齿轮箱故障诊断.doc

《齿轮箱故障诊断.doc》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、基于小波分析风力发电齿轮箱的故障诊断摘要为研究风力发电机齿轮箱的故障诊断特性，提出采用小波分析。根据理论分析建立简单的齿轮故障信号模型，采用小波进行降噪处理，并对去噪信号进行分解得到细节部分，利用小波变换获取故障信号的细节参数,然后对细节部分进行进一步分析，本文是通过希尔伯特包络谱分析提取非稳态的故障特征，来对齿轮箱故障进行诊断和确定故障具体位置。关键词：小波分析风力发电齿轮箱1、齿轮箱的故障分析风力发电机组传动系统包过一个齿轮箱、离合器和一个使风力发电机在紧急情况下停止运行的刹车系统。风力发电机通常利用齿轮箱把风轮的低转速提高到能使发电机发电的转速，如果齿轮箱发生

2、故障，就很容易造成设备损坏。在齿轮箱故障中，齿轮折断和齿面疲劳故障的发生率较高，还有齿面点蚀、胶合、齿根断裂、轴承损坏、渗漏油等其他常见故障。2、齿轮箱故障诊断方法齿轮箱在故障运行过程中，不同故障部位和原因会对齿轮箱的振动信号产生不同的影响，使得振动信号在时域和频域发生变化，在相同频带内，不同状态信号的能量就会出现明显不同。在齿轮箱故障诊断中应用小波变换的思想是把原始振动信号先分解成近似信号和细节信号，然后把分解得到的近似信号继续分解为近似信号和细节信号,依此类推,可以分解到N层的近似信号和细节信号。为了将分解后的低频信号和高频信号的时间分辨率提高到原始信号的时间分

3、辨率，对分解后的信号进行重构。小波分解得到的近似信号是信号的低频部分，细节信号是信号的高频部分。在物理信号中，低频部分是表征信号本身特征的，而高频部分则是表征信号的细微差别，小波变换得到的近似信号是齿轮箱正常状态下的信号,而细节信号表征的是齿轮箱的故障信号。基于小波分析的一维信号消噪原理如下:由于实际的工程应用中，有用信号通常表现为低频信号或是一些比较平稳的信号，而噪声信号则通常表现为高频信号。所以在进行消噪过程中可以按照如下的方法进行处理:首先对需要处理的信号(有用信号加噪声)进行小波分解，则噪声部分通常包含在每一次分解的高频部分中，因此，可以以门限阈值等形式对小

4、波系数进行处理，然后对信号进行重构即可以达到消噪的目的。所以，一维信号的消噪过程可以分为三个步骤进行:(1)一维信号的小波分解：选择一个合适的小波并确定一个小波分解的层次N，然后对信号进行N层小波分解。(2)小波分解高频系数的阈值量化：对第1到第N层的每一层高频系数，选择一个阈值进行软阈值量化处理。(3)一维小波的重构：根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N层的高频系数，进行一维信号的小波重构。3、建模与仿真根据齿轮箱出现故障时的振动机理和调制现象分析，以及故障信号在频域中呈现边频带分布的特点，我们可以通过matlab软件对振动信号出现故障时进

5、行仿真，在此对故障齿轮进行分析，对于啮合频率的振动模型，振动信号幅度调制和频率调制都存在时，只考虑单频率调制情况，可以建立以下模型:式中A为信号幅度，fn为调制频率（轴的旋转频率），B为调幅的调制指数，为调频的调制系数，fz为载波频率（齿轮啮合频率）。上式说明了旋转频率为fn的轴上的齿轮出现故障时，产生了调制现象。使可构造简单的齿轮出现故障时的故障信号来进行分析，用Matlab对构造的信号进行仿真分析，时域和频域图形如下：图1齿轮出现故障时的振动信号图2故障信号的功率谱图由功率谱图可以发现振动信号的频域会产生以齿轮啮合频率及其谐波为载波频率,齿轮所在轴转频及其倍频为

6、调制频率的啮合频率边频带，说明了相对应的轴上的齿轮可能出现了故障。但对于现实中的故障信号，信息相当复杂，不可能得到如此简单清晰的频谱图，而且绝大多数都是非稳定信号，直接对信号进行傅里叶变换不太实用，通过直接对信号进行频谱分析，很多情况下根本得不到想要的信息。在实际采集的信号中常含有噪声，只有通过降噪才能有效地变现出原始信号的信息，通过分析可知噪声主要分布在高频区域，可应用Matlab软件中的randn函数产生一个均值为0、方差为1的正态分布序列的信号，把该信号作为高频的噪声信号，并加到原有的故障信号上，构成含有噪的信号，来进行含噪信号的仿真，波形如下：图3加噪声的齿

7、轮故障信号采用sym6小波对加噪的故障信号进行分析，对信号进行4层分解，用无偏似然估计的阈值选取原则选取阈值，并用软阈值对小波系数进行量化处理，来进行小波去噪，去噪后的信号波形如下：图4去噪后的齿轮故障信号下面对去噪后的齿轮故障信号进行分析，我们采用db4小波对去噪信号进行4层分解，分解后得到小波的细节信号，程序和细节信号图形如下：t=1:512;t=t*1/2048;y=2*cos(2*pi*20*t).*cos(2*pi*100*t+0.2*sin(2*pi*20*t))+2*cos(2*pi*100*t)signal=y+randn(1,512);wnam