含行星轮局部故障的行星齿轮箱振动仿真及实验研究EI北大核心CSCD

针对现有行星齿轮箱局部故障振动仿真模型使用小波变换和加窗振动分离技术进行故障诊断时效果不明显的问题,提出了一种以齿轮啮合冲击响应和齿轮啮合顺序为基础的行星轮局部故障振动仿真模型。以齿轮啮合冲击响应为基础,仿真正常齿和故障齿的单次啮合冲击振动响应;计算每次齿轮啮合的时间点,按照轮齿啮合顺序使用单次啮合冲击振动响应进行拼接,综合考虑振动信号的时变传递路径和太阳轮、行星轮和行星架转频的调制影响;建立了满足加窗振动分离技术故障特征提取的行星轮局部故障振动仿真模型。通过与行星齿轮箱的试验平台实测振动信号和振动仿真信号的分析对比,验证了所建立模型的正确性。     

局部均值分解和排列熵在行星齿轮箱故障诊断中的应用EI北大核心CSCD

目前行星齿轮箱已经在军用和民用装备中广泛应用,研究行星齿轮箱的故障诊断方法意义重大。针对行星齿轮箱在运行时产生的非线性非平稳振动,且故障特征信号微弱等问题,提出一种结合局部均值分解和排列熵的行星齿轮箱故障诊断方法。利用局部均值分解方法将不同状态下的振动信号分解为多个乘积函数分量,针对包含有故障信息的分量进行排列熵计算,以此判断故障类型。最后通过采集行星齿轮箱故障模拟试验台三种状态(齿轮正常、太阳轮裂纹故障及行星轮裂纹故障)的振动信号,对其进行局部均值分解和排列熵计算,验证了此方法的有效性。     

Hilbert-Huang变换在行星齿轮箱故障诊断中的应用

提出了一种基于Hilbert-Huang变换的行星齿轮箱轴承故障诊断的新方法,叙述了该方法的基本原理.测量了行星齿轮箱轴承的故障振动信号,并用经验模态分解方法将振动信号分解成不同特征时间尺度的固有模态函数,然后对固有模态函数进行边际谱和能量谱分析,就可识别齿轮箱轴承的故障部位和类型.齿轮箱轴承故障振动实验信号的研究结果表明:该方法能有效地识别轴承的故障.     

幅值和相位解调的行星架裂纹故障特征提取

在介绍行星架裂纹故障对行星齿轮箱振动信号影响的基础上,结合同步平均、振动分离和窄带解调技术,提出一种基于幅值、相位解调的行星架裂纹故障特征提取方法。该方法对原始振动信号进行角域同步平均,消除转速波动、行星轮等其他旋转部件的影响;通过振动分离技术重构信号,并对重构信号进行同步平均得到行星架振动分离信号;通过窄带解调获得行星架的幅值和相位特征。通过观察幅值和相位的变化,提取行星架裂纹故障特征。行星齿轮箱故障实测信号分析结果表明该方法可有效提取行星架裂纹故障特征。     

行星齿轮箱齿轮组合故障振动频谱特征

行星齿轮箱的局部故障容易发展成为组合故障,复合故障频谱特征与局部故障有明显区别。研究太阳轮与齿圈、太阳轮与行星轮、行星轮与齿圈等组合故障频谱结构对行星齿轮箱故障诊断具有重要意义。考虑组合故障对振动信号的调幅-调频作用,以及时变振动传递路径的调幅作用,建立了组合故障振动信号模型,推导了Fourier频谱公式,总结了组合故障的频谱特征规律。推导了太阳轮与齿圈、太阳轮与行星轮、齿圈与行星轮两两组合故障以及太阳轮、行星轮与齿圈三种齿轮同时故障的特征频率计算公式。通过行星齿轮箱实验信号分析验证了理论推导结果,基于Fourier频谱分析诊断了太阳轮与齿圈、太阳轮与行星轮、齿圈与行星轮组合故障。     

行星齿轮传动装置振动超标问题的分析与排除

某带行星齿轮减速器的发电机组在满负荷额定转速工况下,出现减速器轴承及发电机后轴承处横向振动偏大的故障现象。通过振动频谱分析,确定了减速器的三个行星轮的装配精度偏差是机组振动偏大最主要的影响因素。在重新拆检复装后,提高行星轮与内齿圈的装配精度,验证试验结果表明,机组振动偏大的故障现象即可消除。     

裂纹故障对行星齿轮传动系统动力学特性的影响

针对行星传动装置动态特性复杂、故障率高的问题,拟从动力学角度探索行星传动系统的故障机理。采用改进能量法,仿真分析正常与含裂纹齿轮时变啮合刚度,考虑时变啮合参数影响,运用集中参数法建立了行星齿轮传动系统动力学模型;求解得到了正常与含故障齿轮传动系统动态响应,并对比分析了裂纹故障对动力学特性的影响;通过台架实验,分析了裂纹故障对齿轮动态响应的影响,结合小波分析与EEMD方法对齿轮振动信号进行频谱分析,并对比分析了正常与故障齿轮的频域特性差异,揭示了行星齿轮传动系统的故障机理。研究表明:所建立的动力学模型精度较高,能够很好地描述含故障齿轮传动系统的动力学特性;由于裂纹故障引起传动系统振动的调制效应,导致在齿轮啮合频率附近出现明显边频带,故障齿轮箱的振动能量主要集中在高频段。     

时变工况行星齿轮箱对数时频脊阶次谱故障特征提取

风电机组齿轮箱工作于强噪声且变转速变载荷的工况下,其振动信号非常复杂。建立了一个时变转速变载荷的行星齿轮箱振动信号模型。提出了时频脊阶次谱故障特征提取方法。对振动信号进行Wigner-Ville时频变换,取对数后进行重排;采用Crazy climber方法提取对数重排时频谱图中的峰值脊线;将脊线转换为时频脊阶次谱。通过仿真信号与转速、载荷连续波动实验数据表明,对数时频脊阶次谱故障特征能够为时变复杂工况行星齿轮箱故障预警提供有效的依据。     

基于变分模式分解的行星齿轮箱齿轮组合故障频率解调分析

行星齿轮箱组合故障振动信号具有多源调制特点,在频域内边带结构复杂,通过常规Fourier频谱分析难以有效提取故障特征;组合故障振动信号的调频部分包含故障信息,且不受传递路径影响。为了准确提取行星齿轮箱组合故障特征,提出基于变分模式分解的频率解调分析方法。根据采样频率和载波频率确定单分量个数,通过变分模式分解将多分量信号自适应地分解为一系列本质模式函数;计算本质模式函数的瞬时频率,根据中心频率和啮合频率的匹配关系选取敏感单分量;通过分析敏感单分量瞬时频率频谱诊断组合故障。通过仿真信号和实验信号分析验证了方法的有效性,诊断了太阳轮与行星轮、太阳轮与齿圈、行星轮与齿圈的组合故障。     

基于振动信号分离的行星轴承故障特征提取

由于行星轴承振动信号传递路径的时变性,且行星齿轮箱中齿轮啮合振动信号较强,导致行星轴承故障特征提取较为困难。为此,提出了一种基于振动信号分离的行星轴承故障特征提取方法。该方法首先采用阶比分析技术将原始振动信号进行等角度采样;每当行星架旋转一周,采用Tukey窗进行加窗截取,按照啮合齿序重新拼接,构造振动分离信号。再采用离散随机分离从振动分离信号中提取行星轴承故障分量;最后进行包络谱分析提取故障特征。行星轴承内圈故障实测信号分析表明,该方法能有效提取行星轴承故障特征。     

基于最大相关峭度解卷积行星齿轮箱微弱故障诊断#br#

最小熵解卷积(MED)是一种常规的微弱故障特征提取方法,对局部故障脉冲有比较好的提取效果,但是对于含有周期性故障脉冲的振动信号,故障特征识别率比较低。微弱故障时候的行星齿轮箱产生的振动信号通常是周期性的,MED不能取得比较好的识别效果。针对行星齿轮微弱故障特征难以提取的问题,将最大相关峭度解卷积(MCKD)方法应用到行星齿轮箱微弱故障特征提取中。MCKD避免了最小熵解卷积对周期性冲击识别度低的缺点,同时可以有效抑制行星齿轮箱中谐波和噪声分量,准确地识别出行星齿轮箱所处状态。为了验证该方法在行星齿轮箱中的应用价值,将两种方法分别应用在传动系统综合诊断平台收集到的振动信号中,结果表明MCKD算法对于行星齿轮箱微弱故障识别有比较好的效果。     

参数优化最大二阶循环平稳盲解卷积行星轮轴承故障提取EI北大核心CSCD

在行星齿轮箱振动中,齿轮相关振动分量通常具有较大的能量,同时轴承滑移会造成行星轮轴承故障对应振动分量的特征频率获取困难。为此,提出一种基于参数优化最大二阶循环平稳盲解卷积(cyclostationary blind deconvolution, CYCBD)的行星轮轴承故障提取方法。该方法针对CYCBD技术在轴承滑移条件下难以获取循环频率和滤波器长度的问题,以改进的包络谱故障特征比(improved envelope spectrum fault feature ratio, IFFR)指标作为粒子群算法的适应度函数,自动获取CYCBD算法中实际的循环频率和优化滤波器长度,利用参数自适应的CYCBD算法增强了轴承故障冲击。通过解卷积结果的平方包络谱反映轴承故障特征,达到准确提取故障特征的目的。故障仿真和试验研究结果表明,该方法可以有效提取行星轮轴承故障特征。     

基于包络角域加窗同步平均太阳轮故障特征提取EI北大核心CSCD

行星齿轮箱广泛应用于风电机组等大型装备中,其振动特征提取在故障诊断领域有重要意义。但由于存在非平稳、调制、传递路径复杂、传递路径具有时变特性等特点,导致故障响应微弱,往往被强背景噪声所湮没。主要针对包络分析、加窗同步平均、计算阶比跟踪相结合,提出了一种适合弱特征信号解调、时变传递路径及变速工况的包络角域加窗同步平均技术。Tukey窗函数对故障振动信号进行加窗处理,希尔伯特变换(Hilbert)获取故障复包络信号,计算阶比跟踪对复包络信号进行等角度重采样,转换为准平稳角域信号,然后进行同步平均。该方法对太阳轮故障实测振动信号进行分析,实验结果表明,所提出方法能够有效地提取太阳轮故障的特征信息。     

考虑信号传递路径的行星齿轮传动太阳轮裂纹故障响应分析

为研究振动信号传递路径对行星齿轮传动系统太阳轮裂纹故障响应的影响，采用有限元法建立齿圈结构动力学分析模型，对比分析了考虑与未考虑传递路径的齿圈振动响应，验证了模型中传递路径的时变效应以及模型的有效性。开展了太阳轮裂纹故障试验，采用快速谱峭度法（Fast Spectral Kurtosis,FSK）对实验信号进行降噪以及故障特征提取，验证了太阳轮裂纹故障仿真结果的准确性。结果表明：仅考虑与太阳轮故障齿啮合的行星轮的传递信号时，故障信号在路径中的传递随距离增加呈现不断衰减趋势；当考虑所有行星轮的传递信号时，故障信号出现调制现象，随传递距离增加呈现衰减或增加趋势。     

基于阶次分析技术的行星齿轮箱非平稳振动信号分析

行星齿轮箱启动、停止和负载发生变化时,转速会发生变化并使得行星齿轮箱的振动信号具有明显的非平稳特性。行星齿轮箱复杂的结构特征导致了振动信号的复杂性,使得常规的频谱和解调分析方法难以识别时变工况下的行星齿轮箱故障特征频率。本文在行星齿轮箱故障特征频率的基础上,考虑转速变化特征,总结了行星齿轮箱太阳轮、行星轮及齿圈的故障阶次特征表。通过对行星齿轮箱变转速工况下太阳轮故障实验信号的阶次分析,实现了变转速情况下行星齿轮箱太阳轮故障诊断,并与传统的频域信号分析方法比较,体现了阶次分析技术在行星齿轮箱变工况故障诊断过程中的优势。     

基于瞬时角速度信号窄带解调的太阳轮故障检测

由于时变传递路径以及振动传感器受测量频率下限的限制，及在转速较低工况下基于常规振动信号的太阳轮故障检测较为困难。对此，结合编码器信号的优势，提出一种基于编码器信号窄带解调技术的太阳轮故障检测方法。首先使用T法对光栅式编码器角度信号进行采集，然后使用向前差分法获得瞬时角速度(instantaneous angular speed, IAS)信号，随后使用角域同步平均抑制非同步干扰分量，最后通过窄带解调实现太阳轮故障检测。同时，在所提方法中提出一种基于峭度的解调频带选择策略和一种基于相位解调函数相位变化率的故障特征增强方法。实验证明IAS信号可以有效克服常规振动检测方法的不足，并验证了所提出方法能有效实现对太阳轮故障的检测。     

张力拉矫机的二自由度行星齿轮减速箱故障诊断研究

张力拉矫机是生产带钢非常重要的关键性设备,某钢厂冷轧酸洗线的张力拉矫机主减速箱是二自由度差动轮系结构,行星包中的太阳轮、行星轮和大齿圈、行星架都同时运转,其运行轨迹复杂。为研究1#锥齿减速箱和主减速箱振动大的原因,对其进行振动信号测试和频谱分析,分析结论得出,引起主减速箱和1#锥齿减速箱振动大的主要原因是主减速箱中行星包中齿轮啮合不良,并且推测出行星轮有严重损伤。实际检测结果表明,基于传统的频谱分析能够识别出行星齿轮箱的故障。     

基于Hilbert振动分解和高阶能量算子的行星齿轮箱故障诊断研究

行星齿轮箱广泛应用于各种机械设备中,其故障诊断问题是近年来的研究热点之一。提出了基于Hilbert振动分解和高阶微分能量算子的故障诊断方法。Hilbert振动分解计算复杂性低,能够将复杂信号分解为单分量,应用该方法对信号进行分解,满足高阶微分能量算子的要求。高阶微分能量算子的时间分辨率高,对信号的瞬态变化具有良好的自适应性,应用该方法检测故障引起的瞬态冲击,估计信号的幅值包络和瞬时频率。对高阶微分能量算子输出以及幅值包络和瞬时频率进行Fourier变换,通过频谱识别特征频率,从而诊断行星齿轮箱故障。分析了行星齿轮箱的仿真信号和实验信号,准确地诊断了太阳轮、行星轮和齿圈的故障,验证了该方法的有效性。     

应用SDP点对称特征融合图像的行星齿轮箱故障诊断

行星齿轮箱的内部结构复杂，其振动信号呈现非线性、非平稳特点，通过对比两种对原始振动信号处理的方法，应用点对称特征融合图像（Symmetrized Dot Pattern,SDP）达到故障诊断的目的。第一种方法是将采集到的振动信号进行变分模态分解（Variational Mode Decomposition,VMD）并将各阶IMF分量通过SDP转换为极坐标图像；第二种方法是将多测点采集到的原始振动信号直接通过SDP将时频信号转换为极坐标图像；利用卷积神经网络（Convolution Neural Network,CNN）对两种不同方式的SDP图像进行识别分类。通过行星齿轮箱故障实验台验证，结果表明时频融合能够更有效地实现故障诊断且分类准确率高达98.5%。     

基于遗传编程的无量纲指标在行星齿轮箱故障诊断中的应用

针对传统的信号处理方法较难获取行星齿轮箱故障特征和有量纲指标在变工况情况下诊断失效的问题,提出将无量纲指标应用于行星齿轮箱故障诊断的方法。首先分别计算行星齿轮箱在不同故障模式下振动信号的七个无量纲指标,然后用遗传编程的方法构建新的复合诊断指标,最后将该复合诊断指标在变载荷、变转速工况下对不同的故障模式进行区分。实验结果表明,该方法可以识别行星齿轮箱在不同工况下的故障状态,验证了其有效性。