大机组齿轮早期故障诊断方法的研究、开发和应用.pdfVIP

全国第6届转干动力学学术讨论会ROTDⅧ‘20叭论文集 大机组齿轮早期故障诊断方法的研究、开发与应用 陈大禧朱铁光 (湖南岳阳长．孽炼油化工总厂设备研究所，岳阳414012) 摘要本文分析了影响齿轮早期故障诊断准确性的主要因素，针对齿轮振动信号噪声干扰 大的特点，采用小波分析、神经网络滤波、相关滤波等方法进行信号预处理，可大大提高信噪比。 现场应用情况表明：该方法可在强噪声环境下提取出齿轮振动中的微弱故障信息，及时发现齿轮 早期故障隐患·同时该方法还可进一步推广应用到存在强噪声、强冲击的滚动轴承、往复机械等 的诊断工作中。最后，在此基础上，开发了一套齿轮早期故障诊断软件系统。 关键词齿轮、故障诊斯、小波、神经网络 O．前言 齿轮传动是机械设备中最常用的传动方式，因此，齿轮失效是诱发机组故障的一个重要原 因。在石化、冶金等流程生产企业．很多生产中的关键机组均以齿轮箱作为主要的变速机构，这 些机组均为长周期连续运转，不便解体检查，一旦出现传动部件的故障而造成突发性停机事故， 就会对整个装置，乃至全厂的生产和经济效益造成巨大的损失。因此，怎样在不停机的情况下， 准确遗诊断出齿轮的早期故障隐患．以便及时采取措施，傲到防患于来然，对于保障枫组的安全 运行、提高企业经济效益具有非常重要的意义。 现有的齿轮故障诊断方法有多种，例如；通过时域平均分析，可以识别齿轮安装错位、断 齿等缺陷；通过啮合频率及其谐波分量幅值变化的功率谱分析，可以识剐齿面均匀磨损；通过倒 频谱分析，可以消除信号传递路径的影响．提取信号中的周期成分；通过包络分析，可以对信号 进行幅值解调：通过F／V跨零频率分析及瞬时频率波动分析，可以进行频率解调等等。这些方法 在齿轮故障的识别中，发挥了积极的作用，但是．对于齿轮的早期缺陷，它们的反映还不够灵敏， 以致于不能及时消除存在的故障隐患、预防事故的发生。 我们采用小波分析、神经网络滤波等方法对齿轮振动信号进行预处理，大大提高了信噪比。 现场应用情况表明：该方法可在强噪声环境下提取出齿轮振动中的微弱故障信息，及时发现齿轮 早期故障隐患． 1．齿轮早期故障诊断难点分析 与～般的回转机械相比．齿轮振动具有如下几个显著特点： ①较高的振动特征频率。齿轮振动的特征频率主要为其啮合频率及其倍频成分，对于石化 行业等高速回转机组的齿轮箱而言，一般达5000～1000佣z以上：而且齿轮啮合过程中还经常存 在一定程度的冲击现象，其响应频率更高．普通电涡流传感器的频响达不到这～要求。因此齿轮 振动测试必须采用加速度传感器在轴承或齿轮箱体上测取其振动信号．且整个测试系统的频响范 围必须足够高． ②较强的非线性。齿轮回转过程中．其刚度不断变化．里现出较强的非线性，因此，齿轮 振动经常呈现出某些非线性特征。同时，由于存在调频调幅现象，在高频的啮合频率两旁，还经 常分布着一系列的以主轴回转频率为闯隔的边频带，因此，对高频下频率分辨率的要求也根高。 ⑤较大的噪声干扰。齿轮振动信号的传递路径较复杂，经过了轮齿_+轮毂_轴一+轴承_轴 承座-+传感器后，一方面引入了大量的噪声干扰成分．另一方面一部分高频信号迅速衰减．降低 了信噪比。因此要提高齿轮诊断的准确率，必须首先对测得的信号进行降噪处理。 近年来．小波分析与人工神经网络滤波在信号降噪方面的研究，取得了很多可喜的进展。 我们将这些方法应用于大型高速齿轮箱的早辫故障诊断，取得了较好的效果。 ·56· 2．小波分析与神经网络滤波技术简介 2．1小波分析 小波变换的基本思想与傅立叶变换是一致的，它也是用一簇函数去表示一个信号或函数 工(f)，这一簇函数称为小波函数系。其定义式如下： 胛：(岛∞=÷f：■(，妒‘(￡马廖 、『口．-。 口 小波函数系与傅立叶变换所用的正弦(或余弦)函数系不同，它是由一基本小波函数的平 移伸缩构成的． 耵可以解释为(对每一分析频率f)用具有中心频率f的带通滤波器对信号x(r)滤波的结 果。 小波也。所确定的窗口的形状 和太小是变化的。当I口|越小时．时宽 越小。而频宽越大。由于信号豹频率 与它的周期长度成反比，因此。对于 高频信息．时间间隔要相对小，以便 给出比较好的分辨率；对于低频信 号，时间间隔要相对长，以便给出较 完全