| 摘 要： | 目前故障诊断方法的研究开发十分活跃,除传统的谱分析、幅域分析、时域分析、建模等方法外,时频分析、神经网络、小波变换等崭新的分析方法相继进入机械设备诊断领域.在众多的方法中,幅域参数方法以其计算简单,并能较好地反映机器的运行状况而被广泛采用.机械故障诊断中常用的无量纲幅域参数有:波形指标(Shape Factor),峰值指标(Crest Factor),脉冲指标(Impulse Factor),峭度指标(Kurtosis Value)和裕度指标(clearance Factor)等.对这些无量纲指标的基本要求是:(1)对故障和缺陷足够敏感;(2)对信号的幅值和频率不敏感,即与机器的运行工况无关,只依赖于信号的幅值概率密度函数.对于齿轮,在正常情况下,振动信号的幅值概率密度函数是接近正态分布的,属于平稳或弱平稳过程.但当出现疲劳剥落、断齿时,就会引起冲击,信号的幅域参数将会发生变化,幅值概率密度函数也将偏离正态分布,具体说来,小幅值的概率密度上升,中央的峰更陡峭;大幅值的概率密度也上升,使两端向外延展和隆起.为了了解各参数与概率密度函数之间的关系,下面从概率密度函数入手加以分析.为了计算简单起见,根据故障发生后概率密度函数的形状,将其归一化后简化为如图1所示.
|
