英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
齿轮和轴承的故障鉴别诊断
本文论述了在强干扰信号的存在条件下基于滚动轴承的振动诊断，如齿轮，是典型的直升机齿轮箱。这个核心思想在于识别齿轮信号作为纯粹的周期，而轴承信号有一定的随机性和接近的循环，即一个周期二元自相关函数。本文通过引入综合论证轴承故障的振动产生过程模型：区别主要在集中式和分布式故障，平稳循环和不平稳循环之间的过程，而加法和乘法之间的相互作用与齿轮信号。最后，通过模拟实验和实际案例提出了一种原始的诊断程序和性能说明。
简介
齿轮和滚动轴承是经常应用的复杂机械的预测性维护的关键要素。利用振动分析的监测和诊断的好处早在70年代就被证明是成功的[1]。此后，一些特设的振动技术得到了发展和完善，并且现在被普遍接受。一些成熟的传统齿轮诊断技术包括频谱分析、倒频谱分析、解调分析。对于轴承的诊断技术包括统计分析、频谱分析、包络分析（高频共振分析），等。这些技术不仅对于简单的系统非常适用，而且在所有其他的机制的齿轮和轴承中占主导地位，至少在某些频率范围。
然而，在更复杂的系统中这可能不再有效。在高速齿轮箱中，如直升机齿轮箱，齿轮的振动，延伸到高频率范围并且存在轴承自身故障表现，因此在整个频率范围内呈现出两种类型的混合信号。在最简单的情况下发现混合信号是叠加的，但也遇到了轴承故障调节齿轮信号的情况，这是由于齿轮和轴承元件紧密的物理连接导致的。在这种情况下，特设技术对于齿轮或轴承信号的诊断不能保证适用。
本文论述了强干扰的齿轮信号情况下的轴承的诊断，如通常的直升机齿轮箱。一个强烈的重点放在如何在信号以复杂的方式相互作用情况下区分齿轮和轴承故障的信号，就像叠加的混合信号。这个关键的思想是基于对齿轮信号的识别是纯粹的周期性信号，而轴承信号的经验，一些随机性和接近二阶循环，即一个周期双变量自相关函数。
本文的一个支持上述断言的原创性贡献是，通过引入一个轴承故障的产生过程的精致的振动模型。从第一原则，该模型显示出平稳循环或不平稳循环，在详细讨论的条件下。这些结果最终导致了一个新的检测的建议计划，专门致力于存在齿轮信号叠加的情况下的轴承故障。
齿轮振动信号
由齿轮运转产生的振动信号通常是为求和相量，每一个相关齿轮啮合频率或其倍数。反过来，每个单独相的振幅和相位是由轴的转速调节。对于一台以恒定的转速运行的机器，因为系统中所有的轴共享，实际上在很长一段时间里，由此产生的振动信号是一个第一次近似完美的周期性的信号。然而有限的值总是存在的。
影响齿轮的典型故障有点蚀、剥落，断齿。据认为，这些故障，至少在他们的早期阶段，不影响周期性的信号，因为他们定期与完全相同的匹配表面接触。相反，只有调制的强度和形状被影响在一个确定的方式。事实上，这是倒谱技术对于检测剥落如此强大主要的说明，例如[2]
这一说法在新南威尔士大学（UNSW）的声学和振动实验室的试验台中的大量的实验中得到了验证，试验台由一个平行的带轮的轴正齿轮副，与一个1：1的比例，并配备了加速度传感器和轴角编码器。在一个齿的齿根有因为火花侵蚀产生的5mm*0.5mm宽度的模拟裂纹的齿轮。测量振动信号的一个例子是显示在图1，随着同步循环数平均超过25个周期和在第一个周期的残留信号（信号与同步信号平均去除）。自同步平均捕捉所有的周期性成分的信号，这些数字清楚地显示，在信号的大部分能量分布过周期性成分，尽管有过错。不同的速度和负载情况下得到了类似的结果。
在实践中，由于在机器的速度波动，实际的齿轮信号可能会存在相对精确的周期性的一些偏离。如果因此，为了跟踪一个角度重采样，而不是一个时间基础可以用来补偿这些变化。
轴承振动信号
滚动轴承的操作振动信号并不像齿轮那样简单。区别可以从在一个良好情况的轴承或故障轴承的信号中得到。我们这里关注的只是后者。
最常见的滚动轴承故障包括损坏内圈，外圈或滚动体。一般，在故障的早期阶段，表面是只有本地受影响和振动产生是由于有缺陷的移动部件的重复影响导致。因此轴承上测量的整体振动信号由一个振荡脉冲串主导的主要共振结构频率。此外，根据故障和轴承上的载荷分布的位置，整个模式是由轴转速进一步调制
（内部故障），笼速度，（滚动元件故障），或者他们的区别（滚子误差的内圈故障）特征故障（重复频率的爆发的频率）和它们的调制众所周知，他们的调查是轴承诊断的基础。
实际上，重复频率和脉冲串的幅度存在一定程度的随机性，由于通常滚动体的滑移和固定。不管这种效果是多么的小（百分之几），这通常是足够的以排除周期过程的不同类别产生的信号。因此，它证明局部轴承故障可以模拟演示作为一个二阶循环平稳过程，即随机过程一个周期自相关函数。因为时期的爆发是与调节不相称的，信号是严格意义上的准循环平稳过程，即自相关函数不存在有限周期但仍然可以扩展成一个傅立叶系列的总和（即，它只包含离散频率分量）。
图1试验台的试验。a振动信号（归一化振幅）B同步平均在25次C 残差信号
图2故障轴承在实验台上的实验（外环故障）一振动信号（归一化振幅）B 同步平均在20次C残余信号（信号同步平均去除）
加法和乘法的相互作用
在最简单的情况下，轴承和齿轮振动的参是叠加的。这样的两路信号的分离就可以了在此基础上实现的，例如通过使用同步平均或自适应噪声抵消（ SANC）原则。在新南威尔士州的台架试验已明确支持这点。其中一个轴承（光洋轴承1250、双列调心）支持齿轮被故意损坏靠机械加工一个小槽在外环上。图2显示测得的加速度计信号。20个同步的平均值进行提取周期性部分，如图2b所示！，以及残留的部分图2c。正如所见，所提取的周期部分主要是齿轮的振动，而残留的部分，这是二阶循环本质上属于轴承故障；小的影响出现周期约等于球传期。类似的实验表明，齿轮故障和一个轴承故障发生在相同的信号可以很好以同样的方式分离。
然而，遇到齿轮和轴承之间的的信号在很大程度上是乘的情况，这意味着分离可能不那么简单。这可能会出现，例如，因为在齿轮啮合的力量在轴承中起作用，并由轴承改变支持，（由于一些缺陷），引起齿轮的调制网格信号。然而，仔细的分析，这种情况下，显示该信号仍然可以被分解成一个周期性的和一个二阶循环的组成部分，后者包含的可能是轴承故障信息。
轴承故障的随机模型
本节为前面的讨论提供了一个更好的基础靠介绍了一种滚动轴承的一种故障产生过程的分析模型。因为很多原因，有一个简单的模型可以将振动信号再现成足够的精度是重要的。首先，努力投入建模不可否认可以更好地理解分析信号。其次，它有助于将现有的技术正式化。最后，它可导致具体分析和诊断工具的设计。
这里被认为是2例。第一个涉及本地化的产生过程是对应的脉冲串的故障对缺陷的影响。二是分布式的故障，产生过程是一个调制的随机噪声。
1局部断裂。一种滚动轴承的局部缺陷产生的信号综合的振动模型是由麦克法登提出的。该模型明确纳入了振幅调制的不同来源的振动信号的非平稳性。后来的模式通过考虑很可能在现实世界中发生的随机周期波动的影响。
具体而言，让我们用F（t）表示冲击力过程，用Ai表示影响缺陷的第i个振幅用Ti表示发生的时间。然后
（1）
这里delta;（t）是狄拉克函数。这个方程进一步将系统给与的振动信号的脉冲响应联系在一起。此外，所有的调制都被嵌入Ai过程的统计特性（轴或笼调制如上面所讨论的)图3给出了一个F(t)随着可能会产生的振动信号的示意图。
在[6]，发生的时间被固定在带有一个给定的间距T的周期性的网格中，但在每个节点上有一些随机抖动因此
（2）
iT是预期发生的第i次和delta;Ti为周围的随机不确定性（通常是T的百分之几），这给出了一个发生的条件概率，
（3）
那就是，这个概率只局限于事实在Ti下跌接近一个预定义的网格的第i个节点情况下，无论之前的影响发生了多少次。这种模式将有如果保持架的转速是固定比例的话，肯定是有效的轴的速度，这样的随机性仅来自滚动体在工作时的间距的变化。然而，位置和笼的速度直接受到滚动元件的影响，一旦离开了它的运动位置(没有滑动）为了使这个滑动的平均速度恒定，所以没有理由去纠正这个滑动。
因此，另一个更可能的机制是一个冲击比前一个落下T秒后，无论实际前一个发生的时间。在数学方面，第i次出现影响概率会是
（4）
这允许在轴承的滑动轴承相对于运动笼位。顺便说一句，这一模式导致完全
不同的统计特性，虽然影响力量的时间痕迹看起来很相似。我们定义了Delta;Ti为到达两相邻影响之间的时间，即。基本上，两者之间的主要区别在于前者是通过抖动的相互独立定义delta;Ti而后者则是由相互独立的到达时间
Delta;Ti。
这两种模型可以显示具有相同的预期值，但它们的协方差函数分别是 （5） 和 （6）
delta;Ti和Delta;Ti的标准差分别是sigma;delta;和sigma;Delta;。从这些结果，第一个模型被公认为产生一个广泛的广义平稳抖动过程Ti-iT，而第二个模型使其非平稳。在二次模型中，时间抖动Ti-iT实际上是一个随机游走，即离散版本布朗运动。
作为一个例子，图4显示了抖动过程的频谱
图3冲击过程和相应的预期振动信号（如加速度）
图4实际滚动轴承测量（内部故障）的时间抖动过程的功率谱密度（Ti-iT）
一个实际的有故障滚动轴承的内部故障轴承的测量。它由2部分组成，第一部分（斜率1）显然属于非平稳的抖动效果（公式4），以及第二次（水平斜率）可能是由于附加性噪声。
从区分两种类型的随机抖动的重要含义如下：的公式1给出的撞击过程只有在公式3的平稳循环，也就是说，它有一个周期性的自相关函数RFF（T，tau;），这样的[7]，
作为一个结果，由此产生的振动信号也将循环平稳。另一方面，公式4产生一个自相关函数，该函数在一定值上逐渐衰减：
从循环平稳的分离可能是极其缓慢的，特别是如果随机波动小（sigma;Delta;小于T的百分之几）。在这种情况下，假设循环作为第一近似值是可以的。我们将称之为伪循环平稳过程，这样的过程，因为他们似乎是循环平稳但其实不是。这是通过类比随机信号与伪随机信号，，但是实际上是周期性的。
图5所示为典型的功率谱一个循环冲击过程（恒定振幅）模拟从(公式3)。图6说明了伪循环冲击过程（公式4），注意涂抹的峰间的伪循环平稳过程的到达时间的非平稳性。，但这是一个事实的重要性，即2光谱叠加在宽带连续密度由于时间抖动过程的随机性质。正是这种持续的背景，确实使一个周期过程的差异，将是一个有裂纹的齿轮在齿轮信号的例子。
图5循环冲击过程F（t）的功率谱sigma;delta;=T/100
图6伪循环冲击过程F（t）的功率谱sigma;Delta;=T/50
2分布式故障。通常情况下，一个局部的缺陷迅速传播的表面上，它发起或由污染，接触表面。在更先进的阶段，缺陷可能已经扩散到大面积，并成为平滑，这种情况下是典型的内部或外部的扩展剥落。由分布式故障产生的振动信号不再是脉冲，而是具有随机分布的相位，因为滚动元件在每一次旋转的粗糙表面上都有不同的位置。当故障是在内环时，它周期性地进入和退出负载区和由此产生的信号是由轴的速度调制。这又定义了一个循环平稳过程。需要注意的是，对于一个分布式故障，随机时间抖动是无意义的，过程是纯粹的循环（反伪循环）的概念！此外，当故障只延伸到一个有限的地方，强周期性成分在轴的周期性和轴承故障信号可能被写入：
其中p（t）为周期性分量和B（t）为纯随机但循环组件。如果仅对p（t）故障进行分析，故障就不能被诊断为齿轮故障，因为它给出了相同的频率模式。然而，分析B（t）在齿轮信号理论上的差异两种情况。图7显示了一个典型的功率谱，如预期的分布式故障。注意一个连续背景谱的存在与B（t），这将不存在齿轮故障。这是与以前的结论对局部故障的完善。
故障检测方案
前面的章节已经证明由轴承故障引起的振动信号是适当的代表为平稳循环或伪循环，而不是周期性的齿轮，这是不论故障分布，无论是局部或蔓延。这表明如果需要，利用循平稳环的轴承故障检测的一种方法，和区分他们从齿轮故障。
一个有效的方法对测试信号循环平稳特性的X（t）是计算其自相关函数的傅里叶变换的二维情形Rxx（T，tau;），即
二元函数SXX（A、F）称为谱相关密度。因为一个循环平稳信号的自相关函数在变量的周期而变T是短暂的，谱相关密度产生一组平行的光谱，在频率连续，但离散分布在一个方向稍微涂抹如图6如果信号实际上是伪循环。另一方面，对于平稳信号没有变化！，仅在A50频谱在F方向非零的值，这其实是功率谱密度。最后，纯粹的周期信号的谱相关密度是不连续的，离散在A和F的方向，从而由“bed钉子。”
因此，有一个简单的测试是基于循环平稳检测部分的THORN;0值的谱相关密度的连续性。根据故障的分布，可以制定不同的策略。
图7一种分布式故障产生过程F（t）的功率谱
图8局部的内部故障的谱相关密度
1局部故障检测。 剩余内容已隐藏，支付完成后下载完整资料
资料编号：[151236]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
