行星轮系中太阳轮断齿故障特性分析

行星齿轮箱的诸多传动优点使其越来越广泛地被应用于诸多机械设备中,其振动响应比定轴齿轮箱更为复杂,相应的动力学模型建立及故障诊断成为近年来的研究难点和热点。目前对行星减速轮系的建模分析大多都是建立在正常状态下,缺乏对故障状态下的行星轮系建模研究;对行星轮系进行故障特性分析时,缺乏振动机理方面的研究。针对现有研究的不足,建立了考虑振动传递路径时变效应的行星齿轮系统动力学模型;推导了太阳轮断齿故障下的时变啮合刚度表达式,通过对行星齿轮系统动力学模型的求解,分析得到了太阳轮断齿时系统的频谱响应特性;最后通过试验信号的对比,验证了动力学模型分析结果的准确性。     

浮动式齿圈行星齿轮箱齿轮故障振动频谱模型

齿轮箱振动信号频谱结构的深入研究,对齿轮箱的故障诊断有很大帮助。但是到目前为止,还没有对齿圈浮动的行星齿轮箱频谱结构的相关研究。针对浮动式齿圈行星齿轮箱传动结构的特点,研究了振动信号传递路径对频谱结构的影响,得到了浮动式齿圈行星齿轮箱齿轮故障振动信号的频谱模型。利用包络谱对故障信号的幅值调制进行分析,简化了故障诊断工作。最后,运用所提频谱模型进行了故障诊断试验,准确发现了变速箱中的故障。     

行星传动系统振动信号数学模型及特征频率分析

在行星传动系统振动信号频谱中,存在类似于定轴齿轮传动系统故障信号的调制边带。为了研究行星齿轮传动系统的振动机理,深入研究行星齿轮啮合过程振动信号的传递特点,通过试验与仿真,分析验证了齿圈固定式行星齿轮箱振动信号受传递路径影响的变化规律,结合行星齿轮啮合过程中啮合力的周期性变化影响,推导了行星齿轮传动系统振动信号数学模型。通过仿真分析了两种不同结构类型行星齿轮传动系统振动信号的频谱特性,并分析了啮合频率周围调制边带产生的原因。最后进行了风电齿轮箱的现场测试,通过分析实测振动信号验证了所建立数学模型计算结果的正确性。     

基于扭转振动信号的行星齿轮箱齿根裂纹故障动力学仿真

基于振动的分析方法在行星齿轮箱齿根裂纹故障诊断中得到了广泛的应用.与传统的横向振动信号相比,扭转振动信号理论上不受时变传递路径的调制影响;其频率成分简单,易于提取故障特征.对动力学模型中提取的扭转振动信号进行分析,实现了齿根裂纹故障诊断.建立了健康行星齿轮箱的刚柔耦合模型并进行了验证;基于健康行星齿轮箱的模型,建立了3种构件的裂纹故障模型,提取了故障行星齿轮箱的动态响应信号;通过分析横向振动信号和扭转振动信号来诊断齿根裂纹故障.结果表明,采用扭转振动信号诊断行星齿轮箱轮齿裂纹故障是可行的,其相比传统的横向振动信号更具优越性.     

行星齿轮典型断齿故障的动力学仿真

基于一种改进的行星齿轮箱集总参数模型,将断齿故障等效到时变啮合刚度中,建立了直齿行星齿轮的太阳轮断齿故障、行星轮断齿故障和内齿圈断齿故障的动力学模型。以某单级行星齿轮为研究对象,考虑扭转方向外部激励,对其正常和各断齿故障状态下的动力学模型进行求解,对内齿圈垂直振动加速度信号进行分析。研究结果表明:只考虑扭转方向的外部激励时,正常状态下内齿圈最高点处的垂直振动加速度信号频谱中幅值最高的共振峰与模态能量分布相关;在各断齿故障状态下,内齿圈垂直振动加速度的有效值均大于正常值,时域波形中可看到不同形式的冲击,包络谱中可看到对应的故障特征频率及其倍频成分。     

基于平移不变多小波变换的齿轮故障诊断

机械设备发生故障时,反映设备故障特征的振动信号常淹没在背景噪声中,直接做频谱分析,很难提取其故障特征。将平移不变多小波降噪方法应用到仿真加噪冲击信号,提取出隐藏在噪声中的冲击特征。然后将该方法应用于齿轮箱试验台信号分析中,试验结果表明,平移不变多小波降噪方法能够有效地提取出齿轮箱断齿故障的冲击特征频率,诊断出齿轮箱的断齿故障,为故障诊断提供了准确的依据。仿真与试验分析验证了平移不变多小波降噪方法在故障诊断中的有效性。     

基于多尺度排列熵的复合行星齿轮故障诊断研究

针对行星齿轮传动系统复合故障特征提取问题,以行星齿轮箱的运行状态为研究背景,建立了考虑路面随机激励下的行星齿轮箱复合故障动力学模型,利用多尺度排列熵对齿轮箱正常、断齿故障和复合故障时的振动信号进行了对比分析,通过对处于不同状态的行星齿轮箱进行分析,发现行星齿轮箱正常振动信号的多尺度排列熵值要高于单一断齿和复合断齿故障信号,熵值平均高出约5.3%,单一断齿的多尺度排列熵高于复合断齿故障信号,熵值平均高出约7.4%。研究结果证明,多尺度排列熵可以有效地诊断多排行星齿轮系统的故障类型。     

基于1.5维谱活跃频率的行星齿轮箱磨损故障诊断研究

行星齿轮箱中多种频率成分相互耦合导致无法提取故障特征,针对这一问题,提出了基于1.5维谱(三阶累积量一维对角切片谱)活跃频率的行星齿轮箱磨损故障诊断的方法。该方法先将1.5维谱能够识别的二次相位耦合推广到符合实际意义的二次频率耦合,再将解耦出的参与耦合频率与耦合产生频率逐点相乘,以得到其活跃频率;然后通过观察活跃频率与故障频率之间的关系,判断行星齿轮箱是否发生故障;实验部分首先运用该方法从仿真信号中提取出了活跃频率,然后通过搭建行星齿轮箱齿面磨损故障实验台采集振动信号,最后运用该方法提取出了其磨损故障特征频率。研究结果表明:传统的傅里叶变换方法不能提取出故障特征频率,基于1.5维谱活跃频率的磨损故障诊断方法能够从行星齿轮箱振动信号中提取出故障特征频率,实现了对行星齿轮箱磨损故障的诊断,对行星齿轮箱磨损故障诊断具有重要意义。     

行星齿轮传动系统断齿故障下动态特性研究

为了探究含故障因素行星齿轮传动系统的动态特性,结合Hertz接触理论和齿轮激励,建立考虑齿面接触特性的行星齿轮传动系统动力学模型,并且在模型中分别引入了行星轮、内齿圈、太阳轮3种断齿故障因素;分别模拟了传动系统在不同故障因素影响下的工作过程,通过分析动载荷谱、浮动轨迹来研究行星齿轮出现故障的情况下传动系统的动态特性。得出结论:与内齿圈断齿故障相比,行星轮、太阳轮断齿对系统造成影响更大;频谱图中低频区域的幅值所在频率和故障频率有着对应关系;太阳轮断齿故障因素使太阳轮浮动轨迹半径大幅增加。故障因素对系统动态特性影响的研究,可以为行星齿轮传动系统的故障诊断提供理论依据。     

行星轮系动力学新模型及其故障响应特性研究

行星轮系中零部件多、结构复杂,建模难度大。行星轮既自转又公转,导致啮合点到固定在箱体上的传感器之间的距离时刻变化,从而产生振动传递路径时变效应,增加了振动响应的复杂性。现有的动力学模型大多针对正常情况下的行星轮系进行建模,而且未考虑振动传递路径时变效应对振动响应的影响。针对以上不足,推导了行星轮系正常、裂纹及剥落三种情况下的时变啮合刚度算法,考虑振动传递路径时变效应的影响,建立了相应的动力学模型,求解得到行星轮系正常、裂纹及剥落时的动态响应,并分析了它们的频谱特性。搭建了行星齿轮箱试验台以获取振动响应信号,与模型响应信号进行了对比分析,结果验证了动力学模型的准确性,为行星轮系的健康监测提供了理论依据。     

基于HEI量化故障信息的行星齿轮箱故障诊断方法研究

针对复杂工况下行星齿轮箱的故障信息难以量化衡量的问题,提出了基于谐波有效指数(HEI)量化故障信息的行星齿轮箱故障诊断方法。首先,对信号进行分析处理,对频率切片小波变换(FSWT)频率切片后的频带信号进行了精细复合多尺度散布熵(RCMDE)值计算,选取故障特征多的频带进行了信号重构,使用多点最优调整的最小熵解卷积(MOMEDA)对重构信号中的故障冲击成分进行了准确提取;通过建立谐波有效指数,量化了包含在振动信号中的故障信息,实现了对行星齿轮箱的故障诊断;最后,使用行星齿轮箱齿面磨损故障的试验数据进行了相关的验证。研究结果表明:该方法能够实现行星齿轮箱振动信号中故障特征的提取;从处理后信号的频谱中可以清楚地观察到行星轮故障特征频率f_p=7.03 Hz及其倍频nf_p;实验数据中的HEI值为3.47×10~(-6),可以作为衡量行星齿轮箱故障程度的有效指标。     

基于时域同步平均与LabVIEW的行星齿轮箱信号预处理方法

行星齿轮传动相对于定轴齿轮传动,结构更加复杂,由太阳轮、行星轮、行星架和内齿圈构成。其结构特点致使其振动信号的信噪较小,对振动故障特征提取带来困扰。以行星齿轮箱实验平台为测试对象,采集了行星轮断齿故障的振动信号,通过时域同步平均的算法处理后的信号与原始信号对比,结合LabVIEW软件平台,验证了时域同步平均算法在行星轮断齿故障状态下的可行性。     

基于MEMS加速度传感器的行星齿轮箱故障诊断技术研究

行星齿轮箱广泛应用于直升机、风力涡轮机和重型工业机械的传动系统中。由于结构复杂的行星齿轮箱在系统中的作用非常重要,一旦发生故障可能导致整套系统停摆,造成重大经济损失,实时监测行星齿轮箱状态的必要性日益受到关注。因为行星齿轮箱载荷变化引起齿轮啮合激励的变化,同时信号的传递路径也较长,导致使用传统方式安装在机器箱体上的加速度传感器在行星齿轮箱故障诊断方面的准确性较低。随着低成本、低功耗MEMS技术的发展,MEMS加速度传感器可以直接安装在转轴上,这种测量方式可以直接测量激励源,获得高质量的数据,更准确地评估旋转机械的动态特性。本文研究了安装在行星齿轮箱低速输入轴转子上的MEMS加速度传感器的信号特性,并结合VMD算法对数据进行分解,研究结果表明：通过研究转子上加速度传感器信号频谱特征频率,可以准确地识别行星齿轮箱的不同故障,为行星齿轮箱的初级故障诊断提供一种可靠且低成本的方案。     

基于频率切片小波变换的行星齿轮箱故障诊断

风电行星齿轮箱主要由太阳轮、行星轮、行星架和内齿圈组成,由于其工作环境比较恶劣,容易产生故障。另外其各部分信号又相互叠加,增大了信号分析的难度。而风电齿轮箱运转又会随外界环境而发生变化,产生的信号具有较强的非平稳性,采用普通时频方法只能简单估测故障发生的大致位置。为了进一步确定设备故障信息,尝试将频率切片小波变换的时频分析方法应用到其故障诊断中。通过对信号的全频能量分析,选择信号故障区间进行细化分析,进而提取信号的时频特征,确定故障具体位置,取得了较好的效果,为风电行星齿轮箱的故障诊断提供了一定依据。     

变转速下的风力机行星齿轮箱故障诊断研究

由于风力发电机齿轮箱振动信号的非平稳性、传递路径复杂、系统噪声大和调制现象严重,常规的频谱分析方法难以识别齿轮箱的故障位置.针对以上问题,提出了一种基于同步提取(Sychroextracting Transform,SET)与沃德卡曼滤波相结合的风力机行星齿轮箱故障诊断研究方法(Combination of SET a...     

基于包络加窗同步平均的行星齿轮箱特征提取

行星齿轮箱由于行星轮通过效应、太阳轮与行星架的旋转及时变工况,导致其振动响应存在时变传递路径及非平稳性等特点,且传统的同步平均将不能直接应用于行星齿轮箱。笔者在国外加窗同步平均的基础上提出一种能有效克服时变传递路径及非平稳性的基于包络信号角域加窗同步平均的行星齿轮箱故障特征提取方法。首先,基于谱峭度提取出行星齿轮箱振动信号的包络信号;其次,再利用计算阶比跟踪技术对包络信号进行等角度重采样,行星架每旋转一圈,选择合适的窗函数对角域信号进行多齿宽加窗截取;最后,验证齿轮啮合齿序特征,根据重排齿序对加窗信号进行重构振动分离信号,对振动分离信号进行角域同步平均,提取行星齿轮箱故障特征。行星齿轮箱故障实测信号分析表明,该方法能有效提取行星齿轮箱故障特征。     

复合行星轮系故障诊断方法研究进展

复合行星轮系在大型武器装备和能源装备中得到了广泛应用,是装甲车辆、直升机、风力发电机等传动系统变速换挡的核心部件,其零部件繁多、自由度高且含有多级行星排。高速重载的运行环境经常导致行星轮系的太阳轮、行星轮等关键零部件出现磨损、疲劳裂纹、断齿等故障,降低了设备的使用安全性和可靠性。开展行星轮系的故障诊断研究对降低其维修保障成本、最大化使用效率和提高运行可靠性具有重要意义。振动信号常用于行星轮系典型故障的诊断,由于行星齿轮箱的振动信号具有噪声强烈、频率分量多、幅频调制复杂等特点,使得其故障诊断极为困难。综述了复合行星轮系的结构特点和故障诊断的难点,从动力学分析、信号降噪、多分量信号解调、多信息融合等方面系统阐述了复合行星轮系故障诊断国内外研究现状,提出了该研究领域目前存在的重点和难点。     

基于自混合干涉的齿轮箱故障诊断技术

将激光自混合干涉（SMI）技术用于齿轮箱的故障检测,设计出一种新的齿轮箱故障检测传感器。采用QL65D5SA型半导体激光自混合传感器、冯哈勃2342l012CR空心杯减速电机自带的行星齿轮箱,搭建了行星齿轮箱故障SMI检测系统,并对行星轮Z1做断齿故障实验。通过对时域波形的分析,可以找到额定转频下的12个冲击点;通过对齿轮箱故障信号傅里叶频谱的分析,发现故障齿轮的啮合频率周围出现与故障齿轮特征频率和行星架转频呈整数倍关系的边带,且啮合频率处的波形幅值明显增大,这些都与齿轮副的理论振动模型相符合。     

融合虚拟仿真与局部线性嵌入算法的变速箱振动测点优化研究

为克服某型行星变速箱故障试验测点选择依赖经验导致有效信息遗失或信息冗余的弊端,论文提出了一种融合虚拟仿真技术与局部线性嵌入算法的振动测点优化方法。在ADAMS软件中建立行星变速箱齿轮-箱体刚柔耦合动力学模型,对不同齿轮状态下箱体表面振动信号进行了仿真;在箱体表面初选传感器测点的基础上,仿真分析了各测点振动信号的各项特征参数;采用局部线性嵌入算法对测点特征参数所构成的高维特征矩阵进行降维,获得了不同齿轮状态下的测点敏感度排序,最后采用加权计算方法得到了振动测点重要度综合排序。结果表明,变速箱各行星排正上方箱体表面和左侧轴承正上方竖直方向测点对太阳轮断齿、行星轮断齿和正常工况区分均具有较高敏感度,可重点采集分析这些测点振动信号来反映齿轮状态,为后续实测试验打下了基础。     

基于最小熵反褶积的行星齿轮箱故障诊断

行星齿轮箱具有传动比大、传动效率高等优点,但比定轴齿轮有更复杂的结构,因常工作在恶劣的条件下,容易出现磨损或疲劳裂纹等故障。扭振信号因信噪比高、频谱结构简单等优点有利于对行星齿轮箱的故障诊断。所以针对重载、强噪声环境下行星齿轮箱故障特征的提取,提出了基于最小熵反褶积(Minimum entropy deconvolution,MED)的扭振信号时域分析方法,该方法通过反转滤波加强冲击特性从而提取行星轮的故障特征。通过对仿真信号和行星齿轮箱的扭振信号分析,在时域上提取了明显的故障冲击特征,并且较频谱分析能更直观清晰地看出故障特性。通过对不同负载情况下的比较,发现该方法对处于大负载情况下的故障诊断效果更佳。