危五祥

摘要：齒輪箱屬于機(jī)械設(shè)備中不可缺少的連接和動(dòng)力傳輸裝置，系統(tǒng)里任何零部件失效均會(huì)為其它零部件運(yùn)行帶來影響，導(dǎo)致齒輪箱不能正常工作。因此，展開齒輪箱復(fù)合故障診斷方法進(jìn)行研究具有重要意義，而本文則對(duì)故障診斷方法進(jìn)行總結(jié)。

關(guān)鍵詞：齒輪箱;復(fù)合故障;診斷方法

切片雙譜的復(fù)合故障特征提取方法

切片雙譜

在設(shè)備發(fā)生故障后，發(fā)出的信號(hào)會(huì)與高斯分布相偏離，雙譜里所保留信號(hào)的幅值與相位信息，對(duì)偏離高斯分布的特征信息的提取更適宜[1]。具體算法即：

針對(duì)零均值的平穩(wěn)隨機(jī)信號(hào)，進(jìn)行三階累積量的計(jì)算公式即：

代表時(shí)間延遲;代表統(tǒng)計(jì)均值。

以三階累積量進(jìn)行雙鋪，即：

因雙譜計(jì)算過程復(fù)雜，切片雙譜被提出，使分析精度大大提高。取，以三階累積量作對(duì)角切片，選用公式為：

對(duì)實(shí)施Fourier變換得出相應(yīng)的切片雙譜：

仿真分析

仿真信號(hào)表達(dá)式總結(jié)即：

以上公式里的代表的高斯噪聲，采樣時(shí)間控制為1s，采樣頻率控制為10000Hz。信號(hào)里牽涉的調(diào)制頻率分別是250Hz、400Hz、500Hz、900Hz，里涉及到的調(diào)制頻率分別為20Hz、35Hz、50Hz與200Hz。

為使切片雙譜抑制高斯噪聲和二次相位耦合識(shí)別的能力得到保障[2]，需應(yīng)用有理Hermite插值的LMD法把仿真信號(hào)進(jìn)行單分量信號(hào)分解，再逐個(gè)對(duì)PF分量作包絡(luò)解調(diào)與切片雙譜分析。

滾動(dòng)軸承外圈和小齒輪的復(fù)合故障特征提取

對(duì)圖1里P分量作包絡(luò)解調(diào)與包絡(luò)信號(hào)切片雙譜分析，得出包絡(luò)解調(diào)譜與切片雙譜均可將齒輪與滾動(dòng)軸承的故障特征頻率進(jìn)行提取，切片雙譜會(huì)使噪聲干燥受抑制，除了可實(shí)現(xiàn)、與的提取，還可實(shí)現(xiàn)軸承外圈二倍頻的提取。

滾動(dòng)軸承內(nèi)圈和小齒輪的復(fù)合故障特征提取

對(duì)圖2里的PF1分量作包絡(luò)解調(diào)和包絡(luò)信號(hào)的切片雙譜分析，能夠發(fā)現(xiàn)小齒輪轉(zhuǎn)頻、與滾動(dòng)軸承內(nèi)圈特征頻率都可見譜峰。而小齒輪轉(zhuǎn)頻、，軸承內(nèi)圈特征頻率與軸承內(nèi)圈轉(zhuǎn)頻調(diào)制頻率和的位置同樣可見譜峰，表明切片雙譜在復(fù)合故障特征提取里具備噪聲抑制與現(xiàn)行耦合項(xiàng)辨識(shí)的能力。

2SOM–BP神經(jīng)網(wǎng)絡(luò)的復(fù)合故障識(shí)別方法。

SOM–BP復(fù)合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖具體涉及到競爭層、輸入層、輸出層與隱含層四類，其中競爭層為復(fù)合神經(jīng)網(wǎng)絡(luò)里SOM經(jīng)網(wǎng)絡(luò)的輸出層，還屬于BP神經(jīng)網(wǎng)絡(luò)的輸入層，若將輸入層神經(jīng)元數(shù)量設(shè)定成1，因存在四種故障模式，所以需把BP神經(jīng)網(wǎng)絡(luò)輸出層神經(jīng)元數(shù)量設(shè)定成4，依次即正常狀態(tài)（1，0，0，0）、齒輪斷齒（0，1，0，0），滾動(dòng)軸承內(nèi)圈點(diǎn)蝕（0，0，0，1）、外圈點(diǎn)蝕（0，0，1，0），控制隱含層神經(jīng)元數(shù)量為4–14，若實(shí)驗(yàn)里隱含層神經(jīng)元數(shù)量達(dá)到8或9，有極快的網(wǎng)絡(luò)收斂速度，可降低誤差率，因此此處設(shè)置隱含層神經(jīng)元數(shù)量為8個(gè);而競爭層至隱含層傳遞函數(shù)屬于雙曲正切函數(shù)tansig;隱含層至輸出層傳遞函數(shù)即S型對(duì)數(shù)函數(shù)logsig。

進(jìn)行齒輪與滾動(dòng)軸承正常運(yùn)行與發(fā)生故障后譜線比較得知，能正常運(yùn)行時(shí)切片雙譜里齒輪與滾動(dòng)軸承頻率幅值處于平穩(wěn)狀態(tài)，不過發(fā)生故障后切片雙譜里齒輪與滾動(dòng)軸承特征頻率和倍頻處幅值則出現(xiàn)較大改變，故而及時(shí)明確齒輪箱故障情況，再作出處理。

總結(jié)

本文給出了齒輪箱復(fù)合故障的兩種常用診斷方法，在后續(xù)研究中將針對(duì)這兩種診斷方法展開進(jìn)一步的完善，且加大其它故障診斷方法探索，為故障診斷提供更多新思路。

參考文獻(xiàn)

柳玉超.基于GACA–MKSVM的齒輪箱故障診斷[J].設(shè)備管理與維修，2019（1）：161–163.

周宇.面向齒輪箱關(guān)鍵部件的故障診斷與運(yùn)維問題研究[D].北京交通大學(xué)，2017.