时频脊融合方法及时变工况行星齿轮箱故障识别.docx

? ? 时频脊融合方法及时变工况行星齿轮箱故障识别 ? ? 江星星　李舜酩　周东旺　陈远帆　石娟娟 Summary：行星齿轮箱的瞬时频率（转速）精确提取是行星齿轮箱时变运行工况下故障诊断的关键。现有一些时频脊提取算法在提取瞬时频率时受到振动信号幅值变化以及时频变换结果中噪声成分的干扰，存在鲁棒性问题。为了解决这一问题，提出了一种双向搜索时频脊融合方法，并且将其进一步推广到多时频脊融合的概念中。然后，应用提出方法提取实际工程中时变工况行星齿轮箱高速轴的瞬时转速。再通过与现有两种方法对比以及阶次分析，验证了时频脊融合方法提取高速轴转速的可靠性与准确性。最后，在行星齿轮箱转速提取的基础上，利用阶次分析以及推导出的行星轮轴承故障频率的计算式，识别出了行星齿轮箱中的行星轮轴承内圈存在故障。 Key：故障诊断；行星齿轮箱；时频脊；阶次分析；瞬时频率 ：THl65+.3；TN911.7 文献标志码：A ：1004-4523（2017）01-0127-08 DOI：10.16385/j.cnki.issn.1004-4523.2017.01.017 引言 2014年12月法国里昂大学举办的CMMNO（Condition Monitoring of Machinery in Non-sta-tionary Operation）会议发出行星齿轮箱“挑战”，要求“针对某实际工程中时变工况状态下的行星齿轮箱，从其振动信号中提取齿轮箱高速轴转速以及识别出齿轮箱出现轴承故障的部位”。笔者作为来自13个国家的23个参加者之一参与“挑战”。 行星齿轮箱在车辆、直升机和风力发电机组的传动系统中应用广泛，其故障诊断问题不容忽视。振动信号分析是齿轮箱状态监测的一种常用且有效的技术手段。行星齿轮箱运行工况的变化导致振动信号呈现非线性、非平稳特性，造成传统的时域和频域分析方法失效。时频分析将一维信号变换到由时问和频率离散点组成的网格面，能有效地揭示非平稳信号中蕴含各分量随时间变化的特征。常见的时频分析方法，像wigner-Ville分布、以Wigner-ville分布为基础的双线性时频分布、Hilbert-Huang变换、小波变换等各有优缺点。在考虑到本文分析信号具有数据量特大、蕴含分量非常多的特点，同时为使目标时频脊线具有足够的分辨率，采用計算效率高且满足工程要求的短时傅里叶变换（short Time Fou-rier Transform，STFT）作为时频分析工具。 从时频矩阵中精确地估计参考轴转速对应的瞬时频率是实现无转速计信号参照的行星齿轮箱故障诊断重要一步。最简单的时频脊提取算法是峰值检测法，但也最易受噪声成分干扰。文献[12-13]针对连续小波变换得到的时间一尺度平面，采用具有时频点幅值和相邻点频率波动的两项约束建立代价函数提取时频脊，然后文献[14]针对时一频面提出了与其相似的脊线搜索法。文献[11]为了避免对初始搜索点位置的限制，也利用相同的代价函数建立了双向时频脊搜索算法。这类代价函数只利用了相邻时频点信息，一旦时频面局部位置出现强噪声或干扰分量的影响，易造成脊线提取失效。小波脊线提取方法也常用于脊线提取，对单分量或多分量信号中高能量的分量提取效果较好，但对于多分量信号中能量较弱的分量难以识别。 因CMMNO会议发出“挑战”的行星齿轮箱的转速变化，造成信号中蕴含多分量的瞬时频率和幅值都随时间发生改变，且待提取的目标脊线能量较弱。为此，仅仅采用单一代价函数或模极大值提取时频脊，会因信号幅值变化和噪声的干扰，造成脊线提取失效。针对此问题，提出一种双向搜索时频脊融合方法。主要思想是利用单一代价函数得到多条脊线，再根据脊线差值中包含的信息，以突变特征来识别融合区间，将各条脊线中最接近真实脊线的信息进行合并，实现行星齿轮箱高速轴的转速的提取，以解决单一时频脊不能兼顾目标分量在时频面内全局变化的问题。最后，利用阶次方法识别故障轴承的位置。 1.行星齿轮箱“挑战及其初步分析 “挑战”的行星齿轮的结构示意图如图1所示，量多，而小波变换具有频率分辨率随分解尺度变化的特性，造成中高频分量混叠。此外，由图4（时问、频率分辨率分别为1s，0.5Hz）可以知，分析信号中各分量的频率和幅值变化剧烈，其中箭头1，5指示信号中两个能量较大、频率变化的分量位置；箭头4所示为一能量较弱、频率变化的分量；箭头2，3其中各齿轮参数如表1所示。振动信号采集过程中，其输入转速大致在13～15r/rain之间，采样频率为5000Hz，采样时间在548s左右。信号时域波形如图2所示，可以看出其幅值随时间变化较明显。观察图3频谱图中可知信号大部分能量集中在0～2000Hz。为了揭示信号蕴含各分量的本质，图4，5分别为信号的两种时频分布。短时傅里叶变换对于中、高频分量的表示明显优于连续小波变换