基于振動信號殘差法的齒輪故障診斷分析與仿真*

田原嫄，李超逸

(東北電力大學(xué) 機械工程學(xué)院，吉林 吉林 132012)

基于振動信號殘差法的齒輪故障診斷分析與仿真*

田原嫄，李超逸

(東北電力大學(xué) 機械工程學(xué)院，吉林 吉林 132012)

為了防止齒輪故障，文章基于振動信號殘差法，將采集的振動信號進行同步時域平均后，再將其進行快速傅里葉變換，將平均后的信號獨立分離成兩部分，從而得到齒輪的常規(guī)信號和故障信號。然后，再通過計算殘差信號有效值，對故障變化程度給出定量描述。通過比較，可以明顯看出時域圖中信號波形無明顯差異，而經(jīng)處理后的殘差圖中常規(guī)振動信號幅度較小，波形中出現(xiàn)明顯的峰值變化處，即故障信號，同時峰值越突出的地方即故障越嚴(yán)重的位置。

齒輪故障診斷；振動信號；殘差法；同步時域平均法；MATLAB

0 引言

近年來隨著風(fēng)電機組的廣泛使用，由齒輪箱故障或損壞引起的機組停運事件時有發(fā)生，由此帶來嚴(yán)重的直接損失和間接損失，維修人員投入維修的工作量也不斷增加。然而，齒輪是齒輪箱的重要組成部件之一，據(jù)有關(guān)資料統(tǒng)計，齒輪故障占旋轉(zhuǎn)機械故障的10.3%[1]。為了保證齒輪箱平穩(wěn)工作，防止振動和沖擊，齒輪故障診斷與仿真工作逐漸成為風(fēng)電設(shè)備領(lǐng)域的研究熱點之一[2]。一般來說，齒輪振動信號中總是存在著很強的與故障無關(guān)的“常規(guī)振動”成分，而由于故障所造成的振動信號相對于“常規(guī)振動”來說總是很小的，因此，如果直接利用齒輪振動測量信號所得到的特征基數(shù)往往不夠敏感，因此，本文采用振動信號殘差分析法[3-4]，將上述的兩種成分分離開來，并獨立分析“故障振動”部分信號，則可以提高診斷的識別精度。

1 振動信號殘差法的齒輪故障診斷原理

殘差分析方法的具體過程：先對同步時域平均后的信號進行快速傅里葉變換(FFT)濾波處理。從而分別得到齒輪的“常規(guī)振動”信號r(n)和“故障振動”信號d(n)。然后再通過計算殘差信號有效值(RMS值)或峭度系數(shù)，從而對故障變化程度給出定量描述。常規(guī)振動經(jīng)變化和反變換后差值較小。而故障振動信號經(jīng)變換后與原來的信號差值較大。殘差分析法的工作原理圖，如圖1所示，殘差分析法的仿真分析流程圖，如圖2所示。

圖1 振動信號殘差法分析原理

1.1 時域同步平均法

從齒輪振動中取出嚙合頻率成份，將它同齒輪軸的旋轉(zhuǎn)頻率同步相加、平均，這種方法稱作時域同步平均法[5]。由于齒輪由振動引起故障時導(dǎo)致異常嚙合，沖擊振動的振幅要比其它齒的大，所以時域平均信號曲線上幅值最大的峰值位置即是異常齒的位置，其分析原理如圖3所示。

圖2 殘差分析法的仿真分析流程圖

圖3 同步時域平均法原理

本文基于Matlab處理振動特征信號時將仿真故障信號(如圖4a所示)截取N段(如圖4b所示)，然后進行平均運算得到如圖5所示的信號。

圖4 仿真故障信號

圖5 同步時域平均仿真波形圖

1.2 快速傅里葉變換及反變換原理

快速傅里葉變換(FFT)是有限序列離散傅里葉變換的一種快速算法，該算法由Cooly 和Tukey[6](1965)提出。快速傅里葉變換的主要特點是大大地減少進行離散傅里葉變換所需要的運算次數(shù)。同時，由于運算次數(shù)的減少，從而減少了運算時間，提高了計算機的使用效率，使振動信號的實時處理得以實現(xiàn)。本文將采集到的信號分成N段，建立N點序列x(r)，形成N點離散傅里葉變換可表示成[7]：

(1)

其中利用系數(shù)Wkr的周期性,即：

Wkγ=Wk(γ+N)=W(k+N)γ

(2)

可將離散傅里葉變換運算中的某項合并。利用其對稱性，即：

Wkγ+N/2=-W

(3)

根據(jù)其周期性可將長序列的離散傅里葉變換分解成短序列的離散傅里葉變換。FFT算法基本上可以分為兩大類：按時間抽取法和按頻率抽取法。本文采用按時間抽取的FFT算法。

將N=2L的序列x(r)(r=0,1,3,...,N-1),先按r的奇偶分成兩組：

x(2s)=x1(s)
x(2s+1)=x2(s)

(4)

分別求N/2點的離散傅里葉變換，得到前半部分:

X(k)=X1(k)+WkX2(k)(k=0,1,2,…,N/2-1)

(5)

后半部分為:

X(k+N/2)=X1(k)-WkX2(k)(k=0,1,2,…,N/2-1)

(6)

重復(fù)這一過程，可得到x(r)的FFT?？焖俑道锶~變換算法和快速傅里葉反變換的算法原理基本相同,逆變換公式為：

(7)

經(jīng)過以上求算，獲得殘差圖(如圖6所示)，并截取部分殘差圖(如圖7所示)。

圖6 殘差圖 圖7 殘差截取圖

經(jīng)圖5的仿真模擬信號截取的信號時域波形圖和圖7殘差截取圖的比較，可以明顯看出時域圖中信號波形無明顯差異，而經(jīng)處理后的殘差圖中常規(guī)振動信號幅度較小，而波形中80～100之間出現(xiàn)明顯的峰值變化，即是故障信號。同時峰值越突出的地方即是故障越嚴(yán)重的位置。

2 故障診斷試驗平臺

本實驗所使用的齒輪箱實驗裝置由動力系統(tǒng)、傳動系統(tǒng)和磁粉加載器三部分組成。試驗臺的結(jié)構(gòu)示圖如圖8a所示，實物裝置如圖8b所示。

圖8 實驗臺結(jié)構(gòu)圖

本實驗臺采用三相異步電動機作為動力源，采用變頻器進行調(diào)速。圖8b中1為三相異步電動機(1)，2為變頻器，3為一級齒輪箱，4為電磁粉末制動器，5為三相異步電動機(2)，6為二級齒輪箱，7為電磁粉末制動器。電動機(1)的型號為Y80M2-4，其功率為0.75kW，轉(zhuǎn)速為1390r/min,頻率50Hz；電動機(2)的型號YYJ110-440-4，其功率為400W，轉(zhuǎn)速為1350r/min，頻率為50Hz。變頻器的調(diào)速范圍為0～150Hz，輸出功率為1.5kW。

一級齒輪箱的型號為ZDY100，其傳動比為1:81.5；二級齒輪箱的型號為ZLY112，其傳動比為1:10。

電磁粉末制動器的型號為GXFZ-B-6，額定轉(zhuǎn)矩為6N·m，通過激磁電流進行加載，達到模擬齒輪箱工作負(fù)載的作用。

齒輪箱振動信號的測試系統(tǒng)由傳感器，數(shù)據(jù)采集卡和動態(tài)信號分析軟件等組成。

本實驗系統(tǒng)選用的傳感器是YD-37型壓電式加速度傳感器[8]。為了安裝和拆卸方便，以及檢測的準(zhǔn)確性，選擇了通過打孔將其與減速器直接安裝，從而大大方便了采集的靈活性和裝卸的方便及不易損壞。

本實驗選用ADLINKPCI-9111系列采集卡[9]，其為16通道，多功能、低價位數(shù)據(jù)采集卡，具有模擬輸入、配置容易的特點。

3 仿真結(jié)果與分析

本文所采用的旋轉(zhuǎn)機械為一級齒輪箱和二級齒輪箱[10]。主要檢測其齒輪振動故障和軸承振動故障，其測點如圖9所示。

圖9 齒輪箱檢測點分布圖

通過對一級減速器、二級減速器的數(shù)據(jù)采集得到兩組數(shù)據(jù)：5746、4731。分別對采集的兩組數(shù)據(jù)進行分析，得到兩組時域波形圖與殘差圖，如圖10所示。

圖10 兩組時域波形圖與殘差圖

數(shù)據(jù)5746的波形圖中有較多突出峰值,從其時域波形圖中很難看出信號中是否有故障信息，無法對齒輪箱進行故障診斷。而經(jīng)過處理后的殘差圖中可以看見明顯的突出峰值，即是故障信號位置。峰值所在區(qū)域?qū)?yīng)的位置即是齒輪發(fā)生故障的位置。而數(shù)據(jù)4731的時域波形圖經(jīng)處理后無明顯變化。所以齒輪箱無明顯故障。

4 結(jié)束語

觀察時域平均后的齒輪振動波形對于識別故障類型幫助很大，即使一時難以得出明確的結(jié)論，對后續(xù)分析和判斷也可以提供極具參考價值的信息。本文基于殘差信號分析技術(shù)對齒輪及齒輪箱進行狀態(tài)監(jiān)測與故障診斷，實現(xiàn)齒輪箱由事后維修、定期維修到視情維修的根本轉(zhuǎn)變，減少一些不必要的經(jīng)濟損失，從而在風(fēng)力發(fā)電機組中創(chuàng)造更大的經(jīng)濟效益和社會效益。

[1] 游子躍,王寧,李明明,等.基于EEMD和BP神經(jīng)網(wǎng)絡(luò)的風(fēng)機齒輪箱故障診斷方法[J].東北電力大學(xué)學(xué)報，2015,35(1):64-72.

[2] 徐英帥，王細洋，孫偉.基于小波變換的齒輪箱故障診斷[J].組合機床與自動化加工技術(shù)，2012 (2):66-71.

[3] 曹玉蘋，田學(xué)民. 基于典型變量分析狀態(tài)殘差的故障檢測方法[C].全國技術(shù)過程故障診斷與安全性學(xué)術(shù)會議,2007:74-76.

[4] 肖白，楊修宇，穆鋼，等.基于多變量分析的城市電網(wǎng)空間負(fù)荷預(yù)測方法[J].東北電力大學(xué)學(xué)報，2013，33(1/2)：39-44.

[5] 胡貴鋒，王細洋. 基于時域同步平均法的行星齒輪振動信號分離技術(shù)[J].中國機械工程,2013,24(6):787-791.

[6]CooleyJamesW,TukeyJohnW.AnalgorithmforthemachinecalculationofcomplexFourierseries[J].Math.Comput,1965,19: 297-301.

[7] 張賢達.現(xiàn)代信號處理[M].2版.北京：清華大學(xué)出版社，2002.

[8] 陸兆峰，秦旻，陳禾，等. 壓電式加速度傳感器在振動測量系統(tǒng)的應(yīng)用研究[J].儀表技術(shù)與傳感器, 2007(7):3-4.

[9] 余文成. 基于數(shù)據(jù)采集卡PCI-1711L的振動測試系統(tǒng)的設(shè)計[J].計量與測試技術(shù), 2009, 36(11):62-63.

[10] 夏松波，張禮勇. 旋轉(zhuǎn)機械故障診斷技術(shù)的現(xiàn)狀與展望[J]. 振動與沖擊， 1997(2):1-5.

(編輯 李秀敏)

Fault Diagnosis Analysis And Simulation for Gear Based on Vibration Signal Residual Method

TIAN Yuan-yuan,LI Chao-yi

(Institute of Mechanical Engineering,Northeast Dianli Universty,Jilin Jilin 132012,China)

At first, in the paper vibration signals have been collected and dealt based on time synchronous averaging (TSA) in order to prevent gear fault. Then fast Fourier transform method has been used in order to make signals averaged into two parts, so normal signal and fault signal of gear has been obtained. After calculating valid residual value, quantitative presentation of fault variety can be gotten. By comparing, the results show that there is no difference in time domain waveform, while vibration amplitude is smaller in residual error diagram than in time domain waveform. The fault signal is in the place of obvious peak value where the prominent position of peak value is the place of the most serious fault.

gear fault diagnosis; vibration signal; residual error method; time synchronous averaging (TSA); MATLAB

1001-2265(2017)01-0095-03

10.13462/j.cnki.mmtamt.2017.01.026

2015-12-12；

2016-03-11

吉林省教育廳科研項目(2010290)；企業(yè)橫向項目(2012220202000228)；東北電力大學(xué)研究項目(201201)

田原嫄(1979—)，女，長春人，東北電力大學(xué)副教授，博士，研究方向為三維測量技術(shù)、機械設(shè)備故障診斷、優(yōu)化設(shè)計，(E-mail)328965859@qq.com。

TH132；TG506

A