、高降速比、非封闭性,容易发生齿根裂纹、轮齿疲劳点蚀乃至轮齿或轴断裂等失效情况[1-2]。
例如,美国国家航空和宇宙航行局在一次常规的检测中,意外发现美国“黑鹰”直升机行星齿轮箱中的行星架上出现的长达25 cm的严重裂纹,并且有数据表明,在一共192起的直升机系统故障中,行星齿轮故障高达28起[3]。
近年来对行星齿轮的监测和诊断,仍是国内外研究的热点之一[4] 。
目前,行星齿轮系故障诊断技术,大多借鉴定轴齿轮系的故障诊断方法,基于对齿轮箱往复振动信号的监测和处理。
但是行星齿轮箱结构复杂、工作条件恶劣,往复振动信号所含噪声多,信噪比低。
除了直线运动振动信号外,还存在扭转振动信号。
基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断_雷亚国
Vibration Signal Simulation and Fault Diagnosis of Planetary Gearboxes Based on Transmission Mechanism Analysis
LEI Yaguo1 TANG Wei1 KONG Detong2 LIN Jing1
内齿圈通常固定不动太阳轮绕自身的中心轴旋转而几个行星轮不仅绕各自的前言行星齿轮箱具有传动比大承载效率高等优国家自然科学基金5122250351005172教育部新世纪优秀人才支持计划ncet110421陕西省自然科学基础研究计划2013jq7011中央高校基本科研业务费专项资20130901收到初稿20140512收到修改稿62中心轴自转同时绕太阳轮的中心轴公转并与太阳轮和内齿圈同时啮合
Abstract:Planetary gear transmission structures, consisting of sun gear, planet gears, ring gear, carrier etc., are more complex than fixed-axis gear transmission structures. In planetary gearboxes, the vibration responses of multiple gear pair meshing couple with each other, and the vibration transmission paths from gear meshing points to the fixed transducers are time-varying. Therefore, fault diagnosis of the planetary gearboxes is more difficult compared to that of fixed-axis gearboxes, in which the vibration simulation models are very important. By analyzing the transmission paths of each meshing vibration and synthetizing the phase differences between different meshing vibrations, vibration simulation models of the planetary gearboxes are constructed and the vibration signals based on the models are obtained. By comparing the signal characteristics of the faulty condition with the healthy one, faults of the planetary gearboxes can be diagnosed. The constructed models are characterized by considering multiple gear pair meshing and their phase relations, time-varying vibration transmission paths, modulations due to gear faults, etc. To test the proposed models, the vibration signals are measured from a planetary gearbox test rig under the healthy condition, the sun gear with a cracked tooth and a planet gear with a cracked tooth, respectively. The fault characteristics of the planetary gearboxes are summarized based on the comparisons of the vibration signals between the models and the experiments. Key words:planetary gearboxes;transmission mechanism;signal simulation;fault diagnosis
浅析齿轮箱震动信号频谱分析与故障诊断
浅析齿轮箱震动信号频谱分析与故障诊断摘要齿轮箱作为机械设备重要构成部分,在实际的机械生产和应用中涉及十分广泛,而其在恶劣复杂的工作环境中性能的发挥将直接对整个机械设施的运转产生重要影响。
若是齿轮箱在正常的运转过程中出现问题,不但会影响正常的生产,对经济效益造成影响,甚至会对人身安全产生威胁。
所以,在确保机械设施能够维持正常运转且不具备安全隐患的基础上针对其进行有效的安全检查和定期维保有着十分重要的意义。
关键词:齿轮箱;故障诊断;频谱分析前言近年来,随着科技的不断发展,各个行业有了先进的科学作为基础,呈现出向好发展的趋势,其中,人工智能技术被应用到机械设备领域,对机械设备进行改造,使机械设备变得更智能、更高效、更精确,进一步提高人类生活水平。
在机械设备变得智能化的同时,对机械设备本身的要求也会更高,其中任何一处问题都可能会导致机械设备故障,从而引发重大安全事故。
齿轮传动是较为常用的机械设备传动方式,齿轮传动的应用非常广泛,如为发电机组关键部件,其中齿轮箱为其传动装置,齿轮箱的特点是结构紧密并且传动比大,因此它被运用到各行各业,对的日常生活有很大的影响。
齿轮在使用过程中,一般都处于高速运转状态,冲击力也比较大,在这样的工作环境下,齿轮容易产生很多故障,比如纹裂和断齿等。
在机械运作的过程中,齿轮的损坏可能会导致其他零件的损坏,造成机械故障,从而引发巨大损失。
齿轮箱的主要零部件有齿轮轴、轴承、齿轮和箱体。
齿轮箱根据用途可以选用有平行轴、交错轴及相交轴三种内部形式。
齿轮箱在高运转、高负荷、高冲击的环境下运行时很容易发生故障,可能会导致其他设备故障,从而引发事故的产生。
不仅会造成经济损失,还会威胁人类生命健康,所以针对齿轮箱的实际运行状态进行实时的监控并有针对性的制定应预案,对设备定期展开维护检查,在最大程度上保证设备的稳定安全运转,对人们的安全健康保障有着重要的意义。
1.设备振动信号分析方法1.1时域分析分析系统振动情况时,针对在设备振动信号中存在在时域中时变数据的分析方法是时域分析。
_基于振动信号分析的齿轮箱故障诊断
诊断时就要有目 的地提高采样频 率 , 以防止 丢失 故障振动信号 。 2.3 齿轮箱轴系的主要故障特征及频率特点
1)轴不对中 这时的振动 信号将以齿轮 啮合频率及其 谐波 为载波频率 , 齿轮所在轴转频 及其倍频为调 制频 率 ;调制频率的 2倍频幅值最大 ;齿轮啮合频率及 其谐波幅值增大 ;振动能量 (有效值和 峭度 )有 一定程度增大 。特征频谱见图 5。
5)振动信号出现以齿轮箱固有频率及其谐波 为载波频率 , 齿轮所 在轴转频及其倍 频为调制频 率的边频带 ;
6)振动信号出 现以 外圈 的各阶 固有 频率 为 载波频率, 产生剥落元件的通过频率为调制 频率 。
2 齿轮箱的主要故障形式[ 2]
作为一个 整体 , 齿轮箱 的故障形式 是多种多 样的, 但齿轮箱主要是由齿轮 、 轴承、 轴和箱体 等几部分组成的 , 因 此对齿轮箱工作 状态的监测 识别可以分为对这些零部件的工作状 态的监测识 别 。由于各个组件结 构参数等 的不同 , 各个零部 件所引起的 振动信号 的频率 、 幅值是不 同的 。 所 以当某一部件出现故障时就会出现特 定与其相对 应的振动信号 , 通过 对振动信号的分 析就能得出 齿轮箱的故障范围和性 质[ 3] 。 下面就 各个部件出 现故障时的振动信号特征进行介绍 。 2.1 齿轮的主要故障特征及频率特点
基于典型振动特征的齿轮箱故障诊断方法
基于典型振动特征的齿轮箱故障诊断方法摘要:根据齿轮箱在齿形误差、断齿、轴有较严重的不平衡、轴承疲劳剥落和点蚀以及箱体共振等典型故障的振动特征,提出了基于典型振动特征的齿轮箱故障诊断方法。
经实例验证,该方法能较好地找出故障点,对于齿轮箱的故障诊断具有实际指导作用。
关键词:齿轮箱振动特征故障诊断引言齿轮箱由于具有传动比固定、传动转矩大、结构紧凑等优点[1],是用于改变转速和传递动力的最常用的传动部件,是机械设备的一个重要组成部分,也是故障易于发生的一个部件,其运行状态对整机的工作性能有很大的影响。
据统计,在齿轮箱失效中,齿轮的失效比率约为60%,可见齿轮传动是诱发机器故障的重要部位。
因此,进行齿轮箱故障诊断研究有着重要的意义。
1、齿轮箱故障诊断方法齿轮箱的故障诊断方法[2]主要有振动法、噪声谱分析法油液分析法、混沌诊断识别法、专家系统法等。
相对来讲,齿轮的振动是目前公认的最佳征兆提取量,它对运行状态的反映迅速、真实、全面,能很好地反映出大部分齿轮故障的性质与范围,并有许多先进有效的方法可供选用,所以齿轮箱故障诊断最主要的方法为振动法。
振动法主要包括时域分析法和频域分析法。
2、典型故障的振动特征[1]2. 1齿形误差(1)齿形误差时,频谱产生以啮合频率及其高次谐波为载波频率,齿轮所在轴转频与其倍频为调制频率的啮合频率上出现调制现象,谱图上在啮合频率及其倍频附近产生幅值小且稀疏的边频带。
(2)解调谱上出现转频阶数较少,一般以一阶为主。
(3)当齿形误差严重时,由于激振能量较大,产生以齿轮各阶固有频率为载波频率,齿轮所在轴转频与其倍频为调制频率的齿轮共振频率上出现调制现象。
2. 2断齿(1)时域表现为幅值很大的冲击型振动,频率等于有断齿轴的转频。
(2)频域上在啮合频率及其高次谐波附近出现间隔为断齿轴转频的边频带;边频带一般数量多、幅值较大、分布较宽。
(3)解调谱中常出现转频及其高次谐波,甚至出现10阶以上。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
66 机械工程学报第 50 卷第 17 期期计算结果代入第 1.1~1.3 节建立的行星齿轮箱正常与故障情况下的仿真模型中,得到行星齿轮箱正常、太阳轮局部故障、行星轮局部故障的仿真信号。
对仿真信号进行傅里叶变换,并以行星架转频为归一化频率,得到了相应的阶次谱。
图 8~10 给出了仿真信号及其他的阶次谱。
时域波形对应的数据长度为两倍的行星轮公转周期 T。
阶次谱中 100 阶次对应啮合频率。
图 10 行星轮局部故障的仿真信号传递路径对振动信号调制而引起的。
此外,边频带呈现不对称的现象,其中 96、99、102 阶次幅值较高,主要是因为计算的三个行星轮同内齿圈啮合引起的振动两两相位差为2π/3,多对啮合振动相互叠加,使得 96、99、102 阶次处幅值相互增强,在其他阶次处,相位差的存在使得幅值相互减弱甚至图8 正常齿轮的仿真信号抵消。
(2 太阳轮局部故障时,行星轮公转一周产生的幅值包络不再呈现一致性,如图 9a 所示。
由于故障太阳轮与三个行星轮的啮合都存在故障调制,故障调制与传递路径调制二者同时作用导致时域波形中的各个包络存在“扭曲” 。
图 9b 所示的阶次谱中整阶次处幅值较大,是由于太阳轮的故障特征频率为行星轮公转频率的整倍数,因此故障特征体现在整阶次处。
(3 行星轮局部故障时,只有故障行星轮参与的啮合才会出现调制现象。
因此如图 10a 所示,在行星轮公转周期 T 内的三个包络中,有两个包络完全一致,对应于两个正常行星轮参与的啮合,另外一个幅值较大的包络是故障行星轮引起的调制。
图 10b 的阶次谱中 98、101 阶次幅值较大,频率成分较为复杂,且以半阶次频率成分居多,是因为行星轮局部故障时对应的故障特征频率为行星轮公转频率的 2.5 倍。
从行星齿轮箱试验台获取的正常、太阳轮裂纹、行星轮裂纹振动数据时域波形及其阶次谱分别如图 11~13 所示。
由于该试验台包括行星齿轮箱、定轴齿轮箱等,是一个较为复杂的系统,因此实测的信号比较复杂,并含有大量噪声。
此外,试验台存在制造误差、安装误差等,导致三个行星轮承载图9 太阳轮局部故障的仿真信号 (1 当行星齿轮箱中齿轮都正常时,由于行星轮的公转,传递路径函数周期性变化,导致时域波形呈现周期性幅值调制现象。
行星轮公转一个周期,三个行星轮依次通过传感器正下方,因此,如图 8a 所示,在行星轮一个公转周期内,存在三个等间隔的包络。
阶次谱中在啮合频率对应的 100 阶次周围,出现多条边频带,正是由于行星轮公转导致的时变月 2014 年 9 月雷亚国等:基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断 67 图 11 正常齿轮的试验信号不均等非理想情况的出现。
因此,即便是从正常的齿轮箱实测的振动信号,其阶次谱中也会出现很多幅值较小的成分,并非理想情况下的“干净” 。
分别对比正常、太阳轮故障、行星轮故障等三种情况下的仿真信号与试验信号,可以发现以下几点。
(1 齿轮都正常时,仿真与实际信号的时域波形出现由行星轮公转引起的时变传递路径调制啮合振动的现象,且在行星轮一个公转周期内出现三个等间隔的包络,各包络幅值几乎相等。
阶次谱中,都在 96、99、102 阶次处幅值较大,其他阶次处幅值较小,二者较好吻合。
相比仿真信号,实测信号中虽然还存在由于误差等引入的幅值较小的频率成分,但是二者的时域波形与阶次谱较为一致。
(2 太阳轮故障时,试验信号的时域波形中,在行星轮一个公转周期内出现三个包络:两个幅值较大,一个幅值较小,如图 12a 中包络所示。
对比图 9a 太阳轮局部故障的仿真信号,二者匹配性尚可。
试验信号的阶次谱中,整阶次处能量较大,与仿真类似,但二者的阶次谱仍有较小差异。
总体上讲,仿真信号与试验信号相似。
(3 行星轮故障时,每当行星架转两圈,试验信号时域波形中存在六个等间隔的包络,但各包络的幅值不尽相同,如图 13a 包络所示。
在一个行星轮的公转周期 T 内,其中两个包络幅值大小相近,另一个幅值较大,与仿真信号相似。
阶次谱中,98、 99、101 阶次的幅值较大,而且半阶次的成分较多,与仿真信号阶次谱一致。
图 12 太阳轮局部故障的试验信号3 结论 (1 基于行星齿轮箱的传动机理,分析了行星齿轮箱内部多条振动传递路径,利用啮合原理,推导了啮合振动之间的相位差,最后对多对啮合综合分析,建立了行星齿轮箱的振动信号仿真模型。
(2 基于故障在信号中的表现形式,在正常模型的基础上,建立了太阳轮局部故障、行星轮局部故障的振动信号仿真模型,并且分析了不同齿轮故障的信号及阶次谱特点。
(3 利用行星齿轮箱试验台,对正常、太阳轮裂纹、行星轮裂纹齿轮进行试验,将试验信号与仿真信号进行对比,验证了建立的仿真模型的准确性。
参考文献 [1] 肖志松,唐力伟,王虹,等. 行星齿轮箱中齿轮故障模式判别[J]. 振动与冲击,2005,24(3:125-127. 图 13 行星轮局部故障的试验信号 XIAO Zhisong , TANG Liwei , WANG Hong , et al.68 机械工程学报第 50 卷第 17 期期 Criterion of fault model for gear in planetary gearbox[J]. Journal of Vibration and Shock,2005,24(3:125-127. [2] 雷亚国,何正嘉,林京,等. 行星齿轮箱故障诊断技术的研究进展[J]. 机械工程学报,2011,47(9:59-67. LEI Yaguo,HE Zhengjia,LIN Jing,et al. Research advances of fault diagnosis technique for planetary gearboxes[J]. Journal of Mechanical Engineering,2011, 47(9:59-67. [3] SUN Hailiang , ZI Yanyang , HEZhengjia , et al. Customized multiwavelets for planetary gearbox fault detection based on vibration sensor signals[J]. Sensors, 2013,13:1183-1209. [4] 白亚红,王奉涛. EMD 分解和支持向量机技术在风电齿轮箱早期齿轮磨损故障诊断中的应用[J]. 工业控制计算机,2010,23(2:70-71. BAI Yahong, WANG Fengtao. Early recognition based on EMD and support vector machine for wind power gear boxfailure[J]. Industrial Control Computer, 2010, 23(2: 70-71. [5] LEI Yaguo ,KONG Detong , LIN Jing , et al. Fault detection of planetary gearboxes using new diagnostic parameters[J]. Measurement Science and Technology, 2012,23(5:1-10. [6] MCFADDEN P , SMITH J. An explanation for the asymmetry of the modulation sidebands about the tooth meshing frequency in epicyclic gear vibration[J]. Proceedingsof the Institution of Mechanical Engineers, 1985,199(C1:65-70. [7] INALPOLAT M , KAHRAMAN A. A theoretical and experimental investigation of modulation sidebands of planetary gear sets [J]. Journal of Sound and Vibration, 2009,323:677-696. [8] FENG Zhipeng,ZUO Mingjian. Vibration signal models for fault diagnosis of planetary gearboxes [J]. Journal of Sound and Vibration,2012,331:4919-4939. [9] PARKER R G,LIN J. Mesh phasing relationships in planetary and and epicyclic gears[C]//Proceedings and Information of in DETCí03 ASME 2003 Design Engineering Technical Conferences Computers Engineering Conference Chicago , Illinois ,USA , September 2-6,2003:525-534. [10] INALPOLAT M , KAHRAMAN A. A theoretical and experimental investigation of modulation sidebands of planetary gear sets[J]. Journal of Sound and Vibration, 2009,323(3-5:677-696. [11] RANDALL R B. A new method of modeling gear faults[J]. Journal of Mechanical Design,1982,104: 259-267. 作者简介:雷亚国(通信作者,男,1979 年出生,博士,教授,博士研究生导师。
主要研究方向为机械设备故障诊断、混合智能诊断与预示、动态信号处理。
E-mail:yaguolei@。