齿轮箱状态监测与故障诊断技术
风力发电机组齿轮箱故障诊断
风力发电机组齿轮箱故障诊断
齿轮箱是风力发电机组的核心组件之一，它起到传递风轮动力、调节转速和扩大扭矩等重要作用。
齿轮箱的故障会影响整个发电系统的运行和效率，因此对齿轮箱故障进行及时、准确的诊断至关重要。
齿轮箱的故障可以分为机械故障和电气故障两大类。
机械故障包括齿轮磨损、断裂、齿面剥落、轴承损坏等，电气故障包括电机绕组短路、绝缘击穿等。
下面将从机械故障和电气故障两个方面介绍齿轮箱故障的诊断方法。
机械故障的诊断主要依靠振动和声学信号分析。
振动分析可以通过安装振动传感器来收集齿轮箱的振动信号，然后利用谱分析技术对信号进行处理和分析，可以识别出齿轮磨损、断裂、齿面剥落等故障类型。
声学信号分析则是利用齿轮箱产生的噪声信号，通过声学传感器收集并进行信号处理和分析，可以判断其声音频谱的异常情况，以诊断齿轮箱是否存在故障。
电气故障的诊断主要通过电气参数检测和绝缘测试。
电气参数检测可以通过测量电机的电压、电流和温度等参数来判断其工作状态。
当电气参数出现异常时，可能是电机绕组短路、绝缘击穿等电气故障的信号。
绝缘测试是通过在电机绕组和地之间加压，检测绝缘阻抗来判断绝缘状态的好坏。
如果绝缘阻抗不达标，可能会导致电气故障的发生。
还可以利用红外热像仪进行温度检测，通过观察齿轮箱各个部位的温度分布，可以判断是否存在异常的热点，在故障预警方面起到了重要的作用。
风力发电机组齿轮箱故障的诊断主要依靠振动和声学信号分析、电气参数检测和绝缘测试等技术手段。
综合利用这些方法，可以及时发现齿轮箱故障，并进行相应的维修和保养，提高风力发电机组的可靠性和运行效率。
轴承和齿轮箱的故障诊断
轴承和齿轮箱的故障诊断摘要：本文针对轴承和齿轮箱的故障诊断展开分析，思考了轴承和齿轮箱的故障诊断的方法和基本的措施，希望可以为今后的轴承和齿轮箱的故障诊断工作带来参考。
关键词：轴承；齿轮箱；故障；诊断前言在轴承和齿轮箱的故障诊断的过程中，应该清楚诊断的方法和原理，明确轴承和齿轮箱的故障诊断的具体的技术，才能够提高轴承和齿轮箱的故障诊断的效果。
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。
行星齿轮箱故障诊断方法
行星齿轮箱故障诊断方法1. 引言1.1 引言行星齿轮箱是一种常见的传动装置，在各种机械设备和车辆中被广泛应用。
它能够有效地将动力传递给机械系统，从而实现各种动力传动和转速调节的功能。
由于长时间的使用和磨损，行星齿轮箱可能会出现故障，导致设备性能下降甚至完全失效。
及时准确地诊断行星齿轮箱的故障非常重要。
本文将介绍行星齿轮箱的故障现象、可能的原因、诊断方法、常见解决方案和预防措施，帮助读者更好地了解行星齿轮箱故障的发生和处理方法。
通过掌握这些知识，读者可以及时发现和解决行星齿轮箱的故障，延长设备的使用寿命，提高设备的可靠性和安全性。
在本文的指导下，读者可以更加有效地管理和维护行星齿轮箱，确保设备的正常运行和高效工作。
愿本文能够为读者提供有价值的信息和帮助，使他们能够更好地了解和处理行星齿轮箱故障问题。
2. 正文2.1 故障现象故障现象是指在行星齿轮箱工作过程中可能出现的各种问题和异常情况。
通过观察和记录这些故障现象，可以帮助工程师们更快速、准确地诊断问题，并采取相应的处理措施。
常见的行星齿轮箱故障现象包括：轴承异响、运转噪音过大、温升异常、油品泄漏、齿轮磨损严重、工作效率下降等。
轴承异响可能是轴承损坏或润滑不良导致的；运转噪音过大可能是齿轮配合间隙过大或叶轮受损；温升异常可能是润滑油渗漏或油温过高所致；油品泄漏可能是密封件老化或松动；齿轮磨损严重可能是使用寿命到期或润滑不当引起的；工作效率下降可能是因为零部件磨损过大或系统故障。
通过仔细观察和分析这些故障现象，可以有针对性地进行故障诊断和解决方案的制定。
定期检查和维护行星齿轮箱，及时处理故障现象，可以提高设备的可靠性和工作效率，延长设备的使用寿命。
2.2 故障可能原因行星齿轮箱故障可能原因很多，主要包括以下几个方面：1. 润滑不足：行星齿轮箱在工作过程中需要足够的润滑油来减少摩擦和磨损，如果润滑油不足或质量不合格，就会导致齿轮箱零件间的摩擦增大，从而引起故障。
齿轮传动系统的故障诊断方法研究报告
齿轮传动系统的故障诊断方法研究容提要:在机械设备运转过程中，齿轮传动系统通过主、从动齿轮的相互啮合传递运动和能量，这个过程将产生一定形式的机械振动。
而诸如磨损、点蚀、制造误差、装配误差等齿轮和齿轮传动系统的各种缺陷和故障必然引起机械振动状态（或信号）发生变化。
因此，在齿轮传动系统的振动信号中，蕴涵有它的健康状态（故障与无故障）信息，监测和分析振动信号自然就可以诊断齿轮和齿轮传动系统的故障。
关键词:齿轮故障;故障诊断;振动;裂纹目录引言1第一章影响齿轮产生振动的因素21.1 振动的产生21.2 振动的故障3第二章齿轮裂纹故障诊断52.1 裂纹产生的原因52.2齿轮裂纹分类、特征、原因及预防措施52.2.1淬火裂纹52.2.2磨削裂纹62.2.3疲劳裂纹62.2.4轮缘和幅板裂纹7第三章齿轮故障诊断方法与技术展望93.1 齿轮故障诊断的方法93.1.1 时域法93.1.2 频域法103.1.3 倒频谱分析103.1.4 包络分析103.1.5 小波分析方法113.2 齿轮故障诊断技术的展望12结论13致14参考文献15引言随着科学技术的不断进步，机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。
齿轮由于具有传动比固定、传动转矩大、结构紧凑等优点，是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，也是易于故障发生的一个部件，其运行状态对整机的工作性能有很大的影响。
在机械设备运转过程中，齿轮传动系统通过主、从动齿轮的相互啮合传递运动和能量，这个过程将产生一定形式的机械振动。
而诸如磨损、点蚀、制造误差、装配误差等齿轮和齿轮传动系统的各种缺陷和故障必然引起机械振动状态（或信号）发生变化。
因此，在齿轮传动系统的振动信号中，蕴涵有它的健康状态（故障与无故障）信息，监测和分析振动信号自然就可以诊断齿轮和齿轮传动系统的故障。
第一章影响齿轮产生振动的因素1.1 振动的产生在齿轮的传动啮合过程中，影响齿轮产生振动的原因很多，有大周期的误差也有小周期的误差。
齿轮箱故障诊断实例分析
Ｉ １ － Ｉ ２
Ｉ ３ ． Ｉ ４ Ｌ １ ． Ｌ ２
０ ． ５ ３｝ Ｉ Ｚ
０ ． １ ５ Ｈｚ ０ ． ０ ４ Ｈ Ｚ
３ Ｏ
Ｏ ． Ｏ １
０ ． Ｏ ２ ０ ． Ｏ ３ ０ ０ ４ ０ ． ０ ４
０． ４ ０
３ ． ３
３ ． ２ ３ ． １ ３ ． ０ ３ ． １
２
Ｖ Ｇ２ ０ ２ 一 Ｖ Ｖ Ｇ３ ０ １ 一 Ｈ
Ｉ １
３ｌ ２
ＶＧ３ ０ ２ 一 Ｖ ＶＧ ４ ０ １ 一 Ｈ
置频宽为 ４ ０ ０ ， 采样频率 １ ０ ２ ４ ； 设置谱线数 １ ６ ０ ０ ； 灵
敏 度为 ５ ０ ０ ｍ Ｖ ／ Ｅ Ｕ 。
表 ２ 轴 承 型 号
ｍｏ ｔ
ｌ
因
Ｌ１
｛
…
Ｉ
分别对测得的振动值做记 录 ， 如表 ９ 所示 ， 包括 不 同转 速 下 的速 度 和 加 速 度 振 动 的 有 效 值 和 峭 度
— ｌ 嘲 院 Ｉ 翻 ｌ
对其的关注 ， 进而分析其振动信号 。
表 ９ 振 动 值 记 录表
设备 名 测点 电机转 速 位置
， ｒ ｐ ｍ
ＶＧ １ Ｏ１ 一Ｈ
图 ２ 齿轮箱 结构 示意图
速度信号 速度信号 加速度 加速度
Ｒ Ｍ Ｓ ／ （ ｍ ｍ ／ ｓ ）
３ ３Ｏ． ４
Ｉ ４
２ ８ ３
Ｖ Ｇ６ ０ １ 一 Ｈ Ｖ Ｃ６ ０ ２ Ｖ
－
Ｌ１
２ ８ ３
齿轮常见故障类型及诊断方法
的应力集中， 交变载荷易使根部产生裂纹最终导致 断裂 ， 裂纹的扩展可以是沿横向的， 也可以是沿斜线 向上 的… 。因此 ， 裂 形 式 可 能是 齿 根 ， 可 能 是 断 也
齿顶 部分 ， 如图 １ 示 。 所
图 ２ 齿 的磨 损 与点 蚀
４ 实例分析
图 ５为齿轮箱实测频谱图， ５ 为修理前的频 图 ａ 谱， 可以看 出， 在各阶啮合频率 附近均有明显的边
带， 且总 的振动 量级 均较 高 ； ５ 图 ｂ是修理后 的结 果 ，
部放大， 用来判断或读出故障的特征信息 。
细化谱边频诊断故障一般从 ２方 面着手 ： １ （）
利用 边带 的对 称性 ， 出 ±ｎ （ 找 ｎ＝１ ２ … ） ， ， 的频
率关 系 ， 确定 是否 成 为一 组 边带 ， 如果 是 边 带 ， 可 则
知道啮合频率 和调制信号频率 ； ２ 比较 各次 （）
测量中边带幅值变化 的趋 势。由此 ２点 ， 就可判断
故 障 的类 型 和故 障发 展 的程 度 。
磨损的因索 ， 故齿轮磨损后齿的几何形状 、 厚度均产
１ 常见故 障类型 和失效 比例
１ 齿的断裂 ， ） 故障比例为 ４ ％ ； １ ２ 齿 面疲 劳 （ ） 点蚀 、 落等 ） 失效 比例 为 ３％ ； 剥 ， １
３ 齿 面划 痕 ， 效 比例 为 １％ ； ） 失 ０ ４ 齿 面磨 损 ， 效 比例 为 １％ ； ） 失 ０
中图 分 类 号 ：Ｈ１２ Ｔ ３
在齿 轮箱 的诊 断 中 ， 几乎 涉 及 了旋转 机 械 中 大
疲 劳 和 过 负荷 断 裂从 本 质上 说 是 由 于设 计 、 制 造 、 配不 良而 引 起 的轴 系 共振 、 的弯 曲 、 装 轴 系统 速 度 的急 剧 变化 、 不平 衡载 荷等原 因造成 的 。
风力发电机组齿轮箱故障监测与诊断
继续运转 时才去采购备 品备件 、进行零件替换 。但风 力发 电机齿轮箱零 部件生产成本 比较高 ，制造商都是 接单生产 ，不可 能随时供货 。另外在发现故障时 ，故 障 已经发展 到 比较严重 的程 度 ，修理 周期 也 比较 长 。 这些 因素都容易造成风 电场故障停机时间过长 。越来
Ａｂ ．ｃ ： Ｔ ｅ ｆ ｕｔｍｅ ｈ ｎ ｓ ｏ ｅ ｒ ａ ｄ ｔ ｅ ｄ ａ ｎ ｓｓｍｅ ｈ ｄ ｗｅ ｅ ｄｓ ｕ ｓ ｄ ｈ ｏ ｉ ｏ ｄ ｔｐ ｆｆｕ ｔ ｆｇ ａ ｂ ｘ ｗｅｅ ｊ ａｔ ｈ ａ ｌ ｃ ａ ｉｍ ｆｇ ａ ｈ ｉ ｇ ｏ ｉ ｔ ｏ ｒ ｉｃ ｓ ｅ ．Ｔ ｅｐ ｓｔ ｎ ａ ｅ ｏ ｌ ｏ ｅ ｏ ｒ ｎ ｉ ｎ ｙ ａ ｒ ｉ ｅ ｔ ｅ ｈ ｏ ｇ ｅ ｔ ｇ ｔ ｅ ｖ ｂ ａｉ ｎ ｓｇ ａ ｓｏ ｅ ｂ ｘ ｆｒ ｎ ｕ ｂ ｎ ｅ ｅ ａｏ ．Ｔ ｅ ｒ ｐ ｉ ａ ｕ ｅ ｎ ｓ ｐ ｖ ｄ ｄ ｄ ｎ ｉ ｄ ｔ ｒ ｕ ｈ ｔｓｉ ｈ ｉ ｒ ｔ ｉｎ ｌ ｆｇ ａ ｏ ｄ ｔ ｒ ｉ ｅ ｇ ｎ ｒ ｔｒ ｈ ｅ ａ ｒｍｅ ｓ ｒｍｅ ｔ ｉ ｆ ｎ ｏ ｒ ｏ ｗａ ｒ ｉ ｅ ． ｏ Ｋｅ ｗｏ ｄ ：Ｇ ａ ；Ｖｉ ｒｔ ｎ；Ｆ ｕ ｔ ｉｇ ｏ ｉ ；Ｏｎ １ ｅ ｄ ｔ ｃｉｎ ｙ ｒｓ ｅｒ ｂａｉ ｏ ａ ｌ ｄ ａ ｓｓ ｎ ． ｎ ｅｅ ｔ ｉ ｏ
数据为依据 ，对风力发 电机组齿轮状况进行 了分 析预
测 ，使设备 的故障率降低 、维修时间和维修成本降低 。
１ 齿轮故障机理与诊断方法 齿轮 副可以看作一个振 动系统 ，齿轮 的振动分为
两部分 ：一部分 为常规 振动 ，它与齿轮 的制造误差和
对齿轮箱 自身质 量 要求 较 高 ，其成 本 大约 占到整 机 （ 不含塔架 ）成本 的 １ ％。近年来 随着风 电机组投 行 ２ 时 间的逐渐 累积 ，由齿 轮箱故 障或损坏引起 的机组停 运事件 时有发生 ，而齿 轮箱故 障造成 的电量损失 占到
船用齿轮箱状态监测与故障诊断系统探讨
61 /[1]刘双成.断系统[J ].军民两用技术与产品,2018(20):83-83.若超出极限值，则系统报警。
例如，振动指标超出设定值，则报警灯亮，提示异常。
振动信号的调整指标可能伴随故障发展而存在一定上升，但是仍需考虑机器工作极限对振动的限制。
无量纲指标并不会因为工作条件变化而变化，当故障持续发生一断时间，无量纲参数也会出现一定程度下降。
故需利用好各种参数，以峭度及均方幅值检测。
4.2信号频域（1）功率谱。
通过LabVIEW技术，可以对信号频域中功率谱函数节点PS/PSD.vi分析，通过对该函数节点深入分析，进一步实现对时域信号功率谱的分析。
但是需注意，在具体分析前，应设置好函数节点的各项参数，设置好函数节点加窗，以此采集振动时域信号，且避免功率谱变换时发生谱能量丢失等问题，保证信号可以平稳的过度，也确保谱分析值的准确性。
（2）倒频谱分析。
倒频谱指对功率谱对数值实施傅立叶逆变换，对相关的视域信号自功率谱详细分析，最终以单边功率谱（返回）For循环中得其对数，之后进行一维实数傅立叶逆变换，最终得到倒频谱。
对于船用齿轮箱故障的诊断，以倒频谱分析，无需考虑测点不同导致传感器传递函数差异导致造成干扰。
通过倒频谱分析，也可区别由于调制而导致的功率谱周期分量，诊断具体调制源。
（3）Hilbert包络谱分析。
包络谱分析通过Hilbert函数节点、交流及直流分量，以此估计函数节点及傅里叶变换函数节点算数运算。
通过此分析方式，可得到幅值、相位及频率变换。
5.效果分析船用齿轮箱连接船只柴油机及螺旋桨，其性能决定船只运行稳定性。
船用齿轮箱运行以传递扭矩，起到减速控制作用。
下文以相应故障模拟实验台分析文章研究系统是否可靠。
为分析齿轮箱故障监测及诊断系统是否有效，设置相关实验平台，实验平台可为监测及诊断系统提供诊断平台，平台以可调节带轮方向确定故障模拟形式，齿轮箱及转圆盘传动系统。
项目主要分析齿轮断裂、齿轮裂纹、齿轮磨损等。
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。
风力发电机组齿轮箱故障诊断
风力发电机组齿轮箱故障诊断一、背景介绍风力发电机组齿轮箱是风力发电机组的核心部件之一，负责将风轮叶片转动的机械能转化为电能。
齿轮箱的工作环境苛刻，长期受到大风、恶劣天气等外界因素的影响，加之高速、高负荷的工作状态，齿轮箱故障频率较高，给风电场的运行和维护带来了一定的挑战。
及时准确地对风力发电机组齿轮箱故障进行诊断，对风电场的安全稳定运行具有重要的意义。
二、常见故障原因1.润滑油污染齿轮箱内部长时间工作后，润滑油会受到振动、高温等因素的影响，导致润滑油的污染。
润滑油污染会使齿轮箱零部件间的摩擦增大，从而导致齿轮箱温升增高、噪音加大，严重时甚至引发齿轮箱损坏。
2.齿轮损坏齿轮工作在高速和高负荷状态下，长时间受到拉力和挤压力的作用，容易导致齿面损伤、断裂或磨损，进而引起齿轮箱故障。
3.轴承故障齿轮箱内部的轴承长时间承受高速旋转和重压力的作用，容易出现磨损、松动等问题，导致齿轮箱转动不畅，甚至产生异常噪音。
4.密封件损坏齿轮箱的密封件损坏会导致润滑油泄漏，使得齿轮箱内部无法正常润滑，加速了其零部件的磨损，最终引发齿轮箱故障。
5.其他原因除了上述常见的故障原因外，齿轮箱的故障还可能由于设计缺陷、制造工艺不良等因素引起。
三、齿轮箱故障诊断方法1.声音诊断通过听力诊断齿轮箱运行过程中是否有异常噪音，观察噪音的产生位置和频率，判断齿轮箱是否存在齿轮损伤、轴承故障、润滑油不足等问题。
2.振动诊断采用振动传感器检测齿轮箱的振动情况，观测振动的振幅和频率，判断齿轮箱是否存在齿轮损伤、轴承故障、不平衡等问题。
3.温度诊断通过红外线热像仪等设备检测齿轮箱的温度分布情况，观测各个部位的温度变化，判断齿轮箱是否存在轴承故障、润滑油不足等问题。
4.润滑油分析定期对齿轮箱润滑油进行化验，检测润滑油中的杂质、磨损颗粒等情况，判断齿轮箱是否存在润滑油污染、磨损严重等问题。
5.其他诊断方法除了以上几种常用的诊断方法外，还可以采用红外光谱分析、摄像头检测等先进技术来诊断齿轮箱故障。
齿轮箱故障分析与诊断策略
齿轮箱故障分析与诊断策略摘要：齿轮箱是许多机械的变速传动部件。
在聚丙烯装置最大的挤压造粒机组中，也是由它来提供扭矩和改变速度的。
，它的运行是否正常对整个机组的工作有较大影响。
然而设计不当、维护和操作不善都会引起齿轮箱出现一些故障。
这对其进一步的开发和使用带来明显的负面效应。
本文首先阐述齿轮箱的用途，接着对其故障表现和诊断对策分别进行系统描述。
关键词：齿轮箱故障用途诊断策略齿轮箱是一种工业用的组件，它能经由传动齿轮系完成功率的传递任务，同时，齿轮箱作为一种传送齿轮的机械配件，在化工方面的用途也很广。
本文由齿轮箱的应用，对齿轮箱的常见故障表现和诊断措施展开详尽的论述。
一、齿轮箱的用途齿轮箱的主要用途如下：首先，它可以通过齿轮组来改变传递的速度，在工业上常常把它叫做“变速齿轮箱”。
其次，齿轮箱能变换转动力矩，也就是说，在功率一样的前提下，转速越大的齿轮，齿轮轴所受到的力矩反而越小，反过来则越大；再次，齿轮箱用于动力的分配，在工业上，工作人员可用一台发动机，经由齿轮箱的主轴牵动若干个从轴，进而只要一台发动机就会牵引好几个负载；第四，齿轮箱有离合功能，刹车离合器就是利用的齿轮箱离合功能，人们能自由地将两个相互啮合的齿轮分隔开来，进而把负载和发动机分裂开；第五，变换传动方向，不妨采用两个扇形形态的齿轮把其中的力以垂直的方向有序地传导至另一侧的转动轴。
二、齿轮箱的典型失效故障的表现经由对齿轮箱实际应用的分析，不难测定其故障。
整个齿轮箱系统包含了轴承、齿轮、传动轴和箱体结构等部件，作为一类常用的机械动力系统，它在持续运动地同时，非常容易出现机械配件的故障，特别是轴承、齿轮和传动轴这三个零件，其他发生故障的几率明显比它们低。
齿轮执行任务时，因种种复杂的因素影响而缺乏工作的能力，功能参数的数值超越了允许的最大临界数值，这发生了典型的齿轮箱故障。
其表现形式也五花八门，通观全局，其主要分为两大类：第一是齿轮在日积月累的转动中逐渐产生的，因齿轮箱的外表面在承担相对大负载的过程中，互相啮合的齿轮的间隙中又会出现相对滚动力与滑动力，滑动时候的摩擦力与极点两端的方向刚好相反，久而久之，长期的机械运行会使齿轮胶合、出现裂隙、加大磨损的程度，齿轮断裂也就成为必然了。
风力发电增速齿轮箱的故障诊断与健康监测方法
风力发电增速齿轮箱的故障诊断与健康监测方法随着对可再生能源的需求增加，风力发电正逐渐成为人们关注的热点。
而风力发电机组中的齿轮箱作为关键部件，对于风力发电机组的性能和可靠性具有重要作用。
因此，对风力发电增速齿轮箱的故障诊断与健康监测方法进行研究具有重要意义。
一、齿轮箱故障诊断方法1. 振动信号分析法振动信号分析法是一种常用的齿轮箱故障诊断方法。
通过对齿轮箱的振动信号进行分析，可以判断齿轮箱是否存在故障。
常用的振动参数有振动加速度、振动速度和振动位移等。
通过测量这些参数的变化情况，可以判断齿轮箱是否发生故障，并确定故障类型。
2. 声波信号分析法声波信号分析法是一种通过分析齿轮箱中的声波信号来判断故障的方法。
由于齿轮箱故障会产生特定的声波信号，通过对这些信号进行分析，可以判断齿轮箱是否存在故障。
常用的声波参数有声压级、声功率级和声能级等。
通过测量这些参数的变化情况，可以判断齿轮箱是否存在故障，并确定故障类型。
3. 温度信号分析法温度信号分析法是一种通过分析齿轮箱中的温度信号来判断故障的方法。
由于齿轮箱故障会导致温度的变化，通过对温度信号进行分析，可以判断齿轮箱是否存在故障。
常用的温度参数有温度变化率、最大温度和平均温度等。
通过测量这些参数的变化情况，可以判断齿轮箱是否存在故障，并确定故障类型。
二、齿轮箱健康监测方法1. 振动数据采集与分析方法对于齿轮箱的健康监测，振动数据的采集与分析是非常重要的。
通过在齿轮箱中设置振动传感器，采集振动数据，并对这些数据进行分析，可以判断齿轮箱的健康状态。
常用的分析方法有时域分析、频域分析和小波分析等。
通过对振动数据的分析，可以判断齿轮箱是否存在故障，并进行健康评估。
2. 油液分析方法齿轮箱中的油液包含了大量的信息，通过对油液的分析，可以判断齿轮箱的健康状态。
常用的油液分析指标有油温、循环流量和油液粘度等。
通过对这些指标的变化情况进行分析，可以判断齿轮箱是否存在故障，并进行健康评估。
齿轮箱故障诊断技术现状及展望
齿轮箱故障诊断技术现状及展望摘要：齿轮是机械设备中最广泛使用的传动部件，它的失效是造成机械设备不能正常运转的常见原因之一。
尤其对于大型、复杂、自动化、连续化程度很高的设备一旦出现故障，就会对整个生产造成很大的损失。
所以研究齿轮箱故障诊断对于降低设备的维修费用，提高产品的竞争力，防止突发性事故，具有很大的经济效益和社会效益。
关键词：齿轮箱；故障诊断技术；发展引言随着科学技术的不断发展进步，机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。
齿轮箱由于具有传动比固定、传动转矩大、结构紧凑等优点，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。
因此，齿轮箱的故障诊断技术研究得到了广泛的关注和重视，科技人员为此开展了很多的研究工作。
传统的信号时域、频域分析方法为齿轮箱故障诊断已经打下了坚实的基础，解决了很多的实际问题。
但是，为了进一步提高故障诊断的准确性和快速性，随着各种新技术的产生，针对齿轮箱的故障诊断技术也有了新的发展，例如小波变换、人工神经网络等。
1 齿轮箱故障诊断技术发展现状和趋势1.1 现代齿轮箱故障诊断技术特点齿轮箱故障诊断技术随着科技的发展而不断进步，与最新科技成果相融合是当代齿轮箱故障诊断技术的特点，也是未来发展方向。
主要表现在以下几个方面：（1）用于齿轮箱状态监测和故障诊断的信号分析处理方法取得了较大发展。
传统的分析方法，如时域波形分析等方法的精度和速度在近些年得到了极大地提高和发展；一些较新的信号处理方法也得到了长足发展，如Wigner-Ville 分布技术、小波分析、循环平稳理论解调分析、希尔伯特-黄变换解调等时频分析方法。
特别是近年来国内一些专家提出了基于建立档案的时频域得分法来进行诊断的故障诊断方法。
（2）诊断方法的日益多样化。
故障诊断技术发展至今，在振动诊断方法日益成熟的同时，新的方法也广泛应用于齿轮箱故障诊断的实践中，从而拓宽了故障诊断方法的范围。
城轨车辆齿轮箱滚动轴承在线状态监测与故障诊断
城轨车辆齿轮箱滚动轴承在线状态监测与故障诊断城轨车辆齿轮箱滚动轴承在线状态监测与故障诊断随着城市轨道交通的迅速发展，城轨车辆已经成为了现代城市中重要的交通工具之一。
城轨车辆的安全和稳定运行对于保障乘客的出行安全至关重要，而齿轮箱作为城轨车辆的重要组成部分，起到了传动和承载的关键作用。
因此，城轨车辆齿轮箱滚动轴承的在线状态监测与故障诊断变得至关重要。
城轨车辆齿轮箱滚动轴承在线状态监测是一种通过采集车辆运行数据和实时监测传感器数据的技术手段，旨在实时监测齿轮箱滚动轴承的运行状态。
通过对数据的采集和分析，可以及时发现齿轮箱滚动轴承的异常情况，进而进行相应的故障诊断和维修。
城轨车辆齿轮箱滚动轴承的在线状态监测与故障诊断技术的发展，不仅可以提高城轨车辆的安全性和可靠性，还可以降低维修成本和提高维修效率。
首先，城轨车辆齿轮箱滚动轴承的在线状态监测主要通过传感器对相关信号进行采集。
传感器的种类多样，包括加速度传感器、温度传感器、轴位传感器等。
这些传感器可以实时监测滚动轴承的振动、温度、轴向位移等参数，从而获取齿轮箱滚动轴承的工作状态信息。
其次，城轨车辆齿轮箱滚动轴承的在线状态监测需要对采集到的数据进行处理和分析。
通过对数据进行频域分析、时域分析、统计分析等方法，可以得到齿轮箱滚动轴承的特征参数。
这些特征参数可以反映滚动轴承的健康状况，比如振动频率、温度变化等。
通过与正常工作状态下的特征参数进行对比，可以判断滚动轴承是否存在异常情况。
最后，城轨车辆齿轮箱滚动轴承的在线状态监测与故障诊断的关键在于准确判断滚动轴承是否存在故障。
传统的故障诊断方法主要依靠人工经验和检查，但这种方式存在主观性较强、效率低下等问题。
而基于数据驱动的故障诊断方法可以根据采集到的实时数据，运用机器学习算法进行故障诊断。
通过训练算法并建立故障模型，可以准确判断滚动轴承的故障类型和严重程度，从而指导维修工作。
总之，城轨车辆齿轮箱滚动轴承的在线状态监测与故障诊断可以提高城轨车辆的运行安全性和可靠性。
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
浅谈风力发电机组齿轮箱常见故障分析及检测方法_1
浅谈风力发电机组齿轮箱常见故障分析及检测方法发布时间：2022-10-10T07:53:52.475Z 来源：《中国电业与能源》2022年6月11期作者：何杨张、沈忠明[导读] 在过去的几年中，风力发电工业得到了极大的发展。
然而，风力发电机组经历了各种各样的故障，导致了成本的增加。
风力发电机齿轮箱是最关键的部件，故障率高，维修时间长。
何杨张、沈忠明中广核新能源投资（深圳）有限公司云南分公司摘要：在过去的几年中，风力发电工业得到了极大的发展。
然而，风力发电机组经历了各种各样的故障，导致了成本的增加。
风力发电机齿轮箱是最关键的部件，故障率高，维修时间长。
本文介绍了风力发电机组齿轮箱的常见故障及其根本原因，然后重点研究了风力发电机齿轮箱的故障诊断和监测技术，论述了风力发电机齿轮箱状态监测与故障诊断技术的研究现状和发展趋势，设计了风力发电机齿轮箱状态监测与故障诊断模拟台。
关键词：风力发电机组；齿轮箱；故障诊断前言：风能是世界上发展最快的可再生能源。
近年来，世界各国对风力发电的利用进行了大量的研究和开发。
但风力发电机组容易损坏，尤其是齿轮箱等关键部件容易发生故障。
在组成风力发电机的各个子系统中，齿轮箱被证明是造成最长的停机时间和最昂贵的维护。
因此，提高风力发电机组的可靠性和减少停机时间是风力发电行业必须解决的问题。
检测变速箱的早期故障可以减少发生灾难性故障的机会。
如齿轮表面出现点蚀故障时，可用齿轮涂层修复齿轮表面，当轴承出现故障时，齿轮箱可以开始低速运转等待修复，从而合理安排维护。
齿轮箱位于轮毂和发电机之间,用于将风力发电机转子产生的缓慢旋转的高扭矩功率转换为发电机使用的高速低扭矩功率。
风力发电机齿轮箱由三个主要部件组成: 齿轮、轴承和轴。
1风力发电机组齿轮箱故障分析1.1齿轮损坏1.1.1齿轮箱齿面磨损齿轮箱在低温工作时，由于低温和润滑剂固化使润滑剂达不到润滑部分而引起磨损；齿轮箱在高温工作时，由于电机加热引起的高温使润滑油温度异常升高，导致机械润滑剂失效而引起齿轮磨损；齿面磨损的另一个原因是外来物的进入。
齿轮故障检测总结
齿轮故障检测总结引言齿轮是机械传动系统中常见且重要的元件之一。
在工业生产中，齿轮故障可能会导致机械传动系统的失效，从而影响设备的正常运行。
因此，对齿轮故障进行有效的检测和诊断，对于预防故障和提高设备的可靠性非常重要。
本文将对常见的齿轮故障检测方法进行总结，包括振动分析、声学分析、热红外检测以及油液分析等。
这些方法可以帮助工程师及时发现齿轮故障，并采取相应的措施修复或更换齿轮，以确保机械传动系统的可靠性和安全性。
1. 振动分析振动分析是一种常见且有效的齿轮故障检测方法。
通过监测齿轮系统的振动信号，可以识别出齿轮的故障类型，如齿面磨损、齿面疲劳断裂等。
振动分析通常包括以下步骤：1.采集振动信号：使用振动传感器采集齿轮系统的振动信号。
通常，可以选择在齿轮箱的外部或内部安装振动传感器，以获取不同位置的振动信号。
2.信号预处理：对采集到的振动信号进行预处理，包括去噪处理、滤波处理等。
这些预处理操作可以提高信号的质量和准确性。
3.特征提取：从预处理后的振动信号中提取特征，如频域特征、时域特征等。
这些特征可以用于描述齿轮故障的振动特性。
4.故障诊断：根据提取到的特征，利用故障诊断算法对齿轮的故障类型进行识别和判断。
常见的故障诊断算法包括支持向量机（SVM）、人工神经网络（ANN）等。
振动分析方法具有非破坏性、实时性和高灵敏度等优点，可以对齿轮的早期故障进行有效检测，帮助预防严重事故的发生。
2. 声学分析声学分析是一种基于声波信号的齿轮故障检测方法。
通过监测齿轮系统产生的声音信号，可以判断齿轮的状态和故障情况。
常见的声学分析方法包括以下步骤：1.采集声音信号：使用麦克风或声音传感器采集齿轮系统产生的声音信号。
与振动分析类似，声音传感器可以安装在齿轮箱的内部或外部，以获取不同位置的声音信号。
2.信号预处理：对采集到的声音信号进行预处理，包括去噪处理、滤波处理等。
这些预处理操作可以提高信号的质量和准确性。
3.频谱分析：将预处理后的声音信号进行频谱分析，可以得到声音信号的频谱特征。
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中常用的部件，而齿轮传动也是机械传动中最常见的方式之一。
在许多情况下,齿轮故障又是导致设备失效的主要原因.因此对齿轮进行故障诊断具有非常重要的意义。
介绍了故障的特点和几种诊断方法,并比较了基于粒子群优化的小波神经网络,基于相关分析与小波变换,基于小波包和BP神经网络和基于小波分析等故障诊断方法的优缺点，并提出了齿轮故障诊断的难点和发展方向。
关键字齿轮故障诊断诊断方法分析比较发展目录第一章齿轮故障诊断发展及故障特点 (1)1.1 齿轮故障诊断的发展 (1)1. 2齿轮故障形式与震动特征 (1)第二章齿轮传动故障诊断的方法 (2)2. 1高阶谱分析 (2)2。
1。
1参数化双谱估计的原理 (3)2.1.2试验装置与信号获取 (3)2。
1.3 故障诊断 (4)2.1.4应用双谱分析识别齿轮故障 (5)2.2基于边频分析的齿轮故障诊断 (6)2.2.1分析原理 (6)2。
2.2铣床振动测试 (6)2。
2。
3边频带分析 (8)2。
2.4故障诊断 (9)2. 3时域分析 (10)2.3。
1时域指标 (10)2。
3。
2非线性时间分析 (11)第一章齿轮故障诊断发展及故障特点1。
1 齿轮故障诊断的发展齿轮故障诊断始于七十年代初，早期的齿轮故障诊断仅限于在旋转式机械上测量一些简单的振动参数,用一些简单的方法进行诊断.这些简单的参数和诊断方法对齿轮故障诊断反应灵敏度较低，根本无法准确判断发生故障的部位。
七十年代末到八十年代中期，旋转式机械中齿轮故障诊断的频域法发展很快，其中R.B。
Randall和James1.Taylor等人做好了许多有益的工作，积累了不少故障诊断的成功实例，出现了一些较好的频域分析方法,对齿轮磨损和齿根断裂等故障诊断较为成功。
进入九十年代以后，神经网络、模糊推理和网络技术的发展和融合使得齿轮系统故障诊断进入了蓬勃发展的时期。
我国学者在齿轮故障诊断研究方面也做了大量工作。
- 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)。
8 齿轮箱状态监测与故障诊断技术￭齿轮箱常见故障￭齿轮箱故障的特征频率与边频带￭齿轮箱振动信号分析诊断方法￭齿轮箱故障的噪声诊断齿轮箱失效原因及失效比重失效原因失效比重(%)齿轮箱缺陷设计1240装配9制造8材料7修理4运行缺陷维护2443操作19相邻部件(电动机、联轴器等)缺陷17齿轮箱状态监测与故障诊断技术轮齿损伤形式类别项目形式原因齿面损伤齿面磨损正常磨损、磨粒磨损、干涉磨损、刮伤、槽痕啮合初期、异物侵入、参数设计不合理、安装误差润滑不良等粘着撕伤局部压力过高、法向压力较大、滑动速度过高等齿面疲劳早期点蚀、扩展性点蚀、剥落齿面局部凸起、接触应力过高、内应力过大等齿面塑性变形压痕、碾击塑变、波纹、隆起异物混入、过载、啮合不良、润滑不充分等烧伤局部温度过高轮齿折断轮齿裂纹屑料毛坯裂纹、硬化处理裂纹、磨削型裂纹疲劳裂纹材料、毛坯和热处理缺陷交变应力的作用等齿轮箱状态监测与故障诊断技术齿轮箱状态监测与故障诊断技术成的，调幅的一个原因是齿轮偏心，此时的调制频率为齿轮的回转频率。
当在齿轮上有一个齿存在局部缺陷时，相当于齿轮的振动受到一个短脉冲的调制，脉冲的长度等于齿的啮合周期3）调频现象。
在实际情况中，同样的齿面压力的波动，在产生调幅现象的同时，也会引起频率调制现象，其结果是在谱上得到一个调幅与调频综合形成的边频带。
齿轮存在偏心时，由于齿面载荷变化引起调幅现象的同时，又由于齿轮转速的不均匀而引起调频现象。
齿轮频谱上边频带的形成随机振动时历曲线0()(1cos )sin()m x t A m t t ωωϕ=++000()sin()sin[()]sin[()]22m m mA mA x t A t t t ωϕωωϕωωϕ=++++-++齿轮箱状态监测与故障诊断技术齿轮箱状态监测与故障诊断技术3、齿轮箱振动信号分析诊断方法齿轮箱传动系统振动的频谱分析法和转子、滚动轴承的频谱分析在原理上是一致的。
齿轮的制造与安装误差、剥落、裂纹等故障会直接成为振动的激励源－－齿轮轴的回转为周期表现为回转频率对啮合频率及其倍频的调制，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。
边频带反映了故障源信息，边频带的间隔反映了故障源的频率，幅值的变化表示故障程度。
￭齿轮故障诊断实质上是对边频带的识别齿轮箱状态监测与故障诊断技术用于齿轮箱振动信号的分析方法有：￭倒谱分析法￭希尔伯特包络分析法￭时频分析法￭时域模型法￭时域平均法部件失效类型振动频率振幅特征振动方向其它齿轮齿面损伤损伤齿数随增大径向磨损严重时出现高阶振动,的振动能量明显增大断齿断齿数同上径向滚动轴承内圈剥落变化不定径向轴承的高频振动(10-60）KHz不易传给其它部位外圈剥落同上径向钢球剥落同上径向齿轮箱不同部件故障的振动特征rf⨯rf,r sf f⨯rf0.5(1cos)rdnZ fDα+0.5(1cos)rdnZ fDα-22[1()cos]rd dn fD Dα-齿轮箱状态监测与故障诊断技术常见齿轮故障的振动时域波形及频谱特性齿轮箱状态监测与故障诊断技术常见齿轮故障的振动时域波形及频谱特性齿轮箱故障的小波分析－1上图是电厂磨煤机齿轮箱中有64齿的双曲线从动齿轮之振动速度的时域平均图。
从中可以发现在第600采样点处，即对应于角度200度处，振动发生变化，这是由于某一齿面存在碎片剥落所引起。
时域内平均是由在一个旋转周期内的采样1024点实现的齿轮箱状态监测与故障诊断技术图为从时域平均中除去齿轮啮合频率及其所有谐波后的残余信号，由碎片剥落引起的振动变化在此图中更为明显齿轮箱状态监测与故障诊断技术图为球磨机齿轮箱上述振动残余信号经过Daubechies4（D4）小波分析后的均方图。
较高模式出现在采样点600处，它覆盖了尺度7到11，指出了齿轮箱的损伤之处。
齿轮箱状态监测与故障诊断技术图为球磨机齿轮箱上述振动残余信号经Daubechies20（D20）小波分析的均方图。
对于从Daubechies4正交小波到Daubechies20正交小波分析上述振动信号时，信号中的主要特征比较一致，不同阶的Daubechies小波具有不同的类型，也就是它们的频带是不同的，因此有细小的区别。
齿轮箱状态监测与故障诊断技术齿轮箱故障的小波分析－2图为Wessex直升机疲劳损伤测试中，主回转齿轮箱驱动端螺旋斜齿轮（齿数为22）的振动加速度时域平均。
齿轮箱状态监测与故障诊断技术图为除去所有与齿啮合频率及其谐波后的残余信号。
可以看出，在采样点750附近，即对应于转角265度附近有一较高的峰值，这表示齿轮齿面有疲劳裂纹。
齿轮箱状态监测与故障诊断技术图为直升机齿轮残余信号的D4小波的均方图。
可以看出，在采样点750附近，即对应于转角265度附近有一较高的能量。
齿轮箱状态监测与故障诊断技术齿轮箱例2#机组齿轮箱参数齿轮齿数转速（rpm ）Z11112958Z126127431149.7560n f Hz ==2212.38f Hz=11225522.0e f f Z f Z Hz=⨯=⨯=齿轮箱频谱图齿轮箱时域波形位臵序号①②③④频率(Hz)211148429725516幅值(mm/s)0.638 4.998 1.0530.215为箱体振动和齿轮传动发生共振，并且有二次谐波成分322214p p f f f ==位臵③和④经过细化后各频率成分值位臵编号A B C B’A’频率Hz2547.02761.42975.93180.43394.9幅值mm/s0.1380.1600.3590.1260.052位臵编号D E F E’频率Hz5429.25479.05528.95578.7幅值mm/s0.0220.0320.1540.017边频带各相邻峰值间的频率为212Hz，为小齿轮转频。
紧靠C左右两侧两个峰值与C的频率差分别为50Hz，为大齿轮转频。
例2#机组电动机：转速：1485rpm；功率：1250Kw；3#机组电动机：转速：1492rpm；功率：1250Kw；2#和3#增速机：低速齿轮齿数：91；高速齿轮齿数：31；齿轮形式：人字齿2#和3#机组鼓风机：D570-1.3/0.95-1（两级离心式）；额定转速：4320rpm；风量：1150m3/min。
电动机轴承均为滚动轴承；增速机和风机为滑动轴承支撑。
图12#和3#鼓风机传动和测点布臵示意图表1 2#机组振动数据（2000年10月20日测试，单位为mm/s）测点V（垂直径向）H（水平径向）A（轴线方向）3 46.57.26.28.07.5145 620227.0125.25.5齿轮箱状态监测与故障诊断技术增速机6#测点振动加速度波形和频谱见图2 和图3。
可见波形图上出现明显冲击，伴随冲击还存在类似于谐振的波形，冲击间隔为40ms 即25Hz，正好为低速轴的转频。
啮合频率（24.75Hz*91=2252.25Hz）为主导振动频率，在齿轮啮合频率2252Hz 附近（在最大分析频率为5KHz 时，频率分辨率为12.5Hz，因频率分辨率的关系，图中频率为2262.5Hz）附近作16 倍细化分析，谱图如图4，细化后发现啮合频率附近调制了大量的低速轴的转频谱线大齿轮发生故障的特征，判断齿轮存在严重磨损或断齿。
主动人字齿轮一边严重磨损，另一边也存在严重磨损，且有9 个轮齿断裂，最大的断齿长度为4cm，9 个断裂轮齿呈无规律分布。
图2 测点振动加速度波形图3 测点振动加速度频谱图4啮合频率附近细化16倍频谱汽车变速齿轮箱故障图5变速箱上传感器布臵图齿轮箱状态监测与故障诊断技术图6正常与故障变速器齿轮的振动功率谱图7 变速器齿轮振动倒谱图谱图中有两个突出的峰，一个是在τ=0处，其意义由前所知是信号能量大小，其值受仪器衰减影响；另一个是代表频域啮合谐波族的峰（τ2=1/f2=3.12ms）,其幅值与变速器齿面失效密切相关。
如表2所示。
表2 倒频谱与齿轮故障注：表2中对于同类多个试件的值，表示其均值，表示其标准差；、相同。
0()a C τ0()a C τ0σ()a z C τz σ由表3中不同程度的齿面失效与倒频谱幅值（τ0，τz 处）对照，可以清楚地看出两者变化趋势是相同的。
τ0处峰值大小有信号能量物理含义，反映出齿轮失效后振动能量增大的特征。
根据（3）式考虑仪器衰减所造成影响并以新齿轮信号作为对比的基准，就可以根据τ0处峰值定量诊断变速器齿轮故障。
而τz 处峰值不受信号强度的影响，可以直接作为定量诊断的参量。
如按考虑，可得在本试验条件下定量诊断EQ-140汽车变速器齿轮故障的阈值，如表4所示。
()3a z zC τσ±表3 定量诊断变速器齿轮故障阈值状态参量正常中等磨损严重磨损<0.78<0.040.78~2.20.04~0.11>0.28>0.110()()a a z C C ττ主要技术参数：滚动轴承型号：7224DB；齿轮为斜齿轮；电机转速：1280rpm；联轴器：齿式联轴器。
可清晰地看出有一周期脉冲，这是齿轮每转一周出现的一个冲击，脉冲间隔为134ms，频率值为7.5Hz(=1/134ms)。
这恰与输入轴小齿轮所在轴的转频一致（输入轴转速为450rpm）故障：小齿轮个别齿断齿或严重磨损齿轮箱状态监测与故障诊断技术4、齿轮箱故障的噪声诊断除频率单的纯音外，一般声音都是由许多不同频率、不同强度的纯音组合而成。
以声压级为纵坐标，频率的横坐标绘制成的噪声特性曲线称为噪声频谱图。
噪声频谱能形象地反映出声音的频率分布和声级大小的关系。
在噪声监测中，将动态范围内大的连续声谱(20～20000Hz)划分为若干个部分，每个部分叫做频带。
f0、f1、f2分别为该频节的中心频率、最低频率、最高频率。
n 决定频带的倍频程数。
n=1时称为倍频程；n=1/3时称为1/3频程。
012f f f =g 212n f f =g。