浅议机械传动系统故障诊断及解决的方法.docVIP

浅议机械传动系统故障诊断及解决的方法 　　摘要：机械传动系统广泛运用于国防、航天航空、生产等行业领域中。其中，齿轮传动系统是目前使用最频繁的机械传动机构。但是，由于长时间的机械工作，齿轮的零部件极易发生磨损，并导致多种机械故障的发生。本文作者详细分析了齿轮传动过程中，系统故障的诊断方法和解决方法。 　　Abstract：the mechanical transmission system is widely used in national defense， aerospace， production and other fields of industry. Among them， the gear transmission system is the most frequently used mechanical transmission mechanism. However， because of long time of mechanical work， gear wear and tear parts easily happened， and lead to the occurrence of a variety of mechanical failure. In this paper， the author analyzes the gear transmission process， the system fault diagnosis methods and solutions. 　　关键词：机械传动系统；故障诊断及解决 　　Keywords： mechanical transmission system； Troubleshooting and solutions 　　1. 引言 　　机械传动系统广泛运用于国防、航天航空、生产等各个领域及行业中，因此，确保其安全性和可靠性具有非常重要的意义。齿轮传动系统，作为当今世界上运用频率最高的机械传动系统之一，对其故障的早期、及时诊断和解决，不仅有利于经济合理地安排设备维修的时间，更能有效避免重大人身或设备伤亡事故的发生。 　　2. 齿轮传动系统故障的诊断方法 　　2.1 常见齿轮传动系统故障 　　根据经验总结，常见的齿轮传动故障一般可分为两种：一种是分布在一个齿轮的各个轮齿上的分布式故障；另一种则是只集中于一个齿轮的某一个或者某几个轮齿上的局部故障。以下就具体的系统故障做诊断方法分析。 　　2.2 齿轮故障的诊断方法 　　2.2.1 小波分析方法 　　小波变换是一种多分辨率的时频分析方法。目前，齿轮传动故障分析中使用最广泛的小波分析方法是二进离散小波变换法。而随着小波分析技术的不断发展，和计算机容量、运算能力的飞速提高，连续小波变换也开始逐步应用于齿轮传动故障的诊断分析。而且，与二进离散小波变换相比，连续小波具有时间和尺度网格划分更细致、小波基无需正交和具有“时（移）不变”特性等多方面优势，更适合机械动态信号的检测和故障诊断。 　　2.2.2 神经网络分析方法 　　神经网络，在充分学习经验样本的基础上，将知识转换成为神经网络的权值和阈值，并将其存储在整个神经网络中。虽然神经网络模型可以映射出故障征兆的特征空间和模式空间，但是它不能解释故障诊断的技术内容和实质，因此又相当于知识表达的“黑箱结构”。人工神经元网络，是基于对人大脑中神经元结构特性的模仿，而建立起来的一种简单的非线性动力学互联网络。人工神经元网络的优点很多，例如：具有大规模并行处理能力、适应性学习和处理复杂多模式。BP网络、Hopfield网络和BAM网络是齿轮传动系统故障诊断领域常用的3种神经网络。其中，BP网络可以看作是一个静态的系统，具有模式分类能力。 　　2.2.3 独立变量分解法 　　之所以使用独立变量分别是存在两方面原因的。一方面，由于齿轮箱体表面测量到的振动信号是齿轮传动系统的振源信号与系统结构的脉冲响应函数的卷积，直接对齿轮传动的振源信号进行故障诊断非常困难；另一方面，独立分量分析法（ICA）是具有盲源分离和盲反卷积功能的新型多变量数据统计方法。因此，独立分量分析法在齿轮传动系统故障的诊断中具有非常重要的作用。根据ICA盲源分离原理进行齿轮传动故障诊断的方法主要可分为3类：①振动信号的盲源分离；②振动信号的单向分解；③利用部分已知信息进行盲源分离。ICA反卷积运算方法也是多种多样，例如：窄带信号卷积模型法。 　　3. 齿轮故障的解决方法 　　3.1 正确安装和使用齿轮传动系统，是预防系统故障发生的重要环节 　　只有严格遵守相应的安装程序和操作技能要求，对齿轮传动系统进行正确的安装和使用，才能确保机械设备的正常运行。首先，要注意齿轮安装的精度要求。齿轮安置