齿轮传动常见故障诊断研究

zpc64

齿轮及齿轮箱作为机械设备中一种必不可少的连接和传动的通用零部件,在现代工业设备中得到了广泛的应用。可以说,齿轮传动系统是当今世界上应用最为广泛的机械传动机构,而齿轮又是最容易损坏的机械零件之一。齿轮箱的故障和失效将给整个生产造成巨大的损失。因此,对于齿轮传动中故障诊断的研究具有非常重要的理论和现实意义。齿轮传动时齿轮工作所产生的振动是反映齿轮优良的重要指标,齿轮的振动通常伴有噪声,这些噪声会导致传动系统具有不稳定性,而且会导致传动系统失效,使得整个传动系统的瘫痪。通常我们对于传动系统的诊断,往往采用的是振动监测法,虽然这种方法对于齿轮的在线故障诊断具有重要的意义,但是存在一定的片面性,例如只适用于平稳信号的分析,对齿轮的分布式故障诊断具有好的诊断效果,但是对于局部缺陷,实施的效果却不理想。基于上述的考虑,小波分析以其良好的时频局部性,成为时频分析方法中发展最为迅速的一种,虽然发展时间不长,但已被广泛应用于很多工程中,仅在故障诊断领域就被用来对齿轮、轴承、旋转机械等的故障进行诊断。
& p* M" a8 Y8 i; l1 齿轮传动常见故障及成因
      齿轮在运转时,由于齿轮制造误差、装配不当或操作维护不善,会发生各种各样的的齿轮失效。失效形式又随着齿轮材料、热处理、运转状态等因素的不同而不同。常见的齿轮传动故障形式有以下几种。
6 p# W8 q9 Q5 z1.1 装备失误导致的故障
      由于装配技术和装配方法失误等原因,往往会导致在装配齿轮时,“一端接触、一端悬空”的误差,一端接触或者齿轮轴的直线性偏差会造成齿轮承受负荷不均,使得个别齿轮负荷过重而引起局部的磨损,严重时甚至引起轮齿断裂。齿轮的不平衡,将引起冲击振动和噪声。
1.2 由运行中产生的故障
     ①齿面磨损。通常我们遇到的齿面磨损主要包括磨粒磨损和腐蚀磨损两类。磨粒磨损主要是由于部分磨粒进入工作齿面啮合区,导致磨粒磨损。腐蚀磨损的主要原因是因为齿轮所使用的润滑剂中的酸、水分等活性成分和齿轮材料发生化学反应的,导致齿轮腐蚀。主要表现在齿廓明显,侧隙增大,同时还会因为齿厚过度导致断齿。
/ F2 L" ]5 N" U+ P, ~+ |- P     ②齿面胶合。热胶合和冷胶合是齿面胶合的两种常见形式。热胶合主要是指在齿轮较高的传动下,啮合的两齿面的实际接触的部分由于金属熔化而粘结在了一起,粘着的金属随齿面的运动而撕落。冷胶合是指在齿轮较低的传动速度下,在较高的局部压力下,两啮合齿轮表面膜被刺破,因为金属的直接接触而导致齿面粘合。
     ③齿面疲劳。点蚀与剥落是齿面疲劳的常见形态。主要特点是工作齿面存在摩擦和磨损,且易发生塑变和发热。齿面疲劳是在过大的当量接触应力集中作用下,表层塑性变形,逐渐积累而引起微观穿晶断裂形成原始微裂纹,此裂纹源向齿面方向按疲劳裂纹扩展规律发展,以致齿面掉下一片片贝壳状的材料,即形成点蚀,由点蚀扩展而连成大片材料脱落或从齿面表层内向外延伸扩展而使较大片金属剥离齿面从而形成脱落。
     ④轮齿折断。根据断齿的原因,可见齿轮折断分为过载折断、疲劳折断和随机折断等。疲劳折断主要是指在应力过大的情况下,使得危险截面处的从疲劳源开始的疲劳裂纹不断扩展,使得齿轮截面上的应力超过极限应力所致。过载折断主要是指严重过载,使得齿轮应力超过极限应力所致。随机折断指在不正常的齿轮的危险截面断裂的一种齿轮折断方式。
     ⑤塑性变形。塑性变形属于轮齿永久变形一大类的失效形式,它是由于在过大的应力作用下,轮齿材料处于屈服状态而产生的齿面或齿体塑性流动所形成的。塑性变形一般发生在硬度低的齿轮上;但在重载作用下,硬度高的齿轮上也会出现。
. I- U+ {; B% j! o( V2 F2 基于小波分析的齿轮传动故障诊断
2.1 小波降低噪声
; x& M* N1 m2 e5 x7 R% l/ t     信号处理和图象处理是小波分析应用最广泛的两个领域,而在这两个领域中,应用最多的是信号的降噪和压缩。通过小波,更容易把噪声和其他不需要的信息分离出去,因此,在噪声分析中,小波分析有着无可比拟的优势。
①小波降低噪声过程小波分析用于降噪的过程,可细分为如下几段。
" M3 g; `' @( l" l; T6 k" w9 _4 y8 o     小波分解过程:选定一种小波,对信号进行多层的小波分解;阀值去噪过程:对分解得到的各层系数选择一个阈值,并对细节系数作用软阈值处理;信号重建过程:降噪处理后的系数通过小波重建恢复原始信号。这三个过程过程中,最重要的便是如何选择阈值和阈值的量化,这直接关系到信号的降噪质量。
②小波降噪模型。如果我们一个信号从被噪声污染后成为,那么噪声模型就可以通过以上形式表示出来:
+ f8 c! ~! n- u7 u            　s(n)=f(n)+σ.e(n)
& h- K( m) S2 G* E6 E1 W0 u5 h             式中,e(n)表示噪声,σ表示噪声强度,简单的情况下我们可以假设e(n)为高斯白噪声,且σ=1。小波变化的目的就是要抑制σ(n)以恢复f(n),在f(n)的分解系数比较稀疏的情况下,这种方法效率很高。如果以统计学的理论来研究,这个模型实际上是一个随时间推移的回归模型。用小波信号对信号降噪的过程。
2.2 齿轮故障特征提取
     小波分析能解决诸多问题,但是它也有不足,每次只对信号的低频部分进行分解,而高频部分保持不动。为此引入了小波包的概念。小波包分析是从小波分析延伸出来的一种对信号进行更加细致的分析与重构的方法。小波包分解与多分辨分析的不同之处是小波包分解对信号的高频成分实施了与低频成分同样的分解。小波包分解是一个首尾相接的恒带宽滤波器组,小波包分解的结果使信号的能量被分到一系列首尾相接的频带上。小波包分解的实质是将信号在各个正交基上投影,信号经过N层小波包分解后,原振动信号的能量被分解到2n个正交频带上,信号在各频带上的能量总和与原信号的能量是一致的,每个频带内的振动信号表征原信号在该频率范围内的振动特征信息。不同的运行阶段变速箱的振动模式是不同的,主要表现为齿轮啮合处振动频率及幅值的变化,齿轮在某些频带上振动能量的增强或抑制。齿轮不同运行状态的振动信号经过小波包分解后在各频带上的投影是不同的,因此可将振动信号在各频带投影序列的能量或与能量相对应的值作为特征向量。
     小波包在提取特征向量上的应用步骤如下所示。
     ①把齿轮振动信号分成n层小波包,根据这n层小波包,得到从低频到高频的特征信号Snj,j=1,2,3L2n;
     ②求各频带信号的能量。特征信号Snj对应的能量为为Enj:
3 l! k: s0 u# E" T/ a1 N/ s            　　Enj=Snj2dt=Xjk2
! y" J$ M4 O! _9 Y; E7 C# @            　　式中Xjk表示分解信号Sj的第k个离散点的系数,n表示Sj分解信号的离散点的个数。
     ③对特征信号的模进行求解,由上述公式得:
            　　Nnj=(Enj)1/2
- d# @1 R) N$ x5 H     ④构造特征向量。对每一个信号经小波包分解,求各频带的系数的模,得到一组与信号对应的序列{j=1,2,3L2n},则可由此确定与此能量序列对应的特征向量P={Nn1,Nn2,LN2n}。
: H; v; t0 A2 q, N" V     基于上述的特征向量提取方法,多实验中采取的齿轮箱进行三层小波分解,小波采用coif5小波类型,并同时选用Shannon熵值,分解的结果如图2所示。
1 W7 c  {) F: y" I% O3 结 语
5 Q; s3 @5 A) i" A     文章对采集的齿轮传动系统故障振动信号进行小波预处理以及小波包故障特征提取,可以有效的提取齿轮传动系统故障特征信息。因此,将该方法应用于齿轮传动系统故障诊断是可行、有效的。