李紅賢， 湯寶平， 韓 延， 鄧 蕾

(重慶大學(xué) 機(jī)械傳動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，重慶 400030)

滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械的關(guān)鍵零部件，其安全平穩(wěn)的運(yùn)行會(huì)影響機(jī)器的整體性能，因此，對(duì)滾動(dòng)軸承進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷具有極其重要的意義[1-2]。齒輪嚙合干擾和變轉(zhuǎn)速工作模式是影響滾動(dòng)軸承故障診斷較為常見(jiàn)的兩大因素，齒輪嚙合會(huì)對(duì)軸承故障沖擊產(chǎn)生掩蓋，降低了軸故障軸承沖擊特征，變轉(zhuǎn)速使得故障軸承不再以等間隔產(chǎn)生沖擊，傳統(tǒng)的頻譜分析方法將不再適用[3-4]。

為了解決變轉(zhuǎn)速工作模式下齒輪嚙合對(duì)軸承造成的干擾，一些學(xué)者進(jìn)行了探索。文獻(xiàn)[5]采用齒輪角域重采樣-齒輪帶通濾波消噪-時(shí)域逆采樣的方式去除齒輪信號(hào)干擾，再對(duì)剩余信號(hào)進(jìn)行階次譜故障判別，但該方法計(jì)算過(guò)程較為繁瑣，對(duì)重采樣到角域的信號(hào)進(jìn)行帶通濾波會(huì)削弱軸承故障沖擊特征，且該方法受轉(zhuǎn)速計(jì)的限制。文獻(xiàn)[6]提出了改進(jìn)的自適應(yīng)消噪算法消除齒輪信號(hào)對(duì)軸承共振帶影響，以提取的瞬時(shí)故障特征頻率曲線等效為軸承轉(zhuǎn)頻做角域重采樣，擺脫了對(duì)轉(zhuǎn)速計(jì)的依賴(lài)，但該算法只以幅值最大的齒輪嚙合倍頻信號(hào)作為參考信號(hào)予以消除，無(wú)法消除其它齒輪嚙合頻率信號(hào)，且齒輪信號(hào)消除不干凈會(huì)直接干擾瞬時(shí)故障特征頻率曲線的提取，對(duì)滾動(dòng)軸承的故障診斷產(chǎn)生影響。文獻(xiàn)[7]提出以IDMM(Instantaneous Dominant Mesthing Multiply)趨勢(shì)線作為軸承轉(zhuǎn)頻做重采樣，再通過(guò)EMD分解分離出齒輪干擾信號(hào)，以IDMM趨勢(shì)做重采樣擺脫了受轉(zhuǎn)速計(jì)的限制且避免了因齒輪去除不干凈而造成的影響，但EMD存在模態(tài)混疊、端點(diǎn)效應(yīng)等缺陷，所選層數(shù)并不能完全去除齒輪信號(hào)干擾且會(huì)丟失部分軸承故障信息。旋轉(zhuǎn)機(jī)械通常存在多對(duì)齒輪，且齒輪相互嚙合會(huì)產(chǎn)生多個(gè)嚙合頻率及倍頻信號(hào)，只是對(duì)某些瞬時(shí)嚙合頻率信號(hào)進(jìn)行分離，并不能完全消除齒輪對(duì)軸承的干擾。

廣義解調(diào)算法可以將頻率變化的時(shí)變信號(hào)解調(diào)為頻率恒定的平穩(wěn)信號(hào)，通過(guò)窄帶濾波可有效地提取變頻信號(hào)。文獻(xiàn)[8]通過(guò)迭代廣義解調(diào)提取出變轉(zhuǎn)速下行星齒輪各階嚙合頻率信號(hào)，采用同步壓縮時(shí)頻分析方法進(jìn)行故障診斷。文獻(xiàn)[9]通過(guò)迭代廣義解調(diào)和能量分離算法精確的獲取了信號(hào)的瞬時(shí)頻率。迭代廣義解調(diào)可以分離出齒輪的嚙合頻率及其倍頻信號(hào)，但廣義解調(diào)相位函數(shù)的獲取依賴(lài)于轉(zhuǎn)速計(jì)輔助，在實(shí)際應(yīng)用中受安裝空間和安裝成本的制約。利用IDMM趨勢(shì)線可以有效地?cái)[脫廣義解調(diào)算法對(duì)轉(zhuǎn)速計(jì)的依賴(lài)，通過(guò)該趨勢(shì)線構(gòu)造各廣義解調(diào)函數(shù)的相位函數(shù)，并將趨勢(shì)線等效為軸承轉(zhuǎn)頻進(jìn)行角域重采樣，實(shí)現(xiàn)了無(wú)轉(zhuǎn)速計(jì)下變轉(zhuǎn)速滾動(dòng)軸承故障診斷。

1 迭代廣義解調(diào)齒輪信號(hào)分離

1.1 廣義解調(diào)算法原理

廣義解調(diào)算法是一種新的處理時(shí)變信號(hào)的方法，根據(jù)單一信號(hào)的瞬時(shí)相位構(gòu)造解調(diào)函數(shù)，將非周期的時(shí)變信號(hào)轉(zhuǎn)化為頻率恒定的周期信號(hào)[10]。廣義解調(diào)算法的本質(zhì)為廣義傅里葉變換，對(duì)于信號(hào)x(t)，其廣義傅里葉變換的定義為

(1)

式中：s0(t)為與時(shí)間t相關(guān)的實(shí)值函數(shù)，這實(shí)際是根據(jù)信號(hào)的瞬時(shí)相位，構(gòu)造一個(gè)解調(diào)函數(shù)與信號(hào)相乘，也就是對(duì)x(t)e-2πjs0(t)做標(biāo)準(zhǔn)的傅里葉變換。分析信號(hào)為x(t)=e-2πj(f0+s0(t))。因此，將變頻信號(hào)轉(zhuǎn)化為頻率恒定的平穩(wěn)信號(hào)，時(shí)變的相位函數(shù)需要滿足式(2)的關(guān)系

(2)

1.2 迭代廣義解調(diào)齒輪信號(hào)分離

實(shí)測(cè)信號(hào)往往由多個(gè)瞬時(shí)頻率變化不一的多分量信號(hào)構(gòu)成，僅僅依靠一次廣義解調(diào)無(wú)法將多分量信號(hào)解調(diào)為頻率恒定的平穩(wěn)信號(hào)，通過(guò)迭代的方法，就可以依次分離出各分量信號(hào)。齒輪嚙合時(shí)會(huì)產(chǎn)生嚙合頻率及倍頻信號(hào)，通過(guò)迭代廣義解調(diào)算法可以提取齒輪嚙合頻率及倍頻信號(hào)分量，有效地削弱齒輪對(duì)軸承產(chǎn)生的干擾，而傳統(tǒng)廣義解調(diào)算法的相位函數(shù)需要通過(guò)轉(zhuǎn)速計(jì)進(jìn)行獲取，為了擺脫對(duì)轉(zhuǎn)速計(jì)的依賴(lài)，在對(duì)齒輪信號(hào)分離時(shí)，根據(jù)齒輪瞬時(shí)嚙合頻率(Instantaneous Meshing Frequency, IMF)及其倍頻信號(hào)在包絡(luò)時(shí)頻譜(Envelope time frequency representation, ETFR)中具有突出峰值特點(diǎn)，采用峰值搜索算法提取幅值最大的齒輪嚙合頻率曲線，在不使用轉(zhuǎn)速計(jì)等輔助設(shè)備的情況下，完成對(duì)解調(diào)信號(hào)瞬時(shí)相位的間接獲取。

首先，對(duì)混合信號(hào)義進(jìn)行Hilbert變換獲取包絡(luò)信號(hào)，利用短時(shí)傅里葉變換得到ETFR結(jié)果，公式如下

(3)

式中：x(τ)表示故障軸承的振動(dòng)信號(hào)；g(τ)為高斯窗函數(shù)。

其次，通過(guò)峰值搜索算法從ETFR中尋找幅值最大所對(duì)應(yīng)的頻率值和時(shí)刻點(diǎn)，在信號(hào)時(shí)間范圍內(nèi)獲得各ti時(shí)刻瞬時(shí)頻率值IFSi，再將各時(shí)刻點(diǎn)的IFSi按照時(shí)間順序相連接便得到IDMM趨勢(shì)線

IFCFi=argmax{IFSi}(i=1,2,…,n)

(4)

式中：IFS(Instantaneous Frequency Spectrum)為瞬時(shí)頻譜；i為IFS對(duì)應(yīng)的序號(hào),取值是1～n；argmax函數(shù)表示IFSi取得最大值時(shí)對(duì)應(yīng)的橫坐標(biāo)，根據(jù)IDMM趨勢(shì)線就可以估計(jì)該瞬時(shí)頻率成分的相位函數(shù)。

理論上，ETFR中幅值最大的IDMM趨勢(shì)線與齒輪轉(zhuǎn)頻之間存在固定的比例關(guān)系，計(jì)算公式如下

(5)

最后，根據(jù)式(5)和實(shí)際情況下齒輪傳動(dòng)比得到各齒輪嚙合頻率及其倍頻曲線，從而求得各解調(diào)函數(shù)的相位函數(shù)，將每一個(gè)解調(diào)函數(shù)轉(zhuǎn)變?yōu)轭l率恒定的平穩(wěn)信號(hào)，分別采用帶通濾波分離出齒輪各階頻率曲線。采用迭代廣義解調(diào)算法可以削弱齒輪嚙合對(duì)軸承信號(hào)產(chǎn)生的干擾，利用峭度譜自適應(yīng)的選擇由故障軸承引起的高頻共振中心，對(duì)剩余信號(hào)通過(guò)自適應(yīng)選擇的濾波中心及帶寬進(jìn)行濾波，就可以提取出最能反應(yīng)軸承故障特征沖擊的濾波信號(hào)。

2 基于IDMM重采樣的滾動(dòng)軸承故障診斷

階次分析是解決變轉(zhuǎn)速軸承故障診斷較為常用的一種方法，可以將時(shí)域非周期信號(hào)轉(zhuǎn)化為角域平穩(wěn)信號(hào)，角域重采樣是按照時(shí)域信號(hào)相對(duì)于參考軸的等角增量方式進(jìn)行采樣。當(dāng)軸承在變轉(zhuǎn)速模式下運(yùn)行時(shí)，高頻共振不僅會(huì)對(duì)故障特征頻率產(chǎn)生調(diào)制作用，還會(huì)調(diào)制較低的轉(zhuǎn)頻，調(diào)制后的轉(zhuǎn)頻會(huì)在階次譜出現(xiàn)一個(gè)突出的轉(zhuǎn)頻階比。在齒輪、軸承的混合信號(hào)中，通過(guò)峰值搜索算法在ETFR中提取的IDMM趨勢(shì)線表示齒輪嚙合幅值最大的倍頻，軸承轉(zhuǎn)頻與IDMM趨勢(shì)線存在固定的比例系數(shù)，該比值與機(jī)械的傳動(dòng)比有關(guān)。將IDMM趨勢(shì)線等效為軸承轉(zhuǎn)頻對(duì)故障軸承進(jìn)行角域重采樣，將時(shí)變的非周期信號(hào)轉(zhuǎn)化為角域的周期信號(hào)，若軸承發(fā)生局部故障，其對(duì)應(yīng)的故障階比及其倍頻峰值將會(huì)呈現(xiàn)衰減特性，在軸承階次譜上呈現(xiàn)的一階故障特征階比(Fault Characteristic Order, FCO)與軸承轉(zhuǎn)頻階比(Bearing Rotational Order, BRO)的比值表示故障軸承的特征系數(shù)，通過(guò)與已知軸承的故障特征系數(shù)對(duì)比從而得到軸承的故障類(lèi)型。

迭代廣義解調(diào)齒輪信號(hào)分離的變轉(zhuǎn)速滾動(dòng)軸承故障診斷步驟如下(故障診斷流程，如圖1所示。)

步驟1對(duì)原始信號(hào)進(jìn)行Hilbert變換與STFT變換得到ETFR，估計(jì)ETFR中齒輪嚙合頻率及其倍頻分量的個(gè)數(shù)。

步驟2采用峰值搜索算法在ETFR中提取IDMM趨勢(shì)線，通過(guò)式(5)及傳動(dòng)比計(jì)算各齒輪嚙合頻率曲線fk(t)。

步驟3根據(jù)待解調(diào)信號(hào)的瞬時(shí)頻率曲線構(gòu)造其相位函數(shù)sk(t)

(6)

并得到解析信號(hào)y(t)=x(t)+jH[x(t)]，對(duì)y(t)進(jìn)行廣義解調(diào)后得到頻率恒為fk(0)解析濾波分量dk(t)=yk(t)e-2πjsk(t)。

步驟4對(duì)解析濾波分量dk(t)進(jìn)行窄帶濾波，中心頻率為fk(0)，fwidth為帶寬，分離出單分量信號(hào)Uk(t)。

步驟5重復(fù)步驟3～步驟4，直至分離出所有齒輪嚙合頻率及其倍頻分量信號(hào)，剩余信號(hào)主要為故障軸承振動(dòng)信號(hào)。

步驟6通過(guò)快速譜峭度算法計(jì)算軸承共振解調(diào)的濾波參數(shù)，根據(jù)譜峭度最大值所確定的濾波參數(shù)進(jìn)行帶通濾波。

步驟7將IDMM趨勢(shì)線等效為軸承轉(zhuǎn)頻，通過(guò)式(7)對(duì)濾波結(jié)果進(jìn)行角域重采樣，得到角域重采樣信號(hào)，采用階比譜實(shí)現(xiàn)對(duì)滾動(dòng)軸承的故障診斷。

(7)

式中：f(ti)為ti時(shí)刻的瞬時(shí)轉(zhuǎn)頻；N為采樣時(shí)刻序列號(hào)。

圖1 本文算法的故障診斷流程圖

3 仿真分析

為了驗(yàn)證本文方法的有效性，構(gòu)造變轉(zhuǎn)速工作模式下故障軸承和正常齒輪混合仿真信號(hào)x(t)進(jìn)行分析。仿真信號(hào)x(t)由故障軸承沖擊信號(hào)、兩對(duì)正常齒輪振動(dòng)信號(hào)和高斯白噪聲n(t)組成

x(t)=xbear(t)+xgear1(t)+xgear2(t)+n(t)

(8)

故障軸承沖擊引起的信號(hào)xbear(t)的表達(dá)式

(9)

式中：N為沖擊數(shù)量；Am為第m個(gè)沖擊相應(yīng)的幅值；其沖擊幅值隨時(shí)間線性變化Am=0.8t+1；β為結(jié)構(gòu)衰減系數(shù)；μ(t)為單位階躍函數(shù)；wr為軸承故障激發(fā)的共振頻率；tm表示第m個(gè)沖擊出現(xiàn)的時(shí)間；tm由遞推公式(10)確定

(10)

式中：f(t)為軸承轉(zhuǎn)速；τ代表滾動(dòng)體的滑移引起的沖擊間隔誤差，其取值一般為0.01～0.02；n代表軸承每轉(zhuǎn)的沖擊數(shù)。

正常齒輪振動(dòng)信號(hào)xgear(t)的表達(dá)式為

(11)

式中：i(1,2,…,G)為齒輪嚙合頻率諧波數(shù)；Xi為第i階諧波的幅值；L表示齒輪齒數(shù)；齒輪轉(zhuǎn)頻fg(t)與軸承轉(zhuǎn)頻的關(guān)系為fg(t)=τf(t)；Lfg(t)為齒輪嚙合頻率對(duì)時(shí)間的變化規(guī)律。

對(duì)軸承齒輪混合信號(hào)仿真時(shí)，將軸承轉(zhuǎn)頻設(shè)置為f(t)=2.5t+25(rps)；兩對(duì)齒輪的嚙合頻率峰值、二倍頻峰值和三倍頻峰值分別設(shè)置為0.4、1.2、0.5和0.2、0.9、0.3；齒輪齒數(shù)分別設(shè)置為L(zhǎng)1=24和L2=15；轉(zhuǎn)頻比分別設(shè)置為τ1=0.8和τ2=0.5。其它具體參數(shù)，如表1所示。

表1 仿真信號(hào)參數(shù)表

圖2為仿真信號(hào)的時(shí)域波形圖，圖3為添加高斯噪聲為5 dB時(shí)混合信號(hào)的ETFR。從圖3可知，軸承信號(hào)被齒輪信號(hào)掩蓋，只能看到兩對(duì)齒輪的嚙合頻率及其倍頻。原始混合信號(hào)的快速譜峭度，如圖4所示。其共振中心1 484.4 Hz，在齒輪嚙合頻率變化范圍內(nèi)，說(shuō)明齒輪嚙合對(duì)軸承共振中心的選擇產(chǎn)生干擾。

圖2 仿真信號(hào)的時(shí)域波形圖

圖3 仿真信號(hào)ETFR圖

圖4 未經(jīng)濾波的譜峭度

采用本文提出的方法對(duì)混合信號(hào)中齒輪信號(hào)進(jìn)行分離。首先，通過(guò)峰值搜索算法從ETFR中提取IDMM趨勢(shì)線，其中，提取的IDMM趨勢(shì)線與預(yù)先設(shè)置的第一對(duì)齒輪二倍頻峰值最大相吻合，如圖5所示。另外，為了驗(yàn)證采用峰值搜索算法提取IDMM趨勢(shì)線時(shí)的抗噪性能，本文分別在添加高斯噪聲為0和-5 dB兩種強(qiáng)噪聲干擾下進(jìn)行IDMM趨勢(shì)線提取，其它預(yù)設(shè)參數(shù)不變，從圖6和圖7可知，在不同噪聲干擾下，部分齒輪嚙合倍頻曲線被噪聲掩蓋，但最大峰值嚙合倍頻依然可見(jiàn)，且提取的IDMM趨勢(shì)線均與預(yù)設(shè)的第一對(duì)齒輪二倍頻峰值最大基本吻合，說(shuō)明峰值搜索算法在提取IDMM趨勢(shì)線時(shí)受噪聲干擾影響較小。

圖5 預(yù)設(shè)的IMF和提取的IDMM趨勢(shì)線

圖6 0高斯噪聲下的ETFR和IDMM趨勢(shì)線

圖7 -5 dB高斯噪聲下的ETFR和IDMM趨勢(shì)線

從圖3中提取IDMM趨勢(shì)線后，通過(guò)式(5)和預(yù)設(shè)參數(shù)計(jì)算其它齒輪嚙合頻率曲線，構(gòu)造解調(diào)函數(shù)的相位函數(shù)，并采用IGD(Iterative Generalized Demodulation)算法對(duì)齒輪信號(hào)進(jìn)行分離，對(duì)剩余信號(hào)計(jì)算快速譜峭度譜得到共振中心為4 583.3 Hz，與預(yù)設(shè)軸承共振中心4 500 Hz誤差僅為1.85%，根據(jù)譜峭度最大所確定自適應(yīng)濾波參數(shù)對(duì)剩余信號(hào)進(jìn)行帶通濾波，得到最能反映軸承故障信息的濾波信號(hào)。最后，將IDMM趨勢(shì)線等效為軸承轉(zhuǎn)頻，對(duì)濾波結(jié)果進(jìn)行角域重采樣，重采樣信號(hào)的故障特征階次譜，如圖9所示。在故障特征階比譜上清楚地看到隨階比衰減的倍頻峰值以及軸承轉(zhuǎn)頻階比，前4階軸承故障階比對(duì)應(yīng)的橫坐標(biāo)為0.090 82、0.181 6、0.272 5、0.363 3。軸承轉(zhuǎn)頻階比對(duì)應(yīng)的橫坐標(biāo)為0.026，軸承一階故障特征階比與轉(zhuǎn)頻的特征階比的比值為3.493，與預(yù)設(shè)的故障特征系數(shù)3.5誤差僅為0.2%，從而可以判斷軸承發(fā)生了故障。以IDMM趨勢(shì)線對(duì)混合信號(hào)做重采樣所得到故障軸承階次譜，如圖10所示?？梢郧宄乜吹烬X輪階比峰值較大，對(duì)軸承階比峰值產(chǎn)生了干擾，且故障軸承階比幅值明顯變小，幾乎難以辨認(rèn)。因此，本文提出的方法可有效地解決變轉(zhuǎn)速工作模式下齒輪對(duì)軸承的干擾影響和精確的識(shí)別故障軸承類(lèi)型。

圖8 齒輪分離后的譜峭度

圖9 齒輪分離后的故障特征階比譜

圖10 重采樣信號(hào)的包絡(luò)譜

4 實(shí)測(cè)故障軸承驗(yàn)證分析

利用動(dòng)力傳動(dòng)綜合實(shí)驗(yàn)臺(tái)為對(duì)象測(cè)取變轉(zhuǎn)速工況下故障軸承的振動(dòng)信號(hào)，試驗(yàn)臺(tái)的結(jié)構(gòu)，如圖11所示。由行星齒輪和兩級(jí)平行齒輪傳動(dòng)系統(tǒng)構(gòu)成，其中，行星齒輪的個(gè)數(shù)為3，齒輪箱齒輪參數(shù)，如表2所示。信號(hào)采集器為NI 9234采集卡，采樣頻率為25 600 Hz，通過(guò)速度控制器改變軸承轉(zhuǎn)頻。其中，被監(jiān)測(cè)對(duì)象為第二級(jí)平行齒輪中間軸上的內(nèi)圈故障軸承，故障軸承的主要幾何參數(shù)，見(jiàn)表3。算法結(jié)果流程圖，如圖12所示。

圖11 試驗(yàn)臺(tái)的結(jié)構(gòu)

內(nèi)圈軸承故障特征系數(shù)為

(12)

對(duì)變轉(zhuǎn)速工況下故障滾動(dòng)軸承實(shí)測(cè)信號(hào)進(jìn)行處理，圖12(d)為振動(dòng)信號(hào)的時(shí)域波形圖，原始信號(hào)的快速譜峭度，如圖12(f)所示。共振中心頻率處于齒輪嚙合頻率范圍內(nèi)，說(shuō)明齒輪對(duì)軸承的產(chǎn)生了干擾，影響了軸承高頻共振中心的獲取，因此，采用本文提出的方法對(duì)齒輪信號(hào)予以分離。原始信號(hào)的ETFR，如圖12(a)所示。首先，采用峰值搜索算法得到如圖12(b)所示的IDMM趨勢(shì)線，提取的IDMM趨勢(shì)線與第一級(jí)平行齒輪嚙合頻率的二倍頻幾乎完全吻合，通過(guò)式(5)和齒輪傳動(dòng)比計(jì)算其它齒輪嚙合頻率及其倍頻曲線。采用本文提出的迭代廣義解調(diào)算法對(duì)齒輪信號(hào)進(jìn)行分離，圖12(c)為提取齒輪信號(hào)的ETFR圖，清楚的看到分離出了齒輪嚙合頻率及倍頻曲線，與圖12(a)中各頻率曲線基本吻合。

其次，對(duì)剩余信號(hào)計(jì)算快速譜峭度，計(jì)算結(jié)果，如圖12(e)所示。可看到解調(diào)中心為11 733.3 Hz，沒(méi)有處在齒輪的嚙合頻率范圍內(nèi)，解調(diào)中心變?yōu)楦哳l共振區(qū)域，說(shuō)明本文提出的方法有效地削弱了齒輪嚙合對(duì)軸承的干擾。根據(jù)最大峭度值所確定的濾波參數(shù)進(jìn)行帶通濾波，得到能夠反應(yīng)軸承故障特征的濾波信號(hào)。最后將IDMM趨勢(shì)線等效為軸承轉(zhuǎn)頻對(duì)自適應(yīng)譜峭度濾波結(jié)果進(jìn)行角域重采樣，重采樣信號(hào)，如圖12(g)所示。利用傅里葉變化和包絡(luò)譜得到軸承的階次譜，從圖12(h)可知，隨階比衰減的倍頻階比峰值以及軸承轉(zhuǎn)頻階比峰值，前四階故障軸承特征階比所對(duì)應(yīng)的橫坐標(biāo)分別為0.111、0.221 9、0.332 9和0.443 8，轉(zhuǎn)頻階比對(duì)應(yīng)的橫坐標(biāo)為0.020 51，軸承一階故障特征階比與轉(zhuǎn)頻特征階比的比值為5.412，與實(shí)際內(nèi)圈故障特征階比5.43精度誤差僅為0.33%。因此，可判斷被監(jiān)測(cè)軸承為內(nèi)圈故障。為驗(yàn)證本文提出方法的優(yōu)勢(shì)，對(duì)振動(dòng)信號(hào)不采用本文方法處理，將IDMM趨勢(shì)線等效為軸承轉(zhuǎn)頻獲得的故障軸承的階次譜，如圖13所示。只可以看到一階階比和轉(zhuǎn)頻階比，齒輪干擾峰值較多，軸承的故障類(lèi)型判斷較為困難。因此，綜合以上實(shí)驗(yàn)分析可得，本文提出的方法可有效地對(duì)被監(jiān)測(cè)軸承的故障類(lèi)型進(jìn)行判別。

圖12 本文提出算法結(jié)果流程圖

行星齒輪齒數(shù)/個(gè)定軸齒輪齒數(shù)/個(gè)第一級(jí)第二級(jí)太陽(yáng)輪28輸入軸100—內(nèi)齒圈100中間軸2936行星輪36輸出軸—90

表3 滾動(dòng)軸承幾何參數(shù)

圖13 重采樣信號(hào)的包絡(luò)譜

5 結(jié) 論

本文提出的迭代廣義解調(diào)齒輪信號(hào)分離的變轉(zhuǎn)速軸承故障診斷方法，擺脫了對(duì)轉(zhuǎn)速計(jì)的依賴(lài)，在變轉(zhuǎn)速工作模式和齒輪干擾的情況下實(shí)現(xiàn)了對(duì)滾動(dòng)軸承故障類(lèi)型的精準(zhǔn)識(shí)別。

(1) 在不影響滾動(dòng)軸承信號(hào)的前提下，利用迭代廣義解調(diào)方法削弱了齒輪信號(hào)的對(duì)軸承的影響，可以自適應(yīng)的實(shí)現(xiàn)對(duì)軸承高頻共振參數(shù)的選取。

(2) 利用峰值搜索算法提取的IDMM趨勢(shì)線可以得到各廣義解調(diào)函數(shù)的相位估計(jì)，避免了廣義解調(diào)算法對(duì)轉(zhuǎn)速計(jì)的依賴(lài)。

(3) 將IDMM趨勢(shì)線等效為軸承轉(zhuǎn)頻，代替鍵相信號(hào)實(shí)現(xiàn)了角域重采樣，通過(guò)階次譜分析完成了對(duì)被監(jiān)測(cè)軸承故障類(lèi)型精確診斷，解決了無(wú)轉(zhuǎn)速計(jì)下的變轉(zhuǎn)速滾動(dòng)軸承故障診斷問(wèn)題。

本文方法適用于齒輪轉(zhuǎn)頻與軸承轉(zhuǎn)頻具有固定比例關(guān)系的旋轉(zhuǎn)機(jī)械，例如本文所用的齒輪箱滾動(dòng)軸承的故障診斷。