基于高階統(tǒng)計量的齒輪傳動系統(tǒng)故障特征提取方法研究.pdf

1、本文以齒輪傳動系統(tǒng)故障振動信號為研究對象，在分析振動機理、故障模式基礎(chǔ)上，從高斯性、非高斯性角度劃分振動信號的各種成分，然后利用振動信號的雙譜幅值提取到非高斯性強度、雙譜熵這兩類故障特征，最后討論了新高階統(tǒng)計量特征的優(yōu)化與實用問題，主要研究成果如下:
　　(1)通過研究齒輪傳動系統(tǒng)主要零部件的失效模式、振動機理、故障表現(xiàn)，將振動信號劃分為與故障部件有關(guān)的非高斯確定性成分、與故障部件無關(guān)的非高斯確定性成分、高斯隨機成分、對稱非高斯隨

2、機成分、非對稱非高斯隨機成分。當(dāng)齒輪或軸承發(fā)生故障時，其振動信號中的確定性成分、隨機成分會產(chǎn)生明顯變化，于是信號的非高斯性也隨之改變，尤其是因故障而增強的邊帶成分，它會導(dǎo)致信號的非高斯性、二次非線性增強，信號的雙譜分析結(jié)果對此十分敏感。另外，雙譜能抑制掉振動信號中的高斯隨機成分、對稱非高斯隨機成分，保留非對稱非高斯隨機成分信息，這有利于降低噪聲、非故障隨機振動的干擾。
　　(2)當(dāng)齒輪傳動系統(tǒng)發(fā)生故障時，振動信號的非高斯成分在雙頻

3、域內(nèi)的分布強度與形態(tài)均隨之改變?；陔p譜幅值信息，分別提取到量化描述振動信號非高斯成分強弱變化的非高斯性強度特征值，以及量化描述振動信號非高斯成分在雙頻域內(nèi)分布形態(tài)變化的雙譜熵特征值。按照雙頻域內(nèi)的不同定義區(qū)間，共提取到六種特征值，分別是基于主定義域區(qū)間的NGIPD、HB-PD，基于任意二維區(qū)間part的NGIpart、HB-part，和基于多分區(qū)的NGIregion（k）、HB-region（k）。這些新的高階統(tǒng)計量特征既保留了雙譜分

4、析的優(yōu)點，而且彌補了雙譜幅值切片等常規(guī)高階統(tǒng)計量特征值的不足。不同定義區(qū)間的非高斯性強度、雙譜熵特征值各有特點:NGIPD與HB-PD分別包含了雙譜幅值的全部強度、分布形態(tài)信息，不含雙譜對稱冗余信息;當(dāng)二維定義域區(qū)間part內(nèi)包含有較豐富故障信息時，NGIpart與HB-patr表征故障的能力較好，但需要人為觀察并設(shè)定合適的雙頻域二維區(qū)間;振動信號的故障信息在雙頻域內(nèi)分布不均，特征值NGIregion（k）、HB-region(k)在某

5、些分區(qū)內(nèi)故障特征提取效果較好，某些分區(qū)效果較差，這正體現(xiàn)了雙頻域分區(qū)特征值對雙譜內(nèi)容、故障信息具有較強的“聚焦能力”。
　　(3)針對非高斯性強度、雙譜熵特征值存在的不足，進行了特征壓縮與信號濾波這兩類故障特征優(yōu)化。雙譜分區(qū)特征值會產(chǎn)生高維特征空間，給實際應(yīng)用造成麻煩，利用主分量分析、核函數(shù)主分量分析從線性及非線性角度進行特征壓縮，可將絕大部分故障信息濃縮于低維主分量空間或低維核主分量空間，尤其在利用Fisher準則進行特征優(yōu)選預(yù)

6、處理后，新的主分量、核主分量特征值具有較高的故障區(qū)分能力。由于齒輪嚙合頻率及其諧波成分通常能量較強，且易受非故障因素影響，于是采用Gabor濾波與信號重構(gòu)，在時頻域空間精準濾除振動信號的嚙合頻率及其諧波成分，結(jié)果表明，重構(gòu)信號的非高斯性強度特征對齒輪故障敏感程度提高，有利于后續(xù)故障診斷。另外，為研究新特征值在齒輪傳動系統(tǒng)狀態(tài)監(jiān)測與故障報警中的使用方法與效果，以原始振動信號的HB-PD、Gabor濾波重構(gòu)信號的NGIPD為例進行故障特征趨