CN117232823A - 基于编码器传递误差信号的传动系统齿轮箱故障诊断方法 - Google Patents
基于编码器传递误差信号的传动系统齿轮箱故障诊断方法 Download PDFInfo
- Publication number
- CN117232823A CN117232823A CN202211680843.1A CN202211680843A CN117232823A CN 117232823 A CN117232823 A CN 117232823A CN 202211680843 A CN202211680843 A CN 202211680843A CN 117232823 A CN117232823 A CN 117232823A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- encoder
- error signal
- fault
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003745 diagnosis Methods 0.000 title claims abstract description 21
- 230000001360 synchronised effect Effects 0.000 claims abstract description 20
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 6
- 238000012935 Averaging Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 4
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004901 spalling Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本公开揭示了一种基于编码器传递误差信号的传动系统齿轮箱故障诊断方法,包括:采集传动系统行星齿轮箱输入轴编码器信号与输出轴编码器信号;根据采集得到的编码器信号计算原始传递误差信号TE(t),并对信号进行去计数趋势与零均值化,得到信号TE1(t);对信号TE1(t)进行变分模态分解,提取代表转速波动趋势项的低频本征模态分量,使用TE1(t)减去转速波动趋势项,得到解耦转速波动后的去趋势传递误差信号TE2(t);根据时标信号对去趋势传递误差信号TE2(t)进行时域同步平均分析,得到时域同步平均信号,然后对其进行FFT频谱分析,当故障状态的啮频和边频的幅值比正常状态均要大的时候,可以判定存在故障。
Description
技术领域
本公开属于行星齿轮箱故障诊断技术领域,具体涉及一种基于编码器传递误差信号的传动系统齿轮箱故障诊断方法。
背景技术
现有技术针对行星齿轮箱故障诊断常用振动传感器信号采集齿轮箱振动信号,已经开发出许多行之有效的故障诊断方法。然而,由于传动系统构造极其复杂,工作部件众多,剩余空间极其狭小,难以再安装振动传感器测量振动信号。此外,安装振动传感器也会增加传动系统的复杂性,振动传感器其本身也可能是一个故障源。因此,直接使用内置控制信号对传动系统锥齿轮箱进行故障诊断是一个可行的解决方法。编码器信号是一种最为常用的内置控制信号,使用编码器信号去做故障诊断具有许多优势。首先,编码器为一种运动测量设备,通常直接连接到被监测的关键部件中,因此传输路径较短,信号保真度相对更高。其次,与振动信号不同的是,编码器信号主要反应旋转机械的扭转振动行为,其对齿轮裂纹等早期故障引起的刚度损失会更敏感。最后,由于编码器已经安装在传动系统中,因此可以很容易的从控制系统访问其动态信号,不失为一种零成本的健康评估方案。但现有技术的振动信号频谱分析存在精度不足,误差较大,分析复杂不稳定等缺陷。
在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解,因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。
发明内容
针对现有技术中的不足,本公开的目的在于提供一种基于编码器传递误差信号的传动系统齿轮箱故障诊断方法,传递误差信号作为中内置传感信号,其传递路径较短,信号保真度更好,不存在时变的传递路径,而且可以直接反应系统的扭转振动状态。因此,使用传递误差信号进行故障诊断可以得到更为干净的频谱,对故障的判断也更为简单,克服传统振动信号频谱分析方法的不足,完成直接使用内置控制信号进行故障诊断。
为实现上述目的,本公开提供以下技术方案:
一种基于编码器传递误差信号的传动系统齿轮箱故障诊断方法,包括如下步骤:
S100:采集传动系统行星齿轮箱的输入轴编码器信号Ein(t)与输出轴编码器信号Eout(t);
S200:根据输入轴编码器信号Ein(t)与输出轴编码器信号Eout(t)计算原始传递误差信号TE(t),并对原始传递误差信号TE(t)进行去计数趋势与零均值化,得到信号TE1(t);
S300:对信号TE1(t)进行变分模态分解,提取代表转速波动趋势项的低频本征模态分量ULF(t),使用信号TE1(t)减去低频本征模态分量ULF(t),得到解耦转速波动后的去趋势传递误差信号TE2(t);
S400:计算行星齿轮箱的转频、啮合频率以及各个零部件故障特征频率,以便后续根据故障特征频率比较幅值;
S500:根据输入端编码器信号得到输入轴时标信号Pulse(t),然后根据输入轴时标信号Pulse(t)对去趋势传递误差信号TE2(t)进行时域同步平均分析,得到时域同步平均信号,然后对其进行FFT频谱分析,观察啮合频率谐波分量及其边频带幅值,当故障状态的啮合频率和边频的幅值比正常状态均要大的时候判定存在故障。
所述的方法中,步骤S100中,编码器为绝对式或增量式编码器,编码器线数在100线以上。
所述的方法中,步骤S200中,所述原始传递误差信号TE(t)的计算方法为:
TE(t)=Ein(t)-R×Eout(t),
其中,R为输入轴到输出轴的减速比。
所述的方法中,步骤S200中,所述去计数趋势化为去掉原始传递误差信号TE(t)的线性趋势项,所述零均值化为去掉原始传递误差信号TE(t)的直流分量部分,如下式表示:
其中,Detrend(·)表示从原始传递误差信号TE(t)的数据中去除最佳直线拟合线,Mean(·)表示求原始传递误差信号TE(t)的均值。
所述的方法中,步骤S300中,所述变分模态分解通过构造与求解变分问题将信号分解为一系列的本征模态分量,其步骤为:
S301:本征模态函数为有限带宽的调幅调频信号,写为:
sk(t)=ak(t)cos(φk(t))’
其中,sk(t)为待求解信号,ak(t)为幅值函数,φk(t)为相位函数;
S302:所构造的变分问题表示为:
其中,uk={u1,u2,...,uk}为分解得到的各个本征模态函数,.f为原始待分解信号,ωk={ω1,ω2,...ωk}为各模态中心频率,δ(·)为Dirac Delta函数;符号*表示卷积运算;K为提取的目标本征模态函数的数量;.j为虚数单位;π为圆周率;e为自然常数;
S303:通过增广拉格朗日函数将所构造的变分问题的约束优化问题等效为无约束优化问题,增广拉格朗日函数可以表示为:
其中,λ(t)为拉格朗日乘子,α为数据真实性约束的平衡参数;<·,·>表示内积;通过交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)来求解所述约束优化问题;
S304:求解得到uk与ωk之后,找到最小的模态中心频率ωkmin所对应的本征模态函数ukminω,其代表转速波动趋势项的低频IMF分量ULF(t)。
所述的方法中,步骤S300中,所述解耦转速波动后的去趋势传递误差信号TE2(t)通过下式得到:
TE2(t)=TEl(t)-ULF(t),
所述的方法中,步骤S400中,零部件故障特征频率包括太阳轮局部故障特征频率和行星轮局部故障特征频率,所述转频、啮合频率、零部件故障特征频率由以下公式计算。转频可以通过下式计算:
其中,fin、nin分别指输入轴转频与转速,fout、nout分别指输出轴转频与转速,行星齿轮箱的啮合频率可以通过下式计算:
fm=(fin-fout)×Zs
其中,fm行星齿轮箱啮合频率,Zs指太阳轮齿数;太阳轮局部故障特征频率可以通过下式计算:
fs=N*fm/Zs’
其中,fs为太阳轮局部故障特征频率,N为行星轮数量,Zs为太阳轮齿数;行星轮局部故障特征频率可以通过下式计算:
fp1=fm/Zp;fp2=2*fm/Zp,
式中,Zp为行星轮齿数,行星齿轮局部故障有两个特征频率,当故障轮齿与太阳轮啮合冲击幅值与齿圈啮合冲击幅值存在差异时,为第一个特征频率fp1,当忽略冲击幅值之间的差异时,为第二个特征频率fp2。
所述的方法中,步骤S500中,根据输入端编码器信号得到输入轴时标信号Pulse(t)中,直接根据原始编码器记录的等时刻序列信号或等角度序列信号,找到输入轴每转一圈所对应的时刻点或角度点,并根据采样频率得到对应的输入轴时标信号Pulse(t)。
所述的方法中,步骤S500中,所述对去趋势传递误差信号进行时域同步平均并进行快速傅里叶变换(FFT)表示为以下两式:
TSAsig=TSA(TE2(t),Pulse(t),fs,fs,ft,fm,M,segN);
f(ω)=FFT(TSAsig,RSf)
其中,TSAsig指进行时域同步平均后的信号,fs指去趋势传递误差信号的原始采样频率,fs指太阳轮转频,ft指感兴趣的局部故障特征频率,fm指啮合频率,M指平均的段数,segN指获得的TSAsig信号中的特征周期数量,RSf为TSAsig的采样频率,f(ω)为对时域同步平均信号进行FFT后所得的频谱。
与现有技术相比,本公开带来的有益效果为:本公开能够实现直接使用编码器内置传感信号,也即传递误差信号对传动系统行星齿轮箱进行故障诊断。与传统使用振动信号进行故障诊断对比,有如下优势,首先,其是一种内置传感信号,不需要额外安装振动传感器,可以视为一种零成本故障诊断传感方案。其次,传递误差信号直接反应齿轮箱的扭转振动行为,传递路径更短,对齿轮裂纹等早期故障更为敏感,没有复杂的时变传递路径,信号的保真度相对更高,其频谱相对更为简单与干净,因此可以更好的提取故障特征。
附图说明
图1是本公开一个实施例提供一种基于编码器传递误差信号的传动系统齿轮箱故障诊断方法流程图;
图2是本公开一个实施例提供的行星齿轮实验台结构与传感器布置示意图;
图3是本公开一个实施例提供的齿轮故障模式示意图;
图4是本公开一个实施例提供的正常状态原始编码器信号对比图与根据传递误差计算公式计算得到的不同状态原始时域传递误差曲线的示意图;
图5(a)至图5(c)是本公开一个实施例提供的对原始时域TE信号进行去计数趋势与零均值化后的时域传递误差信号TE1(t)及其频谱的示意图;
图6(a)和图6(b)是本公开一个实施例提供的低频分量ULF(t)与去转速趋势传递误差信号TE2(t)示意图;
图7(a)和图7(b)是本公开一个实施例提供的感兴趣频率为行星轮频率时正常与剥落信号TSA后时域与频域的示意图;
图8(a)和图8(b)是本公开一个实施例提供的正常状态与剥落故障状态啮频及其一阶边频幅值的对比的示意图。
具体实施方式
下面将参照附图1至图8(b)详细地描述本公开的具体实施例。虽然附图中显示了本公开的具体实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是,在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解,技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语,故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式,然所述描述乃以说明书的一般原则为目的,并非用以限定本发明的范围。本公开的保护范围当视所附权利要求所界定者为准。
为便于对本公开实施例的理解,下面将结合附图以具体实施例为例做进一步的解释说明,且各个附图并不构成对本公开实施例的限定。
一个实施例中,如图1所示,一种基于编码器传递误差信号的传动系统齿轮箱故障诊断方法,包括如下步骤:
S100:采集传动系统行星齿轮箱输入轴编码器信号Ein(t)与输出轴编码器信号Eout(t);
S200:根据采集得到的编码器信号计算原始传递误差信号TE(t),并对信号进行去计数趋势与零均值化,得到信号TE1(t);
S300:对信号TEl(t)进行变分模态分解分解,提取代表转速波动趋势项的低频本征模态IMF分量的ULF(t),使用TE1(t)减去转速波动趋势项ULF(t),得到解耦转速波动后的去趋势传递误差信号TE2(t);
S400:计算行星齿轮箱的转频、啮合频率以及各个零部件故障特征频率,以便后续根据故障特征频率比较幅值;
S500:根据输入端编码器信号得到输入轴时标信号Pulse(t),然后根据输入轴时标信号Pulse(t)对去趋势传递误差信号TE2(t)进行时域同步平均分析,得到时域同步平均信号,然后对其进行FFT频谱分析,观察啮合频率谐波分量及其边频带幅值,当故障状态的啮频和边频的幅值比正常状态均要大的时候,可以判定存在故障。
上述实施例构成了本公开的完整技术方案,与现有技术不同:上述实施例采用编码器传递误差信号进行故障诊断,相比应用振动信号进行故障诊断有着许多优势,其一是作为一种内置信号,不需要额外安装振动传感器,其二是传递路径短,对早期故障更为敏感,而且没有复杂的时变传递路径效应,因此其频谱更为干净从而易于提取故障特征。此外,使用变分模态分解可以非常好的提取出代表转速波动趋势项的低频本征模态分量,从而对信号进行转频分量与啮频分量信号的解耦。编码器信号的存在也使得不需要额外安装键相信号传感器即可得到时域同步平均方法所需要的时标信号,而且本公开方法所获取时标信号比通过键相信号进行拟合更为精准。对去趋势传递误差信号进行时域同步平均也可以很好的对信号进行降噪,突出故障特征。
另一个实施例中,步骤S100中,其特征是,编码器信号通过绝对式或增量式编码器信号采集,编码器线数最好在100线以上。
另一个实施例中,步骤S200中,所述原始传递误差信号的计算方法为:
TE(t)=Ein(t)-R×Eout(t)
其中,R为输入轴到输出轴的减速比。
另一个实施例中,步骤S200中,所述去计数趋势化指去掉TE信号的线性趋势项,零均值化为去掉TE信号的直流分量部分,可以有下式表示:
TE(t)=Detrend(TE(t));
TE1(t)=TE(t)-Mean(TE(t))
其中,Detrend(·)表示从TE的数据中去除最佳直线拟合线,Mean(·)表示求TE信号的均值。
另一个实施例中,步骤S300中,所述变分模态分解通过构造与求解变分问题将信号分解为一系列的本征模态分量(IMF分量),其具体步骤为:
S301:假设的本征模态函数为有限带宽的调幅调频信号,可以写为:
sk(t)=ak(t)cos(φk(t))
其中,sk(t)为待求解信号,ak(t)为幅值函数,φk(t)为相位函数。
S302:所构造的变分问题表示为:
其中,uk={u1,u2,...,uk}为分解得到的各个本征模态函数,f为原始待分解信号,ωk={ω1,ω2,...ωk}为各模态中心频率,δ(·)为Dirac Delta函数;符号*表示卷积运算;K为提取的目标本征模态函数的数量;j为虚数单位;π为圆周率;e为自然常数;
S303:通过增广拉格朗日函数将所构造的变分问题的约束优化问题等效为无约束优化问题,增广拉格朗日函数可以表示为:
其中,λ(t)为拉格朗日乘子,α为数据真实性约束的平衡参数;<·,·>表示内积;通过交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)来求解所述约束优化问题;
S304:求解得到uk与ωk之后,找到最小的模态中心频率ωkmin所对应的本征模态函数ukminω,ukminω为代表转速波动趋势项的低频IMF分量,以下表示为ULF(t)。
另一个实施例中,步骤S300中,所述解耦转速波动后的去趋势传递误差信号TE2(t)可以通过下式得到:
TE2(t)=TE1(t)-ULF(t)
另一个实施例中,其中,步骤S400中,零部件故障特征频率包括太阳轮局部故障特征频率和行星轮局部故障特征频率,所述转频、啮合频率、零部件故障特征频率由以下公式计算。转频可以通过下式计算:
其中,fin、nin分别指输入轴转频与转速,fout、nout分别指输出轴转频与转速,行星齿轮箱的啮合频率可以通过下式计算:
fm=(fin-fout)×Zs
其中,fm行星齿轮箱啮合频率,Zs指太阳轮齿数;太阳轮局部故障特征频率可以通过下式计算:
fs=N*fm/Zs’
其中,fs为太阳轮局部故障特征频率,N为行星轮数量,Zs为太阳轮齿数;行星轮局部故障特征频率可以通过下式计算:
fp1=fm/Zp;fp2=2*fm/Zp,
式中,Zp为行星轮齿数,行星齿轮局部故障有两个特征频率,当故障轮齿与太阳轮啮合冲击幅值与齿圈啮合冲击幅值存在差异时,为第一个特征频率fp1,当忽略冲击幅值之间的差异时,为第二个特征频率fp2。
另一个实施例中,其中,步骤S500中,所述根据输入端编码器信号可以得到输入轴时标信号是指,直接根据原始编码器记录的等时刻序列信号或等角度序列信号,找到输入轴每转一圈所对应的时刻点或角度点,并根据采样频率得到对应的输入轴时标信号Pulse(t)。
另一个实施例中,其中,步骤S500中,所述对去趋势传递误差信号进行时域同步平均并进行快速傅里叶变换(FFT)表示为以下两式:
TSAsig=TSA(TE2(t),Pulse(t),fs,fs,ft,fm,M,segN);
f(ω)=FFT(TSAsig,RSf)
其中,TSAsig指进行时域同步平均后的信号,fs指去趋势传递误差信号的原始采样频率,fs指太阳轮转频,ft指感兴趣的局部故障特征频率,fm指啮合频率,M指平均的段数,segN指获得的TSAsig信号中的特征周期数量,RSf为TSAsig的采样频率,f(ω)为对时域同步平均信号进行FFT后所得的频谱。
本实施例中,若针对感兴趣频率的TSA后故障信号的频谱中啮频的幅值相比正常信号差距较大而且存在以感兴趣频率为边频的边频带,则说明存在明显故障,否则表明没有明显故障。
下面结合图2至图8(b)对本公开的技术方案进行进一步描述。
在一个具体的实施例中,如图2所示,在行星齿轮故障模拟实验台上进行故障模拟实验,齿轮故障模式如图3所示,具体诊断过程如下:
1、行星齿轮实验台中,行星齿轮箱两端安装有编码器(奇石乐传感器),测量行星齿轮箱输入轴编码器信号Ein(t)和Eout(t),如图2所示。本实施例中模拟了行星轮剥落故障状态。行星齿轮箱输入转频为15Hz,减速比为4.95,输出转频为3.03Hz。
2、图4为正常状态原始编码器信号对比图与根据传递误差计算公式计算得到的不同故障状态原始时域传递误差曲线。从图中可以看出,原始信号为计数递增信号,线性趋势很大,这也是编码器信号的特点之一。将双端编码器信号按传递误差公式进行计算后得到的传递误差信号如图4所示,从图中可以看出,TE信号受原始线性趋势影响仍然非常大,虽然从这里通过线性趋势似乎可以分类出不同的故障,但由于主要是计数线性分量对信号的影响,因此可能不具有普遍性,同时,单纯从信号线性趋势系数判断也难以确定故障类型信息,不具有可解释性。因此,需要对信号进行去线性趋势。此外还需对信号进行零均值化。
3、图5(a)至图5(c)为对原始时域TE信号进行去计数趋势与零均值化后的时域传递误差信号TE1(t)及其频谱,从时域信号图中可以看出,将线性趋势去掉之后,TE信号中仍然存在以转频为周期的突变出现,以及存在缓变的周期项,从频谱中可以看出,低频信号仍然占据主导的分量,可解释故障信息依然淹没在转频等低次谐波中。因此,要挖掘故障信息,需要将转频等低次谐波的单分量信号充分解调出来,从高频信号中获取故障特征信息。
4、图6(a)为对TE1(t)进行10层变分模态分解分解后的低频分量ULF(t)示意图,模态数为10,惩罚系数为2000,收敛容差为1e-6。中可以看出低频分量可以很好的反应TE1(t)中的低频转速波动趋势项。图6(b)为作差后得到的去转速趋势传递误差信号TE2(t),从图中可以直接看出,剩下部分均为啮频边频带信号分量,从时域信号的幅值中可以判断出就可以判断出不同故障导致的扭振程度不一致。
5、对此行星齿轮箱计算转频、啮频以及各个零部件的故障特征频率如表1所示。
表1.行星齿轮箱实验故障特征频率
齿轮状态 | 啮合频率/Hz | 故障特征频率(边频)/Hz |
正常 | 235 | 0 |
行星轮剥落 | 235 | 8.10;16.20 |
6、图7(a)和图7(b)为正常TE信号与剥落TE信号根据行星轮故障特征频率8.10Hz进行时域同步平均后的时域与频域图。从图7(a)中可以看出,经过TSA后的解耦TE剥落信号相比正常信号幅值相差较大,存在明显的故障冲击现象,且剥落信号与正常信号均有,但剥落信号冲击显然更大,正常信号中存在冲击可能是由于系统行星轮存在转子不平衡与不对中现象;从图7(b)频谱中可以看出,故障信号的频谱啮频幅值比正常信号啮频幅值还要大很多,在啮频高次谐波中更加明显,同时,啮频及其谐波周围存在以行星轮故障特征频率为边频的边频带,而正常信号中几乎没有。因此,说明行星轮存在局部故障。
7、图8(a)和图8(b)为根据图7(a)和图7(b)中的频谱进一步得到的前三阶啮频及其一阶故障边频带幅值的对比图。图8(a)为正常状态与剥落故障状态与剥落故障状态啮频的幅值对比图,从图中可以看出,剥落故障状态的前三阶啮频的幅值均比正常状态要大的多,尤其是二倍啮频幅值。图8(b)为正常状态与剥落故障状态前三阶啮频的一阶故障边频带幅值对比图,从图中可以看出,基本上剥落故障的啮频边频带幅值变化要比正常状态要大,正常状态比较平缓,剥落故障的二倍啮频的一阶故障边频带幅值接近正常状态的三倍。因此,综合以上分析,可以判断行星轮存在局部故障。
传递误差信号可以根据所监测齿轮箱的输入轴编码器信号与输出轴编码器信号计算得到,其可以用于描述传动的不平稳性。此外,其直接反应齿轮箱的扭转振动状态,而不需要像传统仅靠输出端编码器信号求取差分信号得到瞬时角速度信号(IAS)与瞬时角加速度信号(IAA),差分过程本质是一个高通滤波过程,从而瞬时角速度信号与瞬时角加速度信号中的噪声分量会被放大,而故障信息往往集中在1kHz以下的低频部分,因此使用IAS与IAA会增加故障特征提取难度。传递误差信号由于是直接反应了输入输出轴扭转位置波动的差值,信号更为真实,同时也保留了编码器信号的所有优势,对TE信号进行分析可以更好的看出齿轮箱是否发生了故障。
以上仅为本公开较佳的实施例,并非因此限制本公开的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本公开说明书内容做出的等同替换和显而易见的变化所得到的方案,均应当包含在本公开的保护范围内。
Claims (9)
1.一种基于编码器传递误差信号的传动系统齿轮箱故障诊断方法,其特征在于,包括如下步骤:
S100:采集传动系统行星齿轮箱的输入轴编码器信号Ein(t)与输出轴编码器信号Eout(t);
S200:根据输入轴编码器信号Ein(t)与输出轴编码器信号Eout(t)计算原始传递误差信号TE(t),并对原始传递误差信号TE(t)进行去计数趋势与零均值化,得到信号TEl(t);
S300:对信号TE1(t)进行变分模态分解,提取代表转速波动趋势项的低频本征模态分量ULF(t),使用信号TE1(t)减去低频本征模态分量ULr(t),得到解耦转速波动后的去趋势传递误差信号TE2(t);
S400:计算行星齿轮箱的转频、啮合频率以及各个零部件故障特征频率,以便后续根据故障特征频率比较幅值;
S500:根据输入端编码器信号得到输入轴时标信号Pulse(t),然后根据输入轴时标信号Pulse(t)对去趋势传递误差信号TE2(t)进行时域同步平均分析,得到时域同步平均信号,然后对其进行FFT频谱分析,观察啮合频率谐波分量及其边频带幅值,当故障状态的啮合频率和边频的幅值比正常状态均要大的时候判定存在故障。
2.根据权利要求1所述的方法,其特征在于,优选的,步骤S100中,编码器为绝对式或增量式编码器,编码器线数在100线以上。
3.根据权利要求1所述的方法,其特征在于,步骤S200中,所述原始传递误差信号TE(t)的计算方法为:
TE(t)=Ein(t)-R×Eout(t),
其中,R为输入轴到输出轴的减速比。
4.根据权利要求1所述的方法,其特征在于,步骤S200中,所述去计数趋势化为去掉原始传递误差信号TE(t)的线性趋势项,所述零均值化为去掉原始传递误差信号TE(t)的直流分量部分,如下式表示:
其中,Detrend(·)表示从原始传递误差信号TE(t)的数据中去除最佳直线拟合线,Mean(·)表示求原始传递误差信号TE(t)的均值。
5.根据权利要求1所述的方法,其特征在于,步骤S300中,所述变分模态分解通过构造与求解变分问题将信号分解为一系列的本征模态分量,其步骤为:
S301:本征模态函数为有限带宽的调幅调频信号,记为:
sk(t)=ak(t)cos(φk(t))
其中,sk(t)为待求解信号,ak(t)为幅值函数,φk(t)为相位函数;
S302:所构造的变分问题表示为:
其中,uk={u1,u2,...,uk}为分解得到的各个本征模态函数,f为原始待分解信号,ωk={ω1,ω2,...ωk}为各模态中心频率,δ(·)为Dirac Delta函数;符号*表示卷积运算;K为提取的目标本征模态函数的数量;j为虚数单位;π为圆周率;e为自然常数;
S303:通过增广拉格朗日函数将所构造的变分问题的约束优化问题等效为无约束优化问题,增广拉格朗日函数表示为:
其中,λ(t)为拉格朗日乘子,α为数据真实性约束的平衡参数;<·,·>表示内积;通过交替方向乘子法来求解所述约束优化问题;
S304:求解得到uk与ωk之后,找到最小的模态中心频率ωkmin所对应的本征模态函数ukminω,其代表转速波动趋势项的低频IMF分量ULF(t)。
6.根据权利要求5所述的方法,其特征在于,步骤S300中,所述解耦转速波动后的去趋势传递误差信号TE2(t)通过下式得到:
TE2(t)=TE1(t)-ULF(t)。
7.根据权利要求1所述的方法,其特征在于,步骤S400中,零部件故障特征频率包括太阳轮局部故障特征频率和行星轮局部故障特征频率,所述转频、啮合频率、零部件故障特征频率由以下公式计算,转频通过下式计算:
其中,fin、nin分别指输入轴转频与转速,fout、nout分别指输出轴转频与转速,行星齿轮箱的啮合频率通过下式计算:
fm=(fin-fout)×Zs
其中,fm行星齿轮箱啮合频率,Zs指太阳轮齿数;太阳轮局部故障特征频率通过下式计算:
fs=N*fm/Zs’
其中,fs为太阳轮局部故障特征频率,N为行星轮数量,Zs为太阳轮齿数;行星轮局部故障特征频率通过下式计算:
fp1=fm/Zp;fp2=2*fm/Zp,
式中,Zp为行星轮齿数,行星齿轮局部故障有两个特征频率,当故障轮齿与太阳轮啮合冲击幅值与齿圈啮合冲击幅值存在差异时,为第一个特征频率fp1,当忽略冲击幅值之间的差异时,为第二个特征频率fp2。
8.根据权利要求1所述的方法,其特征在于,步骤S500中,根据输入端编码器信号得到输入轴时标信号Pulse(t)中,直接根据原始编码器记录的等时刻序列信号或等角度序列信号,找到输入轴每转一圈所对应的时刻点或角度点,并根据采样频率得到对应的输入轴时标信号Pulse(t)。
9.根据权利要求1所述的方法,其特征在于,步骤S500中,所述对去趋势传递误差信号进行时域同步平均并进行快速傅里叶变换(FFT)表示为以下两式:
TSAsig=TSA(TE2(t),Pulse(t),fs,fs,ft,fm,M,segN);
f(ω)=FFT(TSAsig,RSf)
其中,TSAsig指进行时域同步平均后的信号,fs指去趋势传递误差信号的原始采样频率,fs指太阳轮转频,ft指感兴趣的局部故障特征频率,fm指啮合频率,M指平均的段数,segN指获得的TSAsig信号中的特征周期数量,RSf为TSAsig的采样频率,f(ω)为对时域同步平均信号进行FFT后所得的频谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211680843.1A CN117232823A (zh) | 2022-12-26 | 2022-12-26 | 基于编码器传递误差信号的传动系统齿轮箱故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211680843.1A CN117232823A (zh) | 2022-12-26 | 2022-12-26 | 基于编码器传递误差信号的传动系统齿轮箱故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117232823A true CN117232823A (zh) | 2023-12-15 |
Family
ID=89081404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211680843.1A Pending CN117232823A (zh) | 2022-12-26 | 2022-12-26 | 基于编码器传递误差信号的传动系统齿轮箱故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117232823A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117961975A (zh) * | 2024-03-28 | 2024-05-03 | 法奥意威(苏州)机器人系统有限公司 | 一种碰撞检测方法、装置、存储介质及电子设备 |
-
2022
- 2022-12-26 CN CN202211680843.1A patent/CN117232823A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117961975A (zh) * | 2024-03-28 | 2024-05-03 | 法奥意威(苏州)机器人系统有限公司 | 一种碰撞检测方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Joint amplitude and frequency demodulation analysis based on local mean decomposition for fault diagnosis of planetary gearboxes | |
Feng et al. | Vibration signal models for fault diagnosis of planet bearings | |
Feng et al. | Fault diagnosis of wind turbine planetary gearbox under nonstationary conditions via adaptive optimal kernel time–frequency analysis | |
Feng et al. | Joint amplitude and frequency demodulation analysis based on intrinsic time-scale decomposition for planetary gearbox fault diagnosis | |
Zhao et al. | Generalized Vold–Kalman filtering for nonstationary compound faults feature extraction of bearing and gear | |
Antoniadou et al. | A time–frequency analysis approach for condition monitoring of a wind turbine gearbox under varying load conditions | |
Feng et al. | Amplitude and frequency demodulation analysis for fault diagnosis of planet bearings | |
Feng et al. | Vibration signal models for fault diagnosis of planetary gearboxes | |
Feng et al. | Fault diagnosis of planetary gearboxes via torsional vibration signal analysis | |
Qi et al. | Diagnosis of misalignment faults by tacholess order tracking analysis and RBF networks | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
Feng et al. | Complex signal analysis for wind turbine planetary gearbox fault diagnosis via iterative atomic decomposition thresholding | |
CN110044610B (zh) | 齿轮故障诊断方法 | |
Li et al. | A new strategy of instantaneous angular speed extraction and its application to multistage gearbox fault diagnosis | |
Feng et al. | Spectral negentropy based sidebands and demodulation analysis for planet bearing fault diagnosis | |
Yu et al. | Analytical vibration signal model and signature analysis in resonance region for planetary gearbox fault diagnosis | |
Kim et al. | Cepstrum-assisted empirical wavelet transform (CEWT)-based improved demodulation analysis for fault diagnostics of planetary gearboxes | |
Park et al. | Variance of energy residual (VER): An efficient method for planetary gear fault detection under variable-speed conditions | |
Chin et al. | Use of transmission error for a quantitative estimation of root-crack severity in gears | |
CN117232823A (zh) | 基于编码器传递误差信号的传动系统齿轮箱故障诊断方法 | |
CN107884594A (zh) | 角速度测量装置以及相对角速度测量装置 | |
Zhao et al. | Generalized demodulation transform for bearing fault diagnosis under nonstationary conditions and gear noise interferences | |
CN111855211A (zh) | 一种用于故障特征增强的最优解调频带确定方法 | |
Liang et al. | Application of instantaneous rotational speed to detect gearbox faults based on double encoders | |
Guo et al. | Fault characteristic frequency analysis of elliptically shaped bearing |
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 |