齿轮箱系统故障诊断技术的现状及发展简述

杨东山，寇应展，田海宁

（1.军械工程学院，河北 石家庄 050003；2.石家庄机械化步兵学院，河北 石家庄 050083）

0 引言

齿轮箱是用来改变转速和传递动力的常用机械设备，其故障率较高，是诱发机器故障的重要原因。为了确保其安全、可靠、正常运行，对齿轮箱的工作状态进行检测和故障诊断就显得尤为突出。众所周知，一旦设备出现故障，就可能中断生产，给企业造成巨大的经济损失，甚至带来危害生命等灾难性后果。对齿轮箱系统进行诊断是自故障诊断技术问世以来一直受到人们普遍重视的课题之一。

1 研究背景和意义

最近几十年来，作为基础零部件的齿轮和滚动轴承应用在各种机械设备中，而对于它们的运行状态监控和故障诊断一直是人们的研究热点。研究显示，传统机械中80%的故障是由齿轮引起的，旋转机械中齿轮故障占其故障的10%左右，齿轮箱60%的故障是由齿轮引发的；而90%的齿轮故障都是局部故障，如裂纹、断齿等，特别是对于涡轴、涡桨航空发动机。而在齿轮箱中各零件损坏的比例中，齿轮零件所占比例约为60%，轴承零件所占比例为19%，轴零件所占比例为7%［1］。

资料显示，1992年6月，日本海南电厂的一台600 MW超临界火力发电机组因机组轴承失效和临界转速下降引起机组共振，造成机毁事故，直接经济损失45亿～50亿日元；1986年一架英国斯威士兰公司的直升机在执行任务时，传输动力的螺旋锥齿轮突然断裂造成飞机失事［2］。同样在我国也有因齿轮箱故障而产生的巨大经济损失，船舶“舟鹰4”从普陀山驶往大榭，在驾驶过程中，由于右机齿轮箱失压、少油导致正车摩擦片组紧密咬死，造成的直接经济损失约30万元；在我国的水泥行业，水泥磨齿轮箱故障使水泥产量每年减少200万吨以上；1988年2月，我国秦岭发电厂的一台200MW气轮机发电机组发生了轴系断裂的严重事故，造成的经济损失超过亿元［3］。

以上实例不仅造成了巨大的经济损失，而且由事故本身所带来的巨大的社会影响更是难以用金钱来估量。

随着机械电子技术的快速发展，人们面对的机械设备的复杂程度和规模不断增大，而机械设备的稳定性、可靠性、鲁棒性显得越发重要，一个细小的零件出现故障可能会导致整个设备不能继续使用。在社会工业生产中，一些关键的机械设备一旦发生故障，可能会引起巨大的经济损失，所以使用者希望建立一套完整的机械故障检测告警系统来监控机器设备的使用情况，当故障将要出现时，快速解决，以保证机械设备稳定可靠安全运行，提高生产效率和产品质量。目前，机械设备的运行监控和故障预测技术得到了社会的极大重视。

2 齿轮箱故障诊断技术的发展及趋势

2.1 齿轮箱故障诊断技术的发展历史

齿轮箱的故障诊断技术最早出现于20世纪初期，欧美等国在这一方面始终走在了世界的前列。1967年，在美国宇航局倡导下，美国海军实验室ONR率先开始了对机械故障诊断技术的研究与开发，并在故障机理研究及故障检测、故障诊断和故障预测等方面取得了许多具有实用意义的研究成果，且成功地应用在航天、航空、军事及机械等工业中。英国学者H.Optiz发表了关于齿轮箱振动和噪声函数曲线后，齿轮的振动和噪声指标作为判断一个齿轮装置好坏的重要因素得到了广泛关注［4］。20世纪中后期齿轮箱故障诊断技术得到了初步发展，但是其局限性比较大，仅仅限于测量振动参数和直接分析等手段。20世纪80年代，齿轮箱诊断技术取得了较大发展，对机理研究、故障特征提取、诊断方法都有了一定的进步，积累了大量的诊断实例。20世纪90年代以后，科学技术日新月异，并且伴随着计算机技术的应用，齿轮箱故障诊断技术也得到了较快速度的发展，各种诊断技术和诊断系统陆续出现。

2.2 齿轮箱故障诊断技术的发展趋势

随着科学技术的迅猛发展，特别是计算机应用技术的不断创新，故障诊断技术与前沿学科不断融合，成为这个研究领域的发展趋势。齿轮箱内部结构复杂，工况环境极端恶劣，不断改进和研究诊断技术，更应该与前沿学科相互融合，相互借鉴，主要表现有以下几点：

（1）深入开展理论研究。齿轮箱结构复杂，工作条件多样且恶劣，在诊断信号测量及处理中遇到的问题较多，目前对故障和振动等产生机理的研究尚不够透彻，多是定性结论及对一些表象的研究，要建立起完整的数学模型进行定量分析还有一定难度，因此，深入开展齿轮箱故障诊断技术的基础理论研究非常必要。

（2）大量融合传感技术。传感器的发展使人们获取诊断设备的工况数据变得更加方便，通过分析研究大量的数据可以提高故障诊断的准确性，如激光测试技术已深入发展到齿轮箱的振动测量和故障诊断中。

（3）融合信号处理技术。随着新的信号处理方法在设备故障诊断领域中的应用，传统的基于快速傅里叶变换的信号处理分析技术有了新的突破性进展。

（4）融合现代智能方法。现代智能技术包括专家系统、模糊逻辑、神经网络以及进化计算等，融合现代智能方法的齿轮箱故障诊断技术将在未来得到进一步的发展。

3 故障诊断技术的应用

故障预测是当前故障诊断应用的一个热点。目前，国内外都有许多应用实例，美国的“空间站自动化演示计划”的长期规划中，把故障趋势分析和故障预测技术作为其高级研究目标。美国马里兰大学Michael-GPecht教授认为故障预测技术的发展经历了故障诊断、故障预测、系统集成3个日渐完善的阶段，要提高故障诊断与预测精度就必须以系统级集成应用为牵引，不断融合智能诊断技术。目前，国内故障预测的研究对象主要以港口设备、大型工程机械、船舶设备以及航空、航天设备为主，山东大学陈举华教授用模糊贴近度来优化参数，将灰色模型（GM）模糊优化方法应用于小子样机械系统的故障预测；黑龙江工程学院的刘亚娟教授对采矿设备进行了故障预测研究利用，很好地给出了基于小波神经网络的机械故障趋势预测方法［5］；上海交通大学董振兴博士将灰色理论与神经网络相结合，进行了机械设备智能状态预测方法的研究［6］。

故障诊断技术在军事应用领域主要体现在武器装备方面，国际国内都在这一方面进行了很好的尝试。例如，基于案例推理的方法来建立对自行火炮故障诊断的专家系统，其核心思想是将自行火炮过去的大量诊断案例和采集的数据以及信号分析作为专家系统诊断的来源；西方某些国家基于网络的远程故障诊断技术对装甲车辆进行实时的故障检测和排除，这一方法也得到了推广和应用［7］；另外，还有专家将神经网络算法应用在故障诊断上，提取自行火炮、坦克的齿轮箱振动信号的特征参数，完成发动机的故障诊断和模式识别［8］。

4 结束语

齿轮箱系统故障诊断技术的发展是一个逐渐积累和渐进的过程。笔者认为，随着对齿轮箱故障诊断技术的进一步研究和应用，这一技术将会逐步推广到其他机械设备的故障诊断当中；同时，在武器装备方面，由于其复杂程度的提高，使得故障或事故增多，产生的影响也在增大，充分应用故障诊断技术，既可以有限地预防故障的发生，又可以减少不必要的维修，节省开支，提高效率，因此，这一技术在我军装备建设中具有重要意义。

［1］赵军，张丹，王金光.齿轮箱的失效原因与振动诊断［J］.中国修船，2008，21（5）：15-17.

［2］蒋平，贾民平，许飞云，等.机械故障诊断中微弱信号处理特征的提取［J］.振动、测试与诊断，2005，25（1）：48-50.

［3］国家秦岭发电厂5号机事故专家调查组.秦岭发电厂5号机事故调查分析总报告［R］.［出版地不详］：［出版者不详］，1988：1-9.

［4］丁康，朱小勇.齿轮及齿轮箱故障诊断实用技术［M］.北京：机械工业出版社，2006.

［5］刘亚娟，李洪智，王致杰.基于小波神经网络的机械故障预测［J］.机械传动，2006（3）：68-72.

［6］董振兴，史定国，张东山，等.基于灰色理论的机械设备智能状态预测［J］.华东理工大学学报，2001（4）：392-395.

［7］温朝晖，装甲车辆远程故障诊断技术［J］.装甲兵工程学院学报，2004（9）：21-24.

［8］王进.改进的BP神经网络和灰色理论在坦克发动机故障诊断中的应用［J］.工业控制计算机，2006（3）：7-8.