齒輪箱故障的原因和診斷方法講課課件

齒輪箱故障的原因和診斷方法齒輪箱故障研究的目的和意義齒輪箱是機(jī)械設(shè)備中應(yīng)用最為廣泛的傳動(dòng)機(jī)構(gòu)。自身結(jié)構(gòu)復(fù)雜，工作環(huán)境惡劣，非常容易出故障。齒輪箱故障將直接影響設(shè)備的安全可靠運(yùn)行，降低加工精度和生產(chǎn)效率。由此，齒輪箱故障研究的目的和意義就不言而喻了，比如：保障機(jī)器安全，有效地運(yùn)行；提高生產(chǎn)效率，保障產(chǎn)品質(zhì)量等等。齒輪箱故障的原因故障原因所占比例一齒輪失效約為60%二軸承失效約為19%三軸的失效約為10%四箱體失效約為7%五緊固件失效約為3%六油封失效約為1%齒輪箱故障診斷方法溫度法通過(guò)監(jiān)測(cè)箱體軸承座處的溫度來(lái)判斷齒輪箱工作是否正常。油樣分析法從齒輪箱所使用的潤(rùn)滑油中取出油樣，通過(guò)收集和分析油樣中金屬顆粒的大小和形狀來(lái)判斷齒輪箱狀態(tài)。振動(dòng)法通過(guò)安裝在箱體適當(dāng)方位的震動(dòng)傳感器監(jiān)測(cè)齒輪箱振動(dòng)信號(hào)，并對(duì)此信號(hào)進(jìn)行分析與處理來(lái)判斷齒輪箱狀態(tài)。（最常用的方法）齒輪箱故障診斷步驟號(hào)信號(hào)檢測(cè)特征提取診斷決策狀態(tài)識(shí)別根據(jù)齒輪箱的工作環(huán)境和性質(zhì)，選樣并測(cè)取能夠反映齒輪箱工作情況或狀態(tài)的信號(hào)，這種信號(hào)稱為原始信號(hào)。將原始信號(hào)進(jìn)行信號(hào)分析和處理，提取反映齒輪箱狀態(tài)的有用信息（特征），形成待檢模式。將待檢模式與樣式模式（故障檔案）對(duì)比和狀態(tài)分類，判斷齒輪箱是否工作正常或者說(shuō)有無(wú)故障。根據(jù)判斷結(jié)果采取相應(yīng)對(duì)策，對(duì)齒輪箱及其工作進(jìn)行必要的預(yù)測(cè)和干預(yù)，減少故障所造成的損失?；诨旌咸卣魈崛『托〔ㄉ窠?jīng)網(wǎng)絡(luò)的齒輪箱故障診斷這種診斷方法是將振動(dòng)法里面的時(shí)域法，小波包分解，小波分解相結(jié)合的方法進(jìn)行故障診斷。優(yōu)點(diǎn)：能夠完整的提取信號(hào)的故障信息，提高診斷準(zhǔn)確率。（通過(guò)對(duì)實(shí)例的三種不同齒輪裂紋尺寸的故障模式進(jìn)行識(shí)別和分類可以看出。）齒輪箱故障診斷試驗(yàn)

圖（一）根據(jù)綜合因數(shù)考慮選擇齒輪（三）來(lái)模擬故障模式。小波包函數(shù)被定義為：齒輪箱故障將直接影響設(shè)備的安全可靠運(yùn)行，降低加工精度和生產(chǎn)效率。齒輪箱故障將直接影響設(shè)備的安全可靠運(yùn)行，降低加工精度和生產(chǎn)效率。當(dāng)齒輪出現(xiàn)故障時(shí)，齒輪箱時(shí)域信號(hào)會(huì)生變化，它的幅值和分布都與正常齒輪的時(shí)域信號(hào)有差異。對(duì)采集到的齒輪箱振動(dòng)信號(hào)進(jìn)行3層小波包分解，采用Shannon熵準(zhǔn)，可得到從低頻到高頻的8個(gè)等寬頻率的子頻帶，本文采樣頻率為2560kHz。用(S1,S2,…,S8)表示各子頻帶特征信號(hào)，則原始信號(hào)Sn=S1+S2+…+S8,設(shè)信號(hào)Sn(n=1,2,…,8)所對(duì)應(yīng)的能量值為En,其計(jì)算公式如下：小波變換后的逼近信號(hào)和細(xì)節(jié)信號(hào)通過(guò)安裝在箱體適當(dāng)方位的震動(dòng)傳感器監(jiān)測(cè)齒輪箱振動(dòng)信號(hào)，并對(duì)此信號(hào)進(jìn)行分析與處理來(lái)判斷齒輪箱狀態(tài)。對(duì)于一組離散的測(cè)試信號(hào)，本文取N=1024，幾個(gè)特征參數(shù)的計(jì)算公式如下：設(shè)所提取的4個(gè)能量值為將P作為小波神經(jīng)網(wǎng)絡(luò)的一組特征參數(shù)圖（一）作進(jìn)行必要的預(yù)測(cè)和干預(yù)，減少故障所造成的損失。將待檢模式與樣式模式（故障檔案）對(duì)比和狀采用四種不同的特征提取方法可構(gòu)成四種分類器公式為：三層小波分解樹(shù)結(jié)構(gòu)：小波包分解可以同時(shí)對(duì)信號(hào)的低頻和高頻部分進(jìn)行分解，并且克服了多分辨分析不能對(duì)高頻部分進(jìn)行細(xì)分的缺點(diǎn)。公式為：三層小波分解樹(shù)結(jié)構(gòu)：4mm，裂紋全寬度為b=25mm，所選齒輪箱轉(zhuǎn)速為800r/min，載荷為51.齒輪箱故障將直接影響設(shè)備的安全可靠運(yùn)行，降低加工精度和生產(chǎn)效率。采用四種不同的特征提取方法可構(gòu)成四種分類器齒輪裂紋全深度為a=2.齒輪箱工作情況或狀態(tài)的信號(hào)，這種信號(hào)稱為原始信號(hào)。圖（一）每個(gè)時(shí)域特征參數(shù)或者特征量都反映了振動(dòng)信號(hào)的某種特性，通過(guò)這些特性可以對(duì)不同信號(hào)進(jìn)行區(qū)分。4mm，裂紋全寬度為b=25mm，所選齒輪箱轉(zhuǎn)速為800r/min，載荷為51.采用四種不同的特征提取方法可構(gòu)成四種分類器齒輪箱狀態(tài)的有用信息（特征），形成待檢模式。小波能有效地提取信號(hào)低頻部分的時(shí)頻特征信息，具有很高的頻率分辨率。對(duì)于一組離散的測(cè)試信號(hào)，本文取N=1024，幾個(gè)特征參數(shù)的計(jì)算公式如下：求各子頻帶特征信號(hào)的能量值齒輪箱故障診斷試驗(yàn)一：齒輪的三種故障模式

表（一）齒輪裂紋全深度為a=2.4mm，裂紋全寬度為b=25mm，所選齒輪箱轉(zhuǎn)速為800r/min，載荷為51.77N*m。齒輪箱故障診斷試驗(yàn)二：時(shí)域特征提取

當(dāng)齒輪出現(xiàn)故障時(shí)，齒輪箱時(shí)域信號(hào)會(huì)生變化，它的幅值和分布都與正常齒輪的時(shí)域信號(hào)有差異。每個(gè)時(shí)域特征參數(shù)或者特征量都反映了振動(dòng)信號(hào)的某種特性，通過(guò)這些特性可以對(duì)不同信號(hào)進(jìn)行區(qū)分。對(duì)于一組離散的測(cè)試信號(hào)，本文取N=1024，幾個(gè)特征參數(shù)的計(jì)算公式如下：

采用四種不同的特征提取方法可構(gòu)成四種分類器根據(jù)判斷結(jié)果采取相應(yīng)對(duì)策，對(duì)齒輪箱及其工小波包函數(shù)被定義為：采用四種不同的特征提取方法可構(gòu)成四種分類器公式為：三層小波分解樹(shù)結(jié)構(gòu)：基于混合特征提取和小波神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷表（一）小波神經(jīng)網(wǎng)絡(luò)模型對(duì)采集到的齒輪箱振動(dòng)信號(hào)利用小波函數(shù)進(jìn)行3層小波分解，經(jīng)重構(gòu)后得到1個(gè)逼近信號(hào)(A3)和3個(gè)細(xì)節(jié)信號(hào)(D1,D2,D3)。作進(jìn)行必要的預(yù)測(cè)和干預(yù)，減少故障所造成的損失。將待檢模式與樣式模式（故障檔案）對(duì)比和狀能夠完整的提取信號(hào)的故障信息，提高診斷準(zhǔn)確率。每個(gè)時(shí)域特征參數(shù)或者特征量都反映了振動(dòng)信號(hào)的某種特性，通過(guò)這些特性可以對(duì)不同信號(hào)進(jìn)行區(qū)分。小波包函數(shù)被定義為：齒輪箱故障診斷試驗(yàn)三：小波包特征提取優(yōu)點(diǎn)

小波包分解可以同時(shí)對(duì)信號(hào)的低頻和高頻部分進(jìn)行分解，并且克服了多分辨分析不能對(duì)高頻部分進(jìn)行細(xì)分的缺點(diǎn)。具有很高的時(shí)頻局部分化分析能力。此外，小波包分解能夠根據(jù)被分析信號(hào)的特征，自適應(yīng)地選擇相應(yīng)的頻帶，使之與信號(hào)頻譜相匹配，從而提高了時(shí)頻分辨率，能有效地提取信號(hào)的特征信息。

小波包函數(shù)被定義為：

式中n=0，1，2…為振蕩參數(shù)，J∈Z和k∈Z分別是尺度參數(shù)和平移參數(shù)齒輪箱故障診斷試驗(yàn)三：小波包特征提取對(duì)采集到的齒輪箱振動(dòng)信號(hào)進(jìn)行3層小波包分解，采用Shannon熵準(zhǔn)，可得到從低頻到高頻的8個(gè)等寬頻率的子頻帶，本文采樣頻率為2560kHz。齒輪箱故障診斷試驗(yàn)三：小波包特征提取求各子頻帶特征信號(hào)的能量值

用(S1,S2,…,S8)表示各子頻帶特征信號(hào)，則原始信號(hào)Sn=S1+S2+…+S8,設(shè)信號(hào)Sn(n=1,2,…,8)所對(duì)應(yīng)的能量值為En,其計(jì)算公式如下：式中J=3，n=1,2,…,2j，k=1,2,…,N，N為信號(hào)長(zhǎng)度N=1024設(shè)所提取的8個(gè)能量值為將T作為小波神經(jīng)網(wǎng)絡(luò)的一組特征參數(shù)齒輪箱故障診斷試驗(yàn)三：小波包特征提取小波包變換后的重構(gòu)信號(hào)齒輪箱故障診斷試驗(yàn)四：小波特征提取優(yōu)點(diǎn)

小波分析是一種優(yōu)于傳統(tǒng)的傅里葉變化的新的信號(hào)處理方法，被廣泛應(yīng)用于語(yǔ)音與圖像處理、數(shù)據(jù)壓縮與編碼、故障診斷等領(lǐng)域。小波能有效地提取信號(hào)低頻部分的時(shí)頻特征信息，具有很高的頻率分辨率。小波族函數(shù)可被定義為：齒輪箱故障診斷試驗(yàn)四：小波特征提取

對(duì)采集到的齒輪箱振動(dòng)信號(hào)利用小波函數(shù)進(jìn)行3層小波分解，經(jīng)重構(gòu)后得到1個(gè)逼近信號(hào)(A3)和3個(gè)細(xì)節(jié)信號(hào)(D1,D2,D3)。

公式為：三層小波分解樹(shù)結(jié)構(gòu)：齒輪箱故障診斷試驗(yàn)四：小波特征提取求各重構(gòu)信號(hào)的能量值

原始信號(hào)S=A1+A2+A3,計(jì)算各個(gè)重構(gòu)信號(hào)的能量值,其計(jì)算公式如下：式中n=1,2,3,4，i=1,2,…,N，N為信號(hào)長(zhǎng)度N=1024。設(shè)所提取的4個(gè)能量值為將P作為小波神經(jīng)網(wǎng)絡(luò)的一組特征參數(shù)齒輪箱故障診斷試驗(yàn)四：小波特征提取小波變換后的逼近信號(hào)和細(xì)節(jié)信號(hào)每個(gè)時(shí)域特征參數(shù)或者特征量都反映了振動(dòng)信號(hào)的某種特性，通過(guò)這些特性可以對(duì)不同信號(hào)進(jìn)行區(qū)分。圖（一）齒輪箱是機(jī)械設(shè)備中應(yīng)用最為廣泛的傳動(dòng)機(jī)構(gòu)。齒輪箱故障將直接影響設(shè)備的安全可靠運(yùn)行，降低加工精度和生產(chǎn)效率。公式為：三層小波分解樹(shù)結(jié)構(gòu)：原始信號(hào)S=A1+A2+A3,計(jì)算各個(gè)重構(gòu)信號(hào)的能量值,其計(jì)算公式如下：根據(jù)綜合因數(shù)考慮選擇齒輪（三）來(lái)模擬故障模式。小波包函數(shù)被定義為：小波包變換后的重構(gòu)信號(hào)對(duì)采集到的齒輪箱振動(dòng)信號(hào)進(jìn)行3層小波包分解，采用Shannon熵準(zhǔn)，可得到從低頻到高頻的8個(gè)等寬頻率的子頻帶，本文采樣頻率為2560kHz。小波能有效地提取信號(hào)低頻部分的時(shí)頻特征信息，具有很高的頻率分辨率。作進(jìn)行必要的預(yù)測(cè)和干預(yù)，減少故障所造成的損失。式中J=3，n=1,2,…,2j，k=1,2,…,N，N為信號(hào)長(zhǎng)度N=1024根據(jù)綜合因數(shù)考慮選擇齒輪（三）來(lái)模擬故障模式。齒輪箱故障診斷試驗(yàn)五：小波神經(jīng)網(wǎng)絡(luò)

小波神經(jīng)網(wǎng)絡(luò)模型齒輪箱故障診斷試驗(yàn)小波神經(jīng)網(wǎng)絡(luò)測(cè)試流程網(wǎng)絡(luò)參數(shù)初始化計(jì)算隱含層及輸出層的輸出計(jì)算誤差E和梯度向量pp>n結(jié)束E<e是否進(jìn)行參數(shù)修改計(jì)算，使用新的參數(shù)是否測(cè)試計(jì)算隱含層及輸出層的輸出齒輪箱狀態(tài)的有用信息（特征），形成待檢模式。計(jì)算隱含層及輸出層的輸出求各子頻帶特征信號(hào)的能量值小波包函數(shù)被定義為：（通過(guò)對(duì)實(shí)例的三種不同齒輪裂紋尺寸的故障模式進(jìn)行識(shí)別和分類可以看出。原始信號(hào)S=A1+A2+A3,計(jì)算各個(gè)重構(gòu)信號(hào)的能量值,其計(jì)算公式如下：小波變換后的逼近信號(hào)和細(xì)節(jié)信號(hào)小波族函數(shù)可被定義為：式中J=3，n=1,2,…,2j，k=1,2,…,N，N為信號(hào)長(zhǎng)度N=1024齒輪箱狀態(tài)的有用信息（特征），形成待檢模式。小波分析是一種優(yōu)于傳統(tǒng)的傅里葉變化的新的信號(hào)處理方法，被廣泛應(yīng)用于語(yǔ)音與圖像處理、數(shù)據(jù)壓縮與編碼、故障診斷等領(lǐng)域。小波包變換后的重構(gòu)信號(hào)設(shè)所提取的4個(gè)能量值為將P作為小波神經(jīng)網(wǎng)絡(luò)的一組特征參數(shù)齒輪箱故障診斷試驗(yàn)六：神經(jīng)網(wǎng)絡(luò)診斷訓(xùn)練