基于小波与Hilbert变换的行星齿轮故障监测
王美妍
(陕西工业职业技术学院机械工程学院，陕西 咸阳 712000)
摘要：为了更准确地对行星齿轮传动磨削系统的故障状态进行诊断，提出运用小波变换阈值降噪、希尔伯特变换以及频谱细化等方法对行星轮系传动磨削系统进行故障诊断。首先，通过在频域范围内对行星齿轮故障特征信号进行特征频率提取、小波变换阈值降噪等操作，然后再将希尔伯特变换和包络谱分析两种方法相结合对故障信号进行提取，最后对提取的特征信号进行CZT变换得到细化后的频谱，从而判断是否有故障产生。仿真结果表明，基于小波变换阈值降噪、希尔伯特变换、频谱细化相结合的方法对低频特征频率的行星齿轮故障信号进行诊断效果明显。
关键词：行星轮系；小波变换；希尔伯特变换；故障诊断
中图分类号：TH16 文献标识码：A 文章编号：2095-509X(2019)05-0105-04
行星轮系传动系统在大型机床设备、能源动力以及军工制造装备等系统中占有重要地位，其能否稳定高效运行直接关系着整个机电设备系统的安全稳定。行星轮系传动系统级数较多，结构复杂，加之运行环境恶劣并伴随着长期高负载运行，如果不能对其进行定期检测和故障排查，极易产生磨损、点蚀甚至轮系断裂等严重后果，对机电设备造成重大影响，甚至造成人员损伤等重大安全事故。因此，对行星轮系传动系统进行及时的状态检测和故障诊断具有重要的现实意义。
行星轮系传动系统失效故障类型主要是指由轮齿断裂及齿端崩角、齿面损伤、齿面点蚀和剥落、齿面塑性变形所引起的太阳轮局部故障、行星轮局部故障以及齿轮局部故障等。行星轮系的故障特征信息具有如下特点：
1）故障特征信号表现微弱，且故障表现的形式与正常状态差异微弱。
2）故障特征信息的时变性强，其运行状态的故障特征与转速有很大的关联性。由于转速的非稳定性，因此故障的发生存在较大的偶然性、不易捕捉。
3）故障特征信息的耦合、环境的复杂、振动信号的时频域混叠导致故障特征耦合，难以识别和分离。由此可知，故障特征的提取在整个故障诊断系统中起着至关重要的作用。
国外研究人员较早地对行星齿轮传动系统故障诊断技术进行研究，Skrimpas等在对行星轮系的信号能量进行统计特征收集的基础上，通过计算其高斯性最终得出诊断结果； Assaad等通过将行星轮承载力不均与调制所产生的频谱特征相结合进行故障诊断分析。在国内，叶峥等通过建立多自由度行星齿轮系统的动力学模型，研究了齿轮接触比和太阳轮中心浮动对动态特性的影响。对于行星轮系故障信号诊断，运用最为广泛的方法是傅里叶(Fourier)变换，但傅里叶变换无法解决旋转机械在非平稳状态下的非线性信号的问题，从而使其应用范围受到了限制；而小波变换是为了避免傅里叶变换局限性而发展起来的一种时频分析方法，该方法能更有效地进行时间尺度分析和时频局部分析，该方法对于复杂的旋转机械具有很好的故障特征提取和识别能力，尤其是对于行星轮系传动中故障信号中的瞬态、不稳定现象有很好的分辨能力和良好的诊断分析效果。
故本文首先对行星轮系故障信号进行阈值降噪，然后再进行希尔伯特（Hilbert）变换以提取故障特征，最终实现对行星轮系故障状态的诊断。
1 小波变换理论
本文采用离散的小波包分析行星齿轮磨削故障实验采集的离散信号，小波包分解具有任意多尺度特性，其不仅可以分解高频带和低频带信号，而且变换效率较高。以下是小波包快速分解公式：
Q10(t)=S(t)
Q2i-1j=∑ m H(m-2t)Qij-1(t)
Q2ij=∑ m D(m-2t)Qij-1(t)
(1)
作者简介：王美妍（1986—），女，讲师，硕士，主要研究方向为机械制造与自动化, 256148865@qq.com. | 
最新图文