基于小型实验平台的齿轮系统故障诊断研究.pdfVIP

基于小型实验平台的齿轮系统故障诊断研究

摘要

齿轮是传递动力与运动的重要机械元件，是动力系统的核心组成部分。由于长期在

高速重载的工况下运行，因此易受到损害导致齿轮故障，进而诱发动力系统故障，造成

经济损失甚至人员伤亡。对齿轮进行健康状态监测、及时诊断齿轮的故障类别可以有效

1

提高动力系统的运行可靠性。目前，齿轮故障诊断领域需要解决的主要问题有：）如何

23

去除故障源信号中的噪声；）如何准确提取故障特征；）如何识别混合故障。围绕以

上三个问题，本文分析了齿轮振动信号的频率成分后，分别从信号去噪、特征提取以及

故障识别等方面开展了研究。

首先，结合齿轮振动的特点建立齿轮系统的简化振动模型，将齿轮简化成一个由弹

性元件、质量元件和阻尼元件所组成的振动结构；分析齿轮常见故障的产生原因，并对

齿轮箱振动信号的频率成分进行研究。

其次，对信号的时域、频域、时频分析方法分别进行了研究。经过大量实验研究后

发现：时频分析法中的小波分解法适合去除信号噪声，且使用合适的小波基函数对不同

的故障信号进行去噪可达到更好的去噪效果，有利于故障信号的特征值提取；将去噪后

的信号进行小波包分解，并将分解系数进行能量归一化作为振动信号的故障特征。由于

3

不同检测点测得的振动信号包含的特征信息不同，本文选取了个检测点测量振动信号，

并将3个通道获得的故障特征值组成特征向量作为故障识别的输入样本。

最后，选择LabVIEW图形编程软件搭建齿轮系统故障诊断软件平台，并基于数据

驱动进行了BP神经网络模型训练。经过实验验证得出：本文设计的齿轮故障诊断系统

对一定范围内变输出负载的故障诊断结果可靠；系统可以准确识别出齿轮的混合故障。

关键词：齿轮故障；故障诊断；小波包分解；小波去噪；BP神经网络

基于小型实验平台的齿轮系统故障诊断研究

Abstract

Gearsarevitalmechanicalcomponentsforpowertransmissionandmotion,andarethe

coreofpowersystems.Becauseoflong-termoperationunderhigh-speedandheavy-load

conditions,itiseasytobedamagedandleadtogearfailure,andtheninducepowersystem

failure,resultingineconomiclossesandevencasualties.Thereliabilityofpowersystemcan

beimprovedbymonitoringthehealthstatusofgearanddiagnosingthefaulttypeofgearin

time.Atpresent,themainproblemstobesolvedinthefieldofgearfaultdiagnosisare:1)how

toremovethenoiseinthefaultsourcesignal;2)howtoaccuratelyextractfaultfeatures;3)how

toidentifymixedfaults.Aroundtheabovethreeproblems,thispaperanalyzedthefrequency

componentsofgearvibrationsignal,andcarriedouttheresearchfromtheaspe