發(fā)布時間：2021-11-17 18:47

　　為了準確地進行齒輪故障特征提取,結(jié)合最大相關峭度解卷積和形態(tài)濾波,給出了一種新的方法;首先利用最大相關峭度解卷積恢復信號中的周期性故障特征并實現(xiàn)信號的降噪,再運用形態(tài)差值濾波器對解卷積后的信號進行濾波以增強信號中的沖擊特征并解調(diào)出包絡,最后求取包絡譜以進行故障特征提取;通過齒輪斷齒故障振動數(shù)據(jù)的分析,驗證了方法的有效性。 

【文章來源】：計算機測量與控制. 2020,28(07)

【文章頁數(shù)】：5 頁

【部分圖文】：

基于MCKD與形態(tài)濾波的齒輪故障診斷流程圖

依托QPZZ-II試驗平臺系統(tǒng)進行基于MCKD與形態(tài)濾波的齒輪故障診斷方法的驗證。該試驗平臺可采集齒輪振動信號直接運用成熟方法進行信號分析和故障診斷，并可將數(shù)據(jù)以文本格式導出，便于深入研究。系統(tǒng)裝配了大、小兩級圓柱齒輪，大、小齒輪的齒數(shù)分別為75、55，模數(shù)為2。試驗中對試驗平臺配置的小齒輪進行了故障處理，模擬了小齒輪斷齒故障。在調(diào)速器中將電機轉(zhuǎn)速設置為880r/min，通過傳感器測得實際轉(zhuǎn)速871r/min，由圖2可知小齒輪的轉(zhuǎn)頻等于電機軸的轉(zhuǎn)頻，以實際轉(zhuǎn)速計算，可以得到為小齒輪轉(zhuǎn)頻約為14.5Hz，按照兩個齒輪的齒數(shù)比，可計算大齒輪的轉(zhuǎn)頻約為10.6Hz，此時，試驗平臺傳動系統(tǒng)的嚙合頻率為797.5Hz。設置數(shù)據(jù)采樣頻率為5 120 Hz，采樣2s的齒輪故障振動信號作為原始數(shù)據(jù)，即數(shù)據(jù)點數(shù)為10 240。

圖3給出了實驗數(shù)據(jù)的時域波形、頻譜及Hilbert包絡譜。在圖3(a）的時域波形中可以發(fā)現(xiàn)原始信號有周期性沖擊信號，但波形相對雜亂。圖3(b）的頻譜中可以找到5個明顯的共振頻帶，但不易找到故障特征的信息。在圖3(c）的包絡譜中，可以發(fā)現(xiàn)14.5Hz及29Hz處存在較為明顯的譜線，14.5Hz、29Hz為小齒輪轉(zhuǎn)頻的1倍頻和2倍頻，可以給出小齒輪故障的結(jié)論，但譜線的幅值與噪聲成分的幅值相差不大，高次倍頻成分也并不明顯，即故障特征不夠明顯。用本文的方法進行齒輪故障特征的提取。首先，對信號進行MCKD處理，MCKD的參數(shù)設置為：濾波器長度L為300，周期T為353，迭代次數(shù)為30，移位數(shù)M為1。然后，應用形態(tài)濾波方法進行降噪、解調(diào)處理，將形態(tài)濾波結(jié)構元素設為直線，長度設為70。最后，對包絡信號求取頻譜，得到如圖4所示的MCKD-形態(tài)濾波包絡譜。

【參考文獻】：
期刊論文
[1]基于MCKD-EMD的風電機組軸承早期故障診斷方法[J]. 趙洪山,李浪.  電力自動化設備. 2017(02)
[2]基于最大相關峭度解卷積的煉膠機齒輪箱早期故障診斷[J]. 冷軍發(fā),王志陽,荊雙喜.  機械強度. 2016(05)
[3]Teager能量算子結(jié)合MCKD的滾動軸承早期故障識別[J]. 劉尚坤,唐貴基,何玉靈.  振動與沖擊. 2016(15)
[4]最小熵解卷積在滾動軸承早期故障診斷中的應用[J]. 冷軍發(fā),楊鑫,荊雙喜.  機械傳動. 2015(08)
[5]基于MCKD和重分配小波尺度譜的旋轉(zhuǎn)機械復合故障診斷研究[J]. 鐘先友,趙春華,陳保家,田紅亮.  振動與沖擊. 2015(07)
[6]基于最小熵解卷積與稀疏分解的滾動軸承微弱故障特征提取[J]. 王宏超,陳進,董廣明.  機械工程學報. 2013(01)
[7]形態(tài)學濾波方法改進及其在滾動軸承故障特征提取中的應用[J]. 沈長青,朱忠奎,孔凡讓,黃偉國.  振動工程學報. 2012(04)
[8]基于數(shù)學形態(tài)濾波的齒輪故障特征提取方法[J]. 章立軍,楊德斌,徐金梧,陳志新.  機械工程學報. 2007(02)

碩士論文
[1]數(shù)學形態(tài)濾波與局域均值分解在齒輪故障診斷中的應用[D]. 李枝榮.昆明理工大學 2014
[2]基于最小熵解卷積的滾動軸承故障診斷研究[D]. 江瑞龍.上海交通大學 2013
[3]數(shù)學形態(tài)學在振動信號處理中的應用研究[D]. 孫敬敬.華北電力大學 2012



本文編號：3501473