齒輪箱故障診斷.doc

基于小波分析風(fēng)力發(fā)電齒輪箱的故障診斷摘 要為研究風(fēng)力發(fā)電機(jī)齒輪箱的故障診斷特性，提出采用小波分析。根據(jù)理論分析建立簡(jiǎn)單的齒輪故障信號(hào)模型，采用小波進(jìn)行降噪處理，并對(duì)去噪信號(hào)進(jìn)行分解得到細(xì)節(jié)部分，利用小波變換獲取故障信號(hào)的細(xì)節(jié)參數(shù),然后對(duì)細(xì)節(jié)部分進(jìn)行進(jìn)一步分析，本文是通過(guò)希爾伯特包絡(luò)譜分析提取非穩(wěn)態(tài)的故障特征，來(lái)對(duì)齒輪箱故障進(jìn)行診斷和確定故障具體位置。關(guān)鍵詞：小波分析 風(fēng)力發(fā)電 齒輪箱1、齒輪箱的故障分析風(fēng)力發(fā)電機(jī)組傳動(dòng)系統(tǒng)包過(guò)一個(gè)齒輪箱、離合器和一個(gè)使風(fēng)力發(fā)電機(jī)在緊急情況下停止運(yùn)行的剎車系統(tǒng)。風(fēng)力發(fā)電機(jī)通常利用齒輪箱把風(fēng)輪的低轉(zhuǎn)速提高到能使發(fā)電機(jī)發(fā)電的轉(zhuǎn)速，如果齒輪箱發(fā)生故障，就很容易造成設(shè)備損壞。在齒輪箱故障中，齒輪折斷和齒面疲勞故障的發(fā)生率較高，還有齒面點(diǎn)蝕、膠合、齒根斷裂、軸承損壞、滲漏油等其他常見(jiàn)故障。2、齒輪箱故障診斷方法齒輪箱在故障運(yùn)行過(guò)程中，不同故障部位和原因會(huì)對(duì)齒輪箱的振動(dòng)信號(hào)產(chǎn)生不同的影響，使得振動(dòng)信號(hào)在時(shí)域和頻域發(fā)生變化，在相同頻帶內(nèi)，不同狀態(tài)信號(hào)的能量就會(huì)出現(xiàn)明顯不同。在齒輪箱故障診斷中應(yīng)用小波變換的思想是把原始振動(dòng)信號(hào)先分解成近似信號(hào)和細(xì)節(jié)信號(hào)，然后把分解得到的近似信號(hào)繼續(xù)分解為近似信號(hào)和細(xì)節(jié)信號(hào), 依此類推,可以分解到N層的近似信號(hào)和細(xì)節(jié)信號(hào)。為了將分解后的低頻信號(hào)和高頻信號(hào)的時(shí)間分辨率提高到原始信號(hào)的時(shí)間分辨率，對(duì)分解后的信號(hào)進(jìn)行重構(gòu)。小波分解得到的近似信號(hào)是信號(hào)的低頻部分，細(xì)節(jié)信號(hào)是信號(hào)的高頻部分。在物理信號(hào)中，低頻部分是表征信號(hào)本身特征的，而高頻部分則是表征信號(hào)的細(xì)微差別，小波變換得到的近似信號(hào)是齒輪箱正常狀態(tài)下的信號(hào), 而細(xì)節(jié)信號(hào)表征的是齒輪箱的故障信號(hào)?；谛〔ǚ治龅囊痪S信號(hào)消噪原理如下: 由于實(shí)際的工程應(yīng)用中，有用信號(hào)通常表現(xiàn)為低頻信號(hào)或是一些比較平穩(wěn)的信號(hào)，而噪聲信號(hào)則通常表現(xiàn)為高頻信號(hào)。所以在進(jìn)行消噪過(guò)程中可以按照如下的方法進(jìn)行處理: 首先對(duì)需要處理的信號(hào)( 有用信號(hào)加噪聲) 進(jìn)行小波分解，則噪聲部分通常包含在每一次分解的高頻部分中，因此，可以以門限閾值等形式對(duì)小波系數(shù)進(jìn)行處理，然后對(duì)信號(hào)進(jìn)行重構(gòu)即可以達(dá)到消噪的目的。所以，一維信號(hào)的消噪過(guò)程可以分為三個(gè)步驟進(jìn)行:(1) 一維信號(hào)的小波分解：選擇一個(gè)合適的小波并確定一個(gè)小波分解的層次N，然后對(duì)信號(hào)進(jìn)行N 層小波分解。(2) 小波分解高頻系數(shù)的閾值量化：對(duì)第1到第N層的每一層高頻系數(shù)，選擇一個(gè)閾值進(jìn)行軟閾值量化處理。(3) 一維小波的重構(gòu)：根據(jù)小波分解的第N 層的低頻系數(shù)和經(jīng)過(guò)量化處理后的第1層到第N層的高頻系數(shù)，進(jìn)行一維信號(hào)的小波重構(gòu)。3、建模與仿真根據(jù)齒輪箱出現(xiàn)故障時(shí)的振動(dòng)機(jī)理和調(diào)制現(xiàn)象分析，以及故障信號(hào)在頻域中呈現(xiàn)邊頻帶分布的特點(diǎn)，我們可以通過(guò)matlab軟件對(duì)振動(dòng)信號(hào)出現(xiàn)故障時(shí)進(jìn)行仿真，在此對(duì)故障齒輪進(jìn)行分析，對(duì)于嚙合頻率的振動(dòng)模型，振動(dòng)信號(hào)幅度調(diào)制和頻率調(diào)制都存在時(shí)，只考慮單頻率調(diào)制情況，可以建立以下模型:式中A為信號(hào)幅度，fn為調(diào)制頻率（軸的旋轉(zhuǎn)頻率），B為調(diào)幅的調(diào)制指數(shù)，為調(diào)頻的調(diào)制系數(shù)，fz為載波頻率（齒輪嚙合頻率）。上式說(shuō)明了旋轉(zhuǎn)頻率為fn的軸上的齒輪出現(xiàn)故障時(shí)，產(chǎn)生了調(diào)制現(xiàn)象。使可構(gòu)造簡(jiǎn)單的齒輪出現(xiàn)故障時(shí)的故障信號(hào)來(lái)進(jìn)行分析，用Matlab對(duì)構(gòu)造的信號(hào)進(jìn)行仿真分析，時(shí)域和頻域圖形如下：圖1 齒輪出現(xiàn)故障時(shí)的振動(dòng)信號(hào)圖2 故障信號(hào)的功率譜圖由功率譜圖可以發(fā)現(xiàn)振動(dòng)信號(hào)的頻域會(huì)產(chǎn)生以齒輪嚙合頻率及其諧波為載波頻率, 齒輪所在軸轉(zhuǎn)頻及其倍頻為調(diào)制頻率的嚙合頻率邊頻帶，說(shuō)明了相對(duì)應(yīng)的軸上的齒輪可能出現(xiàn)了故障。但對(duì)于現(xiàn)實(shí)中的故障信號(hào)，信息相當(dāng)復(fù)雜，不可能得到如此簡(jiǎn)單清晰的頻譜圖，而且絕大多數(shù)都是非穩(wěn)定信號(hào)，直接對(duì)信號(hào)進(jìn)行傅里葉變換不太實(shí)用，通過(guò)直接對(duì)信號(hào)進(jìn)行頻譜分析，很多情況下根本得不到想要的信息。在實(shí)際采集的信號(hào)中常含有噪聲，只有通過(guò)降噪才能有效地變現(xiàn)出原始信號(hào)的信息，通過(guò)分析可知噪聲主要分布在高頻區(qū)域，可應(yīng)用Matlab軟件中的randn函數(shù)產(chǎn)生一個(gè)均值為0、方差為1的正態(tài)分布序列的信號(hào)，把該信號(hào)作為高頻的噪聲信號(hào)，并加到原有的故障信號(hào)上，構(gòu)成含有噪的信號(hào)，來(lái)進(jìn)行含噪信號(hào)的仿真，波形如下：圖3 加噪聲的齒輪故障信號(hào)采用sym6小波對(duì)加噪的故障信號(hào)進(jìn)行分析，對(duì)信號(hào)進(jìn)行4層分解，用無(wú)偏似然估計(jì)的閾值選取原則選取閾值，并用軟閾值對(duì)小波系數(shù)進(jìn)行量化處理，來(lái)進(jìn)行小波去噪，去噪后的信號(hào)波形如下：圖4 去噪后的齒輪故障信號(hào)下面對(duì)去噪后的齒輪故障信號(hào)進(jìn)行分析，我們采用db4小波對(duì)去噪信號(hào)進(jìn)行4層分解，分解后得到小波的細(xì)節(jié)信號(hào)，程序和細(xì)節(jié)信號(hào)圖形如下：t=1:512;t=t*1/2048;y=2*cos(2*pi*20*t).*cos(2*pi*100*t+0.2*sin(2*pi*20*t)+2*cos(2*pi*100*t)signal=y+randn(1,512);wname=sym6;lev=4; xd=wden(signal,rigrsure,s,mln,lev,wname)c,l=wavedec(xd,4,db4);d4=wrcoef(d,c,l,db4,4);d3=wrcoef(d,c,l,db4,3);d2=wrcoef(d,c,l,db4,2);d1=wrcoef(d,c,l,db4,1);subplot(4,1,1);plot(d4,LineWidth,1);ylabel(d4);subplot(4,1,2);plot(d3,LineWidth,1);ylabel(d3);subplot(4,1,3);plot(d2,LineWidth,1);ylabel(d2);subplot(4,1,4);plot(d1,LineWidth,1);ylabel(d1);xlabel(時(shí)間 t/s);圖5 去噪信號(hào)通過(guò)小波分解的高頻細(xì)節(jié)部分一般情況下, 信號(hào)的突變部分包含豐富的高頻信息, 在對(duì)信號(hào)的小波分解中, 第2層中d2和第4層中d4高頻細(xì)節(jié)信號(hào)表現(xiàn)出周期性的變化,有沖擊信號(hào)存在，正好體現(xiàn)齒輪在轉(zhuǎn)動(dòng)過(guò)程中故障信號(hào)出現(xiàn)周期性, 說(shuō)明可能是某一個(gè)齒輪出現(xiàn)故障。但不能得到齒輪出現(xiàn)故障的具體位置，為了進(jìn)一步得到故障信號(hào)頻率,以確定其故障發(fā)生的位置 ，對(duì)第2層細(xì)節(jié)信號(hào)和第4層細(xì)節(jié)部分進(jìn)行包絡(luò)譜分析，程序和包絡(luò)譜圖如下：fs=2048;nfft=2048;y=hilbert(d2);ydata=abs(y);ydata=ydata-mean(ydata);p=abs(fft(ydata,nfft);figure(3);plot(0:nfft/4-1)/nfft*fs,p(1:nfft/4);xlabel(頻率 f/Hz);ylabel(功率譜 P/W);title(小波包絡(luò)譜) 圖6 第一層細(xì)節(jié)信號(hào)的包絡(luò)譜圖（d2）圖7 第二層細(xì)節(jié)信號(hào)的包絡(luò)譜圖(d4)4、實(shí)驗(yàn)結(jié)果從圖6發(fā)現(xiàn)第一層細(xì)節(jié)信號(hào)的包絡(luò)譜出現(xiàn)的故障調(diào)制頻率比較明顯，故障頻率為20Hz，通過(guò)齒輪箱故障特征頻率可以得出，轉(zhuǎn)頻為20Hz的軸上的齒輪出現(xiàn)了故障，進(jìn)而說(shuō)明了仿真實(shí)驗(yàn)分析的正確性。在利用小波進(jìn)行信號(hào)分析時(shí)，選擇合適的小波基是非常重要的，在上面的實(shí)驗(yàn)仿真中，通過(guò)對(duì)小波基使用效果比較，選用了sym6和db4小波進(jìn)行分析，得到了很好的效果。本文中用小波變換的多分辨率技術(shù)和去噪技術(shù)對(duì)齒輪故障信號(hào)進(jìn)行處理，清晰分辨出信號(hào)的總體及細(xì)節(jié)特征,并運(yùn)用包絡(luò)譜分析更進(jìn)一步找到故障頻率，即通過(guò)對(duì)振動(dòng)信號(hào)進(jìn)行小波變換和包絡(luò)譜聯(lián)合分析, 提取故障信號(hào)的有效