基于阶次跟踪和试验站能量算子分析的齿轮箱故障诊断.docxVIP

基于阶次跟踪和试验站能量算子分析的齿轮箱故障诊断 基于阶次跟踪和表面能量算子的齿轮箱升降速过程故障诊断方法 旋转机械的升速过程包含丰富的状态信息，可以充分反映稳定运行时不容易反映的故障迹象。但旋转机械的升降速过程信号比平稳过程信号复杂得多,常规的频谱分析方法不适用。目前,在故障诊断中处理非平稳信号通常有两种方法:时频分析和阶次分析。时频分析是处理非平稳信号的有效方法,得到了广泛的应用,但当信号具有复杂的频率成分或旋转机械的速度变化非常剧烈(如齿轮箱起动过程)时,时频分析就难以有效。旋转机械的振动信号分析中,信号往往与机器的转速密切相关,因此,阶次分析可以有效地对齿轮箱升降速过程的非稳态振动信号进行分析。Teager能量算子(Teager Energy Operator,简称TEO)可以有效计算信号的瞬时幅值和瞬时频率,特别适用于处理信噪比较高、瞬时频率变化较缓慢的信号,在语音信号、图像处理等领域得到了广泛的应用。本文将阶次分析、角域平均和Teager能量算子分析技术相结合,提出了基于阶次跟踪和Teager能量算子分析的齿轮箱升降速过程故障诊断方法,并得到了成功的应用。试验结果表明:该方法能有效地提取齿轮齿根裂纹的故障特征信息,为齿轮箱升降速过程故障诊断开辟了一条新的途径。 1 齿轮箱升降速故障诊断模型 基于阶次跟踪和Teager能量算子分析的齿轮箱升降速故障诊断方法是将传统的阶次分析、角域平均、Teager能量算子分析有机结合起来,下面简要介绍该方法的基本原理。 1.1 重采样与阶次跟踪 阶次分析的实质是将时域的非稳态信号通过恒定的角增量重采样转变为角域平稳信号,使其能更好地反映与转速相关的振动信息。阶次分析技术的核心在于获得相对参考轴的恒定角增量采样数据,因此,需要能准确获得阶次采样的时刻及相应的基准转速,即实现阶次跟踪。 常见的阶次跟踪方法有硬件阶次跟踪法、计算阶次跟踪法和基于瞬时频率估计的阶次跟踪法等。本文采用计算阶次跟踪法实现振动信号的重采样计算。计算阶次跟踪法具体实现步骤如下: (1) 对原始振动信号和转速信号分两路同时进行等时间间隔(Δt)时域采样,得到同步采样信号; (2) 确定恒定角增量Δθ所对应的各个时间点t的值; (3) 根据已求出的t的值,对振动信号进行插值,求出其对应的幅值,实现重采样,生成振动信号的同步采样信号,即角域平稳信号; (4) 对重采样的信号进行FFT变换,得到振动信号的阶次谱。 1.2 角域平均算法 时域平均是从混有噪声的复杂周期信号中提取感兴趣周期分量的常用方法,可以消除与给定频率(如某轴的回转频率)无关的信号分量,包括噪声和无关的周期信号,提取与给定频率有关的周期信号,因此能在噪声环境下工作,提高分析信号的信噪比。此外,时域同步平均也可作为一种重要的信号预处理过程,其平均结果可再进行频谱分析或作其他处理,如时序分析、小波分析等,均可得到比直接分析处理较高的信噪比。 角域平均算法的实现可根据时域平均的具体算法得到,设以Δt为间隔的时域采样序列x(n),n=1,2,3,…,N1,x(n)经等角度重采样后的信号为y(i),i=1,2,3,…,N2,其中感兴趣分量的阶次为xx,则角域平均算法如下 y?(m)=1p∑k=0p?1x(m?kL)(m=N2?L+M,N2?L+2M,?,N2)(1)y^(m)=1p∑k=0p-1x(m-kL)(m=Ν2-L+Μ,Ν2-L+2Μ,?,Ν2)(1) 其中:y?(m)y^(m)为角域平均后得到的新序列;p为平均段的总数;L为1个平均段中的采样数目;M为每个平均段内的重采样间隔,M=fs0/xx的就近取整值;fs0为等角度重采样频率,fs0=1/Δθ(Δθ为等角度重采样间隔);xx为感兴趣的周期分量的阶次。 1.3 离散信号xn的teo Teager能量算子(TEO)因为原理简单近年来被学者广泛用于求取信号的瞬时频率和瞬时幅值,并取得了一定效果。连续信号x(t)的TEO可定义为 ψ[x(t)]=[x˙(t)]2?x(t)x¨(t)(2)ψ[x(t)]=[x˙(t)]2-x(t)x¨(t)(2) 其中:x(t)为测得振动信号;x˙(t)x˙(t)和x¨(t)x¨(t)分别为信号x(t)的一阶和二阶导数。 离散信号x(n)的TEO可定义为 ψ[x(t)]=x2(n)?x(n+1)x(n?1)(3)ψ[x(t)]=x2(n)-x(n+1)x(n-1)(3) 由式(3)可见每一瞬时时刻TEO的计算只需要3个采样点,故其具有很好的瞬时性。文献利用TEO实现了对单分量调幅调频(AM-FM)信号的瞬时频率与瞬时幅值的分离,即 f(t)≈12πψ[x˙(t)]ψ[x(t)]?????√(4)|a(t)|≈ψ[x(t)]ψ[x˙(t)]√(5)f(t)≈12πψ[x˙(t)]