对齿轮箱故障诊断和预测的振动分析方法综述外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

对齿轮箱故障诊断和预测的振动分析方法综述

Mitchell Lebold,Katherine McClintic,Robert Campbell,

Carl Byington,and Kenneth Maynard

Applied Research Laboratory

The Pennsylvania State University

P.O.Box 30

State College,PA 16804-0030摘要:用于状态检测和故障诊断的振动分析方法在电力机械设备中已具有很长的应用历史。即使对于最有经验的人员，该数据的解释和相关性通常比较复杂，因此需要寻求自动化处理和分析方法。一般来说，统计特征可以表示振动程度的测量值，并且通过和阈值相比较来诊断故障状态。在文献中有详细记载，近年来已经开发了很多种特征向量。但是，文献中没有清楚地描述各特征的细节信息，以至于用户间的结果都是一致的。预处理技术的术语和陈述比较含糊，如“残留信号”，虽然常用，但在不同的文献中表示了不同的技术。此文章尝试对术语进行定义，建立每个特征所需的预处理技术，并提供产生一致结果所需的细节。

关键词:基于条件的维护；故障预测；FM4;NA4;M6A;M8A;NB4;包络

引言:特征提取技术在文献中有所描述；然而,大多数似乎掩盖了特征向量所需的具体预处理。有些论文没有提供足够的细节来重现他们的结果，对变速箱数据的传统特征没有全面的比较。常用的术语，如“残留信号”，在不同资料中具有不同的技术。基于条件维护一文中已经尝试定义常用术语，并且建立了处理特征所需的特定预处理。

本文的重点是研究用于检测齿轮故障的特征。根据这些特征的预处理需求，它们被分为五个不同的部分。论文的第一部分将提供一个预处理流程的概述和在处理方案中每个特征的计算位置。下一部分特征提取的综述将详细讨论每个特征向量。最后一部分将简要概述用于齿轮故障诊断的Penn State ARL CBM工具箱。

特征提取的综述：许多类型的缺陷或损坏将增加机械振动程度。振动程度是通过加速度测量仪的测量数据进而转换为电信号。原则上,关于被监测的机器的健康状况都包含在这个振动信号中.因此，新的或瞬时的振动信号可以和以前的信号相比较确定组件是否正常工作或显示出故障的迹象。在实践中，这种比较是无效的。由于波动很大，直接比较信号是很困难的。相反，一种从振动信号数据提取特征的技术是可以使用的。理想情况下，这些特征比原信号数据本身更稳定、性能更好。特征还提供了一个应用于模式识别和跟踪技术的简化数据库。

在任何特征可以被用来对原始振动数据进行计算之前，这些数据必须先分类或预处理。分类范围可以根据信号校正，也可以基于数据采集单元和放大器的使用和均值去除时域同步平均和滤波.。各种信号处理技术基于有效的特征而使用的。本节将提供进行特征分析所需的必要的框架。本文侧重于十三个传统的分析功能，分为五个不同的处理组。五个处理组：1.原信号（RAW）2.时间同步平均信号（TSA）3.残余信号（RES）4.差分信号（DIF）5.通网信号（BPM）。这五组连同相关的预处理和特征的优点，如图1所示。

图1-CBM特征提取方法的处理流程

原始预处理表示根据从传感器接收的原始或条件信号计算而来的特征。这些特征所需的唯一预处理是调理信号或去除掉信号的平均值。信号调节是简单地将所有数据点乘以一些基于所使用的加速度计和放大器的校准常数。本组的特征是：RMS,峰度,Delta RMS,波峰因数，包络解调。

TSA预处理需要原始数据的时域同步平均。时域同步平均是一种用于从加性噪声中提取重复信号的信号处理技术。这个过程需要准确地了解所需信号的重复频率或与所需信号同步的信号。然后将原始数据分成与同步信号相关的等长块段，并将它们平均合并在一起。当采取足够的平均数，随机噪声被取消，然后留下一个改进的估计所需的信号。在信号被分段之前，通过插值的方法，增加了数据点的数目。当信号分割和平均时，这将提供一个更接近的近似值。基于同步信号对传感器信号进行分段。例如,转速表信号可用于旋转机械的同步信号。每一段都将开始于一个测速脉冲前沿并结束于相应的数据点之前下一个测速脉冲。由于在测速脉冲采样不准确和细微的速度变化，每个段的点数可能略有不同。一种选择线段的最低点数量并只有平均值超过这个长度才会被计数的方法已经被使用了。这可以被认为是数据向左裁剪掉超出平均长度的数据。最后一步是平均所有的段和抽取原来的采样率。在TSA组特征：FM0。

有三个与TSA有关的参数可影响结果：插值因子，在对准期间连接在一起的转数和平均数。增加插值因子被认为是在对准过程中减少“端效应”的错误，但这大大增加了计算时间。因为它是按照轴率对齐的，所以在数据对齐过程中使用一个转速应该提供了最准确的平均值。然而，这种方法仅限于轴频率的分辨率。平均数的增加应通过平均出更多的非同步元件和提高同步元件提高平均值，但它是计算密集型。参考文献8McClintic解释了这些参数如何在处理时影响残差和差异分析的特征。机械诊断测试床（多维视角篇章教学）数据在参考文献9应用研究实验室的多维视角篇章教学中有详细描述。

RES预处理计算残差信号包括了主啮合和轴的频率及其谐波的时间同步平均信号。从文献中不得而知的是一次网格和轴的频率需要除去多少谐波。对于一次同步平均数据，这意味着，在频域中的最小分辨率是轴频率。因此，这意味着去除频谱中的每一个点。所取得的良好效果是高频率的传递数据，并且只去除啮合频率和所有谐波。高通滤波器的截止频率与系统有关，但应介于DC与基本啮合频率之间。此外，除去五个网格谐波产生的结果和通过除去所有的谐波产生的结果非常相似，，但这可能是系统相关的。RES组的特征是：NA4 and NA4*。

DIF预处理通过从时间同步平均信号中去除规则啮合分量计算差分信号。常规网格组件由轴的频率及其谐波组成，主要的啮合频率及其倍频随着第一阶边频带。由于残余信号是去除主啮合和轴的频率和谐波的结果，DIF预处理可以由RES信号消除的主要啮合频率的边频带。假设一个高通滤波器或有限数量的轴的频率谐波被移除，这将意味着只有边频带的啮合频率及其谐波，需要移除。对于时间同步平均进行一次旋转的情况下，边频带将会是啮合频率任意一侧的一个料仓。DIF组的特征是:FM4,M6A,和M8A.

BPM预处理部分仅用于一个处理特征NB4。本节中的TSA信号进行包括尽可能多的边频带的带通滤波的主要齿轮啮合频率。然后将希尔伯特变换施加到滤波后的信号，以产生一个复杂的时间序列。实部是带通信号，虚部是信号的希尔伯特变换。包络是这个复杂的时间信号的幅度，并表示在信号中的根据边频带振幅调制的估计值。

图1所示的处理流程图显示了用于齿轮故障检测的十三个特征处理例程。一些功能产生多个值或最优特征（FOM）而且有几个特征函数可以在不同的预处理阶段计算。能量，解调与包络特征就是这些函数返回多个参数的例子，而如峰度和RMS功能可以在不同的层次进行预处理。下面简要讨论每个功能的简要概述。

特征提取技术

均方根和均方根有效值

振动信号的均方根值是一个时间分析特征，它是振动信号中功率含量的度量。此功能很好的跟踪整体的噪音水平，但它不会提供任何组件故障的信息。它可以非常有效地检测旋转系统中的主要失衡。

峰度

峰度定义为第四分布矩和相对密度，或者说是与正态分布相比的平坦性。峰度提供了一个尺寸分布的尾端值，并用作一组数据中主要峰的指标。如果振动程度提高，作为齿轮磨损和损坏特征，其应该显示出一个错误的信号。

波峰因数

在时域测量缺陷的最简单的方法是使用RMS方法。然而，，在早期阶段的齿轮和轴承损坏中，RMS水平可能不会表现出明显的变化。更好的办法是使用“波峰因子”，它被定义为输入信号的峰值电平与有效值电平的比率。因此，峰值的时间序列信号将导致在波峰因子值的增加。正常操作的情况下，波峰因子可以达到2和6之间。6以上的值通常与机械问题有关。此功能用于检测由于脉冲振动源，如齿轮上的齿破损或轴承外圈上的缺陷产生的信号模式的变化。波峰因子不被认为是一个非常灵敏的特征。

包络

包络是用来监测机械系统的高频响应的周期性影响，如齿轮或轴承故障。每次加载滚动元件与轴承上另一表面上的缺陷接触，或当有故障的轮齿与另一齿啮合时产生脉冲。此脉冲和脉冲间隔相比，持续时间非常短。在很宽的频率范围内，缺陷脉冲的能量将被分布在一个非常低的水平。当它们是以齿轮和其他机器部件振动的形式存在时，正是这种广泛分布的能量使轴承缺陷很难通过常规的频谱分析发现。幸运的是，通常这种影响会激发系统中的一个共振，其频率比其他元件产生的振动频率高很多。这种结构的能量通常集中到一个狭窄的频带，这个频带更容易检测出广泛分布的能量的轴承缺陷频率。若轮齿磨损破损，临界频率附近的边频带活动如输出轴频率预计将增加。整个频谱包含非常高的周期信号与齿轮啮合频率。包络线或高频技术侧重于结构共振，以确定齿轮的健康或轴承的故障类型。这种技术包括处理结构共振能量与包络检测器。通过对结构共振频率的数据进行带通滤波得到结构谐振。然后，通过包络检测器对带通滤波信号进行处理，它由一个半波（或全波）整流器和一个峰值保持和平滑部分组成。一个简单的包络检测器处理流程图如图2所示。

图2-简单包络检测器方案

选择的带通滤波器的中心频率应与结构共振频率相吻合。滤波器的带宽应至少是最高特征缺陷频率的两倍。这将确保过滤器将通过载波频率和至少一对的调制边频带。在实践中，应该有更大的带宽，以适应的第一对调制边频带的载波频率。

包络检测器中的整流器将双极性滤波信号转换为单极性波形。通过平滑/过滤信号中的快速转换，峰值保持平滑部分将移除载波频率。剩余的信号将由缺陷频率组成。

此特征能产生几个用于分析的性能系数。主要的性能系数包络数据的功率谱密度的峰值频率和振幅。其他性能系数包括RMS和过滤段峰度值和整流和平滑块输出的标准偏差。

包络技术已被广泛应用于众多的应用，并在轴承故障的早期检测中显示出正确的结果。除了早期检测，通过检查实际轴承缺陷频率，这个过程可以帮助区分轴承故障的实际原因。

解调

在正常齿轮辊，一个轮齿基本上能没有滑动的推另一个。当轮齿磨损时，发生滑动。之前进入推动的能量现在进入推动和滑动，从而导致在齿轮啮合频率及其谐波（GMF）上，振幅或振幅发生变化。解调处理识别载波调制中的周期性。在此处理中使用的载波是GMF和2*GMF.。

解调技术检测在单个频率（在这种情况下是GMF或2 * GMF）的区域中由齿轮磨损引起的幅度调制分量。 这不同于检测频率范围上的组合效应的包络。为了实现解调技术，原始数据以85％* GMF高通滤波，然后在115％* GMF低通滤波。滤波后的信号的功率谱密度进行搜索以获得实际载波频率（GMF）。实际载波是用来进行调幅载波信号的滤波。由此产生的信号的功率谱密度在输出轴频率的正负百分之五内波动。此技术的性能系数是峰值的频率和幅度平方振幅。

NB4

NB4类似于NA4，除了采用剩余信号，NB4采用包络带过段时间同步平均信号。这个方法真实的想法是一些损坏的轮齿会导致不同于正常齿负载波动的瞬态负载波动。理论表明，这些波动将表现在包络线的一个信号中，此信号是带通滤波的主导啮合频率。主导啮合频率既不是主要啮合频率也不是其谐波之一，这两者都是边频带最稳定的两组波。一些人认为带通滤波器的宽度取决于啮合频率对其他啮合频率谐波的位置,而其他人认为，即使边频带被其他谐波干扰，其还是取决于带宽的频带的最大数量。后一种想法的理由是假定来自其他边频带的以及许多主要的调制边频带的干扰可以忽略不计。带通信号包络通过应用希尔伯特变换的带通信号得到的复合（即分析）信号。

Penn State ARL CBM工具箱

CBM工具箱是本文讨论的所有传统特征以及一些非传统特征，如小波变换和间质的集合。这个工具箱是由Matlab开发，意在为研究者提供一套机械预测标准处理程序。工具箱的灵活性允许用户轻松地添加功能和输入/输出数据文件格式。通过使用INI文件接口，用户可以很容易地用一个MATLAB命令改变分析的参数和工艺数据。或者用户可以直接将数据传递到任何单独的特征例程。INI文件是一个文本文件格式，用于存储关于加速度计，信号调理，预处理参数和特征参数的参数和信息。图3中的流程图显示了CBM工具箱输入和输出的数据流。为了确保没有处理数据的问题，所有的参数和信息保存在INI文件放置在输出数据文件以及特征数据。

图3-CBM工具箱的输入和输出。

一般特征将其诊断和预测能力同一个线性标度图比较。然而，当特征的数量增加，用这种方式很难获得显而易见的综合比较。图4是查看特征的另一种方法。横坐标是特征名称，纵坐标是数据的时间（从上到下），每个颜色矩形代表该快照的标准化特征值。通过这种方式查看特征，不同特征的相关性以及显着变化的特征可以更容易地看到因为他们可以很容易地由于环境的影响而改变，考虑与实

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[139724]，资料为PDF文档或Word文档，PDF文档可免费转换为Word