论文部分内容阅读
齿轮早期故障检测与剩余使用寿命估计对于直升机和风电机组传动系统的预测维修和健康管理具有重要的意义,但齿轮的早期故障特征通常很容易被湮没在其它振动信号或背景噪声中,所以开展齿轮故障增强检测相关技术的研究是非常必要的。当前,国内外有关齿轮故障增强检测技术的研究主要着力于降低信号中背景噪声的影响和从振动信号中分解与重构出能够表征故障的信号。对于前者,时域同步平均(TSA)技术在消除随机噪声和消除与感兴趣齿轮不完全同步的周期信号方面作用均比较明显,然而,传统TSA的实现一般需要额外地安装可以提供时标信号的锁相倍频器或转速传感器,这个条件给TSA的工程应用带来了较大限制;而对于后者,部分振动信号分解与重构方法缺乏严格的数学理论支持,获得的信号物理意义不十分明确,有时很难对其进行物理解释。针对上述问题,论文研究了基于修正最小熵反卷积(FMED)的齿轮故障冲击信号增强检测技术,并探索了增强冲击信号在缺乏鉴相信号情况下的TSA算法实现中的应用。主要研究内容包括:(1)分析了齿轮典型故障模式的故障机理和振动信号特征,改进了现有的齿轮典型故障信号仿真模型,为后续研究奠定了理论基础;(2)研究了最小熵反卷积(MED)和修正最小熵反卷积(FMED)的理论和算法,提出了基于FMED的齿轮故障增强检测方法,并利用仿真数据进行了有效性验证;(3)研究了基于阶比重采样的TSA理论,提出了一种基于FMED的无鉴相信号TSA新算法,并利用仿真数据对所提出方法的可行性和有效性进行了验证;(4)在两级风机齿轮箱试验台上开展了齿轮点蚀故障试验研究,利用试验数据对所提出方法的有效性和实用性进行了验证。研究表明:MED和FMED均能够增强齿轮振动信号中的故障冲击信号,并抑制啮合振动信号和噪声,从而得到物理意义明确的分离信号以用于齿轮故障增强检测;FMED相对于传统MED具有更好的鲁棒性,能够对受强背景噪声干扰的故障冲击信号起到增强检测作用;基于FMED的TSA新算法能够在缺乏鉴相信号的情况下获得有效的TSA信号。