齿轮箱振动信号和故障诊断

1、齿轮箱振动信号分析和故障诊断 毕业设计终期答辩目录研究背景和意义1测试方案2信号采集和处理3总结4研究背景和意义研究背景和意义 机械没备中大部分都是旋转机械，尤其是齿箱机械没备中大部分都是旋转机械，尤其是齿箱属于易磨损部件，其运行状态不仅影响该机器设备本属于易磨损部件，其运行状态不仅影响该机器设备本身的安全稳定运行身的安全稳定运行, ,故障严重时会造成重大经济损失，故障严重时会造成重大经济损失，因此对故障诊断技术的要求十分迫切。此外，在机械因此对故障诊断技术的要求十分迫切。此外，在机械故障诊断中，可用于监测与诊断的信息很多，包括故障诊断中，可用于监测与诊断的信息很多，包括振振动动、温度温度、压

2、力压力、位移位移、扭矩扭矩和和变形变形等。其中，等。其中，振动振动信号能够迅速、直接地反映机械设备的运行状态，据信号能够迅速、直接地反映机械设备的运行状态，据统计，统计，7070以上的故障都是以振动形式表现出来的。以上的故障都是以振动形式表现出来的。通过对齿轮箱的振动信息进行综合分析，可以尝试找通过对齿轮箱的振动信息进行综合分析，可以尝试找出齿轮箱故障位置。出齿轮箱故障位置。测试方案设计测试方案设计 所采集信号为齿轮箱体的振动加速度信号，它是随时间连续变化的物理量。因此，要将这些信息送入计算机，就必须先将这些离散的物理量进行离散化，并进行量化编码，从而变成数字量。被测结构压电式加速度传感器电荷

3、放大器电压放大器信号调理器A/D转换器以太网接口信号采集装置计算机系统结构图如下：系统结构图如下：本实验在西北农林科技大学工程训练中心的机械设计实验室进行。l齿轮传动试验平台l涡轮传动试验平台传感器的安装： 本实验主要通过安装在变速箱箱体上的2个加速度传感器，采集变速箱的振动信号，然后通过信号调理模块和信号采集装置将收集的信号送入计算机进行保存，传感器的安装位置如下所示：输入转速F1工频F2工频F1F2啮合频率1495r/min24.916.5946.21457r/min24.3169121402r/min23.415.7893 齿轮传动结构示意图：齿轮传动工况：输入转速FI工频F2工频F1F

4、2啮合频率1498r/min253.31001345r/min22.43901252r/min20.92.883970r/min16.22.265涡轮传动结构示意图：齿轮传动工况：信号采集和处理信号采集和处理 齿轮传动振动信号（齿轮传动振动信号（1495 r/min1495 r/min） 齿轮传动振动信号（齿轮传动振动信号（1457 r/min1457 r/min）下面是所采集到的振动信号的时域波形图： 齿轮传动振动信号（齿轮传动振动信号（1402 r/min1402 r/min） 涡轮传动振动信号（涡轮传动振动信号（1498 r/min1498 r/min） 涡轮传动振动信号（涡轮传动振动信

5、号（1345 r/min1345 r/min） 涡轮传动振动信号（涡轮传动振动信号（1252 r/min1252 r/min） 涡轮传动振动信号（涡轮传动振动信号（970 r/min970 r/min）时域特征描述 利用MATLAB，对所采集到的振动信号计算其方差、偏度、峰度和均方根值。程序如下：齿轮传动 (r/min)涡轮传动 (r/min)149514571402149813451252970方差0.19700.07420.08220.00190.03410.07640.0385偏度-0.01080.1928-0.1391-0.6687-7.175e-04-0.02240.0027峰度4.

6、46254.48243.85474.03973.21252.99542.9684均方根值0.44380.27230.28670.04400.18470.27650.1962处理结果如下：小波分析 信号的连续小波变换分解在数学意义上实际是将信号投影在小波基空间上，在信号小波变换的尺度域上，信号并不对应准确的频率，而是对应于一个频段。参考文献中详细论述了频率与尺度的关系。另外，对于在不同小波基函数下的小波分解，因为小波基空间不同，信号分解结果在尺度域上的分布总有差异。 选用Morlet小波函数，把振动信号在Morlet小波下进行尺度为32的分解，经过连续Morlet小波变换可得到振动信号的尺度-能

7、量关系。clcclcclear clear close all hiddenclose all hidden%* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *读数据读数据l1=zeros(7,33);l1=zeros(7,33);for i=1:7for i=1:7 l1(i,1)=i; l1(i,1)=i;endend for i=1:7 for i=1:7 fni=num2str(i),.txt; fni=num2str(i),.txt; fid=fopen(fni,r); fid=fopen(fni,r);

8、 x=fscanf(fid,%f,inf); x=fscanf(fid,%f,inf); status=fclose(fid); status=fclose(fid); n=length(x); n=length(x); c=cwt(x,1:32,morl);%morlet c=cwt(x,1:32,morl);%morlet小波小波32维分解维分解 a=zeros(32,1); a=zeros(32,1); for ii=1:32 for ii=1:32 for jj=1:n for jj=1:n a(ii,1)=a(ii,1)+(c(ii,jj).2;a(ii,1)=a(ii,1)+(c(

9、ii,jj).2; end end end end%求每个尺度对应能量占总能量的百分比 sum1=0; for ii=1:32 sum1=sum1+a(ii); end b=zeros(32,1); for ii=1:32 b(ii,1)=a(ii,1)/sum1; end b=b; l1(i,2:1:33)=b(1,:); end save data_l1 l1程序如下：自功率谱分析 本实验的信号分析方法将采用Welch法，分别对齿轮传动和涡轮传在不同输入转速下的振动信号进行自功率谱分析，通过Matlab软件仿真估计，绘制出各个信号自功率谱图。齿轮传动振动信号功率谱（1495r/min）齿轮

10、传动振动信号功率谱（1457r/min）齿轮传动振动信号功率谱（1402r/min）涡轮传动振动信号功率谱（1498r/min）涡轮传动振动信号功率谱（1345r/min）涡轮传动振动信号功率谱（1252r/min）涡轮传动振动信号功率谱（970r/min）总结总结 1、在时域中，我们往往很难对齿轮箱的振动信号的时域波形图直接进行有效分析，只能通过计算信号的的方差、偏度、峰度和均方根值等统计数学指标，使我们能够对信号波形有一个初步大致的认识。通过对不同输入转速下的振动信号比较，其时域特征并不能明显的做出区分判断。 2、连续小波变换可以将机械信号很好地分解在有限的时间尺度范围内而保持信号的信息完

11、整。 对比传统的频谱分析，机械信号经过连续小波变换后，其内部蕴涵的故障信息能在尺度域上很好地体现出来。通过比对不同输入转速下齿轮（涡轮）传动的小波能量-尺度分布图，可以明显做出区别。若把正常齿轮传动和非正常齿轮传动的能量尺度分布图进行比较，可以找出齿轮箱的故障信息。 以下图是选自文章应用连续小波变换提取机械故障的特征，可表明应用连续小波变换得出的能量尺度分布，可以有效找出齿轮传动的故障信息。3、从幅频特性来说，它主要表现在对不同频率段的信号具有不同的抑制和增强作用。对于正常齿轮振动信号和非正常齿轮的振动信号，相同频带内信号的能量会有较大的差别，它使某些频带内信号能量减小，而使另外一些频带内信号能量增大。因此，在各频率成分信号的能量中，包含着丰富的故障信息，某种或某几种频率成分能量的改变即代表一种故障情况，由此可以出不必判断齿轮箱故障位置。 对于齿轮传动，在不同输入转速下，自功率谱密度函数图分别在920Hz、 932 Hz和900Hz处出现波峰或波谷，接近各自的啮合频率。并且在两侧出现20Hz对称边频带。可初步判断小齿轮出现磨损。