基于小波包和包络谱的齿轮箱异响分析.kdh

《基于小波包和包络谱的齿轮箱异响分析.kdh》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、汽车工程学报2011.11第1卷第5期基于小波包和包络谱的齿轮箱异响分析杨诚，夏鲁宁，杨振冬小波包分解（声学信号）最佳的小波基函数。频带能量分析，明显差异的小波包系数进行重构，最后对重构信号进行包络分析提取故障特征。没有介绍小波内容，损伤部位时将产生周期性脉冲冲击响应，齿轮箱是典型的非平稳信号，傅里叶分析针对平稳信号的整个频段比较有效，但多次平均容易淹没微弱的特征，小波包分解克服了傅立叶变换中时频分辨率恒定的弱点，小波包分析不但对低频部分进行分解，而且对高频部分也做了进一步分解，包络分析：滤波，解调，滤掉包络分析对设备零部件损伤的检测非常有效，尤其是对初期故障和信噪比低的故障信号具有

2、非常强的识别能力。齿轮箱异响信号呈非平稳时变特征并伴随有强烈的背景噪声，介绍了基于小波包分解、频带能量分析和包络谱相结合的齿轮箱异响分析方法。首先对采集到的齿轮箱声学信号进行小波包分解，对该信号进行小波包能量化分，然后对照正常和异响发动机信号的能量特征向量，对明显差异的小波包系数进行重构，最后对重构信号进行包络分析提取故障特征频率为16.5Hz，与实际的故障特征频率相近，表明该方法适用于齿轮箱的故障分析。正文齿轮箱内部结构复杂，发动机转速不稳，壳体噪声辐射，线上诊断的强背景噪声等影响，使采集到的信号频谱非常复杂，是典型的非平稳信号傅里叶分析是针对平稳信号的整个频段进行分析，对整体频谱

3、的体现比较有效，但多次平均容易淹没微弱的特征，所以对非平稳复杂信号的特征提取显得捉襟见肘。随着计算机存储容量和运算速度的迅速提高以及信号分析理论和方法的研究开发，已有很多先进的信号分析方法在机械故障诊断中得到应用，其中小波包分解等先进的信号处理技术为故障诊断中这些难题的解决提供了理论基础。它为信号的时—频分析提供了有力的手段，可对信号的任意局部进行分析，而且其分析精度可变，是一种用加时窗进行分析的方法。在高频段，具有高的时间分辨率和低的频率分辨率，而在低频段，具有低的时间分辨率和高的频率分辨率，克服了傅立叶变换中时频分辨率恒定的弱点。因此它享有“数字显微镜”的美称。小波包分析是从小波

4、分析延伸出来的一种对信号进行更加细致的分解和重构的方法。小波包分析不但对低频部分进行分解，而且对高频部分也做了进一步分解，所以小波包可以对信号的高频部分做更加细致的刻画，信号的分析能力更强，精度更高小波包系数X30S30表示X30的重构信号对采集的故障信号而言，部分齿轮出现故障时，与之相互作用的元件通过损伤部位时将产生周期性脉冲冲击响应，脉冲冲击的周期就是故障冲击的周期，而小波能量谱反映信号在不同频段上的能量分布，并不需要精确地提取故障特征频率，只需对该频段进行重构从而放大其故障信息。包络分析是一种基于滤波检波的信号处理方法，在进行频谱分析之前，首先对声信号进行高通或带通滤波，滤掉低

5、频成分，然后对信号进行包络解调，提取附载在高频载波信号上的低频调制信号。最后经低频滤波，滤掉高频载波，剩下包络之后的低频信号。包络分析对设备零部件损伤的检测非常有效，尤其是对初期故障和信噪比低的故障信号具有非常强的识别能力。目前常用的包络解调分析方法有：宽带解调技术、共振解调技术、选频解调技术、Hilbert解调技术。本文采用Hilbert解调方法。它可以得到信号的幅值变换、相位变换和频率变换，。发动机转速对于异响信号影响较大，转速增加，发动机机体振动增大，同时其辐射噪声也会增加，这样容易检测到异响声，但转速过大容易引起发动机其它噪声，掩盖了异响信号。本文鉴于各种转速下异响信号的表现

6、程度，以及人工判别异响的常用转速，确定怠速1500r/min为采集信号的转速。以齿轮箱内易出现异响的机油泵从动齿轮为检测对象，其与曲轴齿轮间的传动比为0.65。信号采集系统由LMS公司的SCM01数采前端，混响场传声器，后分析软件LMSTest.Lab搭建组成。在小波分析当中,如何选取最佳的小波基函数并没有一套固定的准则可以遵循。一般是依照小波基函数的属性、被检信号的特征和所作分析的具体要求而定[9]。对于一般数字信号处理往往选择Harr(db1)或Daubechies作为小波基[10]db簇小波N即为小波基的消失矩。消失矩越大，它的支撑长度越大,滤波器越平坦，对应的频带能量越集中，

7、而且小波函数的振荡很强，符合异响信号脉冲振荡快的特性。在计算硬件允许的情况下，可选用消失矩大的小波基来保证信号平滑。异响机声信号的3层小波系数熵值图可以看出低频成分非常高，主要是发动机排气及环境噪声所致，不能表征信号特征。第7个小波系数在正常异响声信号中有明显差异，对异响信号的故障突出频段进行小波包重构，并做出包络谱，重构信号及包络信号分别如图6和图7所示。结论本文通过小波包对故障时域信号进行分解，将整个频带的特征投影到3层小波包空间，从频带能量的角度，对