一種大型低速重載齒輪箱故障診斷的方法
2023-09-22 17:17:10
專利名稱：一種大型低速重載齒輪箱故障診斷的方法
技術領域：
本發明涉及一種大型低速重載齒輪箱故障診斷的方法，利用兩個齒輪所在軸的軸頻fri和嚙合頻率fm，考慮齒輪的長周期和短周期故障，對比雙特徵判據進行判斷，並利用小波分析進行更精確判斷的方法，屬於大型低速重載齒輪箱故障診斷領域。
背景技術：
企業進行機械故障診斷，主要是判斷機械零件失效(劣化)程度。平穩功率振動主要由正弦信號、類正弦信號及部分不足引起衝擊的隨機信號，這一部分信號在常規譜圖中反映為不同頻率的棒線或倍頻棒線族。而衝擊性功率的振動特徵可清晰地反映在共振解調譜圖上，並也以與零件特徵頻率相等的棒線或倍頻棒線族的形式出現；隨機衝擊則以全頻雜亂譜線族的形式出現於共振解調譜上。它們可以通過傳統的傅立葉變換得到，但是傳統傅立葉分析也有其局限性，它不具有局部定位能力。
安邦健在《設備管理維修》1998，No.6中提出故障診斷「雙特徵判別法」來進行齒輪的故障診斷齒輪總是以一對嚙合齒輪的形式出現的。以圖1齒輪箱為例，Z1在I軸上，Z2、Z3在II軸上，Z4在III軸上，M為電機，L為聯軸節。Z1＝13，Z2＝45，Z3＝20，Z4＝47。
一對嚙合的齒輪有三個特徵頻率，即二個齒輪各自所在軸的軸頻率fri和它們共有的嚙合頻率fm。齒輪所在軸的軸頻率正好反映齒輪長周期公差重複的頻率。長周期公差常見的有基圓偏心、周節積累誤差超差等，短周期故障常見的有個別或部分齒有傷等。Z1的軸頻為fr1，Z2的軸頻為fr2，Z3的軸頻為fr3，Z4的軸頻為fr4，齒輪的嚙合頻率反映齒輪短周期公差重複的頻率，也就是每一對齒嚙合的頻率，它的數值等於齒輪的齒數乘以所在軸的軸頻。例如Z1Z2的嚙合頻率fm Z1Z2＝fr1·Z1＝fr2·Z2同理fmZ3Z4＝fr3·Z3＝fr4·Z4齒輪嚙合頻率既可以反映一對嚙合齒輪的短周期誤差(如齒形誤差、相鄰周節差等)，也可以反映一對嚙合齒輪的長周期誤差(如周節積累誤差等)，對齒輪的診斷必須同時考慮齒輪的長周期故障與短周期故障。齒輪故障診斷的雙特徵判據如表1和表2所示。
表1 齒輪短周期故障的雙特徵判據(特徵頻率fm)
表2 齒輪長周期故障的雙特徵判據(特徵頻率fri)
注狀態1與0表示有與沒有fm譜線。狀態1時，加速度計上信號幅值大於2m/s2。
「雙特徵判別法」對非低速重載齒輪箱的診斷結果準確，但是對於低速重載齒輪箱的診斷，由於特徵信號難於有效提取，所以診斷結果不夠準確。
發明內容
本發明的目的是為了解決「雙特徵判別法」無法有效解決大型低速重載齒輪箱診斷的問題，提出了一種大型低速重載齒輪箱故障診斷的方法。
本發明是一種在「雙特徵判別法」的基礎上，結合小波分析，有效提取故障特徵，進行診斷的「三特徵判別法」，所述的故障信號「三特徵判別法」就是在常規傅立葉譜圖上分析平穩功率故障振動信號特徵，在共振解調傅立葉譜圖上分析衝擊功率故障振動信號特徵，利用小波分析衝擊故障振動信號特徵。其採用如下步驟1、利用具有濾波與寬帶解調兩種預處理功能的診斷儀採集振動信號，在常規傅立葉譜圖上分析平穩功率故障振動信號特徵，在共振解調傅立葉譜圖上分析衝擊功率故障振動信號特徵，將振動信號的濾波譜與解調譜進行分析，當振動信號的幅值大於2m/s2，認為出現特徵頻率譜線，信號特徵用1表示，否則用0表示；2、確定振動幅值有明顯變化的頻段；選擇振動信號幅值為其他頻段上振動信號幅值1.25倍以上的頻段，將此頻段認定為振動幅值有明顯變化的頻段；3、計算振動幅值有明顯變化頻段的每小時的小波分層突變係數；所述的小波分層突變係數(量綱為1)為每隔固定的分鐘數取一個數據，每1小時一個數據組，統計在1小時內小波某一層分解中大幅值(其中大幅值是幅值的極值點)數據佔全部數據的比例，稱這一比例值為小波分層突變係數，即
4、用每小時的小波分層突變係數作趨勢圖；其中小波分析列中，當5層突變係數發生突變時，將振動信號特徵定為1，否則為0。
5、根據步驟1中判斷的是否出現特徵頻率譜線以及小波分層突變係數所作的趨勢圖，做出分別如表3、表4、表5所示的「三特徵判別法」判據，根據表中的故障對策進行故障判斷。
表3 齒輪短周期故障的三特徵判別法判據(特徵頻率fm)
表4 齒輪長周期故障的三特徵法判據(特徵頻率fri)
表5 軸承故障的三特徵法判據(軸承各特徵頻率fri)
所述步驟3中的固定的分鐘數為3分鐘，1小時內數據個數為20個。
本發明的原理為相對傳統的傅立葉變換，小波分析在信號的特徵提取方面具有較大的優越性。這主要表現在小波分析同時具有較好的時、頻特性。小波分析具有多解析度分析的特點，在低頻部分具有較高的頻率解析度和較低的時間解析度，在高頻部分具有較高的時間解析度和較低的頻率解析度，非常適合探測正常信號中夾帶的瞬間反常現象並展示其成分。
小波分析基礎圖2為小波分析示意圖。當信號x(n)的採樣頻率滿足採樣定理時，數字頻率必限制在-π～π之間。此時可分別用理想低通(L)與理想高通濾波器(H)將它分解成(對正頻率部分而言)頻帶在0～π/2的低頻部分和頻帶在π/2～π的高頻部分，分別反映信號的概貌與細節。處理後的兩路輸出必定正交(因頻帶不交疊)，而且由於兩種輸出的頻帶均減半，因此採樣率可減半而不致引起信息的丟失。
類似的過程對每次分解後的低頻部分可重複進行下去，即每一級分解把該級輸入信號分解成一個低頻的粗略逼近和一個高頻的細節部分；而且每級輸出採樣率可以再減半，這樣就將原始信號x(n)行了多解析度分解。
從圖2(圖中A為高頻部分信號細節，B為低頻部分平滑概貌)可以看出小波分析將信號在不同尺度上展開，提取信號在不同頻帶的特徵，同時保留信號在各尺度上的時域特徵；小波分析每次對信號的低頻部分進行分解，高頻部分保留不動，而且它的頻率解析度與2j(j為小波分解的級數)成正比。因此，可對信號低頻部分做詳細觀察。
採用本發明能有效提高低速重載齒輪箱故障診斷率。
圖1齒輪箱傳動簡圖；圖2小波分析示意圖；圖中，A為高頻部分信號細節，B為低頻部分平滑概貌圖3某鋼廠初軋機齒輪箱傳動簡圖；圖4故障發生前測點3原始波形及小波五層低頻分解部分；圖4的分圖測量的時間分別為(a)17:45，b)18:00，(c)18:15，(d)18:18圖5故障發生後測點3原始波形及小波五層低頻分解部分；圖5的分圖測量的時間分別為(a)18:48，(b)19:54，(c)19:57，(d)20:03(設備徹底崩潰)
圖6各測點小波五層突變係數的變化。
分圖分別代表的測點為(a)測點3，(b)測點4，(c)測點5，(d)測點具體實施方式
結合本發明方法的內容提供一下實施例圖3為某鋼廠初軋機齒輪箱傳動圖。在初軋機齒輪箱上裝配了一套監測系統，六個測點分別布置在齒輪箱不同部位。C10軸承由於重載、雜質等外界影響，滾動體發生點蝕、磨損和鬆動現象，直到2003年5月6日18時45分時，在軋鋼時軋制力的突然衝擊下外圈破裂。當軸承破碎後，軸VI底部失去支撐，無法在其廻轉中心上旋轉，運行失衡，其上的齒輪傳動關係遭到破壞，齒面受力不均，最後在各種複雜力的作用下，多個齒輪上的輪齒被折斷。
(1)利用具有濾波與寬帶解調兩種預處理功能的可攜式診斷儀採集振動信號，在常規傅立葉譜圖上分析平穩功率故障振動信號特徵，在共振解調傅立葉譜圖上分析衝擊功率故障振動信號特徵，將振動信號的濾波譜與解調譜進行分析，當振動信號的幅值大於2m/s2，認為出現特徵頻率fm譜線，衝擊和平穩信號特徵為1；(2)確定振動幅值有明顯變化的頻段初軋機大型齒輪箱輸出軸轉速較低，齒輪箱所包含的頻率成分主要是0～1000Hz的中低頻成分。由於DB5小波函數較其它小波分析能更明顯地反映出故障特徵，選擇該函數將信號逐層分解成
，
，
，
，
等5個頻段，分別對應尺度1到尺度5，然後比較每個頻段的分解波形。通常，
Hz含有各種中低頻成分，
Hz已不包含聯軸節嚙合頻率和齒輪軸承特徵頻率的高次諧波，
Hz含有部分高速軸軸承外圈特徵頻率和Z3/Z4齒輪嚙合頻率，
Hz含有部分高速軸軸承滾動體特徵頻率，
Hz則以各軸軸頻和軸承保持架特徵頻率為主。若某一頻段波形振動幅值為其他頻段上振動幅值1.25倍以上，就可以選取該頻段信號應用小波分層突變係數進行設備劣化預測和故障診斷。
圖4為故障發生前測點3在17:45、18:00、18:15、18:18時刻的原始波形及小波三、四、五層分解圖，由.17時45分的波形可以看到原始波形變化最快，沒有明顯突變點；第五層分解波形變化最慢，基本平坦，但是在0.65s處振動幅值有明顯突變，其振動幅值為其他頻段上振動幅值1.3以上，據此可以選取第五層應用小波分層突變係數，同時也表明故障零部件的特徵頻率處於
的低頻段(表6)。
表6 17時45分的波形圖貌
圖5分別為同一測點在故障發生後的18:48、19:54、19:57、20:03時刻原始波形及小波低頻各層分解結果。此時，原始時域波形發生嚴重畸變，各層波形均變化劇烈，至20:03徹底崩潰前，各層波形又趨於平緩，第五層
Hz頻段尤為顯著，將
Hz頻段定為明顯變化的頻段，選取該頻段信號應用小波分層突變係數進行設備劣化預測和故障診斷。
(3)計算幅值明顯變化的
Hz頻段小波五層突變係數根據以上分析，以1小時為數據段，計算小波五層突變係數，即小波五層突變係數＝小波五層低頻分解大幅值數據個數/1小時內數據個數(20個數據)從表7可以看出，在17:24-18:21這一段時間內，小波五層低頻分解在100以上為大幅值數據有17:45、18:15、18:18三個，因此突變係數為3/20＝0.15。
在18:24-19:21一小時內數據裡，100以上大幅值數據有七個，突變係數＝7/20＝0.35。
在19:06-20:03一小時內數據裡，100以上大幅值數據有十二個，突變係數＝12/20＝0.60。
表7 17:24-20:03測點3原始波形及小波層低頻分解部分
(4)用每小時的小波五層突變係數作趨勢6所示為各測點小波分層突變係數的變化情況，從測點3、4、5上可以清楚的看到隨著時間的推移，突變係數呈增大趨勢。
(5)根據趨勢圖預測運行設備劣化情況，並初步判斷有故障隱患的零部件從圖6上可以看到有隱患零部件劣化發展的趨勢3、4、5號測點在齒輪箱突發事故前6小時(即14時左右)，趨勢圖就有明顯的上升，據此可以採取應急措施。由圖4可見有多個時刻(例如17:45、18:00、18:15、18:18)小波五層低頻分解部分振幅變化劇烈，小波分析信號特徵為1，結合(1)的特徵(衝擊和平穩信號特徵為1)，這表明轉速低的輸出軸軸承磨損是主要故障。
權利要求
1.一種大型低速重載齒輪箱故障診斷的方法，其特徵在於在常規傅立葉譜圖上分析平穩功率故障振動信號特徵，在共振解調傅立葉譜圖上分析衝擊功率故障振動信號特徵，利用小波分析衝擊故障振動信號特徵，具體採用如下步驟1)、利用具有濾波與寬帶解調兩種預處理功能的診斷儀採集振動信號，在常規傅立葉譜圖上分析平穩功率故障振動信號特徵，在共振解調傅立葉譜圖上分析衝擊功率故障振動信號特徵，將振動信號的濾波譜與解調譜進行分析，當振動信號的幅值大於2m/s2，認為出現特徵頻率譜線，信號特徵用1表示，否則用0表示；2)、確定振動幅值有明顯變化的頻段；選擇振動信號幅值為其他頻段上振動信號幅值1.25倍以上的頻段，將此頻段認定為振動幅值有明顯變化的頻段；3)、計算振動幅值有明顯變化頻段的每小時的小波分層突變係數；所述的小波分層突變係數，量綱為1每隔固定的分鐘數取一個數據，每1小時一個數據組，統計在1小時內小波某一層分解中大幅值，其中大幅值是幅值的極值點，數據佔全部數據的比例，稱這一比例值為小波分層突變係數，即 4)、用每小時的小波分層突變係數作趨勢圖；其中小波分析列中，當5層突變係數發生突變時，將振動信號特徵定為1，否則為0；5)、根據步驟1)中判斷的是否出現特徵頻率譜線以及小波分層突變係數所作的趨勢圖，做出分別如表3、表4、表5所示的「三特徵判別法」判據，根據表中的故障對策進行故障判斷；表3齒輪短周期故障的三特徵判別法判據，特徵頻率fm
表4齒輪長周期故障的三特徵法判據，特徵頻率fri
表5軸承故障的三特徵法判據，軸承各特徵頻率fri
2.根據權利要求1所述的一種大型低速重載齒輪箱故障診斷的方法，其特徵在於所述步驟3)中的固定的分鐘數為3分鐘，1小時內數據個數為20個。
全文摘要
一種大型低速重載齒輪箱故障診斷的方法，屬於大型低速重載齒輪箱故障診斷領域。是一種在「雙特徵判別法」的基礎上，結合小波分析，有效提取故障特徵，進行診斷的「三特徵判別法」，所述的故障信號「三特徵判別法」就是在常規傅立葉譜圖上分析平穩功率故障振動信號特徵，在共振解調傅立葉譜圖上分析衝擊功率故障振動信號特徵，利用小波分析衝擊故障振動信號特徵。採用本發明能有效提高低速重載齒輪箱故障診斷率。
文檔編號G01M7/00GK1995946SQ200610169830
公開日2007年7月11日 申請日期2006年12月29日 優先權日2006年12月29日
發明者高立新, 張雪松, 張建宇, 胥永剛, 葉輝, 周兵, 魏厚培, 黃漢東, 彭世春, 吳麗娟, 李仁科, 李金玉, 李欣, 唐彥斌 申請人:北京工業大學