基于經(jīng)驗?zāi)B(tài)分解的行星齒輪箱故障特征提取新方法

王付廣

銅陵學院實踐教學管理處,安徽 銅陵 244000

0 引言

行星齒輪箱即行星減速箱又稱為“齒輪箱”,因其動力傳遞平穩(wěn)、傳動比大、承載力大、結(jié)構(gòu)緊湊占空間小、使用壽命長等優(yōu)勢,在風力發(fā)電、車輛、冶金化工等行業(yè)應(yīng)用廣泛。但在齒輪箱出現(xiàn)故障或者失效時,往往影響整個系統(tǒng)的傳動效果,甚至還會產(chǎn)生噪聲安全隱患。

實際工況下,行星齒輪箱傳動轉(zhuǎn)速和載荷均為非平穩(wěn)狀態(tài),且生產(chǎn)過程中強背景噪聲會淹沒信號中的有效信息,因此,采集到的振動信號存在時變性、非線性以及非平穩(wěn)性的特征。此外,齒輪箱嚙合振動和通過效應(yīng)會調(diào)制信號中故障特征信息。相比于定軸齒輪箱,行星齒輪箱振動信號的特征提取和故障診斷更加困難。研究表明,現(xiàn)有特征提取和故障診斷方法對行星齒輪箱的應(yīng)用具有局限性。文獻[1]將時域、頻域傳統(tǒng)特征指標引入到齒輪箱故障識別,試驗結(jié)果表明,常用特征指標可區(qū)分缺齒故障和正常狀態(tài),但對早期微弱故障效果不佳。由于行星齒輪箱振動信號耦合分量較復雜,學者將解調(diào)方法引入到齒輪箱振動信號的分解,旨在從原始信號中分離出故障特征的單分量信號。其中,經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition,EMD)可將復雜、耦合的振動信號分解為單分量信號,解決模態(tài)混疊的問題[2-3]。常用的時域和頻域特征指標受工況和載荷變化影響,特征指標標準不定,在實際使用過程中局限性較大。文獻[4]針對上述情況引入熵指標,該指標針對信號周期性較為敏感且不受工況影響的情況,結(jié)果表明,該方法可有效區(qū)分缺齒、斷齒和磨損故障。

本文針對行星齒輪箱振動信號特點,提出一種新的特征提取方法。該方法首先利用EMD算法將采集到的原始振動信號分解成多個imf分量;其次,對其進行篩選,得到包含較多有用故障信息的單分量信號,并進行重構(gòu);最后,根據(jù)特征指標對不同故障的敏感性和變化趨勢不同,構(gòu)建特征新指標,識別行星齒輪箱不同故障類型。

1 新特征提取方法

1.1 基本思路

齒輪箱內(nèi)零件故障類型較復雜且故障程度也不同,目前,單一的傳統(tǒng)特征指標均無法有效區(qū)分齒輪箱內(nèi)不同故障類型。行星齒輪箱內(nèi)的故障形式有2種,分別為局部式故障和分布式故障。局部式故障中較常見的故障類型有齒輪裂紋、斷齒、缺齒等,而分布式故障主要包括磨損、點蝕等。齒輪箱內(nèi)發(fā)生局部式故障時,局部故障點參與嚙合產(chǎn)生較強烈的嚙合沖擊,局部故障程度越嚴重,嚙合沖擊能量越強,周期性也越明顯。分布式故障與局部式故障相比,由于齒輪箱存在分布式故障時,在故障齒輪嚙合的全過程中均會發(fā)生嚙合沖擊,但沖擊能量分布不集中,周期性不明顯。為區(qū)分不同故障類型,本文引入多尺度模糊熵(multiscale fuzzy entropy,MFE)[6],故障沖擊能量越強,沖擊越明顯,MFE值越小,因此,本文將MFE作為基本參數(shù)之一。研究表明,單一多尺度模糊熵無法對不同故障類型中早期故障進行有效區(qū)分。考慮特征指標應(yīng)不受工況變化影響,本文提取重構(gòu)信號概率密度函數(shù)的波形指標(Sr)作為基本參數(shù)之一。

1.2 特征提取步驟

將采集到的行星齒輪箱原始振動信號選擇恰當?shù)拈L度進行等周期裁剪,對裁剪得到的振動信號進行特征提取,方法如下。

1) 信號分解和篩選。利用EMD將振動信號分解,得到不同頻段單分量信號。根據(jù)文獻[5]篩選前3個單分量信號。將篩選后的單分量信號進行信號重構(gòu),得到重構(gòu)信號X(X=sum(imfi)/3)。

(1)

1.3 特征指標評估

為評估本文提出的新特征指標的區(qū)分效果,選用標準差來量化類內(nèi)集中性,引入雙樣本敏感度Z來量化類間差異性。

區(qū)分m種故障,每種故障類型包含n個樣本。分別計算FE-Sr值,得到m×n的矩陣A。Z值計算步驟如下。

2)計算矩陣B每行元素的標準差(STDt)、最大值(FE-Srmax)以及最小值(FE-Srmin)。

3)計算m種故障類型、n個樣本,相鄰兩行之間雙樣本Z值定義為：

(2)

由式(2)可知,只要Zi,i+1>0,FR-Sr值便可將相鄰的2種故障類型區(qū)分開,且區(qū)分度隨著Z值的增大而增大,將其最小值(Zmin)作為新特征指標的故障敏感性。

2 新特征提取方法試驗驗證

2.1 DDS實驗臺及試驗設(shè)計

DDS實驗臺配置幾種太陽輪、行星軸承故障,本實驗臺可拆卸并更換不同故障零件模擬不同類型故障。太陽輪和滾動軸承故障零件如圖1所示。本次實驗設(shè)計利用DDS實驗臺進行穩(wěn)定工況信號采集,本次試驗每種故障采集轉(zhuǎn)速均為20 Hz和30 Hz。

圖1 太陽輪故障示意圖

2.2 故障特征提取

表1 轉(zhuǎn)速20Hz單級行星齒輪箱不同故障FE-Sr值

對比上述分析轉(zhuǎn)速30 Hz工況下,單級行星齒輪箱不同太陽輪故障FE-Sr值。分析轉(zhuǎn)速20 Hz和30 Hz工況下,雙級行星齒輪箱不同太陽輪故障的FE-Sr值。不同故障類型隨樣本的變化趨勢分別如圖2～4所示。

圖2 單級行星齒輪箱轉(zhuǎn)速30 Hz

圖3 雙級行星齒輪箱轉(zhuǎn)速20 Hz

由表1、圖2～4可知,對于不同結(jié)構(gòu)、不同工況的行星齒輪箱,本文提出的新特征FE-Sr值均可有效區(qū)分太陽輪正常、裂紋、斷齒、磨損狀態(tài)。其中,單級傳動的行星齒輪箱Zmin為11.78,雙級傳動的行星齒輪箱Zmin為5.12,且每種狀態(tài)的新特征指標FE-Sr較為穩(wěn)定且波動較小。

3 結(jié)束語

針對傳統(tǒng)故障特征提取方法對行星齒輪箱故障識別的局限性,本文利用EMD、多尺度模糊熵和波形指標建立了故障特征新指標,并定義雙樣本敏感值來評估新特征指標。結(jié)果表明：在不同結(jié)構(gòu)、轉(zhuǎn)速下,本文故障特征提取新方法均可有效區(qū)分行星齒輪箱的不同類型故障。