CN109975012A - 一种传动误差微分信号与eemd算法结合的齿轮裂纹诊断方法 - Google Patents
一种传动误差微分信号与eemd算法结合的齿轮裂纹诊断方法 Download PDFInfo
- Publication number
- CN109975012A CN109975012A CN201910331911.5A CN201910331911A CN109975012A CN 109975012 A CN109975012 A CN 109975012A CN 201910331911 A CN201910331911 A CN 201910331911A CN 109975012 A CN109975012 A CN 109975012A
- Authority
- CN
- China
- Prior art keywords
- gear
- crack
- signal
- driving error
- simple component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种传动误差微分信号与EEMD算法结合的齿轮裂纹诊断方法,先采样正常齿轮对和裂纹齿轮对的角位移信号;然后对角位移信号进行Nam微分得到累积传动误差;再分别对有裂纹齿轮对和正常齿轮对的角位移信号进行EEMD分解得到相应的单分量信号,对单分量信号通过直接正交法计算瞬时频率;最后比较正常齿轮对和裂纹齿轮对的各个单分量信号,若齿轮对的某单分量信号瞬时频率幅值谱在某传动轴转频处有突增,则判断此传动轴上的齿轮发生裂纹故障;本发明避免了模式混叠,并可以反映高频信号特征,可以准确判定齿轮是否发生裂纹故障以及准确定位裂纹故障齿轮。
Description
技术领域
本发明属于齿轮裂纹故障技术领域,具体涉及一种传动误差微分信号与EEMD算法结合的齿轮裂纹诊断方法。
背景技术
齿轮作为机械设备中一种必不可少的连接和传递动力的通用零部件,在金属切削机床、航空、电力系统、农业机械、运输机械、冶金机械等现代工业设备中得到广泛应用,由于其本身结构复杂、工作环境恶劣等原因,齿轮及齿轮箱易受到损害和出现故障,直接影响设备的安全可靠运行,埋下重大安全隐患。因此,通过采集信号以及信号处理获得反映齿轮运行状态的信号显得十分重要。
理想情况下,一对渐开线完美且刚度无限大无变形,并且没有任何制造误差和装配误差的齿轮对啮合时将不会产生振动。但在齿轮实际啮合过程中,由于啮合齿面的刚度变形和齿轮加工时不可避免的的制造、装配误差,齿轮啮合会产生传动误差。传动误差是指指从动轮理想角度位置与实际角度位置的偏差。传动误差是齿轮发生故障的原因,因此分析传动误差信号能够诊断齿轮运行状态好坏。人们通常通过编码器采集齿轮对的角度域信号,获得齿轮运行的角位移信息,从而计算齿轮对的传动误差。为了更好地反映振动和噪声之间的关系,通常需要把角位移信号微分成角加速度信号。Nam(Nam Quoc Ngo)微分方法的幅频和相频特征较好,可用于传动误差信号。
齿轮发生裂纹故障时会产生调频现象,瞬时频率可有效提取信号中的调频信息,而单分量信号才能求得具有物理意义的瞬时频率。EMD(Empirical Mode Decomposition)算法,EMD分解可能出现模态混叠、端点效应现象。而EEMD(Ensemble Empirical ModeDecomposition)算法利用加入高斯白噪声对算法进行改进,有效地解决了模式混叠问题,因此利用该算法获得单分量信号,并以直接正交法作为瞬时频率求解方法,从而有效诊断齿轮裂纹故障。
若传动误差信号不进行微分处理,无法准确刻画高频信号特征;若使用EMD方法求瞬时频率,则可能出现模态混叠和端点效应现象。针对以上现有技术的缺点,目前还没有基于传动误差Nam微分信号与EEMD算法结合的齿轮裂纹故障诊断方法公开。
发明内容
为了克服上述现有技术存在的缺点,本发明的目的在于提供了一种传动误差微分信号与EEMD算法结合的齿轮裂纹诊断方法,避免了模式混叠,并可以反映高频信号特征。
为了达到上述目的,本发明采取的技术方案为:
一种传动误差微分信号与EEMD算法结合的齿轮裂纹诊断方法,包括以下步骤:
步骤1:采样正常齿轮对和裂纹齿轮对的角位移信号;
步骤2:通过正常齿轮对和裂纹齿轮对的角位移信号得到累积传动误差图谱,并对角位移信号进行Nam微分得到角加速度信号,即累积传动误差;
步骤3:分别对有裂纹齿轮对和正常齿轮对的累积传动误差进行EEMD分解得到相应的单分量信号,对单分量信号通过直接正交法计算瞬时频率;
步骤4:比较正常齿轮对和裂纹齿轮对的各个单分量信号,若齿轮对的某单分量信号瞬时频率幅值谱在某传动轴转频处有突增,则判断此传动轴上的齿轮发生裂纹故障。
所述的步骤2中Nam微分的传递函数为:
式中,z为自变量,e为自然对数,i为虚部。
本发明的有益效果为:本发明将传动误差微分信号与EEMD算法结合,避免了模式混叠,并可以反映高频信号特征,可以准确判定齿轮是否发生裂纹故障以及准确定位裂纹故障齿轮。
附图说明
图1为本发明方法的流程图。
图2为本发明实例的齿轮传动简图。
图3为实施例900rpm工况下有裂纹和正常齿轮对的角位移信号以及经过Nam微分后得到的角加速度信号时域波形。
图4为实施例900rpm工况下有裂纹和正常齿轮对通过EEMD分解以及直接正交法获得的单分量信号。
图5为实施例900rpm工况下有裂纹和正常齿轮对IMF2瞬时频率幅值谱。
具体实施方式
下面结合附图与实施例对本发明进一步详细说明。
如图1所示,一种传动误差微分信号与EEMD算法结合的齿轮裂纹诊断方法,包括以下步骤:
步骤1:通过编码器采集正常齿轮对和裂纹齿轮对的角位移信号,其采样频率为8000Hz,齿轮对的传动简图如图2所示,主动轮齿和从动轮齿采用人字齿轮啮合方式,输入转速900rpm,主动轮齿数Z1=20,从动轮齿数Z2=99;
步骤2:通过采集的正常齿轮对和裂纹齿轮对的角位移信号得到累积传动误差信号,再对角位移信号进行Nam微分得到角加速度信号,即累积传动误差,其时域波形如图3所示;
Nam微分的传递函数为:
式中,z为自变量,e为自然对数,i为虚部;
步骤3:分别对有裂纹齿轮对和正常齿轮对的累积传动误差进行EEMD分解得到相应的单分量信号,对单分量信号通过直接正交法计算瞬时频率,如图4所示;
步骤4:如图5所示,比较正常齿轮对和裂纹齿轮对的各个单分量信号,发现IMF2瞬时频率幅值谱有不同,裂纹齿轮对的图谱在3Hz出有增大,而3Hz正对应裂纹所在轴的转频,从而此方法可以有效诊断齿轮裂纹故障。
Claims (2)
1.一种传动误差微分信号与EEMD算法结合的齿轮裂纹诊断方法,其特征在于,包括以下步骤:
步骤1:采样正常齿轮对和裂纹齿轮对的角位移信号;
步骤2:通过正常齿轮对和裂纹齿轮对的角位移信号得到累积传动误差图谱,并对角位移信号进行Nam微分得到角加速度信号,即累积传动误差;
步骤3:分别对有裂纹齿轮对和正常齿轮对的累积传动误差进行EEMD分解得到相应的单分量信号,对单分量信号通过直接正交法计算瞬时频率;
步骤4:比较正常齿轮对和裂纹齿轮对的各个单分量信号,若齿轮对的某单分量信号瞬时频率幅值谱在某传动轴转频处有突增,则判断此传动轴上的齿轮发生裂纹故障。
2.根据权利要求1所述的传动误差微分信号与EEMD算法结合的齿轮裂纹诊断方法,其特征在于,所述的步骤2中Nam微分的传递函数为:
式中,z为自变量,e为自然对数,i为虚部。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910331911.5A CN109975012A (zh) | 2019-04-24 | 2019-04-24 | 一种传动误差微分信号与eemd算法结合的齿轮裂纹诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910331911.5A CN109975012A (zh) | 2019-04-24 | 2019-04-24 | 一种传动误差微分信号与eemd算法结合的齿轮裂纹诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109975012A true CN109975012A (zh) | 2019-07-05 |
Family
ID=67086015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910331911.5A Pending CN109975012A (zh) | 2019-04-24 | 2019-04-24 | 一种传动误差微分信号与eemd算法结合的齿轮裂纹诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109975012A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110895198A (zh) * | 2019-12-04 | 2020-03-20 | 中国直升机设计研究所 | 一种超临界传动轴动力失稳的识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245518A (zh) * | 2013-03-29 | 2013-08-14 | 燕山大学 | 基于微分局部均值分解的旋转机械故障诊断方法 |
CN103292995A (zh) * | 2013-05-28 | 2013-09-11 | 常州大学 | 滚动轴承检测及故障诊断的装置与方法 |
CN103472137A (zh) * | 2013-09-22 | 2013-12-25 | 上海电力学院 | 基于振动信号分析的传动系统齿轮故障诊断方法 |
US20150066390A1 (en) * | 2013-08-30 | 2015-03-05 | National Central University | Error measuring method of gear |
CN104483127A (zh) * | 2014-10-22 | 2015-04-01 | 徐州隆安光电科技有限公司 | 一种行星齿轮微弱故障特征信息提取方法 |
CN105275833A (zh) * | 2015-10-30 | 2016-01-27 | 北京航空航天大学 | 一种基于CEEMD-STFT时频信息熵和multi-SVM的离心泵故障诊断方法 |
CN105352726A (zh) * | 2015-10-20 | 2016-02-24 | 宁波大学 | 一种齿轮的故障诊断方法 |
CN106895906A (zh) * | 2017-03-23 | 2017-06-27 | 西安理工大学 | 一种水轮发电机组振动故障的特征提取方法 |
CN107687941A (zh) * | 2017-07-03 | 2018-02-13 | 昆明理工大学 | 一种基于振动信号分析的高压隔膜泵单向阀早期故障诊断方法 |
-
2019
- 2019-04-24 CN CN201910331911.5A patent/CN109975012A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245518A (zh) * | 2013-03-29 | 2013-08-14 | 燕山大学 | 基于微分局部均值分解的旋转机械故障诊断方法 |
CN103292995A (zh) * | 2013-05-28 | 2013-09-11 | 常州大学 | 滚动轴承检测及故障诊断的装置与方法 |
US20150066390A1 (en) * | 2013-08-30 | 2015-03-05 | National Central University | Error measuring method of gear |
CN103472137A (zh) * | 2013-09-22 | 2013-12-25 | 上海电力学院 | 基于振动信号分析的传动系统齿轮故障诊断方法 |
CN104483127A (zh) * | 2014-10-22 | 2015-04-01 | 徐州隆安光电科技有限公司 | 一种行星齿轮微弱故障特征信息提取方法 |
CN105352726A (zh) * | 2015-10-20 | 2016-02-24 | 宁波大学 | 一种齿轮的故障诊断方法 |
CN105352726B (zh) * | 2015-10-20 | 2018-11-30 | 宁波大学 | 一种齿轮的故障诊断方法 |
CN105275833A (zh) * | 2015-10-30 | 2016-01-27 | 北京航空航天大学 | 一种基于CEEMD-STFT时频信息熵和multi-SVM的离心泵故障诊断方法 |
CN106895906A (zh) * | 2017-03-23 | 2017-06-27 | 西安理工大学 | 一种水轮发电机组振动故障的特征提取方法 |
CN107687941A (zh) * | 2017-07-03 | 2018-02-13 | 昆明理工大学 | 一种基于振动信号分析的高压隔膜泵单向阀早期故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
邹今春 等: "变工况齿轮箱故障诊断方法综述", 《机械传动》 * |
郑小霞 等: "基于微分改进的EMD滚动轴承局部故障诊断", 《南京理工大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110895198A (zh) * | 2019-12-04 | 2020-03-20 | 中国直升机设计研究所 | 一种超临界传动轴动力失稳的识别方法 |
CN110895198B (zh) * | 2019-12-04 | 2021-09-17 | 中国直升机设计研究所 | 一种超临界传动轴动力失稳的识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103884502B (zh) | 一种变转速下风力发电机行星齿轮系统故障诊断方法 | |
JP5482699B2 (ja) | 減速機異常診断装置および減速機異常診断方法 | |
CN107063681B (zh) | 一种行星齿轮箱时变振动传递路径下的故障特征包络提取方法 | |
EP1882922A3 (en) | Method of diagnosing abnormality of reduction gear and apparatus for carry out the method | |
JP6143275B2 (ja) | トルク及び角度を結合表示する方法及び装置 | |
KR102102518B1 (ko) | 전달오차를 이용한 회전체 결함 분석 장치 및 방법 | |
CN109975012A (zh) | 一种传动误差微分信号与eemd算法结合的齿轮裂纹诊断方法 | |
US10197594B2 (en) | Tachometer signal jitter reduction system and method | |
CN202511969U (zh) | 一种齿轮箱故障诊断装置 | |
Yang et al. | Accurate separation of amplitude-modulation and phase-modulation signal and its application to gear fault diagnosis | |
CN103472137A (zh) | 基于振动信号分析的传动系统齿轮故障诊断方法 | |
CN102542151A (zh) | 基于集合经验模式分解的旋转机械轴心轨迹提纯方法 | |
CN107121283B (zh) | 一种基于离散随机分离算法的齿轮状态监测指标提取方法 | |
CN115371800A (zh) | 一种叶片振动测量键相基准信号产生装置及方法 | |
CN112380671A (zh) | 一种齿轮故障振动调制信号的通用幅值解调方法 | |
US9146100B2 (en) | Wind turbine condition monitoring method | |
CN111307426A (zh) | 一种基于FrFT-EWT原理的旋转机械故障特征提取方法 | |
CN114371001A (zh) | 一种齿轮箱故障缺陷检测系统 | |
CN111582248B (zh) | 一种基于svd的齿轮箱信号降噪方法 | |
KR20180112258A (ko) | 선회장치의 고장진단 장치 및 방법 | |
CN116429388A (zh) | 一种振动故障诊断分析的转速修正方法及存储介质 | |
Dziedziech et al. | Epicyclic gearbox fault detection by instantaneous circular pitch cycle map | |
Zhang et al. | An order analysis based second-order cyclic function technique for planetary gear fault detection | |
CN206095635U (zh) | 一种滚动轴承故障诊断系统 | |
CN112345248B (zh) | 一种滚动轴承的故障诊断方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190705 |