齿轮典型故障特征分析及其振动信号处理方法
2014-08-15梅卫江赵永满单志鹏
李 华,梅卫江,赵永满,单志鹏
(石河子大学 机械电气工程学院,新疆 石河子 832003)
齿轮传动被广泛应用于机械设备的动力传输,运动变向等,是一种比较常见的传动方式。而齿轮发生故障也是诱发其他部件故障的关键因素,因此对齿轮故障的诊断在机械设备的故障诊断领域占有非常重要的位置。在齿轮箱发生故障的事件中,各部件发生故障的概率也不尽相同,齿轮在整个齿轮箱传动系统的故障发生率中占60%左右,因此对齿轮箱部件振动机理的研究重点是齿轮。
由于齿轮发生故障时其振动信号的能量分布会发生改变,不同的故障形式在能量分布上也有所不同,据此可以将不同的故障状态区分开来,振动信号是齿轮故障特征的载体。齿轮故障诊断的前提就是对其典型故障特征及其振动信号的处理分析。
1 齿轮故障及振动机理分析
齿轮的故障发生的原因主要有两种:第一种是由齿轮制造和装配过程的制造误差以及装配位置误差造成的,一般表现为齿形误差、齿轮外周与内孔不同心、装配时各零部件轴线不同心等;第二类为齿轮由于长期工作形成的,由于在啮合过程中轮齿表面受到的载荷很大,加上润滑不良导致齿面之间油膜被压破,两齿面直接接触。两齿轮啮合过程中齿面之间的相对运动既有滚动又有滑动,而且相对滑动的摩擦力在节点两侧的方向相反,从而产生了力的脉冲,长期存在此状态会导致齿面发生胶合、磨损、疲劳剥落,甚至断齿等故障现象。
(1)齿轮振动机理。两齿轮啮合可看成是一个振动系统,在这个系统中轮齿为弹簧、齿轮本体为质量块。由于齿轮装配误差、齿轮啮合刚度的周期性变化以及转速波动引起的扭矩变化等外因引起的激振力的作用使齿轮出现沿圆周方向扭转振动的现象。
(2)齿轮典型故障类型。齿轮故障总体可以分为两类:大周期故障和小周期故障。大周期就是以齿轮轴转动频率为基本频率特征的故障,其主要代表就是轮齿的断裂。小周期故障是以齿轮的啮合频率为频率特征点故障,其主要表现为轮齿的大范围磨损。小周期故障往往是从一齿逐渐向临齿逐步扩展。
(3)齿轮故障振动信号的频谱特征。由传感器拾取的齿轮啮合振动信号不论是时域还是频域,通常一般有以下成分组成:啮合频率及其各次谐波、由于调制效应产生的边频带、隐含成份、附加脉冲和交叉调制成份等。
2 故障信号的采集
(1)采样原理。对故障诊断来说,在选择采样频率时,必须确定测试信号中反映设备运行工况并提供诊断依据的频率范围。对于旋转机械的故障诊断来说,有效诊断的重要方法之一就是频谱分析,频谱中能够反应设备工况的成分为工作频率及其倍频,因此诊断故障时一般在数倍于工频的频率范围内对振动频谱进行分析。理论上要求采样频率要大于待分析频率上限的2倍。不同的机械设备由于工作频率不同,采样频率的设定也有所差异,但所遵循的原则一般是相同的。
此外,如若模拟信号中存在高频分量,并且此分量的频率大于采样频率的1/2,就会造成高频分量与待分析频率成分的叠加,这种现象称为混频效应。后续的数字信号处理手段对混频效应是无效的,因而会造成对有用分析频率的污染,降低频谱分析的有效性和准确性。
(2)混频效应的解决办法。混频效应对齿轮故障诊断的后续分析和诊断结果造成的影响是很明显的。解决混频效应可以采用两种方法:提高采样频率或者在进行A/D转换之前对模拟信号进行滤波处理。
(3)泄露的解决办法。利用计算机对采样序列进行处理时,所采用的采样序列长度必须是有限的,这相当于对采样序列进行了阶段,或者可以说引入了矩形窗。因此当利用有限长度的采样序列进行傅里叶变换时,得到的结果实际上周期函数与矩形窗函数的傅里叶变换的卷积,反应在频域上就会产生皱波,也就是泄露。泄露常用的解决办法是增大矩形窗函数的宽度,或采用其他形式的窗函数,即采用所谓的加窗谱估计方法。
3 齿轮故障振动信号的处理
3.1 齿轮故障振动信号的调理
由传感器检测到的齿轮啮合振动信号为模拟信号,在将其送A/D转换器之前,必须对其进行适当的调理。一般包括交直流分离、信号滤波和信号放大。
(1)交直流分离。传感器检测到的振动信号包括交流和直流分量。其中,交流分量反应振动的瞬变情况,主要应用于振动分析、统计分析以及转子的轴心轨迹分析;直流分量反应了转子的轴心位置,主要应用于转子轴心位置的在线监视。为了使采集到的特征信号准确地体现齿轮的啮合状态,需要采用适当的电路将反应不同状态的交直流信号分离开来分别进行采样。
(2)信号滤波。为了消除检测到的特征信号中的噪声污染及其对后续分析带来的负面影响,常采用特定的滤波器对检测信号进行滤波。滤波器一般分为高通、低通、带通和带阻四种,不同滤波器滤波的过程相当于对信号不同频率进行加窗处理。在进行信号处理时可以根据有用频率的范围选择不同的滤波器。
(3)信号放大。为了满足A/D转换的要求,在转换之前需将信号放大为5V的电压信号,超出该范围会产生截波。而且在转换之前,需要将过小的模拟电压过滤掉,以保证转换的精度。
3.2 齿轮故障振动信号的预处理
(1)异常值处理。信号在采集的过程中,任何一个环节受到干扰都可能导致采集到的数字信号中存在异常值,这种情况涵盖了整个信号采集、传输和调理的过程。不同的数字信号分析处理方法对异常值的鲁棒性也各不相同,所以在某些情况下,即便是异常值数量非常少也可能导致处理结果存在很大的误差,由此可见对异常值的处理非常必要。
异常值的处理方法中最有代表性的是3规则。3规则的使用条件是对测试数据进行平稳正态假设,其主要特点是计算方便。虽然平稳正太性过程具有广泛的代表性,但并不是适用于所有数据,从这一点上来讲有其使用的局限性。
(2)标定。在传感器测得的数据进行A/D转换变为二进制的数字信号之后,需要对其进行标定以使其反向变换为被测参量的实际值。通常这种反向变换过程为简单线性运算,即将采样值乘以或除以一个标定系数。一般标定系数的获取需要选择经过校准的“标准”输入量作为系统的输入,通过输入、输出特性曲线获得。
4 齿轮故障振动信号处理分析方法
振动信号的处理方法很多,一般可分为单因素法和多因素法。单因素法一般包括阈值法和专家系统等;多因素法一般包括:模糊聚类分析、人工神经网络、信息融合技术等,除此之外还包括我们最常用到的信号处理方法:时域分析法、频域分析法和时频分析方法。
(1)时域分析。时域分析又称波形分析,主要包括时间域和幅值域两个方面,分析的对象是不同物理量的动态信号的幅值与时间的函数关系x(t),分析的自变量域为时域T。一般情况下,测试采集记录都是一维的,不管是在纸上 还还是在磁带上,总是一个数轴代表某种物理量的幅值,而另一个数轴代表时间,它表示了动态信号的幅值和时间随时间的变化关系[8]。
通过对时间与幅值函数关系的分析,能给出诸如幅值大小、幅值在时域内分布,起始时间点、持续时间、延后时间、相位滞后以及波形失真等幅值关系。
通过时域,求得它们的时间滞后(时间差),相位滞后和相位关系;通过频域关系得到各种频谱值和频率分析关系。然后,在进行各种需要的实际分析。通过幅域可求得六种主要的统计函数:
所以在齿轮箱的状态监测和故障诊断中,要特别注意这两部分指标的综合运用。利用有量纲的统计特征参数值进行幅值分析时,判断结果除了和机械设备的运行状态有关外,还与器械的运转指标如载荷、转速等有关,因此在对齿轮箱进行故障诊断进行数据比较时,必须确保数据来源的测点一致,而且各项运转指标也要一致。从齿轮箱测得的不同种类、大小的无量纲特征值在某些情况下是具有可比性的。无量纲幅值分析指标只与机器本身的状态有关,与机器的运行状况基本无关,对转速和负荷等运行状态的变化不敏感,所以相对有量纲特征参数而言是一种相对可靠的诊断参数。
(2)频域分析。时域信号只能反映信号幅值随时间变化的情况,除了单一频率分量的简谐波外,很难反映出信号的谐波的频率成分和频率分量的大小。而通过频域分析,可以得到信号的四种统计函数:自功率谱密度函数;互谱密度函数;相干函数(即谱相关函数);通过频谱分析还可求得有重要应用价值的传递函数或频率响应函数。
在齿轮箱状态监视和故障诊断中,通过对信号进行傅里叶变换可以将信号从时域转换到频域,并得到齿轮轴转动频率、啮合频率及其高次谐波等频率成分,并从频域图可以直接得到各频率成分的幅值以及相位等。可为齿轮箱故障部位的定位、故障类型确定及故障产生原因的分析提供一定参考。
(3)时频分析。时域分析方法只有时间信息而没有频域信息,所以只能定型地判断设备有无故障,最多能判断故障的程度;频域分析只有频域信息而缺失了时间信息,虽然可以确定故障发生的类型、程度和位置,但是频域分析是以傅里叶变换为基础的,而傅里叶变换应用的前提是信号是具有平稳性,工程中所采集的信号往往又是非平稳信号或者非高斯分布信号,背景噪声很大,所以频域分析具有应用的局限性。时频分析技术是近几年飞速发展的一种信号处理技术,它的出现是对Fourier变换方法的改进。时频分析的基本思想是用时间和频率的联合函数同时描述信号在不同时间和频率的能量密度或强度,此方法可以更好地进行故障定位和分析。
5 结语
论文着重介绍了借助传感器采集齿轮故障振动信号的过程和信号的预处理方法,以及故障振动信号的分析方法,对后期研究过程中进行振动信号采集、处理和特征提取奠定理论基础。
[1]牧修市(日).设备诊断技术的发展趋势[J].设备管理与维修,2001,(2):44-47.
[2]蔡建进.基于小波的齿轮箱故障诊断研究[D].太原:中北大学,2006.
[3]楼应侯,蒋亚南.机械设备故障诊断与检测技术的发展[J].机床与液压,2002,(4):7~9 .
[4]周辉.齿轮故障的特征提取与模式识别研究[D].郑州:郑州大学,2005.
[5]白士红,孙斌.包络方法诊断齿轮箱故障[J].沈阳航空工业学院学报,2000,17(4):1~2.
[6]D.L .Donoho .Denoising by soft thresholding [J].IEEE Transaction on Information Theory;1995,(41):613-627.
[7]陈克兴.设备状态监测与故障诊断技术[M].北京:科学技术文献出版社,1991.
[8]雷继尧.工程信号处理技术[M].重庆:重庆大学出版社,1990.