兩種特定齒輪的故障診斷方法研究.pdf

1、齒輪設備是現(xiàn)代工業(yè)傳動設備中的一個關(guān)鍵部件，齒輪的運行工況對整個系統(tǒng)的正常運作關(guān)系重大。要對齒輪系統(tǒng)的工作狀態(tài)進行預測和故障診斷，就要先對其機械力學系統(tǒng)建立模型，找出齒輪系統(tǒng)的狀態(tài)方程和運動規(guī)律，為齒輪狀態(tài)的檢測和故障預測提供理論依據(jù)。
　　但是不同種類齒輪的運動規(guī)律不同，則對不同的齒輪故障分析的方法可能不盡相同，本文主要對常用的兩種簡單的齒輪做分析，一種是經(jīng)常用在復雜工作環(huán)境下的硬齒面弧齒錐齒輪，一種是通常最常見的圓柱體直齒齒輪

2、，由于兩種齒輪的物理結(jié)構(gòu)不同，對兩種齒輪的故障分析方法也不同。
　　硬齒面弧齒錐齒輪由于齒面和齒線都為非直線方程，其受力分析比較復雜，如果用基于力學模型故障診斷方法時建立模型較難，因此本文采用人工智能的故障診斷方法診斷其故障，可以不必建立其力學模型，同時考慮到硬齒面弧齒錐齒輪在線檢測對及時性要求高，計算量較普通齒輪運行穩(wěn)定、使用壽命長、故障率低的特點，大容量故障信號的采集比較耗時，同時大容量的樣本可能帶來巨大的計算時間開銷等問題，

3、本文采用適合小樣本故障識別的支持向量機方法。小波包分解能夠?qū)π盘栠M行時-頻多尺度多分辨率分析，并且適用于對齒輪故障振動的非平穩(wěn)信號分析，所以本文采用小波包分解來對齒輪采集信號進行變換和特征提取，并結(jié)合弧齒錐齒輪不同類型故障特征能量分布特性差異很大的特點，提出一種把小波能量方差和小波能量一并帶入支持向量機輸入向量的算法，通過齒輪故障預測準確率計算對比，表明這兩種方法在小樣本下對弧齒錐齒輪故障有很高的識別率，并且基于小波能量方差的算法比傳統(tǒng)

4、單獨訓練小波能量算法達到更高的識別率，是一種可行的硬齒面弧齒錐齒輪故障診斷方法。
　　對于圓柱體直齒齒輪，其物理結(jié)構(gòu)簡單，力學分析方法比較成熟。功率鍵合圖方法以向量形式能夠簡練描述很多能量耦合的復雜系統(tǒng)比如齒輪傳動系統(tǒng)并能夠用鍵合圖構(gòu)件快速的建立系統(tǒng)模型，本文根據(jù)圓柱體直齒輪的物理力學模型建立考慮齒輪系統(tǒng)時變剛度、摩擦系數(shù)和傳遞誤差的圓柱體直齒輪副功率鍵合圖模型，根據(jù)鍵合圖模型建立齒輪系統(tǒng)時間因果關(guān)系圖，根據(jù)時間因果圖建立圓柱體直