齿轮故障诊断中地信号处理技术研究与展望

《齿轮故障诊断中地信号处理技术研究与展望》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据第28卷第3期齿轮故障诊断中的信号处理技术研究与展望文章编号：1004—2539120啤)03—000l一05齿轮故障诊断中的信号处理技术研究与展望(石家庄铁道学院，河北石家庄050043)申永军杨绍普刘献栋摘要重点讨论了各种信号处理技术在齿轮系统的故障诊断中的应用，包括：平稳信号处理技术，非平稳信号处理技术，非高斯和非白色噪声信号处理技术，非线性信号处理技术，盲信号分离技术，奇异值分解技术以及各种智能诊断技术。详细比较了各种信号处理技术的特点、应用范围和研究进展，并且指出了今后的若干研究方向，从而为齿轮系统的故障诊断和在线监测提供了依据，以保证齿轮系统的安全运行。

2、关键词齿轮故障诊断信号处理引言当前，随着机械设备向着高速、重载、精密的方向发展，对机械传动设备的要求越来越高。不仅要求能够传递较大的功率和载荷，而且要求传动系统本身必须具备较好的可靠一匪7，从而降低设备的运营成本并提高设备运营过程中的安全性。这样就使得设备的故障诊断技术得到了高速发展。齿轮作为一种广泛应用的传动设备，对其进行故障诊断的研究具有重要的理论价值和实际意义，因而已经在国内外成为研究热点。本文以齿轮系统作为研究对象，重点介绍齿轮的振动诊断技术中的信号处理方法。根据陈进¨J的研究，当前信号处理的前沿方向可概括为七个“非”字，即非平稳、非高斯、非线性、非最小相位、非因果

3、、非整数维、非白色噪声等。其中非最小相位和非因果信号处理技术目前尚未在故障诊断中得到应用，下面我们分几个方面来介绍其它信号处理技术在齿轮故障诊断中的应用并讨论今后的发展方向。1齿轮故障诊断中的信号处理技术1．1平稳信号处理技术基于平稳信号的诊断方法是最早在齿轮故障诊断中获得应用的。早在1982年，R．B．Randalll2J在他的经典论文中就介绍了一些常见的齿轮故障模型及其信号的频谱特性。1．1．1平稳信号的F0uIier谱分析技术提取运行中的齿轮振动信号并进行频谱分析，是包括齿轮在内的机械故障诊断中应用最广泛的一种方法。其基本原理是对采集到的齿轮振动信号直接进行快速Fou

4、rier变换，通过分析频谱中的成分，可以粗略判断一些比较严重的故障，如断齿、齿面严重损伤等。为了提高频谱分析质量，提出了许多改进频谱的细化措施，关于提高频谱质量的研究在文献[3]中进行了综述。1．1．2平稳信号的时间序列分析对于直接进行频谱分析比较困难的情况，如采集的信号序列较短，或者Fo嘶er变换不能将相互靠近的两个频率分开时，采用时间序列分析(也称参数模型的谱分析)是一种较好方法。常用的时间序列模型有ARMA模型、AR模型以及撇模型。关于各种模型的特点、算法以及适用领域可参考文献[4]。除了进行谱分析外，时间序列分析还可以用于系统的稳定性判断，求取系统的频响函数以及预测

5、设备状况的未来趋势等L5J。1．1．3平稳信号的其它分析方法对于采集到的设备振动信号，不可避免地会受到噪声的污染。为了提高信噪比，还发展了其它一些方法。如时域平均方法，倒频谱分析，共振解调技术等。时域平均方法也称相干检波，主要原理是以一定的时间间隔对所测得的信号进行分段，然后将各信号段进行叠加再平均，这样可以在一定程度上消除信号中的随机干扰和非周期成分，从而提取出信号中的周期成分。倒频谱可将复杂的卷积关系变成简单的线性叠加，因此能够将输入信号与传递函数区分开来，便于识别，同时能够区别因调制引起的周期分量，从而诊断出调制源。而共振解调技术主要用于识别淹没在强烈噪声中的冲击脉冲

6、信号。以上介绍的这些方法都属于比较经典的故障信号分析方法，对于一些常见的齿轮故障其分析结果也比较理想。但是随着设备状况的日益复杂和对诊断质量的要求越来越高，许多新的方法逐渐应用到齿轮系统的故障诊断中。1．2现代信号处理技术1．2．1非平稳信号处理技术当齿轮存在故障或者输入力矩存在波动时，采集到的齿轮振动信号实际上是非平稳信号，尤其是当为了更好的进行故障诊断，万方数据2机械传动2004年需要在启动或者停机阶段采集信号时。研究非平稳信号处理的一种常用技术为时频分析。L．cohen的专著№J为研究非平稳信号的经典著作，他详细叙述了时变频谱在时频平面上的分布特性、计算方法、尺度表示

7、以及各种算子问题等。国内张贤达[7]和王宏禹[8]的专著也是研究非平稳信号的精品。非平稳信号分析在齿轮故障诊断中的应用已有大量的研究成果发表。如w．J．wang和P．D．Mcfaddenl9J研究了齿轮故障信号在时频平面的分布，发现不同类型的故障在时频平面具有不同的特性，从而可以对齿轮故障进行分类。邵忍平¨0J等采用时频分布方法在时频域对系统的非线性时变特性进行研究，并与ARMA法和HilBert变换法进行比较，表明该方法对齿轮故障识别较好。孟庆丰⋯等研究了短时Fourier变换和wigner分布在齿轮故障中的应用