论文部分内容阅读
[摘 要]随着现代工业及科学技术的迅速发展，生产设备日趋大型化、集成化、高速化、自动化和智能化，齿轮传动是机械设备中最常见的传动方式之一，对齿轮故障进行诊断对确保设备的安全可靠运行具有重要意义，发展有效的设备状态监测和故障诊断技术成为当今设备管理和维修的迫切需要。
[关键词]齿轮 故障分析
中图分类号：TH17 文献标识码：A 文章编号：1009-914X（2013）22-0240-01
1 前言
齿轮故障诊断是利用所测得的齿轮在运行中或相对静止条件下的章台信息，通过对所测得的信息处理和粉丝，并结合诊断对象的历史情况，来定量识别齿轮和滚动轴承的实时技术状况，为预制有关故障和预测未知技术状态而确定一定的对策和技术。齿轮传动多以齿轮箱的结构出现，它是目前广泛采用的主要传动形式之一。虽然齿轮从设计、结构、材料到制造等方面已相当成熟和规范。但仍然难以避免诸如磨损、剥落、点蚀、裂纹等常发故障。研究表明，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，例如裂纹、崩齿等。
目前，振动监测与故障分析的常用方法有以下几类
（1）时域分析法
工程上所测得的信号一般为时域信号，所以这是最简单且最直接的方法，特别是当信号中明显含有简谐成分、周期成分或瞬时脉冲成分时更为有效。时域分析的最重要的特点是信号的时间顺序、即数据产生的先后顺序，如调幅解调法、相位解调法等分时更为有效。
（2）频域分析法
频谱分析是将时域信号变换至频域加以分析的方法，它的目的是把复杂的时间历程波形，经过傅里叶变换分解为若干单一的谐波分量来研究，以获得信号的频率结构以及各谐波和相位信息。但是，由于齿轮传动的频率成分包含轴频、啮合频率、齿轮箱体固有频率及他们的各次谐频，由箱体表面拾取的振动信号的频谱非常复杂，从频谱图中很难找到与故障相对应的频率成分。
（3）倒频谱分析
根据利用FFT进行时一频域转换的概念，可以将频谱分析结果再次利用FFT技术转换到一个新的分析域中，这样就形成了所谓的倒频谱分析。倒频谱方法用于齿轮故障边频带的分析具有独特的优越性，它的主要特点是受传播途径的影响很小、在功率谱中模糊不清的信息在倒頻谱中却一目了然。这种方法的缺点是倒谱的幅值大小对裂纹长度的发展不敏感，不易进行故障定位。
（4）人工神经网络故障诊断方法
将小波变换和人工神经网络的优点结合起来，提高诊断准确性。小波神经网络可以作为一种性能较优的模式识别系统应用于齿轮的故障诊断，具有较好的实用性。
2 齿轮故障及诊断的研究进展
（1）小波分析在齿轮故障中的应用
小波分析方法具有对低频信号在频域里有较高分辨率，对高频信号在时域里也有较高的分辨率的特点，具有可调窗口的时频局部分析能力，弥补了傅立叶变换和快速傅立叶变换的不足。小波理论有以下几个不同的方面：离散小波分析、多分辨率分析、连续小波分析及小波包分析等但是小波变换分析的结果不如傅立叶变换那样直观明了，需要分析人员具有一定的小波分析理论基础进行判断，不宜于使用计算机对结果进行自动分析和处理。小波变换的核函数不是唯一确定的，需要根据工程应用中的实际进行选择。因此，小波分析与其他特征方法的混合方法就越来越来得到了重视，有以下几方面：小波变换和分形的结合、小波变换和神经网络的结合及小波变换和统计学特征结合。小波分析作为一种全新的信号处理的工具，在齿轮故障诊断方面的应用越来越重要。
（2）融合的模拟退火BP神经网络在出路故障诊断中的应用
人工神经网络是一种非程序化、适应性、大脑风格的信息处理。尤其是BP神经网络，结构简单，可塑性强，在故障诊断领域已经有了广泛的应用。然而，BP网络的优缺点也十分突出，其自学习自适应能力强，容错性强，极其适于处理非线性复杂问题，但是收敛速度慢，尤其是极易陷入局部最优点，制约了其性能。模拟退火算法适合解大规模组合优化问题，计算过程简单通用，鲁棒性强，适用于并行处理，尤其是在理论上被证明是一种以概率l收敛于全局最优解的全局优化算法。用模拟退火算法改进BP神经网络，可以克服BP神经网络极易陷入局部最优点的缺点，进一步提高了网络的性能，提高齿轮诊断的精度。
（3）齿轮传动故障诊断专家系统的应用
首先，汇总齿轮箱故障诊断知识库，并应用图形化网络拓扑知识表达方法，搭建了9种齿轮箱故障诊断知识表达。在此基础上，集成了以知识、组合推理和数据引擎为核心的智能化齿轮箱故障诊断系统。通过实验研究，可以证实齿轮箱故障诊断知识的正确性，而且验证了故障诊断系统的有效性。
（4）弹性体动力学模型在齿轮故障诊断中的应用
在齿轮体和传动系统的分析方法的基础上，结合齿轮的实际工作状况，建立齿轮结构的弹性体动力学模型，进行弹性体动力学分析，考虑弹性支撑轴对齿轮体振动的影响，将其处理为弹性支撑，并在弹性边界条件下，考虑弹性圆盘对齿轮啮合齿响应的影响，建立齿轮支撑系统的动力模型和响应计算模型，研究齿轮支撑系统的固有特性，求解啮合齿的动力学响应，此方法可有效的对齿轮进行故障诊断。
3、结论
随着机械传动系统越来越向着高速、重载和复杂化发展，人们越来越重视机械传动系统的可靠性和安全性，这使得人们对故障诊断学越来越重视。自从故障诊断学出现以来，已取得了许多有用的成果，并在机械行业受到人们越来越多的重视和应用。机械传动系统主要由齿轮传动，链传动，带传动等组成，其中链传动和带传动的失效形式比较单一、固定，相对比较容易检测，而齿轮传动相对比较复杂，其故障形式也多种多样，且被广泛应用于车辆、机床、航空、航海等领域之中，因此研究齿轮系统的故障发生机理和诊断方法具有重要的实际意义和应用价值。
参考文献
[1] 2003.10-2004.07，网络化、智能化大型旋转机械在线诊断系统（参研人员）。国家十五“863”计划项目.
[2] 冯天瑾，丁香乾，杨宁，马琳涛.计算智能与科学配方[M]北京：科学出版社，2007.
[3] 王江萍，机械设备故障诊断技术及应用，2001.
[关键词]齿轮 故障分析
中图分类号：TH17 文献标识码：A 文章编号：1009-914X（2013）22-0240-01
1 前言
齿轮故障诊断是利用所测得的齿轮在运行中或相对静止条件下的章台信息，通过对所测得的信息处理和粉丝，并结合诊断对象的历史情况，来定量识别齿轮和滚动轴承的实时技术状况，为预制有关故障和预测未知技术状态而确定一定的对策和技术。齿轮传动多以齿轮箱的结构出现，它是目前广泛采用的主要传动形式之一。虽然齿轮从设计、结构、材料到制造等方面已相当成熟和规范。但仍然难以避免诸如磨损、剥落、点蚀、裂纹等常发故障。研究表明，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，例如裂纹、崩齿等。
目前，振动监测与故障分析的常用方法有以下几类
（1）时域分析法
工程上所测得的信号一般为时域信号，所以这是最简单且最直接的方法，特别是当信号中明显含有简谐成分、周期成分或瞬时脉冲成分时更为有效。时域分析的最重要的特点是信号的时间顺序、即数据产生的先后顺序，如调幅解调法、相位解调法等分时更为有效。
（2）频域分析法
频谱分析是将时域信号变换至频域加以分析的方法，它的目的是把复杂的时间历程波形，经过傅里叶变换分解为若干单一的谐波分量来研究，以获得信号的频率结构以及各谐波和相位信息。但是，由于齿轮传动的频率成分包含轴频、啮合频率、齿轮箱体固有频率及他们的各次谐频，由箱体表面拾取的振动信号的频谱非常复杂，从频谱图中很难找到与故障相对应的频率成分。
（3）倒频谱分析
根据利用FFT进行时一频域转换的概念，可以将频谱分析结果再次利用FFT技术转换到一个新的分析域中，这样就形成了所谓的倒频谱分析。倒频谱方法用于齿轮故障边频带的分析具有独特的优越性，它的主要特点是受传播途径的影响很小、在功率谱中模糊不清的信息在倒頻谱中却一目了然。这种方法的缺点是倒谱的幅值大小对裂纹长度的发展不敏感，不易进行故障定位。
（4）人工神经网络故障诊断方法
将小波变换和人工神经网络的优点结合起来，提高诊断准确性。小波神经网络可以作为一种性能较优的模式识别系统应用于齿轮的故障诊断，具有较好的实用性。
2 齿轮故障及诊断的研究进展
（1）小波分析在齿轮故障中的应用
小波分析方法具有对低频信号在频域里有较高分辨率，对高频信号在时域里也有较高的分辨率的特点，具有可调窗口的时频局部分析能力，弥补了傅立叶变换和快速傅立叶变换的不足。小波理论有以下几个不同的方面：离散小波分析、多分辨率分析、连续小波分析及小波包分析等但是小波变换分析的结果不如傅立叶变换那样直观明了，需要分析人员具有一定的小波分析理论基础进行判断，不宜于使用计算机对结果进行自动分析和处理。小波变换的核函数不是唯一确定的，需要根据工程应用中的实际进行选择。因此，小波分析与其他特征方法的混合方法就越来越来得到了重视，有以下几方面：小波变换和分形的结合、小波变换和神经网络的结合及小波变换和统计学特征结合。小波分析作为一种全新的信号处理的工具，在齿轮故障诊断方面的应用越来越重要。
（2）融合的模拟退火BP神经网络在出路故障诊断中的应用
人工神经网络是一种非程序化、适应性、大脑风格的信息处理。尤其是BP神经网络，结构简单，可塑性强，在故障诊断领域已经有了广泛的应用。然而，BP网络的优缺点也十分突出，其自学习自适应能力强，容错性强，极其适于处理非线性复杂问题，但是收敛速度慢，尤其是极易陷入局部最优点，制约了其性能。模拟退火算法适合解大规模组合优化问题，计算过程简单通用，鲁棒性强，适用于并行处理，尤其是在理论上被证明是一种以概率l收敛于全局最优解的全局优化算法。用模拟退火算法改进BP神经网络，可以克服BP神经网络极易陷入局部最优点的缺点，进一步提高了网络的性能，提高齿轮诊断的精度。
（3）齿轮传动故障诊断专家系统的应用
首先，汇总齿轮箱故障诊断知识库，并应用图形化网络拓扑知识表达方法，搭建了9种齿轮箱故障诊断知识表达。在此基础上，集成了以知识、组合推理和数据引擎为核心的智能化齿轮箱故障诊断系统。通过实验研究，可以证实齿轮箱故障诊断知识的正确性，而且验证了故障诊断系统的有效性。
（4）弹性体动力学模型在齿轮故障诊断中的应用
在齿轮体和传动系统的分析方法的基础上，结合齿轮的实际工作状况，建立齿轮结构的弹性体动力学模型，进行弹性体动力学分析，考虑弹性支撑轴对齿轮体振动的影响，将其处理为弹性支撑，并在弹性边界条件下，考虑弹性圆盘对齿轮啮合齿响应的影响，建立齿轮支撑系统的动力模型和响应计算模型，研究齿轮支撑系统的固有特性，求解啮合齿的动力学响应，此方法可有效的对齿轮进行故障诊断。
3、结论
随着机械传动系统越来越向着高速、重载和复杂化发展，人们越来越重视机械传动系统的可靠性和安全性，这使得人们对故障诊断学越来越重视。自从故障诊断学出现以来，已取得了许多有用的成果，并在机械行业受到人们越来越多的重视和应用。机械传动系统主要由齿轮传动，链传动，带传动等组成，其中链传动和带传动的失效形式比较单一、固定，相对比较容易检测，而齿轮传动相对比较复杂，其故障形式也多种多样，且被广泛应用于车辆、机床、航空、航海等领域之中，因此研究齿轮系统的故障发生机理和诊断方法具有重要的实际意义和应用价值。
参考文献
[1] 2003.10-2004.07，网络化、智能化大型旋转机械在线诊断系统（参研人员）。国家十五“863”计划项目.
[2] 冯天瑾，丁香乾，杨宁，马琳涛.计算智能与科学配方[M]北京：科学出版社，2007.
[3] 王江萍，机械设备故障诊断技术及应用，2001.