基于MCSA的齒輪故障診斷技術研究.pdf

1、齒輪傳動機構精準可靠，傳遞的速度和功率范圍較大，得到廣泛的應用。齒輪故障診斷對減少工業(yè)事故引發(fā)的經濟損失和人員傷亡具有重要的意義。傳統(tǒng)的齒輪故障診斷方法，如振動診斷法需要安裝額外的振動傳感器且受環(huán)境及噪聲的影響較大。基于電機電流特征分析(Motor Current Signature Analysis，MCSA)的齒輪故障診斷技術以電機定子電流為切入點，從電氣的角度對齒輪故障進行診斷，屬于無創(chuàng)檢測，不會對系統(tǒng)造成干擾。
　　本文建

2、立了齒輪傳動系統(tǒng)的雙慣量模型，對基于MCSA的齒輪故障診斷機理進行了理論推導，依據雙慣量模型在MATLAB中對理論推導進行仿真驗證。接下來本文分別以FFT，小波變換，經驗模態(tài)分解作為主要的信號處理方法從實驗采集到的電機定子電流中提取故障特征，診斷齒輪故障。
　　首先采用FFT分析作為故障特征的提取方法，FFT在保證足夠長的采樣時間下能有效診斷出齒輪故障。隨后本文研究了電機轉速和負載對故障診斷的影響，得出FFT提取故障特征的能力隨著

3、電機轉速的升高而降低，隨著負載的增大而提高，整體上呈現負載越大轉速越低越有利于診斷出故障的規(guī)律。
　　對FFT的局限進行闡述后本文引出了小波分析，小波分析通過小波變換實現，小波變換最大的特點是多分辨率分析。將小波變換分別與FFT分析和包絡譜分析相結合進行故障診斷，實驗結果表明在FFT失效的情況下小波分析仍能消除負載及轉速的影響，有效診斷出齒輪故障，擴大齒輪故障診斷的適用范圍。而且小波變換結合包絡譜分析提取的故障特征頻率更明顯。

4、r>　　最后引入經驗模態(tài)分解，經驗模態(tài)分解相比小波變換最大特點是分解過程是自適應的，不需要提前選擇基函數。在簡要闡述經驗模態(tài)分解的理論后，首先用經驗模態(tài)分解對電流進行分解，對分解所得的固有模態(tài)函數進行包絡譜分析成功診斷出了齒輪故障。然后利用小波變換具有濾波器的特性，對電機電流信號首先進行小波變換，選取小波變換后的細節(jié)信號作為下一步經驗模態(tài)分解的對象，最后利用包絡譜有效提取出了齒輪的故障特征，而且故障特征要比相同實驗條件下本文涉及到的其他