论文部分内容阅读
传统的齿轮箱故障诊断方法是在齿轮箱体表面上安装加速度传感器,采集齿轮系统的振动信号,但从箱体上的传感器所采集到的齿轮啮合引起的振动信号在传递中要经过较多的环节。当齿轮发生点蚀、裂纹等微弱的早期故障时,由故障引起的振动冲击信号通过齿轮体、齿轮轴、轴承及轴承座最后传递到箱体的传感器上,齿轮啮合点到传感器的振动传输路径对振动信号而言,就如串联了机械式滤波器一样,信号在传递过程中各种不同频率成分的幅值要衰减,并且高频成分幅值衰减比低频成分快得多,导致振动信号中的故障信息被削弱和丢失,所以齿轮早期的微弱的故障特征信息很难提取到。针对这一问题,本论文提出了一种新的测试方法,即把传感器直接安装在齿轮箱体内的齿轮体上,这样缩短了振动信号的传递路径,有效降低了信号在传递过程中的衰减,有利于齿轮传动系统的早期故障诊断。为验证该方法的有效性,本文从齿轮动力学和齿轮故障诊断方法两个方面进行对齿根裂纹长度为2mm和4mm的故障齿轮系统进行了理论分析和运转试验,在动力学分析中,采用了显示动力学对齿根裂纹引起的扰动进行了模拟分析,在故障诊断方法中,采用了集合经验模态分解和时频峰值滤波联合降噪法,对实验信号进行降噪处理。论文主要研究内容如下:(1)采用有限元法计算出齿轮在健康状态和不同裂纹长度的故障状态下的时变啮合刚度,得出齿轮在一个完整的啮合周期里时变啮合刚度的变化曲线;建立了单级齿轮系统的动力学模型,根据变化的啮合刚度求解齿轮在不同状态下的动力学特性。(2)运用LS-DYNA对齿轮的健康状态和裂纹故障状态(包括2mm和4mm)进行动力学分析。分别选取了齿轮体上、轴和轴承上的结点,分析了不同裂纹状态齿轮的加速度信号,结果表明:当裂纹长度是2mm时,从齿轮轴和齿轮体上采集的信号能诊断出裂纹故障,而轴承上的信号则没有出现故障特征。当裂纹长度增大到4mm时,从轮体上、轴和轴承上的信号中都呈现出故障频率成分,这说明振动信号在传递过程中出现了频率成分的损失。为第五章的实验方案提供了基础。(3)针对齿轮箱振动信号非线性非平稳性的特点,提出了一种基于集成经验模态分解(Ensemble Empirical Mode Decomposition,简称EEMD)和时频峰值滤波(Time-Frequency Peak Filtering,简称TFPF)相结合的降噪方法。针对TFPF算法在窗长的选择方面受到限制的问题,采用了EEMD方法对其进行改进,使得信号在噪声压制和有效信号保真两方面得到权衡。结论:EEMD+TFPF能有效地去除噪声,成功提取齿根裂纹故障特征。(4)对新的测试方案在齿轮传动实验台上进行验证。实验分别采集了健康齿轮和裂纹齿轮(裂纹长度为2mm和4mm)在箱体上和齿轮体上的信号,并对获取的信号采用基于EEMD+TFPF+CAF的降噪方法来提取故障特征,实验结果表明:齿轮体上的振动信号能诊断出2mm和4mm裂纹故障,而箱体信号只能诊断出了4mm的裂纹故障。与第三章的结论相一致,所以对齿轮箱的早期故障诊断,嵌入式传感器测量方法更适合。