基于小波变换的齿轮箱故障诊断

基于小波变换的齿轮箱故障诊断

作者：刘玉宗

来源：《城市建设理论研究》2014年第09期

【摘要】随着公司的加工设备越来越高精尖，对齿轮传动提出了更高的要求。本文对齿轮箱故障诊断特点和方法进行分析，并举例介绍了小波变换在齿轮箱故障诊断中的应用。利用小波变换对齿轮箱工况信号进行分解，重构以及提取细节信号包络谱，快速准确判断出齿轮箱设备运行状态是否异常，并利用BP神经网络进行故障诊断定位，比传统方法更有效。为公司对齿轮箱故障进行提前预防并保证齿轮箱运行效率，提供科学依据。

【关键词】齿轮箱；故障诊断；小波变换；BP神经网络

中图分类号：U226文献标识码： A

Abstract：As companies increasingly sophisticated processing equipment, on a higher gear requirements.The thesis analyze the characteristics and the method of gearbox fault diagnosis, and give a example to introduce the application of wavelet transform in gearbox fault diagnosis. The wavelet transform can be used in the gearbox condition signal to decompose and reconstructed as well as extract the detail signal envelope spectrum, the operators can accurately and quickly determine wether the gearbox equipment operation is abnormal, and make use of BP neural network to locate the fault diagnosis. The method is more effective than traditional methods. Gearbox fault for the company in advance to prevent and ensure operational efficiency gearbox, providing a scientific basis.

Keywords: gearbox ; ault diagnosis; wavelet transform; BP neural network

齿轮箱是机械设备中的关键部件，其质量优劣直接影响整体设备的运行和精度。由于齿轮箱工作环境复杂恶劣，其精确性和各部件的磨损及裂纹日趋成为齿轮箱各部件监测诊断的关键。为了更好地监控齿轮箱运行的状态，做到故障提前预防，使设备发挥出更高的经济效益，对齿轮箱进行了故障信号诊断。齿轮箱构件故障诊断分为检测信号、提取特征、识别状态以及决策诊断四步。在齿轮箱运行过程中利用现代化的测试分析手段，监测其运动形态，分析故障产生的原因与机理，通过信号分析与处理识别产生故障的部位以及故障程度，提出一种能在多干扰、低信噪比的复杂振动信号中，准确、快速提取故障特征信息并判决故障的方法，是齿轮箱运行状态监测与诊断领域亟待解决的问题[1]。

小波变换是近年发展起来的一种新的时域-频域分析方法，克服了短时傅里叶变

换在单分辨率上的缺陷，在时域-频域都有

表征信号局部信息的能力，具有多分辨率分

析的特点，可以探测正常信号的瞬态成分并展示其频率成分，被广泛应用于各个时频分析领域，这对齿轮箱故障诊断提供了很大的便利。

1 齿轮箱故障诊断特点与诊断方法

1.1 常见的齿轮箱故障形式

通常齿轮箱运行过程中，由于齿轮箱本身制造装配误差以及操作维护不善或者不合适的环境下使用等，均会使其极易产生各种形势的故障。故障类型也会随着齿轮材料、热处理工艺程度、运转状态等因素的不同而产生不同的变化。常见的齿轮箱故障形式有：齿面磨损、粘着撕伤、齿面疲劳剥落、轮齿龟裂和断齿、齿面点蚀、齿面胶合与擦伤以及齿面接触式疲劳、弯曲疲劳等故障。

1.2 齿轮箱的振动特征

在齿轮箱高速运转状态下，伴随着内部构件故障的发生与发展，必定会产生异常的振动，振动信号可以很快的反映出齿轮箱的运行状态，判别出各构件是否出现异常。大量实验证明，对齿轮箱故障检测进行振动分析是最有效的方法。由于齿轮箱的零部件在工作过程中所受得激励源不同会使其产生出多种复杂的振动类型，而且其中齿轮在啮合过程中产生的齿形和周期误差、偏心以及质量不平衡等故障，同时还会是齿轮箱工作过程中发生齿面磨损、疲劳断齿等故障[2]，严重影响到机械设备的运行，进而影响的经济效益，甚至出现伤亡事故。由于故障对振动信号的影响是多方面的，因此如果仅仅依靠对齿轮箱振动信号出现啮合频率和倍频成分的差异来识别齿轮箱各部件的故障是远远不够的，其中包括幅值调制、频率调制等频率成分进行诊断。

1.3 故障诊断过程对小波的内在需求[3]

小波分析应用于机械故障诊断，快速准确的识别故障，是小波分析要完成在齿轮箱的故障诊断过程对小波的内在需求中的主要任务。通过实验研究说明，机械故障诊断和信号特征提取的所采用的方式是对特征信号进行高效的时域-频域分析，该分析方法是故障诊断的必要要求。

通过对齿轮箱各部件故障诊断全过程进行分析，建立故障诊断系统的数学模型。目前对振动信号分析以分析时域-频域特征为主，但是故障特征信号的特殊性需要对其进行高效的时频分析，而且诊断理论也要求对特征信号进行深度分析，时域-频域分析是主要的分析手段，提取微弱信号对诊断过程有着至关重要的意义。

2 小波基本理论

2.1 小波变换

小波变换是一种时间-尺度分析方法，在时间、尺度（频率）两域都具有较高的时间分辨率和较低的频率分辨率，很适合于探测正常信号中夹带的瞬间反常现象并展示其成分。

小波函数[4]：设满足条件：

（1）为一平方可积函数，即；

（2），（2.1）

其中，为的傅里叶变换，则称为一个小波母函数或者小波函数，,式（2.1）为小波函数的可容性条件。

小波基函数：将小波函数进行伸缩和平移有，其中为伸缩因子（或尺度因子）；为平移因子；称为依赖于，的小波基函数。

2.2 连续小波变换和离散小波变换[5]

设为一个能量有限的信号，连续小波变换为：

，

（t,a,b为连续变量）；

选取，（,），其中为固定伸缩步长，为移位步长，离散小波变换为：

2.3 小波函数的选取

故障诊断过程中小波函数的选取是多种多样的。因为作为小波变换的基函数不是唯一的，因此不同的小波函数分析对同一个问题会产生不同的诊断效果。由此可之选取小波函数是准确快速诊断故障的尤为关键。

3 小波变换的工程应用

快速准确的判断齿轮箱是否出现异常状态通常是通过对频域波形和幅值及频谱等特征参数进行诊断分析。不同故障的振动波形显示出不同的振动形态，振动信号的能量也会随着频率的不同分布也显现不同的变化[6]。所测齿轮箱的正常运行、外圈裂纹故障信以及保持架故障等三种运行状态下的振动信号所呈现的振动时域波形如图3.1所示：

图3.1 齿轮箱三种运行状态的振动信号

由图3.1中三种振动信号可以看出，故障齿轮箱的信号加速度冲击幅值明显增大，可以判别出齿轮箱中齿轮外圈以及保持架出现故障。但要通过时域该图的时域波形判断出齿轮箱故障