基于經驗模態分解的行星齒輪箱故障特征提取新方法

王付廣

銅陵學院實踐教學管理處,安徽 銅陵 244000

0 引言

行星齒輪箱即行星減速箱又稱為“齒輪箱”,因其動力傳遞平穩、傳動比大、承載力大、結構緊湊占空間小、使用壽命長等優勢,在風力發電、車輛、冶金化工等行業應用廣泛。但在齒輪箱出現故障或者失效時,往往影響整個系統的傳動效果,甚至還會產生噪聲安全隱患。

實際工況下,行星齒輪箱傳動轉速和載荷均為非平穩狀態,且生產過程中強背景噪聲會淹沒信號中的有效信息,因此,采集到的振動信號存在時變性、非線性以及非平穩性的特征。此外,齒輪箱嚙合振動和通過效應會調制信號中故障特征信息。相比于定軸齒輪箱,行星齒輪箱振動信號的特征提取和故障診斷更加困難。研究表明,現有特征提取和故障診斷方法對行星齒輪箱的應用具有局限性。文獻[1]將時域、頻域傳統特征指標引入到齒輪箱故障識別,試驗結果表明,常用特征指標可區分缺齒故障和正常狀態,但對早期微弱故障效果不佳。由于行星齒輪箱振動信號耦合分量較復雜,學者將解調方法引入到齒輪箱振動信號的分解,旨在從原始信號中分離出故障特征的單分量信號。其中,經驗模態分解(empirical mode decomposition,EMD)可將復雜、耦合的振動信號分解為單分量信號,解決模態混疊的問題[2-3]。常用的時域和頻域特征指標受工況和載荷變化影響,特征指標標準不定,在實際使用過程中局限性較大。文獻[4]針對上述情況引入熵指標,該指標針對信號周期性較為敏感且不受工況影響的情況,結果表明,該方法可有效區分缺齒、斷齒和磨損故障。……