基于MCSA的齒輪故障診斷技術(shù)研究.pdf

1、齒輪傳動(dòng)機(jī)構(gòu)精準(zhǔn)可靠，傳遞的速度和功率范圍較大，得到廣泛的應(yīng)用。齒輪故障診斷對減少工業(yè)事故引發(fā)的經(jīng)濟(jì)損失和人員傷亡具有重要的意義。傳統(tǒng)的齒輪故障診斷方法，如振動(dòng)診斷法需要安裝額外的振動(dòng)傳感器且受環(huán)境及噪聲的影響較大。基于電機(jī)電流特征分析(Motor Current Signature Analysis，MCSA)的齒輪故障診斷技術(shù)以電機(jī)定子電流為切入點(diǎn)，從電氣的角度對齒輪故障進(jìn)行診斷，屬于無創(chuàng)檢測，不會(huì)對系統(tǒng)造成干擾。
　　本文建

2、立了齒輪傳動(dòng)系統(tǒng)的雙慣量模型，對基于MCSA的齒輪故障診斷機(jī)理進(jìn)行了理論推導(dǎo)，依據(jù)雙慣量模型在MATLAB中對理論推導(dǎo)進(jìn)行仿真驗(yàn)證。接下來本文分別以FFT，小波變換，經(jīng)驗(yàn)?zāi)B(tài)分解作為主要的信號處理方法從實(shí)驗(yàn)采集到的電機(jī)定子電流中提取故障特征，診斷齒輪故障。
　　首先采用FFT分析作為故障特征的提取方法，F(xiàn)FT在保證足夠長的采樣時(shí)間下能有效診斷出齒輪故障。隨后本文研究了電機(jī)轉(zhuǎn)速和負(fù)載對故障診斷的影響，得出FFT提取故障特征的能力隨著

3、電機(jī)轉(zhuǎn)速的升高而降低，隨著負(fù)載的增大而提高，整體上呈現(xiàn)負(fù)載越大轉(zhuǎn)速越低越有利于診斷出故障的規(guī)律。
　　對FFT的局限進(jìn)行闡述后本文引出了小波分析，小波分析通過小波變換實(shí)現(xiàn)，小波變換最大的特點(diǎn)是多分辨率分析。將小波變換分別與FFT分析和包絡(luò)譜分析相結(jié)合進(jìn)行故障診斷，實(shí)驗(yàn)結(jié)果表明在FFT失效的情況下小波分析仍能消除負(fù)載及轉(zhuǎn)速的影響，有效診斷出齒輪故障，擴(kuò)大齒輪故障診斷的適用范圍。而且小波變換結(jié)合包絡(luò)譜分析提取的故障特征頻率更明顯。

4、r>　　最后引入經(jīng)驗(yàn)?zāi)B(tài)分解，經(jīng)驗(yàn)?zāi)B(tài)分解相比小波變換最大特點(diǎn)是分解過程是自適應(yīng)的，不需要提前選擇基函數(shù)。在簡要闡述經(jīng)驗(yàn)?zāi)B(tài)分解的理論后，首先用經(jīng)驗(yàn)?zāi)B(tài)分解對電流進(jìn)行分解，對分解所得的固有模態(tài)函數(shù)進(jìn)行包絡(luò)譜分析成功診斷出了齒輪故障。然后利用小波變換具有濾波器的特性，對電機(jī)電流信號首先進(jìn)行小波變換，選取小波變換后的細(xì)節(jié)信號作為下一步經(jīng)驗(yàn)?zāi)B(tài)分解的對象，最后利用包絡(luò)譜有效提取出了齒輪的故障特征，而且故障特征要比相同實(shí)驗(yàn)條件下本文涉及到的其他