郭福平 李谷喬

(廣東石油化工學(xué)院機(jī)電工程學(xué)院)

基于HHT的齒輪故障聲發(fā)射實驗研究①

郭福平 李谷喬

(廣東石油化工學(xué)院機(jī)電工程學(xué)院)

以齒輪為研究對象，建立齒輪箱故障聲發(fā)射實驗裝置，采集不同缺陷、不同轉(zhuǎn)速的齒輪聲發(fā)射信號。首先采用經(jīng)驗?zāi)B(tài)分解(EMD)方法進(jìn)行預(yù)處理，得到經(jīng)驗?zāi)B(tài)分解圖、時頻譜和邊際譜，而后應(yīng)用Hilbert變換方法進(jìn)一步處理，對比不同轉(zhuǎn)速下正常齒輪與故障齒輪的HHT譜。結(jié)果表明：聲發(fā)射檢測技術(shù)可以判斷齒輪是否有故障。

齒輪 故障 聲發(fā)射檢測技術(shù) Hilbert變換

齒輪是機(jī)械傳動中最常用的零件，轉(zhuǎn)動設(shè)備中常見的故障都與齒輪故障相關(guān)。據(jù)統(tǒng)計，旋轉(zhuǎn)機(jī)械故障中齒輪故障約占10.3%[1]。齒輪箱的各種零件中故障率最大的是齒輪，據(jù)統(tǒng)計其故障率超過60%[2]。振動檢測是旋轉(zhuǎn)機(jī)械設(shè)備進(jìn)行監(jiān)測和診斷的主要手段，已經(jīng)形成較完善的理論體系[3]?？捎糜谔崛↓X輪故障信號特征信息的方法有很多，包括時域波形法、時域參數(shù)分析法、頻譜分析法、平均響應(yīng)法、細(xì)化分析法、倒頻譜分析法及瞬時頻率波動分析法等，這些方法各有特點。

聲發(fā)射檢測是一種動態(tài)檢測方法，該方法探測到的能量來自被檢物件本身，而不像其他檢測方法；而且可獲得因載荷等外變量變化引起的缺陷的實時或連續(xù)信息[4～6]。聲發(fā)射檢測方法不同于其他常規(guī)無損檢測方法，通過發(fā)現(xiàn)隱藏的缺陷，甚至在不能觸及的某些結(jié)構(gòu)部位的隱藏缺陷，以阻止破壞的蔓延。這能彌補(bǔ)目前齒輪狀態(tài)監(jiān)測常用的振動法在發(fā)現(xiàn)缺陷、受低頻噪聲干擾方面的不足，所以將聲發(fā)射檢測用于齒輪的在線狀態(tài)監(jiān)測和故障診斷有重要意義。

筆者將齒輪箱內(nèi)齒輪上預(yù)加工不同的人工缺陷，建立齒輪聲發(fā)射檢測系統(tǒng)，采集齒輪聲發(fā)射信號，獲取不同轉(zhuǎn)速下的齒輪聲發(fā)射數(shù)據(jù)。使用HHT(Hilbert-Huang Transform)技術(shù)，首先對信號EMD分解進(jìn)行預(yù)處理，再利用Hilbert變換來進(jìn)行對比分析處理，進(jìn)而判斷齒輪箱中齒輪是否存在故障。

1 實驗儀器及設(shè)備

建立齒輪故障聲發(fā)射檢測實驗平臺(圖1)，實驗采用美國物理聲發(fā)射公司SAMOS48通道聲發(fā)射檢測系統(tǒng)、WD寬頻傳感器和2/4/6三檔增益可調(diào)前置放大器。由電機(jī)、減速箱、中間軸支撐、軸承套、風(fēng)機(jī)葉輪及工作臺等組成，其中減速箱內(nèi)為可更換的齒輪。齒輪故障的實驗設(shè)計中，選取了兩種齒輪情況來進(jìn)行實驗，分別是將齒輪加工成含有磨損故障和正常情況的齒輪。預(yù)制的人工缺陷齒輪(下稱故障齒輪)如圖2所示。

圖1 齒輪故障聲發(fā)射檢測實驗平臺

圖2 預(yù)制人工缺陷的齒輪

2 實驗步驟

具體實驗步驟如下：

a.連接數(shù)據(jù)采集系統(tǒng)信號線，安裝傳感器。安裝過程中，要先打磨去除齒輪箱表面的油漆、氧化皮或油垢等污垢，擦干凈后，涂上耦合劑，用磁座固定聲發(fā)射傳感器探頭。

b.設(shè)置LAY文件，采用斷鉛的方法檢查傳感器的靈敏度[7]。

c.對環(huán)境噪聲進(jìn)行測試。

d.啟動齒輪故障模擬試驗平臺進(jìn)行聲發(fā)射數(shù)據(jù)采集。

e.調(diào)節(jié)轉(zhuǎn)速。從100r/min開始，按此值依次增加到1 000r/min，停止實驗數(shù)據(jù)采集。

f.從平臺上拆下齒輪箱，不變動小齒輪，更換為預(yù)制缺陷大齒輪，重復(fù)步驟a～e，采集不同故障齒輪的聲發(fā)射數(shù)據(jù)。

3 數(shù)據(jù)分析

3.1 HHT方法原理

HHT方法主要由EMD(Empirical Mode Decomposition，經(jīng)驗?zāi)B(tài)分解)方法和Hilbert變換兩個部分組成，其中EMD是核心模塊?；贓MD的時頻分析首先要對信號進(jìn)行EMD分解進(jìn)而得到一系列本征模態(tài)函數(shù)(Intrinsic Mode Function，簡稱IMF)分量，使得各IMF分量是窄帶信號，然后對每個本征模態(tài)函數(shù)進(jìn)行Hilbert變換，再組成時頻譜圖進(jìn)行分析[8]。其中，最關(guān)鍵的是EMD方法，先對信號進(jìn)行平穩(wěn)化處理，再依據(jù)信號中不同尺度的波動或趨勢逐級分解，產(chǎn)生一系列不同特征尺度的數(shù)據(jù)序列信號，每個序列信號是一個本征模態(tài)函數(shù)分量。而作為本征模態(tài)函數(shù)，應(yīng)滿足以下兩個條件：

a.在信號時域范圍內(nèi)，過零點和局部極值點數(shù)目必須相等或最多相差一個；

b.在任一時刻點，局部極大值點所構(gòu)成的上包絡(luò)線和局部極小值點所構(gòu)成的下包絡(luò)線，其均值必須為零[9，10]。

再對這些本征模態(tài)函數(shù)進(jìn)行Hilbert變換便可得到信號的時頻譜圖，譜圖能準(zhǔn)確地反映出系統(tǒng)原有的特征。EMD的分解優(yōu)勢在于瞬時頻率經(jīng)Hilbert變換后具有物理意義，有利于進(jìn)行非平穩(wěn)信號的有效Hilbert變換。

3.2 基于HHT的齒輪聲發(fā)射信號處理

HHT譜能將各IMF分量的頻率和出現(xiàn)時間表示在一張圖上，可根據(jù)圖中點的分布判斷信號在時-頻譜上能量的分布情況，因為EMD具有自適性，根據(jù)被分析信號的頻率構(gòu)成分解信號，使得HHT譜能更好地反映局部信息[11～13]。

筆者以轉(zhuǎn)速為300r/min的齒輪聲發(fā)射數(shù)據(jù)為例，對正常齒輪和故障齒輪進(jìn)行HHT重構(gòu)后信號和原始信號的對比，結(jié)果如圖3、4所示。

圖3 300r/min下正常齒輪聲發(fā)射信號時域圖

圖4 300r/min下故障齒輪聲發(fā)射信號時域圖

由圖3、4對比可見，正常齒輪和故障齒輪都會產(chǎn)生聲發(fā)射信號，并且都有一定的周期性，但是故障信號的周期性更加明顯。

3.3 正常與故障信號經(jīng)驗?zāi)B(tài)分解(EMD)分析

通過得到的經(jīng)驗?zāi)B(tài)分解圖(圖5、6)可以發(fā)現(xiàn)，信號在經(jīng)過EMD分解后，得到7個模態(tài)分量(IMF1～I(xiàn)MF7)和一個殘余分量(res)。其中前幾個頻率較高的分量為故障信息，而頻率較低的分量為噪聲信息和其他干擾信息。正常與故障信號經(jīng)驗?zāi)B(tài)分解后起作用的頻率成分都主要集中在前5個模態(tài)分量中，這幾個模態(tài)分量基本包括了齒輪運(yùn)轉(zhuǎn)過程中的所有聲發(fā)射信息。針對聲發(fā)射信號，重構(gòu)時選取包含主要信息的前5個IMF分量，其余分量拋棄。

圖5 正常齒輪信號模態(tài)分量

圖6 故障齒輪信號模態(tài)分量

3.4 正常與故障齒輪模量邊際譜分析

模量邊際譜不同于傅里葉變換之處在于經(jīng)傅里葉變換得到的頻譜所顯示的頻率成分是實際存在的，而模量邊際譜中各頻率處的幅值能表明在信號的變化過程中出現(xiàn)過這些頻率成分。若將HHT譜和希爾伯特邊際譜相結(jié)合，則可以準(zhǔn)確地反映信號的頻率組成，而且HHT譜是時頻圖，能表現(xiàn)出聲發(fā)射信號的撞擊時間和頻率信息。

為了更方便觀察整個分解效果，現(xiàn)對其進(jìn)行變換操作，便可以得到信號的各模量邊際譜、HHT譜和總邊際譜。圖7是正常齒輪信號各模量邊際譜，從圖上可以看到各IMF分量的能量分布，從邊際譜中可以看出分布得比較散亂，沒有大量集中的頻段。圖8是故障齒輪信號各模量邊際譜，第1個IMF分量函數(shù)中的能量在5 000Hz附近，相比正常信號具有明顯突出的幅值。

圖7 正常齒輪信號各模量邊際譜

HHT譜可將各IMF分量的頻率和出現(xiàn)時間表示在一張圖上，根據(jù)圖中點的分布推斷信號在時-頻譜上能量的分布情況，而且經(jīng)驗?zāi)B(tài)分解具有自適應(yīng)性，根據(jù)被分析信號的頻率構(gòu)成去分解信號，所得的HHT譜能更好地反映局部信息。圖9是正常齒輪信號的HHT譜，圖10是磨損齒輪信號的HHT譜，從圖9中可以發(fā)現(xiàn)，正常齒輪的高能量聲發(fā)射信號主要集中在低頻范圍內(nèi)，并且信號幅值不是很大，通過高亮的能量線可以看出采集到的聲發(fā)射信號有一定的周期性，這點與時域信號的觀察還是吻合的，但由于信號能量很小，通過HHT譜來觀察周期性不是很明顯。從圖10可以發(fā)現(xiàn)，由于齒輪故障的存在，故障信號的頻率成分比正常信號更加復(fù)雜，信號在各采樣點處的能量值與正常信號相比有了一定的增強(qiáng)，并且故障信號的周期性與正常信號周期性相比更加明顯了。

通過選取300r/min轉(zhuǎn)速下各頻譜的分析，對比不同轉(zhuǎn)速下正常齒輪與故障齒輪的HHT譜，通過對比分析可知，齒輪聲發(fā)射信號的HHT譜可以判斷該齒輪是否有故障。

圖8 故障齒輪信號各模量邊際譜

圖9 正常齒輪信號的HHT譜

圖10 故障齒輪信號的HHT譜

4 結(jié)論

4.1 正常齒輪和故障齒輪都有產(chǎn)生聲發(fā)射信號，并且都有著一定的周期性，但是故障的信號周期性更加明顯。

4.2 通過比對分析齒輪聲發(fā)射信號的HHT譜，可以發(fā)現(xiàn)聲發(fā)射信號的周期性很明顯，對比分析邊際譜能夠得出故障信號的頻率信息，能更準(zhǔn)確地檢測到故障特征。

[1] 呂蓬.旋轉(zhuǎn)機(jī)械故障模式識別方法研究[D].北京：華北電力大學(xué)(北京)，2010.

[2] 扈玉辰.基于LMD和循環(huán)平穩(wěn)解調(diào)的齒輪箱故障診斷技術(shù)[D].太原：中北大學(xué)，2014.

[3] 王鵬.基于聲發(fā)射的滾動軸承智能故障診斷方法研究[D].北京：北京化工大學(xué)，2012.

[4] 吳小娟.基于EMD的故障特征信息提取研究[D].武漢：武漢理工大學(xué)，2006.

[5] 李孟源，尚振東，蔡海潮，等.聲發(fā)射檢測及信號處理[M].北京：科學(xué)出版社，2010.

[6] 王健.基于聲發(fā)射信號降噪的損傷監(jiān)測算法研究[D].濟(jì)南：山東大學(xué)，2014.

[7] 韓雙連，隋青美，姜明順.聲發(fā)射信號分析及其軟件實現(xiàn)[J].化工自動化及儀表，2014，41(8)：930～934.

[8] 李騰，呂躍剛.基于希爾伯特黃在風(fēng)力發(fā)電機(jī)組軸承故障診斷[J].科技創(chuàng)新與應(yīng)用，2013，(19)：59.

[9] 李懷俊.基于能量信號分析的齒輪傳動系統(tǒng)故障診斷方法與系統(tǒng)研究[D].廣州：華南理工大學(xué)，2014.

[10] 王艷茹，蔣鵬，岳文彤，等.基于Hilbert-Huang變換的玻璃纖維自增強(qiáng)塑料聲發(fā)射信號分析[J].化工機(jī)械，2009，36(5)：498～501，506.

[11] 申世英.HHT與振動峭度在滾動軸承故障頻率特征提取中的應(yīng)用[J].山東工業(yè)技術(shù)，2016，(2)：284～285.

[12] 胡愛軍.Hilbert-Huang變換在旋轉(zhuǎn)機(jī)械振動信號分析中的應(yīng)用研究[D].保定：華北電力大學(xué)(保定)，2008.

[13] 戴光，余永增，張穎，等.基于小波和EMD的滾動軸承非接觸聲發(fā)射診斷方法[J].化工機(jī)械，2009，36(4)：326～330.

ExperimentalStudyofGearFaultAcousticEmissionBasedonHHTTransform

GUO Fu-ping,LI Gu-qiao

(CollegeofMechanicalandElectricalEngineering,GuangdongUniversityofPetrochemicalTechnology)

Taking the gear as the object of study,an experimental facility for the gearbox failure acoustic emission was established to collect acoustic emission signals of the gear with different defects and different rotate speeds,in which,having EMD(empirical mode decomposition) method adopted to preprocess these emission signals so as to obtain EMD diagram,time-frequency spectrum and marginal spectrum and then having them further processed with Hilbert method.Comparing normal gears’ and fault gears’ HHT spectrums at different speeds shows that the acoustic emission testing technology can determine the gear’s faults.

gear,fault,acoustic emission,Hilbert transform

廣東高校省級重點平臺和重大科研項目青年創(chuàng)新人才項目(650477)。

郭福平(1981-)，副教授，從事聲發(fā)射檢測技術(shù)和故障診斷研究工作，gfpmmc@163.com。

TQ050.7

A

0254-6094(2017)04-0390-05

2016-10-11，

2017-01-10)