论文部分内容阅读
齿轮箱是一种应用面较广的基础性传动部件,主要用于改变转速和传递动力。由于其本身结构复杂,工作环境恶劣等原因,齿轮箱容易出现故障。因此,对齿轮箱进行疲劳损伤监测与诊断是非常必要的。基于振动信号的齿轮箱故障特征提取,其主要任务是从采集到的信号中提取可用的故障特征信息,前提条件是准确分离故障振动信号,根本目的是提取故障特征信息。本文是基于斜齿轮台架疲劳试验,以采集到的斜齿轮整个疲劳寿命周期内的实时振动信号为研究对象,提出有效的振动信号降噪方法和反映齿轮损伤程度的特征指标,并将特征指标的变化趋势应用到斜齿轮的疲劳损伤过程的分析中。本文首先以斜齿轮单齿啮合的简化动力学模型为基础,研究了斜齿轮的振动信号机理。基于信号机理,分析了斜齿轮典型故障及其对应的振动信号特征,并回顾了常用的齿轮故障特征指标。针对斜齿轮振动信号的非线性、非平稳性的特征,本文提出希尔伯特振动分解(Hilbert Vibration Decomposition,HVD)与自回归滤波器(AR Filter)相结合的振动信号降噪方法HVD-AR,其中对HVD的信号重构方法和AR模型阶次确定的相干峭度(Correlation Kurtosis,CK)准则进行了重点讨论,并通过实测点蚀损伤过程振动信号包络谱验证该降噪方法的有效性。根据故障对齿轮振动信号频谱边频带影响的机理,将高低阶啮合频率的边频带分开考虑,提出高低阶啮合频率边频带估计的两个特征指标(4和(4,并将其应用到实测振动信号的分析中。考虑现有的斜齿轮台架试验条件,拟定疲劳寿命试验方案,并对试验结果进行简要分析,同时获取整个寿命过程的振动信号数据,为其后的斜齿轮疲劳损伤过程的分析提供必要的数据支撑。采用斜齿轮的典型损伤过程(齿面点蚀和轮齿断齿)的全寿命振动信号以数据驱动方式验证了HVD-AR信号降噪方法的有效性,并将特征指标(4和(4的变化趋势与常用的特征指标RMS、峭度值、ER和FM4进行对比分析,验证其对于斜齿轮损伤过程分析的实用性。结果表明,HVD-AR能够有效降噪斜齿轮振动信号,特征值(4和(4的变化趋势能够有效反映斜齿轮的疲劳损伤过程,能够及早发现早期的微弱故障。