朱云博, 周厚強(qiáng), 張燕軍, 張永強(qiáng)

(武漢軍械士官學(xué)校 地炮系, 湖北 武漢 430075)

齒輪箱在機(jī)械領(lǐng)域中有著廣泛的應(yīng)用，但是其工作環(huán)境惡劣，在工作中容易受到損害，故障率較高，是誘發(fā)設(shè)備故障的重要因素，因此齒輪箱系統(tǒng)的狀態(tài)監(jiān)測(cè)和故障診斷問題越來越受到重視[1].基于振動(dòng)信號(hào)處理的方法在齒輪箱故障診斷中有著廣泛的應(yīng)用，除了時(shí)域分析、頻域分析等傳統(tǒng)方法外，各種新興的信號(hào)處理方法理論也得到了快速發(fā)展，例如以小波變換為代表的時(shí)頻域分析、奇異值分解(SVD)、經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)、數(shù)學(xué)形態(tài)學(xué)等[2-5].但是由于工程實(shí)際中的振動(dòng)信號(hào)中通常存在較強(qiáng)的背景噪聲和脈沖干擾，所以這些信號(hào)處理方法有其自身的局限性，導(dǎo)致單一的信號(hào)處理方法在工程實(shí)際中的應(yīng)用往往難以取得理想的效果.

將兩種或兩種以上方法相結(jié)合應(yīng)用于齒輪箱振動(dòng)信號(hào)特征提取成為當(dāng)前的研究應(yīng)用趨勢(shì)，通過將不同方法相結(jié)合應(yīng)用，可有效避免單一方法的局限性，充分發(fā)揮各自方法的優(yōu)勢(shì).本文介紹將多種方法相結(jié)合應(yīng)用于齒輪箱振動(dòng)信號(hào)故障特征提取的應(yīng)用現(xiàn)狀，總結(jié)在齒輪箱故障診斷領(lǐng)域中振動(dòng)信號(hào)處理方法的發(fā)展趨勢(shì).

1 基于振動(dòng)分析的齒輪箱故障特征提取基本原理

齒輪箱的故障診斷一般包括以下步驟：故障信息的獲取、故障的特征提取、故障模式識(shí)別[6].其中對(duì)齒輪箱的故障特征進(jìn)行提取是實(shí)現(xiàn)整個(gè)系統(tǒng)故障診斷的關(guān)鍵和難點(diǎn).

提取齒輪箱的故障特征，即獲得齒輪箱中包含其運(yùn)行狀態(tài)的信息，如振動(dòng)、噪聲、磨損殘余物等.齒輪箱振動(dòng)信號(hào)中蘊(yùn)含了內(nèi)部設(shè)備運(yùn)行狀態(tài)的豐富信息，是設(shè)備運(yùn)行狀態(tài)特征的主要載體之一，相比油液分析、聲學(xué)分析等檢測(cè)方法，振動(dòng)信息具有容易獲取、診斷范圍廣、不容易受到外界干擾等優(yōu)點(diǎn).因此，振動(dòng)信號(hào)分析法成為對(duì)齒輪系統(tǒng)進(jìn)行故障分析和狀態(tài)監(jiān)測(cè)最為廣泛的方法[7].

由于實(shí)測(cè)齒輪箱振動(dòng)信號(hào)本身比較復(fù)雜，同時(shí)夾雜著大量的噪聲，信噪比很低，信號(hào)的特征分量常被背景噪聲所淹沒.因此需要通過對(duì)振動(dòng)信號(hào)的分析與處理，除去信號(hào)中的噪聲，提高信噪比，提取出信號(hào)中的特征成分來得到齒輪箱由于磨損、疲勞等原因引起的狀態(tài)變化特征信息，并由此判斷其故障所在.

2 以頻譜分析為基礎(chǔ)綜合不同信號(hào)處理方法的應(yīng)用現(xiàn)狀

目前，頻譜分析仍是齒輪箱故障診斷最實(shí)用的方法之一，當(dāng)齒輪箱發(fā)生故障時(shí)，其振動(dòng)信號(hào)的頻率成分就會(huì)發(fā)生變化，每種故障都包含各自的特征頻率，對(duì)應(yīng)著各自的頻域特征量.由于齒輪、軸承的參數(shù)是已知的，其轉(zhuǎn)速也是可測(cè)的，因此可通過計(jì)算齒輪箱各零部件的特征頻率來判斷故障的發(fā)生部位.

傳統(tǒng)的信號(hào)頻域分析方法為齒輪箱故障診斷打下了堅(jiān)實(shí)的基礎(chǔ)，為了進(jìn)一步準(zhǔn)確、快速地提取故障特征，克服單一方法的缺陷，以傳統(tǒng)頻譜分析為基礎(chǔ)的多種信號(hào)處理方法相結(jié)合用于齒輪箱故障提取的方法應(yīng)用越來越廣泛.文獻(xiàn)[8]提出了小波去噪和EMD相結(jié)合的齒輪箱故障診斷的新方法.首先對(duì)原始齒輪箱故障信號(hào)進(jìn)行小波閾值去噪，將去噪信號(hào)利用EMD方法分解為多個(gè)本征模模態(tài)分量(IMF)，選擇互相關(guān)系數(shù)較大的IMF分量進(jìn)行Hilbert包絡(luò)譜分析，提取故障頻率，結(jié)果表明該方法能夠有效地提取齒輪箱故障頻率.文獻(xiàn)[9]將重分配魏格納時(shí)頻譜(RWVDS)和奇異值分解(SVD)結(jié)合形成一種新的故障特征提取方法，利用重分配算法對(duì)魏格納時(shí)頻譜進(jìn)行重分配以提高其時(shí)頻聚集性，再對(duì)重分配時(shí)頻譜進(jìn)行SVD降噪.通過對(duì)軸承、齒輪故障信號(hào)進(jìn)行分析，表明該方法能有效識(shí)別強(qiáng)噪聲背景下的故障特征.文獻(xiàn)[10]將高斯小波和奇異值分解技術(shù)相結(jié)合，提出了基于奇異值分解和高斯小波的濾波消噪方法.該方法可以很好地降低噪聲信號(hào),有效提取信號(hào)中周期成分，具有較好的瞬態(tài)信息提取能力.文獻(xiàn)[11]將數(shù)學(xué)形態(tài)學(xué)、奇異值分解、EMD相結(jié)合形成一種新的故障特征提取方法.該方法首先對(duì)原始振動(dòng)信號(hào)進(jìn)行SVD降噪，再進(jìn)行形態(tài)濾波，最后把消噪后的信號(hào)進(jìn)行EMD分解，利用本征模模態(tài)分量(IMF)提取故障特征信息.對(duì)仿真信號(hào)和實(shí)際軸承故障數(shù)據(jù)的應(yīng)用分析表明，該方法能有效地提取軸承故障特征，還可以減少EMD的分解層數(shù)和邊界效應(yīng)，提高EMD分解的時(shí)效性和精確度.

3 以非線性理論為基礎(chǔ)綜合不同信號(hào)處理方法的應(yīng)用現(xiàn)狀

在齒輪箱工作過程中，無論是齒輪的嚙合傳動(dòng)，還是滾動(dòng)軸承的運(yùn)行都是屬于非線性的，特別是當(dāng)嚙合面產(chǎn)生缺陷、在運(yùn)行過程中發(fā)生撞擊時(shí)，更是嚴(yán)重的非線性行為.此時(shí)基于線性化理論對(duì)齒輪箱振動(dòng)信號(hào)進(jìn)行處理，會(huì)過濾掉許多重要的非線性振動(dòng)信息，這必然導(dǎo)致分析結(jié)果與系統(tǒng)的真實(shí)特性有很大差異，進(jìn)而影響故障特征的提取精度.以分形理論為代表的非線性理論在齒輪箱故障特征提取領(lǐng)域顯示出了廣闊的應(yīng)用前景.

分形維數(shù)能夠定量描述振動(dòng)信號(hào)在時(shí)域變化的特征，利用振動(dòng)信號(hào)的分形特征可以從不同角度挖掘振動(dòng)信號(hào)的特征信息.由于不同故障的動(dòng)力學(xué)產(chǎn)生機(jī)制不同，通常也具有不同的分形維數(shù)，故該方法可用于齒輪箱故障特征的提取.通過利用其他方法對(duì)振動(dòng)信號(hào)進(jìn)行預(yù)處理，然后通過計(jì)算信號(hào)的分形維數(shù)來提取故障特征是近年來在齒輪箱故障診斷領(lǐng)域的新思路.

文獻(xiàn)[12]為了識(shí)別滾動(dòng)軸承振動(dòng)信號(hào)中包含的故障類型,運(yùn)用小波對(duì)采集到的信號(hào)進(jìn)行降噪,通過計(jì)算降噪后振動(dòng)信號(hào)的關(guān)聯(lián)維數(shù)，并以關(guān)聯(lián)維數(shù)為特征量，通過計(jì)算各工況之間的距離函數(shù)來判斷屬于何種故障的信號(hào).文獻(xiàn)[13]針對(duì)軸承故障信號(hào)具有非線性、非平穩(wěn)振動(dòng)的特點(diǎn),運(yùn)用小波包和分形理論,定量計(jì)算了滾動(dòng)軸承不同部件故障信號(hào)及小波包重構(gòu)信號(hào)的盒維數(shù)，并通過實(shí)驗(yàn)表明滾動(dòng)軸承不同的故障類型具有不同的盒維數(shù).文獻(xiàn)[14]將分形技術(shù)與EMD方法相結(jié)合，對(duì)變速器軸承的振動(dòng)信號(hào)進(jìn)行EMD分解,計(jì)算分解后的IMF分量的分形維數(shù),從而提取出變速器軸承不同技術(shù)狀態(tài)下的故障特征.文獻(xiàn)[15]針對(duì)傳統(tǒng)的多重分形維數(shù)計(jì)算方法的缺陷，將數(shù)學(xué)形態(tài)學(xué)與多重分形相結(jié)合，提出基于數(shù)學(xué)形態(tài)學(xué)操作的多重分形維數(shù)計(jì)算方法,并通過對(duì)實(shí)測(cè)齒輪故障信號(hào)進(jìn)行分析證明基于數(shù)學(xué)形態(tài)學(xué)計(jì)算的多重分形維數(shù)能夠準(zhǔn)確區(qū)分齒輪的工作狀態(tài).

4 結(jié)束語

目前，各種信號(hào)處理技術(shù)在不斷發(fā)展與完善， 應(yīng)用多種方法相結(jié)合的復(fù)合故障診斷方法將這些信號(hào)處理方法交叉融合,可以克服單一方法的缺陷,實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ),為齒輪箱的故障診斷提供重要的途徑，但是該方法也存在一些問題：

(1)各種信號(hào)分析的技術(shù)層出不窮，其交叉結(jié)合應(yīng)用于齒輪箱故障診斷的方法也呈現(xiàn)多樣化，但大多是理論算法研究較多，并未將技術(shù)轉(zhuǎn)化為針對(duì)實(shí)際設(shè)備應(yīng)用的故障診斷或在線監(jiān)測(cè)的儀器裝置.

(2)若只利用振動(dòng)信號(hào)這一種故障信息對(duì)齒輪箱的故障進(jìn)行診斷，容易造成誤診，只有從多方面獲得齒輪箱的故障信息，才能提高故障診斷的準(zhǔn)確率.因此，在齒輪箱故障診斷中，不應(yīng)僅僅局限于振動(dòng)信號(hào)處理方法之間的結(jié)合，而應(yīng)當(dāng)向更廣的范圍發(fā)展，充分利用齒輪箱中其他故障信息的分析與振動(dòng)信號(hào)分析結(jié)合形成復(fù)合診斷方法，例如將振動(dòng)信號(hào)與齒輪箱的磨損殘余物、溫度、應(yīng)力等信息相結(jié)合應(yīng)用于故障診斷，可充分利用齒輪箱中的各種特征信息，有利于提高故障診斷的準(zhǔn)確率.

[1]屈梁生,何正嘉.機(jī)械故障診斷學(xué)[M].上海:上?？茖W(xué)技術(shù)出版社,1986.

[2]Zou J, Chen J, Geng Z M. Application of wavelet packets algorithm to diesel engines' vibroacoustic signature extraction[J].Journal of Automobile Engineering,2001,215(9):987-993.

[3]段向陽,王永生,蘇永生.基于奇異值分解的信號(hào)特征提取方法研究[J].振動(dòng)與沖擊,2009,28(11):30-33.

[4]陳忠,鄭時(shí)雄.基于經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)的齒輪箱齒輪故障診斷技術(shù)研究[J].振動(dòng)工程學(xué)報(bào)，2003,16(2):229-232.

[5]柏林,劉小峰,秦樹人.小波-形態(tài)-EMD綜合分析法及其應(yīng)用[J].振動(dòng)與沖擊,2008,27(5):1-6.

[6]丁康,李巍華,朱小勇.齒輪及齒輪箱故障診斷使用技術(shù)[M].北京:機(jī)械工業(yè)出版社,2006.

[7]張賢達(dá),保錚.非平穩(wěn)信號(hào)分析與處理[M].北京:國防工業(yè)出版社,1998.

[8]朱瑜,王海洋.基于小波去噪和EMD的齒輪箱故障診斷研究[J].煤礦機(jī)械,2012,33(4):278-280.

[9]湯寶平,蔣永華,姚金寶.基于重分配魏格納時(shí)頻譜和SVD的故障診斷[J].振動(dòng)、測(cè)試與診斷,2012,32(2):301-305.

[10]趙玲,程發(fā)斌,黃大榮.基于SVD-高斯小波的振動(dòng)信號(hào)非平穩(wěn)特征提取方法[J].現(xiàn)代科學(xué)儀器,2012(1):27-30.

[11]湯寶平,蔣永華,張?jiān)敶?基于形態(tài)奇異值分解和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障特征提取方法[J].機(jī)械工程學(xué)報(bào),2010,46(5):37-42.

[12]卓蒙蒙,張曉光,姬程鵬,等.基于小波降噪與分形理論的滾動(dòng)軸承故障診斷[J].軸承,2011(6):35-37.

[13]李曙光,張梅軍,陳江海.基于小波包和分形盒維數(shù)的滾動(dòng)軸承故障診斷[J].機(jī)械,2010,37(8):21-23.

[14]夏均忠,劉遠(yuǎn)宏,但佳壁，等.基于EMD分形技術(shù)提取變速器軸承故障特征[J].噪聲與振動(dòng)控制, 2012(2):119-122.

[15]李兵,張培林,米雙山，等.齒輪故障信號(hào)多重分形維數(shù)的形態(tài)學(xué)計(jì)算方法[J].振動(dòng)、測(cè)試與診斷, 2011,31(8):450-453