城管强拆【综述】齿轮箱故障诊断方法综述-苏州吾纳德传动技术有限公司

【综述】齿轮箱故障诊断方法综述-苏州吾纳德传动技术有限公司

作者：WTT 整理
齿轮箱系统是旋转机械系统，其故障诊断的研究内容主要包括故障机理研究、故障信号的采集、故障特征信号的提取、故障模式的识别。
故障信号的处理主要有以下两种方法：
1. 经典谱分析方法，又可分为时域分析法和频域分析法。
时域分析法通常指用时域波形计算出参数指标，它是最简单的分析方法，通常适用于明显的周期信号、瞬态冲击信号、简谐振动信号。该法实用性较强，但对复杂结构和故障耦合信号处理能力较差，属于故障处理的初级阶段。
频域分析法是基于1807年傅立叶提出的傅立叶变换（Fourier transform，FT）的最基本的信号处理方法爱情创可贴 。FT的缺点是缺乏信号局部信息姚玙璠，只适合线性平稳信号的分析。主要有包络分析（enveloping analysis）、全息谱分析（holospectrumanalysis）、细化谱分析（zoom spectrum analysis）、倒谱分析（cepstrum analysis）、高阶谱分析（higher orderspectrum analysis）等。
当齿轮箱出现故障时，其振动信号中包含的故障信息通常以调制的形式出现，提取故障信息就是将故障信号从高频调制信号中解调出来。包络解调又叫解调谱分析，常用方法有希尔伯特变换解调、循环平稳解调、能量算子解调、绝对值分析解调、平方解调、检波滤波解调等。梁佩诗
1989年，L.S.Qu等提出了全息谱分析。它是基于FT，将求得的不同通道信号的振幅、频率、相位信息进行集成的方法，观察更直观。
细化谱分析是增加频谱中某些部分频率分辨率的分析方法。
倒谱是信号的FT谱经对数运算后再进行傅立叶反变换的分析方法hit制造机 ，它对信号传递路径的影响不敏感。城管强拆
高阶谱是分析非平稳信号的一种方法，是处理非线性、非高斯信号的一种有力的频域处理工具，它能够定量描述信号中的非线性相位耦合特征，理论上有降噪作用，是近年来研究热点之一。
频域解调分析的局限性：（1）多故障诊断中的比较接近的高频成分相互交叉；（2）解调过程中，会将不包含故障信息的两个频率之差作为调制频率解调出来；（3）检波滤波解调易造成混频效应。这些现象都易造成误诊。
2. 时频分析法
FT的目的是将时域信号转换到频域进行分析，其中时域和频域是相互独立的，主要适用于平稳信号。FT不能反应信号频率的时间特性。所以时频分析是齿轮箱故障分析的有效方法。主要时频分析方法有Wigner-Ville分布、短时傅立叶变换、小波分析、局部特征尺度分解、局域均值分解、经验模态分解、Hilbert-Huang变换、最小熵反褶积等。
1932年E.P.Winger提出时频联合分析概念，并应用于量子力学。1948年J.Ville提出Wigner-Ville分布（Wigner-Ville Distribution，WVD）,WVD具有较好的时频聚集性和很好的时频分辨率星斗盘之约，但WVD存在交叉项，给信号的识别带来困难。如何消除交叉项是WVD研究的重点。
1947年R.K.Potter、G.Kopp和H.C.Green等提出短时傅立叶变换（shot time Fourier transform，STFT）。STFT本质上是一个加窗的FT，使用滑动窗截取信号，然后对截取的信号再进行FT,这样可以得到任意时刻的频谱红怜宝鉴 。通过加窗可以将时变的非平稳信号在一小段时间内看作近似不变的肛塞吧 ，所以适用于缓变的非平稳限号。STFT是最小熵反褶积线性时频变换。
1977年Ralph Wiggins提出最小熵反褶积法（minimum entropydeconvolution，MED）,对卷积求解具有划时代意义，2007年N.Sawalhi首先将该方法应用与故障诊断。它是以最大峭度作为迭代终止条件寻找一个最优的逆滤波器，进而提高信号的信噪比。
1984年法国地球物理学家Morlet在研究地球物理信号时首次提出小波变换（wavelet transformation，WT）。WT本质上是在信号上加一个变尺度滑动窗截取信号进行频谱分析，这克服了STFT的窗宽度不变到来的缺陷。WT的主要缺点是小波基函数的选择至今没有一个合适的判断标准和选择依据，这可能会歪曲原信号本来的物理特征。
1998年N.Huang、Z.Shen、S.R.Long提出经验模态分解法（empirical mode decomposition，EMD）,适用于非线性和非平稳信号的分析,之后进一步提出Hilbert-Huang变换大卡司菜单。它从局部时间尺度出发，得到不同尺度的本征模态函数，且能获得比WT更高的时频分辨率。EMD主要问题是模态混淆、端点效应、欠包络和过包络等问题。解决这些问题是目前的研究方向之一。
2005年J.S.Smith提出局域均值分解（local mean decomposition，LMD），近年来该得到广泛应用，它具有自适应性。LMD与EMD相比，LMD在抑制和消除欠包络和过包络及较少迭代次数方面有明显的优势,但还存在模态混叠和计算量大等问题。
2006年M.G.Frei提出本征时间尺度分解法（intrinsic time-scaledecomposition，IDT），它能将一个多分量信号分解成若干个合理旋转分量之和，每个旋转分量的瞬时频率都有物理意义。该算法速度快，适合在线诊断，但该法仍存在模态混叠等问题需要进一步解决。
2009年Z.H.Wu、N.E.Huang提出集合经验模态分解法（ensemble empirical mode decomposition再续大明时，EEMD）,它在EMD基础上借助白噪声有效的抑制了模态混叠现象。使用白噪声频谱均匀的特性，可以将不同的时间尺度信号自适应的分配到合适的参考尺度上，同时根据白噪声均值为零的特性，经过多次平均消除所加噪音。
2010年R.J.Yeh、J.S.Shieh提出互补集合经验模态分解法（complementary EEMD,CEEMD）,CEEMD是EEMD的改进，改进了EEMD完备性较差的问题，但CEEMD在去除高频噪音时会压制高频的有效信息。
2010年N.Rehman、D.P.Mandic提出多元经验模态分解法（multivariate EMD,MEMD）,是EMD的自然延拓，用于处理实测的多变元信号。
2012年Geoff L.McDonald、Qing Zhao、Ming J.Zuo提出最大相关峭度反褶积法（maximum correlatedkurtosis deconvoltuion，MCKD）,提出了相关峭度的定义，对同一振动信号，寻找一个逆滤波器使它的相关峭度达到最大。MCKD仅适用于齿轮箱的恒转速固始房产网，这是它的局限性。
2013年C.Peter、F.Chenwu、N.E.Huang提出导数优化的经验模态分解法（derivative optimized EMD,DEMD）,在端点采用Hermite正交多项式，可以解决高频成分相对偏离较大的问题。
综上娇诗韵，风电齿轮箱的输入是时变的，所以导致它的振动信号是不平稳的，且有强大的背景噪音，这些噪音可能会淹没故障振动信号。此外，当齿轮箱有不止一处故障时，故障信号可能是多个故障的耦合，这进一步使故障的诊断变得复杂。
如，王志坚等使用CMF-EEMD-CAF组合方法研究了风电齿轮箱复合故障的诊断方法，成功找到了故障源，并指出了故障机理，改进了产品结构。组合模态函数（combined mode function崛越二郎，CMF）,循环自相关函数解调（cyclic autocorrelation function，CAF）。CMF-EEMD-CAF组合弥补了EMD模态混叠现象，提高了EEMD的分解精度。
使用以上方法或几种方法的组合进行故障诊断，对强背景噪音下的多个故障的特征信号的提取是目前风电齿轮箱故障诊断的主要研究方向之一。

参考文献：
1. 王志坚，齿轮箱复合故障诊断方法研究[M]，兵器工业出版社，2017.
2. 王靖岳，齿轮传动系统的非线性随即动力学与故障辨识[M]，科学出版社，2017.
3. 梅检民，肖云魁，齿轮箱早期故障精细诊断技术—分数阶傅立叶变换原理和应用[M]，高等教育出版社，2016.
4. 丁康，李巍华，朱小勇，齿轮及齿轮箱故障诊断实用技术[M],机械工业出版社，2005.
5. 申永军，杨绍谱，齿轮系统的非线性动力学与故障诊断[M],科学出版社，2014
E-mail：office@wtt-suzhou.com
Suzhou Walnut Transmission Technology Co.，ltd
Perfect Design Comes From Profession AndExperience