齿轮箱专用振动信号分析方法
齿轮箱振动信号的特点是频率成分复杂，存在大量的调制现象，并且齿轮箱（特别是行星齿轮箱）内部的故障信号传递路径长，冲击脉冲比较弱，易受其他信号干扰，被幅值大的转动轴振动信号掩盖，基本的频谱分析有时效果不理想，需要根据结构特点，采用一些专用的分析方法
一、多轴系阶比跟踪技术
计算阶比跟踪技术（Computed Order Tracking）对齿轮箱分析非常适用，特别是变速齿轮箱的低速轴分析，由于转速低，测量5-10个转动周期需要耗时很长，加上转速变动，如果不做阶比跟踪采集，得到的振动信号直接做FFT，频谱存在非常严重的“模糊”现象（谱线相互重叠，不清晰，不便于故障识别和分析）。
图1：阶比跟踪采样
图2：普通频谱分析
图3：计算阶比跟踪分析
图4：计算阶比跟踪分析局部放大（啮合频率和边带明显）
齿轮箱类设备因为有多个齿轮轴，采用多轴系阶比跟踪分析，很多时候分析结果非常直观，直接从不同转轴的阶比跟踪采样波形就能得到故障信息。
图5：中间轴故障
图6：输出轴故障
二、齿轮箱振动分析Circular图技术
下面三张图分别是一个齿轮箱输入轴（高速）、中间轴、输出轴（低速）的Circular图，三个轴的转速比是1:3:5。可以直观的看到输出轴存在故障。
图7：输入轴振动Circular图
图8：中间轴振动Circular图
图9：输出轴振动Circular图
下图是一个行星齿轮箱的齿圈故障时的振动Circular图。该行星齿轮箱有三
个行星轮。
图10：齿圈有1个断齿时的Circular图
三、阶比包络谱技术
包络分析对于齿轮箱及其内部的滚动轴承故障分析和故障定位非常有效，包络分析可以有效提取齿轮箱、轴承部件存在缺陷时的高频冲击脉冲信号，但是如果齿轮箱转速不稳定，存在转速变动，这种冲击信号的周期也是随转速变动的，直接进行包络分析效果不好。
采用阶比包络分析技术可以消除转速波动的影响，得到非常清晰的诊断图谱。
图11：频谱分析
图12：普通包络分析
图13：阶比包络分析
四、阶比边带能量比技术
齿轮箱振动信号频谱最基本的特征是啮合频率和转轴边带信号。通常情况下无论齿轮箱是否存在故障，一般都会存在多个啮合副的啮合频率及其谐波，也会存在少量的齿轮轴转频边带信息，当齿轮箱存在磨损、点蚀、断齿等故障时，一个最主要的特征是故障齿轮所在转轴的边带能量会增加，因此采用阶比边带能量比这个特征对齿轮箱故障诊断十分有效。
下图是正常齿轮和故障齿轮的阶比谱对比，正常齿轮箱存在啮合频率及其谐波分量，同时只有少量的边带；故障齿轮箱也存在啮合频率及其谐波分量，还出现了啮合频率的0.5倍谐波，周围出现大量的转频边带，通过转频对应的转轴即可判断哪一个齿轮轴出现故障。
边带能量比定义：
用阶比谱替换普通频谱，可以得到阶比边带能量比OSER。
图14：齿轮箱正常时的阶比谱（啮合频率周围存在少量的边带）
图15：齿轮箱故障时的阶比谱（啮合频率周围的边带能量非常大）
图16：正常齿轮箱SER指标
图17：故障齿轮箱SER指标
图17：齿轮箱SER指标趋势
齿轮的振动机理 一、齿轮的力学模型分析 如图1所示为齿轮副的力学模型，其中齿轮具有一定的质量，轮齿可看作是弹簧，所以若以一对齿轮作为研究对象，则该齿轮副可以看作一个振动系统，其振动方程为 式中x—沿作用线上齿轮的相对位移； c —齿轮啮合阻尼； k（t）—齿轮啮合刚度； T1，T2—作用于齿轮上的扭矩； r2—齿轮的节圆半径； i—齿轮副的传动比； e（t）—由于轮齿变形和误差及故障而造成的个齿轮在作用线方向上的相对位移； m r—换算质量。 图1 齿轮副力学模型 m r=m1m2/(m1+m2)（1-2） 若忽略齿面摩擦力的影响，则(T -iT1)/r2=0，将e（t）分解为两部分： 2 e(t)=e1+e2(t)（1-3） e1为齿轮受载后的平均静弹性变形；e2(t)为由于齿轮误差和故障造成的两个齿轮间的相对位移，故也可称为故障函数。这样式(1-1)可简化为 （1-4）由式(1-4)可知，齿轮的振动为自激振动。该公式的左侧代表齿轮副本身的振动特征，右侧为激振函数。由激振函数可以看出，齿轮的振动来源于两部分：一部分为k（t）e1，它与齿轮的误差和故障无关，所以称为常规振动；另一部分
为k（t）e2(t) ,它取决于齿轮的综合刚度和故障函数，这一部分可以较好地解释齿轮信号中边频的存在以及与故障的关系。 式(1-4)中的齿轮啮合刚度k(t)为周期性的变量，由此可见齿轮的振动主要是由k（t）的这种周期变化引起的。 k(t)的变化可用两点来说明：一是随着啮合点位置的变化，参加啮合的单一轮齿的刚度发生了变化，二是参加啮合的齿数在变化。例如对于重合系数在1-2之间的渐开线直齿轮，在节点附近是单齿啮合，在节线两侧某部位开始至齿顶、齿根区段为双齿啮合（图2）。显然，在双齿啮合时，整个齿轮的载荷由两个齿分担，故此时齿轮的啮合刚度就较大；同理，单齿啮合时啮合刚度较小。 图2 齿面受载变化图3 啮合刚度变化曲线 从一个轮齿开始进入啮合到下一个轮齿进入啮合，齿轮的啮合刚度就变化一次。由此可计算出齿轮的啮合周期和啮合频率。总的来说，齿轮的啮合刚度变化规律取决于齿轮的重合系数和齿轮的类型。直齿轮的刚度变化较为陡峭，而斜齿轮或人字齿轮刚度变化较为平缓，较接近正弦波（图3）。 若齿轮副主动轮转速为n 1、齿数为Z 1 ；从动轮转速为n2、齿数为Z 2 ，则齿 轮啮合刚度的变化频率（即啮合频率）为 （1-5）无论齿轮处于正常或异常状态下，这一振动成分总是存在的。但两种状态下振动水平是有差异的。因此，根据齿轮振动信号啮合频率分量进行故障诊断是可行的。但由于齿轮信号比较复杂，故障对振动信号的影响也是多方面的，特别是由于幅值调制和频率调制的作用，齿轮振动频谱上通常总是存在众多的边频带结构，给利用振动信号进行故障诊断带来一定的困难。 二、幅值调制与频率调制
齿轮故障诊断的几种具体方法，经验总结 齿轮在运行中如果发生故障就会影响到真个设备的运行状态,要如何来发现和诊断齿轮故障呢?有四种方法——时域平均法、边频带分析、倒频谱分析、Hilbert解调法，下面我们就来了解一下。 这是齿轮时域故障诊断的一种有效的分析方法。该方法能从混有干扰噪声的信号中提取出周期性的信号。因为随机信号的不相关性，经多次叠加平均后便趋于零，而其中确定的周期分量仍被保留下来。 时域平均法要拾取两个信号：一个是齿轮箱的加速度信号，另一个是转轴回转一个周期的时标信号。时标信号就经过扩展或压缩运算，使原来的周期T转换为T’，相当于被检齿轮转过一整转的周期。这时加速度测过来的信号以周期T’截断叠加，然后进行平均。这种平均过程实质上是在所摄取的原始信号中消除其他噪声的干扰，提取有效信号的过程。最后，再经过光滑滤波，得到被检齿轮的有效信号。 边频带成分包含有丰富的齿轮故障信息，要提取边频带信息，在频谱分析时必须有足够高的频率分辨率。当边频带谱线的间隔小于频率分辨率时，
或谱线间隔不均匀，都会阻碍边频带分析，必要时应对感兴趣的频段进行频率细化分析（ZOOM分析），以准确测定边频带间隔。 由于边频带具有不稳定性，在实际工作环境中，尤其是几种故障并存时，边频带错综复杂，其变化规律难以用具体情况描述，但边频带的总体水平是随着故障的出现而上升的。 对于有数对齿轮啮合的齿轮箱振动的频谱图中，由于每对齿轮啮合时都将产生边频带，几个边频带交叉分布在一起，仅进行频率细化分析识别边频特征是不够的，如偏心齿轮，除了影响载荷的稳定性而导致调频振动以外，实际上还会造成不同程度的转矩的波动，同时产生调频现象，结果出现不对称的边频带，这时要对它进行分析研究，最好的方法是使用倒频谱分析。 倒频谱分析将功率谱中的谐波族变换为到频谱图中的单根谱线，其位置代表功率谱中相应谐波族（边频带）的频率间隔，可以检测出功率谱图中难以辨别的周期性，从而便于分析故障。 倒频谱的另一个优点是对于传感器的测点或信号传输途径不敏感，对幅值调制和频率调制的相位关系不敏感。这种不敏感反而有利于监测故障信号
浅析齿轮故障振动诊断技术(doc 7页)
7-3 齿轮故障振动诊断技术 7.3.1 概述 齿轮传动在机械设备中应用很广，齿轮损伤是导致设备故障的重要原因，据统计在齿轮箱中齿轮损坏的百分比最大，约占60%。并且齿轮损伤造成的后果也十分严重，所以开展齿轮状态监测与故障诊断具有重大的实际意义。 一、齿轮常见故障 传动齿轮常见的故障按产生的原因划分有以下几种。
（1）齿面磨料磨损 润滑油不清洁、磨损产物以及外部的硬颗粒侵入接触齿面都会在齿面滑动方向产生彼此独立的划痕，使齿廓改变，侧隙增大，甚至使齿厚过度减薄，导致断齿。 （2）齿面粘着磨损 重载、高速传动齿轮的齿面工作区温度很高，如润滑不好，齿面间油膜破坏，一个齿面上的金属会熔焊在另一个齿面上，在齿面滑动方向可看到高低不平的沟槽，使齿轮不能正常工作。 （3）齿面疲劳磨损 疲劳磨损是由于材料疲劳引起，当齿面的接触应力超过材料允许的疲劳极限时，在表面层将产生疲劳裂纹，裂纹逐渐扩展，就要使齿面金属小块断裂脱落，形成点蚀。严重时点蚀扩大连成一片，形成整块金属剥落，使齿轮不能正常工作，甚至使轮齿折断。 （4）轮齿断裂 轮齿如同悬臂梁，根部应力最大，且有应力集中，在变载荷作用下应力值超过疲劳极限时，根部要产生疲劳裂纹，裂纹逐渐扩大就要产生疲劳断裂。轮齿工作时由于严重
过载或速度急剧变化受到冲击载荷作用，齿根危险截面的应力值超过极限就要产生过载断裂。 传动齿轮的常见故障按分布特征划分有以下两种。 （1）分布故障 齿轮损伤分布在所有轮齿的齿面上，如磨料磨损等。 （2）局部故障 齿轮损伤只在一个或几个轮齿上，如剥落、断齿等。 二、齿轮监测诊断方法 监测诊断齿轮工作状态的方法大体分两大类： 第一类是采集运行中的动态信息（一般是振动或噪声）根据它们的变化进行诊断； 第二类是对润滑油进行分析，根据油中磨损产物的状况进行诊断。 在这里只介绍根据振动信号监测诊断齿轮状态的方法。 齿轮振动监测时，由于实际上的种种困难，一般都把传感器布置在齿轮箱的轴承盖
齿轮箱专用振动信号分析方法 齿轮箱振动信号的特点是频率成分复杂，存在大量的调制现象，并且齿轮箱（特别是行星齿轮箱）内部的故障信号传递路径长，冲击脉冲比较弱，易受其他信号干扰，被幅值大的转动轴振动信号掩盖，基本的频谱分析有时效果不理想，需要根据结构特点，采用一些专用的分析方法 一、多轴系阶比跟踪技术 计算阶比跟踪技术（Computed Order Tracking）对齿轮箱分析非常适用，特别是变速齿轮箱的低速轴分析，由于转速低，测量5-10个转动周期需要耗时很长，加上转速变动，如果不做阶比跟踪采集，得到的振动信号直接做FFT，频谱存在非常严重的“模糊”现象（谱线相互重叠，不清晰，不便于故障识别和分析）。 图1：阶比跟踪采样
图2：普通频谱分析 图3：计算阶比跟踪分析 图4：计算阶比跟踪分析局部放大（啮合频率和边带明显）
齿轮箱类设备因为有多个齿轮轴，采用多轴系阶比跟踪分析，很多时候分析结果非常直观，直接从不同转轴的阶比跟踪采样波形就能得到故障信息。 图5：中间轴故障 图6：输出轴故障
二、齿轮箱振动分析Circular图技术 下面三张图分别是一个齿轮箱输入轴（高速）、中间轴、输出轴（低速）的Circular图，三个轴的转速比是1:3:5。可以直观的看到输出轴存在故障。 图7：输入轴振动Circular图
图8：中间轴振动Circular图 图9：输出轴振动Circular图 下图是一个行星齿轮箱的齿圈故障时的振动Circular图。该行星齿轮箱有三
个行星轮。 图10：齿圈有1个断齿时的Circular图 三、阶比包络谱技术 包络分析对于齿轮箱及其内部的滚动轴承故障分析和故障定位非常有效，包络分析可以有效提取齿轮箱、轴承部件存在缺陷时的高频冲击脉冲信号，但是如果齿轮箱转速不稳定，存在转速变动，这种冲击信号的周期也是随转速变动的，直接进行包络分析效果不好。 采用阶比包络分析技术可以消除转速波动的影响，得到非常清晰的诊断图谱。
齿轮箱振动信号频谱分析与故障诊断 摘要：随着科技的快速发展，齿轮已经成为现代工业中主要的零部件之一，由 于齿轮箱传动比是固定的，传动力矩大，结构紧凑，被各种机械设备广泛的应用，成为各种机械的变速传动部件，但是齿轮是诱发机械故障的重要部位，所以对齿 轮箱故障诊断是十分必要的，本文基于齿轮箱振动及调制边频带形成机理的分析，提出用谱平均及倒频谱分析相结合的方法，对监测系统输出信号进行频域分析， 诊断齿轮箱故障，并分析产生的原因。 关键词：齿轮箱；振动信号；频谱分析；故障诊断 一、齿轮传动装置故障基本形式及振动信号特征 对于齿轮传动装置来说零件失效的主要表现为齿轮和轴承，而齿轮所占比例 很大，所以根据提取的故障信号特征，提出行之有效的诊断方法是十分必要的， 这样才能更好地诊断齿轮传动装置的问题所在。 1.齿形误差 当齿轮出现齿形误差的时候，频谱产生啮合频率及高次谐波为载波频率，齿 轮所在的轴转频及倍频为调制频率的啮合频率调制现象，谱图上在啮合频率及倍 频附近会产生幅值比较小的边频带，当齿形误差比较严重的时候，激振能量很大，就会产生固有频率，齿轮所在轴转频及倍频为调制频率的齿轮共振频率调制现象。 2.齿面均匀磨损 当齿轮使用以后齿面会出现磨损失效，当磨损的时候，使得轮齿齿形的局部 出现改变，箱体振动信号与齿形误差也有很大的不同之处，啮合频率及高次谐波 的幅值也会增加，由于齿轮的均匀摩擦，就不会产生冲击振动信号，所以不会出 现明显的调制现象。当摩擦达到一定程度以后，啮合频率及谐波幅值就会增加， 而且越来越大，同时振动能量也在增加。 3.箱体共振 齿轮传动装置箱体共振是比较严重的问题，这主要是因为受到箱体外的影响，激发箱体的固有频率，导致共振的形成。 4.轴的弯曲 轴轻度弯曲就会造纸齿轮齿形误差，形成以啮合频率及倍频为载波频率，如 果弯曲轴上有多对齿轮啮合，就会对啮合频率调制，但是谱图上的边带数量少， 但是轴向振动能量很大。当轴严重弯曲的时候，时域会出现冲击振动，这于单个 断齿和集中性故障产生的冲击振动有很大的区别，这是一个严重的冲击过程。冲 击会激励箱体的固有频率，如果弯曲轴上有多对齿轮啮合，就会出现啮合频率调制，谱图上边带数量比较宽，轴向振动能量变得很大。 5.断齿 断齿会导致齿轮的严重失效，其中大多是由于断齿疲劳断齿，断齿时域有很 大的冲击振动，其中频率等于断齿轴的转频。啮合频率及高次谐波附近出现间隔 为断齿轴转频的边频带，对于边频带数量多、幅值大、分布较宽，另外瞬态冲击 能量很大，会激励固有频率，最终产生固有频率调制现象。 6.轴不平衡 当轴不平衡的时候，齿轮传动会出现齿形误差，以齿轮所在的轴转频为调制 频率的啮合频率调制现象，但是一般的频谱边带数量很少。 7.轴承疲劳剥离和点蚀
振动分析及故障诊断技术 摘要：在工业领域，机械设备是其重要组成部分。为了保障设备运行平稳、 可靠，我们开展设备维护工作。振动是机械设备运行状态最直观的判定因素，振 动控制问题一直是个重要并持续研究发展的课题。掌握设备机械振动的测试分析 技术，可以有效改善设备的机械性能，通过振动分析能够对设备运行状态进行诊 断评估、预判设备是否存在故障、分析引起故障的原因及提出维护或维修的解决 方案。 关键词：振动分析、频率、幅值、啮合频率、轴承故障频率 前言 机械设备在正常运行状态下，可以从温度、振动、扭矩、压力、润滑等多方 面综合考虑设备状态，其中振动的幅值大小是比较直观并快速衡量设备状态的重 要指标。在保证设备不停机状态下，测试其振动值大小，可以从数据上初步判定 设备正常与否；根据数据分析其采集的信号，从中辨别信号中对设备造成异常影 响的故障频率，判定故障产生的原因；根据故障原因，能够指导后续如何维护或 维修来解决此类故障以恢复设备正常运行状态。 1. 振动的原理 机械振动中最简单、最基础的振动为简谐振动。从物理学上研究：简谐振动 是物体随时间按照正弦函数所变化的一种运动类型。从工业振动分析的角度考虑，振动三要素为：振幅、频率和相位。将振动的三要素与物理学统一研究来分析。 振动位移的计算公式为： x(t)=Acos（ωt+φ）
式中A为振幅，即测量物体偏离平衡位置的最大值；t为时间；ω为角频率；相位用φ表示，在运动状态，按初相位为0来计算。频率即为时间的倒数，即 f=1/t。在工业应用中，振幅一般采用振动峰峰值来代表设备振动的大小。 振动速度的计算公式为： dx/dt=ωAsin(ωt+φ+π/2) 振动速度一般采用速度有效值或速度RMS值来表示设备振动的大小。 振动加速度的计算公式为： d2x/dt2=ω2Asin(ωt+φ+π) 从公式计算中可得出：加速度向量比速度向量超前90°，速度向量比位移向 量超前90°，即表示加速度向量比位移向量超前180°。 1. 振动分析 设备的振动不可能是由单一信号激发，是无数个不同类型、不同特征的信号 糅合而成。为了更好地分析振动信号的特征，应用了数学上熟悉的傅里叶变换。 将一个非简谐的周期振动分解为一系列的单一简谐振动的叠加；从信号特征考虑 就是将一个动态信号从时间域变换到频率域来进行分析。 在工业设备振动信号分析中，使用振动测量仪、振动分析仪直接测量获得的 振动信号是随时间变化的振动时域信号，频谱分析的概念为：将随时间变化的信 号经傅里叶变换后转变成频域谱线图。在设备的故障分析中，不同的频谱代表了 不同的意义：其中转频（即单位时间内完成周期性变化的次数）是分析设备故障 最为重要的频率。转频的计算公式为：f=1/t=转速(转/分）/60 转频是振动分析中的基础计算频率，很多故障频率都是由转频计算得出。例 如风机、泵的叶片通过频率为转频*叶片数；齿轮的啮合频率为转频*齿轮的齿数；轴承的故障频率为转频*轴承的故障频率系数等等。
浅析齿轮箱震动信号频谱分析与故障诊断 摘要 齿轮箱作为机械设备重要构成部分,在实际的机械生产和应用中涉及十分广泛,而其在恶劣复杂的工作环境中性能的发挥将直接对整个机械设施的运转产生重要影响。若是齿轮箱在正常的运转过程中出现问题，不但会影响正常的生产，对经济效益造成影响，甚至会对人身安全产生威胁。所以，在确保机械设施能够维持正常运转且不具备安全隐患的基础上针对其进行有效的安全检查和定期维保有着十分重要的意义。 关键词：齿轮箱；故障诊断；频谱分析 前言 近年来，随着科技的不断发展，各个行业有了先进的科学作为基础，呈现出向好发展的趋势，其中，人工智能技术被应用到机械设备领域，对机械设备进行改造，使机械设备变得更智能、更高效、更精确，进一步提高人类生活水平。在机械设备变得智能化的同时，对机械设备本身的要求也会更高，其中任何一处问题都可能会导致机械设备故障，从而引发重大安全事故。 齿轮传动是较为常用的机械设备传动方式，齿轮传动的应用非常广泛，如为发电机组关键部件，其中齿轮箱为其传动装置，齿轮箱的特点是结构紧密并且传动比大，因此它被运用到各行各业，对的日常生活有很大的影响。齿轮在使用过程中，一般都处于高速运转状态，冲击力也比较大，在这样的工作环境下，齿轮容易产生很多故障，比如纹裂和断齿等。在机械运作的过程中，齿轮的损坏可能会导致其他零件的损坏，造成机械故障，从而引发巨大损失。 齿轮箱的主要零部件有齿轮轴、轴承、齿轮和箱体。齿轮箱根据用途可以选用有平行轴、交错轴及相交轴三种内部形式。齿轮箱在高运转、高负荷、高冲击的环境下运行时很容易发生故障，可能会导致其他设备故障，从而引发事故的产生。不仅会造成经济损失，还会威胁人类生命健康，所以针对齿轮箱的实际运行状态进行实时的监控并有针对性的制定应预案，对设备定期展开维护检查，在最大程度上保证设备的稳定安全运转，对人们的安全健康保障有着重要的意义。 1.设备振动信号分析方法 1.1时域分析 分析系统振动情况时,针对在设备振动信号中存在在时域中时变数据的分析方法是时域分析。根据振动曲线特性，在时域分析时有七种常用的时域指标来表
风机齿轮箱故障诊断与预警研究 随着风电行业的快速发展，风机齿轮箱的运行安全问题日益引起人们的关注。为了保 证风电场的运行效率和安全性，风机齿轮箱的故障检测和预警变得尤为重要。本文旨在介 绍风机齿轮箱故障诊断和预警技术的研究进展，并分析其现有的问题和未来的发展方向。 1.1 振动信号分析法 振动信号分析法是一种广泛应用于齿轮箱故障诊断的非破坏性技术。通过监测风机齿 轮箱的振动信号，可以有效地检测到齿轮箱内部的故障。振动信号分析法主要包括时域分析、频域分析和时频域分析等方法。其中，时域分析主要适用于检测齿轮箱的冲击和颤振，频域分析主要用于检测齿轮和轴承的故障，时频域分析可以兼顾以上两种方法的优点。 声波信号分析法是一种可以检测风机齿轮箱内部机件故障的有效方法。通过对风机齿 轮箱内部产生的声波进行分析，可以判断齿轮箱内主要机件的运行状态。声波信号分析法 主要包括声波瓶颈方法、频谱分析法、相速分析法等技术。相比于振动信号分析法，声波 信号分析法可以更加准确地定位故障位置，但是其受环境噪声和风叶扰动等因素的影响较大。 1.3 热像仪诊断法 热像仪诊断法是一种基于热学原理的无接触式检测方法。该方法主要通过对风机齿轮 箱外表面的红外辐射图像进行分析，来诊断齿轮箱内部机件的运行状态。热像仪诊断法可 以快速检测齿轮箱内部存在的磨损或者偏摆等问题，并且在检测过程中不会对齿轮箱造成 任何损害。但是该方法只能检测到表面温度变化较大的故障，对一些轴承和齿轮的微小故 障不易检测。 2.1 健康指数法 健康指数法是一种通过监测设备振动和温度等物理量，对设备的健康状态进行判断的 方法。通过对风机齿轮箱的运行数据进行采集和分析，可以评估齿轮箱的健康指数。当健 康指数下降到一定程度时，系统会发出故障预警信号，提醒运维人员进行检修和维护。该 方法可以提前发现设备故障，避免故障引起的损失。 2.2 机器学习算法方法 机器学习算法是一种能够自动学习和识别数据模式的技术。通过对风机齿轮箱的振动 信号、声波信号、温度等多个物理量进行采集和分析，可以训练出机器学习模型，对设备 的健康状态进行预测和预警。与传统的健康指数法相比，机器学习算法可以更加准确地预 测设备的故障，提高了预警的时效性和准确性。 三、问题和未来方向
齿轮箱震动信号频谱分析与故障诊断 摘要：许多机械设备的变速传动设备都是齿轮箱，一旦齿轮箱在运转过程中发 生故障则很容易给机器或者机组的正常运作带来重要影响，情况严重的还可能会 危及工作人员的生命安全，导致安全事故的发生。因此，有效监测齿轮箱的运行 状态，提高故障诊断效率，确定故障类型、具体位置，并尽快做出相应的解决对 策对于维护设备正常运行，保障工作人员的生命安全意义重大。 关键词：齿轮箱；震动信号；频谱分析；故障诊断 1.前言 齿轮传动系统的构成非常复杂，再加上设计不当等原因很容易导致齿轮箱发 生故障，影响整台设备或机组的正常运作，因此我们必须重视并加强齿轮箱故障 的诊断方法和效率。由于齿轮震动的频谱图当中含有非常丰富的信息，如果我们 能对其进行有效分析则能够帮助我们确定故障类型、位置及其原因。本文结合时 域统计参数法和包络调解法来对齿轮箱震动信号频谱进行分析和故障诊断。 2、频谱分析及齿轮箱故障诊断方法 由于齿轮的震动信号当中包含了齿轮缺陷的相关信息，因此目前我们主要采 用震动信号分析法来对齿轮箱进行故障诊断。分析齿轮故障信息最基本也是最常 用的方法是震动信号的频谱分析法。 2.1时域统计指标分析法 我们在分析震动信号的时域特征的时候往往会涉及到量纲参数有均方值（DAL）、峰值（peak）等等，从某种程度上来说这些参数能够判断齿轮箱是否 存在故障，分析设备的发展趋势。由于绝大部分的齿轮震动信号都是周期性函数，其信号瞬间的脉冲性等都是较为显著的，因此我们能够在时域内对震动信号的波 形曲线来进行分析并判断齿轮性能。时域波形分析法简单易行，而且在判断部分 齿轮箱故障上比较有成效，因此使用也比较多，本文主要应用的是其时域统计指 标分析法。 2.2功率谱分析 在具体应用过程中通常所截取到的震动信号大都为随机的离散信号，因此达 不到无限区域内可积的要求，也就不能直接使用傅立叶变化来做频域分析。因此 这种情况下我们可通过功率谱密度来对频域构成进行研究。 2.3包络谱分析 解调谱分析又被称为包络谱分析，当齿轮出现故障则震动信号的啮合频率在 传送过程中就会被故障齿轮所在的轴旋转频所调制，在时域里该调制信号会形成 波形的包络轨迹，而在频域里则会对称分布在啮合频率两边的边频带。当轴承出 现故障的时候相似的调制情况也会发生。因此从震动信号当中提取和故障有关的 低频调制信号，再分享调制频率和倍频相对应的幅值变换则能够帮助我们判断齿 轮箱故障所出现的位置。 3、齿轮箱震动信号频谱分析和故障诊断的具体案例研究 3.1某齿轮箱结构参数简介 在本次案例研究当中所选择的齿轮箱结构如下：一级行星、两级平行和内齿 圈固定的行星轮系，传动比设定104，采用动力增速设备。其中齿圈Z1是固定的，行星架输入动力之后经由行星轮将动力传送到太阳轮Z3，从太阳轮轴传送给第二
低温环境下风力发电齿轮箱的振动故障诊断 随着世界对可再生能源的需求增长，风力发电作为清洁能源的重要代表之一，得到了广泛的应用。而风力发电齿轮箱作为其中的核心部件，负责将风轮传来的力量转换成机械能，进而生成电能。然而，低温环境对风力发电齿轮箱的正常运行产生了一定的挑战，其中振动故障是一个重要的问题，本文将重点探讨低温环境下风力发电齿轮箱的振动故障诊断方法和技术。 低温环境下的风力发电齿轮箱振动故障主要表现为齿轮箱的振动异常、噪声变大、工作温度升高等现象。这些问题不仅会降低齿轮箱的寿命，还会影响发电机的效率。因此，及早发现和解决低温环境下的振动故障对于风力发电系统的正常运行至关重要。 在低温环境下，风力发电齿轮箱的振动故障诊断可以利用多种方法和技术。其中，振动信号分析是最常用的一种方法。通过对齿轮箱振动信号的采集、预处理和分析，可以确定故障源的位置和性质。常见的振动信号分析方法包括频谱分析、时域分析、波形分析等。通过将这些分析方法相结合，可以获得更加准确的故障诊断结果。 此外，温度监测也是低温环境下风力发电齿轮箱振动故障诊断的重要手段。由于低温环境下润滑油的黏度增大，容易导致齿轮箱内部润滑不良，从而引起齿轮箱的振动故障。通过在齿轮箱中布置温度传感器，监测齿轮箱各部件的工作温度，并进行实时分析，可以判断齿轮箱是否存在异常热点，及时采取相应的维修措施，避免故障进一步扩大。 除了振动信号分析和温度监测，还可以借助图像处理技术进行低温环境下风力发电齿轮箱振动故障的诊断。通常情况下，齿轮箱的故障表现为齿面磨损、断裂、裂纹等。利用高分辨率摄像机对齿轮箱进行拍摄，并采用图像处理技术对拍摄的图像进行分析，可以判断齿轮箱是否有磨损、损坏等问题，从而辅助故障诊断工作。
齿轮故障诊断常用信号分析处理方法 振动和噪声信号是齿轮故障特征信息的载体，目前能够通过各种信号传感器、放大器及其他测量仪器，很方便地测量出齿轮箱的振动和噪声信号，通过各种分析和处理，提取其故障特 征信息，从而诊断出齿轮的故障。 以振动与噪声为故障信息载体来进行齿轮的精密诊断，目前常用的信号分析处理方法 有以下几种： (1)时域分析方法，包括时域波形、调幅解调、相位解调等； (2)频域分析，包括功率谱、细化谱； (3)倒频谱分析； (4)时频域分析方法，包括短时FFT，维格纳分布，小波分析等； (5)瞬态信号分析方法，包括瀑布图等。 上述各种信号分述处理方法前面均已介绍，在此仅针对齿轮振动的特点介绍其中最常 用的几种分析方法。 一、频率细化分析技术 由于齿轮的振动频谱图包含着丰富的信息，不同的齿轮故障具有不同的振动特征，其 相应的谱线会发生特定的变化。 由于齿轮故障在频谱图上反映出的边频带比较多，因此进行频谱分析时必须有足够的频率分辨率。当边频带的间隔（故障频率）小于分辨率时，就分析不出齿轮的故障，此时可采用频率细化分析技术提高分辨率。以某齿轮变速箱的频谱图［见图1(a)］为例，从图中可几以看出，在所分析的0 ~ 2kHz频率范围内，有1~4阶的啮合频率的谱线，还可较清晰地看出有间隔为25Hz的边频带，而在两边频带间似乎还有其他的谱线，但限于频率分辨率已不能清晰分辨。利用频谱细化分析技术，对其中900～1 100Hz的频段进行细化分析，其细化频谱如图1 (b)所示。由细化谱中可清晰地看出边频带的真实结构，两边频带的间隔为8. 3Hz，它是由于转动频率为8.3Hz的小齿轮轴不平衡引起的振动分量对啮合频率调制的结果。本例表明，用振动频谱的边频带进行齿轮不平衡一类的故障诊断时，必须要有足够的频率分辨率，否则会造成误诊或漏诊，影响诊断结果的准确性。 二、倒频谱分析 对于同时有多对齿轮啮合的齿轮箱振动频谱图，由于每对齿轮啮合都将产生边频带，几个边频带交叉分布在一起，仅进行频率细化分析有时还无法看清频谱结构，还需要进一步做倒频谱分析。倒频谱能较好地检测出功率谱上的周期成分，通常在功率谱上无法对边频的总体水平作出定量估计，而倒频谱对边频成分具有“概括”能力，能较明显地显示出功率谱上的周期成分，将原来谱上成族的边频带谱线简化为单根谱线，便于观察，而齿轮发生故障时的振动频谱具有的边频带一般都具有等间隔（故障频率）的结构，利用倒频谱这个优点，可以检测出功率谱中难以辨识的周期性信号。 实用文档
低风速风力发电齿轮箱的扭转振动响应分析 随着世界对可再生能源的需求不断增加，风力发电作为一种绿色、清洁的能源 形式备受关注。然而，由于风力发电机组的特殊设计与工作环境，其齿轮箱在运行过程中经常会受到各种振动的影响，使得其寿命与可靠性受到较大影响。因此，对于低风速风力发电齿轮箱的扭转振动响应进行分析和评估，对于提高其寿命与可靠性具有重要意义。 扭转振动是齿轮箱最常见的振动形式之一，它是由于齿轮传动时齿轮的扭转变 形引起的。扭转振动不仅会产生噪声，而且还会导致齿轮表面疲劳损伤和断裂，降低系统的可靠性。因此，了解低风速风力发电齿轮箱的扭转振动响应特性对于提高其运行可靠性具有重要意义。 首先，我们可以通过数值仿真的方法对低风速风力发电齿轮箱的扭转振动进行 分析。数值仿真可以帮助我们预测和评估系统的振动响应，并优化设计以减少振动。我们可以使用有限元分析方法，建立齿轮箱的几何模型，并考虑材料的非线性、接触非线性和边界条件等因素进行仿真。通过对齿轮箱的工作载荷、齿轮参数和支撑结构等进行分析，我们可以得到齿轮箱在扭转过程中的振动特性。这种仿真方法可以对不同的工况和设计参数进行分析，得出最佳的齿轮箱设计方案。 其次，实验方法也是分析低风速风力发电齿轮箱扭转振动的重要手段。通过在 实际工作环境中搭建测试台架，我们可以对齿轮箱进行振动测试。可以使用加速度传感器、应变计和光学测量设备等工具来获取齿轮箱的振动信号，并进行后续分析。通过在实验中模拟不同工况下的振动载荷，并记录齿轮箱的振动响应，可以得到齿轮箱的扭转振动特性，从而评估其性能和可靠性。实验数据可以与数值仿真结果进行对比，验证数值模型的准确性，并优化齿轮箱的设计。 此外，为了更好地评估低风速风力发电齿轮箱的扭转振动性能，我们还可以使 用频域分析和时域分析相结合的方法。频域分析可以帮助我们了解齿轮箱振动信号的频率分布和能量分布情况，进一步分析其谐波成分和共振现象。时域分析则可以
风能发电机组齿轮箱故障诊断与维修风能发电机组齿轮箱是实现风能转换为电能的重要部件之一。然而，长期运行和外部环境的影响可能导致齿轮箱出现故障，对风能发电系 统的稳定性和可靠性造成威胁。因此，及时准确地诊断和修复齿轮箱 故障是保障风能发电系统正常运行的关键。本文将从故障诊断方法和 维修措施两个方面，探讨风能发电机组齿轮箱故障的解决方案。 一、故障诊断方法 1. 故障预警系统 故障预警系统是一种通过实时监测齿轮箱的振动、温度、压力等参数，判断齿轮箱是否存在故障并提前预警的技术。通过安装传感器和 数据采集装置，将齿轮箱的运行参数实时传输到监测中心，利用数据 分析和故障诊断算法，及时发现和定位齿轮箱的故障，为后续的维修 提供准确的信息。 2. 振动分析法 振动分析法是一种常用的齿轮箱故障诊断方法。通过在齿轮箱上安 装振动传感器，实时监测齿轮箱的振动信号，并进行频谱分析和时域 分析，可以判断齿轮的磨损程度、轴承的松动情况、齿轮箱内部的异 物等故障类型。振动分析法凭借其高效、准确的特点，在风能发电机 组齿轮箱故障诊断中得到了广泛应用。 3. 热像仪检测
热像仪检测是一种通过测量齿轮箱表面温度分布来判断齿轮的磨损和轴承的摩擦情况的方法。通过在齿轮箱表面扫描热像仪，可以观察到齿轮箱中的温度异常区域，并对其进行进一步分析和诊断。热像仪检测方法简单快捷，对齿轮箱内部结构没有破坏性，因此在风能发电机组齿轮箱故障的初步判断中具有先天优势。 二、维修措施 1. 齿轮更换 在齿轮箱出现磨损或破损的情况下，需要及时更换齿轮。在更换过程中，需要严格按照齿轮箱的拆装标准和工艺要求进行操作，确保齿轮的安装位置和间隙的准确度，以避免因齿轮不合理的配合而引起的二次故障。 2. 轴承维修 轴承是齿轮箱中常见的易损件之一，其损坏会导致齿轮箱的故障。因此，在损坏的轴承需要维修时，需要将其拆卸下来进行检修，包括清洗、更换润滑油和密封件，以及重新安装和润滑。 3. 故障原因排查与解决 对于其他类型的齿轮箱故障，例如异物进入、齿轮脱落等，需要通过仔细的排查和分析，找出故障的原因并制定相应的维修方案。在解决故障时，需要根据实际情况进行修复或更换相关部件，确保齿轮箱的正常运行。
电机振动信号处理及其在故障诊断中的应用 在现代工业中，电机是非常重要的设备。但随着使用寿命的增加，电机故障的出现也越来越常见，这给生产造成了很大的麻烦。针对这种情况，研究人员开展了大量工作，以便提高电机故障的 检测、诊断效率。其中，电机振动信号处理及其在故障诊断中的 应用是研究的重点之一。 1. 电机振动信号的产生和性质 电机振动信号是由电机内部产生的机械振动所引起的。在电机 运行时，磁场和电流会产生转矩，从而引起电机的旋转。但由于 电机内部存在着各种物理现象，如电磁作用、磁畸变、不均衡、 惯性等，因此电机在运行过程中会产生振动。这些振动使得电机 在空气中产生声音，同时也会在机体表面产生振动信号。这些信 号包含着电机内部的许多信息，因此研究这些信号具有重要的意义。 电机振动信号的性质一般分为以下几类： （1）频率：电机振动信号的频率主要与电机内部工作的相互 作用和转子的结构特点有关。 （2）振幅：电机振动信号的振幅和电机内部的物理状态有关，如不均衡、松动等。
（3）相位：电机振动信号的相位则反映了电机内部各部分的 相互作用情况。 2. 电机振动信号处理方法 电机振动信号处理是指对电机振动信号进行合理的采集、处理 和分析的过程。通常来说，电机振动信号处理可以分为以下几步。 （1）采集振动信号：为了获得电机的振动信号，需要安装合 适的传感器在电机表面进行振动信号采集。目前最常用的传感器 是加速度传感器和速度传感器。加速度传感器可以测量振动信号 的加速度，而速度传感器则可以测量振动信号的速度。 （2）信号去噪：电机振动信号中常常存在噪声，这会影响信 号的分析和诊断。因此，在进行信号处理之前，需要对信号进行 去噪处理。常用的去噪方法包括小波去噪、中值滤波、均值滤波等。 （3）分析电机振动特征：分析电机振动信号的特征是电机故 障诊断的重要步骤。主要包括频谱分析、时域分析、幅值分析等。 （4）建立诊断模型：根据分析结果，可以建立故障诊断模型。常用的方法包括神经网络、支持向量机等。 3. 电机振动信号在故障诊断中的应用 与传统的故障诊断方法相比，电机振动信号的分析有以下优势：
行星齿轮箱振动信号特征提取新方法 李伟;王付广;刘聪;徐培民 【摘要】Compared with bearing and fixed axle gearboxes, it is more difficult to extract the fault characteristics of the planetary gearboxes. And the traditional method is not good enough for the fault diagnosis of planetary gearboxes. In this paper, a new method of fault feature extraction based on wavelet packet entropy and RMS is proposed so as to find the nonlinear and complex characteristics from the fault vibration signals of planetary gearboxes. Firstly, the original signal is equally intercepted to obtain sample signals. Then, the wavelet packet transform is used to decompose the sample signals, and the sample entropy and RMS value of each frequency band are calculated and normalized. The normalized parameter is used as the weight of the weighted average to calculate the weighted average sample entropy and RMS value. Finally, the two parameters are used to get new parameters. The results of fault diagnosis and anti-noise test show that the new feature extraction method can enlarge the distinction of the characteristics of different faults of planetary gearboxes and has good stability. Meanwhile, the new parameters have some anti-noise ability.%与轴承、定轴齿轮箱相比,提取行星齿轮箱的故障特征更加困难,且传统方法对行星齿轮箱的诊断效果不好.针对行星齿轮箱故障振动信号的非线性、复杂性等特性,提出一种基于小波包样本熵和均方根值的故障特征提取新方法.该方法首先对原始信号进行连续等长度截取,获得样本信号,再利用小波包变换分解样本信号,计算分解后各频段的样本熵和均方根值,并进行
基于Hilbert解调法的振动信号齿轮诊断方法 机械1101 3110301000 ××× 摘要：振动诊断技术是目前机械故障诊断中最常用的诊断方法，它是通过测量机械外部振 动来判断机械内部故障的一种方法。本文将详细阐述基于Hilbert解调法的振动信号齿轮诊断方法，通过对Hilbert解调法基本原理的介绍，引出此方法在齿轮故障诊断中的应用，然后再通过具体工程实例来加以说明解释。文章的最后将得出结论：此方法能够有效地判断齿轮故障部位，以便立刻做出决策来消除故障。 关键词：Hilbert解调，振动信号，齿轮故障诊断 Gear fault diagnosis method based on Hilbert demodulation for vibration signals Abstract:The technology of vibration diagnosis is one of the most adopted diagnostic methods in mechanical fault diagnoses. The way of judging the machinery internal fault is done by measuring the machinery external vibration. In this paper, I will elaborate on gear fault diagnosis method based on Hilbert demodulation for vibration signals. On the basis of introducing the basic principle of Hilbert demodulation, the application of this method in gear fault diagnosis will be proposed. After understanding that, a specific example will be investigated for further understanding. In the end of the article, the conclusion will be drawn: this method can judge the positions of the gear fault efficiently, in order to make a decision immediately to eliminate the fault. Keywords: Hilbert demodulation, vibration signals, gear fault diagnosis. 0引言 机械故障诊断过程本质上是一个故障模式识别的过程[1]，针对某一个具体的机械故障诊断问题，选择不同的模式识别方法，其分类精度和准确性可能会有较大的差异[2,3]。对于不同类型的故障以及故障在不同机械上的存在，我们应该选择合适的方法对其进行诊断，以保证高的分类精度和准确性。在不同的机械零件中，齿轮是最普遍的一种零件之一；齿轮传动又是机械设备中最常用的传动方式。齿轮失效又是诱发机器故障的重要因素[4]。因此，对齿轮的故障诊断就显得尤为重要。在机械故障诊断学上，齿轮故障诊断的方法有很多，如振动诊断、扭振分析、噪声分析、声发射、油样分析、温度及能耗检测等[5]。这些方法大致可以分为两大类：一类是通过对齿轮运行中的动态信号的处理分析来判断振动、噪声信号。另一类是根据摩擦磨损理论，通过研究分析齿轮箱的温度和润滑油中的磨屑状态来诊断齿轮的状况。由于第一类方法具有便于记录、处理和不易受干扰等优点而被广泛采用。而对于用传感器、放大器及其他测量仪器所得到的振动信号，又存在着不同的分析和处理办法（其目的在于提取信号中的故障特征信息，从而诊断出齿轮的故障类型）。选择最为合适的一种处理办法，不仅能够快速地诊断出故障部位，而且还具有非常高的准确率。 齿轮的局部故障（如疲劳点蚀、剥落等）通常由幅值调制和频率调制的形式表现出来，其结果反映在频域上即为边频带成分。由于在测量中影响边频带成分的因素比较多，往往给频域分析带来困难。因此，我们此时需采用解调方法，从齿轮振动的时域信号中直接提取调制信号，并分析调制函数与齿轮故障的变化关系，以便找到齿轮故障根源及其严重程度进而找出相应的解决措施[6]。由于齿轮的局部故障通常由幅值调制和频率调制的形式表现出来，但在测量信号中影响边频带成分的因素较多，而