城軌車輛齒輪箱振動信號分析處理方法分析案例目錄TOC\o"1-3"\h\u29537城軌車輛齒輪箱振動信號分析處理方法分析案例 1234691.1振動信號時域處理方法 1215171.1.1時域統(tǒng)計指標 169971.1.2動態(tài)指標 3101701.2振動信號頻域處理方法 5167701.2.1功率譜分析 6179731.2.2倒頻譜分析 7218031.2.3細化譜分析 7224121.2.4小波分析 8齒輪箱系統(tǒng)作為一個復雜的系統(tǒng)，有多個輸入端和單個輸出端。齒輪產(chǎn)生的嚙合振動信號在一層一層地傳遞過程中會削弱變小，因此如果無法準確地提取故障狀態(tài)的特征參數(shù)，就無法對齒輪所處狀態(tài)與其性能驚醒系統(tǒng)地分析。所以，選取恰當?shù)男盘柗治黾夹g處理齒輪的振動信號是一個十分關鍵的環(huán)節(jié)。本章將論述一些較為常用且相對成熟的時域和頻域上的分析處理方法。1.1振動信號時域處理方法在診斷大多數(shù)的機械部件以及設備的故障時最常使用的檢測信號就是振動信號，而最直觀也是最簡便的方法，就是將振動狀態(tài)下的時域信號所經(jīng)歷的時間歷程直接進行處理分析與評估，尤其是信號中包含一個簡單的諧波信號，周期信號或短脈沖時，這種方法效果非常明顯。除此之外，動態(tài)指標也可以對信號作出診斷。為了實現(xiàn)評估振動信號的改變，可以計算一些特定參數(shù)，觀察它數(shù)值上的改變，這個參數(shù)要能反映振動信號波動曲線圖像的一些特質，作為它的一個評判標準。時域統(tǒng)計指標主要可以分為兩種類型，即為有量綱和無量綱的參數(shù)，其中各自又含有許多不同的指標，各個指標反映出的信號特征都不盡相同，進而有效地判斷研究對象出現(xiàn)的故障，能夠用于確定故障的發(fā)展變化和走勢的信息1.1.1時域統(tǒng)計指標有量綱參數(shù)包括峰值、均值、均方根等指標，它們可對信號性質評判。而被評判的信號既可以是離散的也可以是連續(xù)的。但是長度有限制的離散信號是它最常見的評判對象。各有量綱參數(shù)的指標的定義描述與計算公式如下[21]：（1）平均值均值一般代表信號波形的振幅的平均數(shù)，是振幅連續(xù)變化過程的主要走向。從信號分量解讀，其代表信號的直流分量。信號的穩(wěn)定程度以及靜態(tài)部分都可以透過此參數(shù)評判。其定義式為：X=1N在故障診斷中，平均值一般不起作用，但是它可以作為計算其他參數(shù)的一個基礎，這點具有重大的影響。（2）均方值獲取信號的均方值也就是信號的平均功率或者平均能量，反映了一種作用強度。其定義式為：Xrms2根據(jù)上式，可以看出待測波形振幅的平方就被定義均方值。這普遍被當作代表能量和功率。（3）均方根值（有效值）將均方值取上平方根，就得到了均方根值。均方根本質上就是有效值，定義式為：Xrms=城軌車輛齒輪箱故障診斷中，有效值是處于核心位置的一個參數(shù)指標，在判斷運行狀態(tài)是否正常這方面發(fā)揮著舉足輕重的作用。它能夠對信號的振動能量有一個不錯的評判，穩(wěn)定程度也極佳。因此，在故障診斷時，只要振動信號提取的有效值超出常規(guī)范圍較大時，一般就能夠判斷研究的設備對象發(fā)生了故障或者將要發(fā)生故障。然而，它也有一個局限性，就是對于早期的故障并不是很敏感。（4）方差在數(shù)學領域，其反映一組數(shù)據(jù)與均值的離散程度。那么在信號分析中，就是對獲取信號各個取值或者說一組信號數(shù)據(jù)與振幅均值的離散情況。從信號分量解讀，代表動態(tài)分量。同時，它對于在平均值周圍的信號幅值變化的情況也能有一個較為好的反映。其定義式為：σx2=（5）峰峰值峰峰值為信號波形最大的正值與最大的負值所做減法得出的數(shù)值。它可正可負。峰值xp主要表示獲取到的信號能夠發(fā)生的最大的瞬時值，即x(t)xp?p=x(t)max-1.1.2動態(tài)指標無量綱參數(shù)主要含有裕度、峭度等，它們可對信號性質評判。而被評判的信號既可以是離散的也可以是連續(xù)的。但是長度有限制的離散信號是它最常見的評判對象。各無量綱參數(shù)指標的定義式和描述如下[22]：（1）陡峭度陡峭度也稱為峭度，對獲取信號的概率密度函數(shù)峰頂?shù)亩盖统潭扔幸粋€比較準確的評判。振動信號的沖擊能量透過陡峭度可以有很好的把握。如果待測信號頻率的沖擊特征明顯，陡峭度是一個很好的評判參數(shù)，因為陡峭度對其具備絕對的靈敏度。在一般狀態(tài)下，參數(shù)值在3的附近，如果數(shù)值達到4附近或者說超過4，就表示在齒輪的共組存在著沖擊特征。齒輪箱可能出現(xiàn)某些部件的磨損破碎等情況。其定義式為：Cp=在大多數(shù)的普遍情況下，如果機械設備出現(xiàn)故障，并且隨著故障的程度不斷加大，均方根值，峰峰值，陡峭度也會隨之各有不同程度的變大，在其中，陡峭度是最敏感的。在早期故障產(chǎn)生的時候，幅值較大的脈沖很少，根據(jù)前文所述，均方根對此不敏感所以變化不大，但是陡峭度在這個時候已經(jīng)有所增加，因此陡峭度可以說對含有脈沖的故障信號是十分敏感的。隨著故障的繼續(xù)發(fā)展，這些指標都會繼續(xù)增加，但當達到了一定的程度時，慢慢地都會逐漸有所下降。所以陡峭度對早期的故障很敏感，但是穩(wěn)定性不是那么的好。（2）波形指標波形指標敏感性較差，但具有不錯的穩(wěn)定性，它的定義式為：w=xrmsX=（3）峰值指標這項指標一般反映振動信號的沖擊能量。它的靈敏度和穩(wěn)定程度都不出眾。它的定義式為：Ip=xpx（4）脈沖指標脈沖指標和峰值指標一樣，評判獲取信號是否具備沖擊特征。相對于脈沖，峰值的穩(wěn)定性比較差，對存在沖擊感知的靈敏性也略遜一籌，所以在判斷機械設備是否發(fā)生故障這項工作中出現(xiàn)的越來越少，都逐漸被陡峭度所替代。其定義式為：Cf=xpX（5）裕度指標這項指標普遍來評判振動信號的振幅變化大小。同時能夠透露出齒輪是否存在磨損。它的有著極佳的靈敏度，而穩(wěn)定程度不是那么出眾。定義式為：Ip=xpx在實際的應用中，不論采用的是哪一項的參數(shù)指標，不管是有量綱參數(shù)還是無量綱參數(shù)，對故障進行診斷和評估，一般的步驟和方法都是必須先根據(jù)大量的實驗或者文獻數(shù)據(jù)獲得齒輪發(fā)生故障時我們所選取的振動信號的某一特征參數(shù)指標的大致正常范圍，再把通過一定的算法所計算出的信號特征值和這個正常范圍進行，最后得出結論即作出判斷齒輪是否發(fā)生故障，如圖4-1所示。圖4-1時域統(tǒng)計指標法處理過程流程圖綜上所述，有量綱參數(shù)里，方差直觀表示振動能量的多少，因此一定要選取它組成本設計的評價參數(shù)；均方根代表振動烈度，在對于振動信號的評判中也起到舉足輕重的作用。無量綱參數(shù)里，峭度和脈沖指標等代表沖擊能量的多少，選取其成為本設計的評判參數(shù)是十分有效的。1.2振動信號頻域處理方法對于相同的一類振動信號，反映其特征有時域和頻域這兩種方法。相比之下，對于故障類型、故障產(chǎn)生部位、故障的發(fā)展歷程等細節(jié)問題，以及信號特征的清晰程度，頻域上的分析都要更勝一籌。頻率分析法就是對市域內(nèi)的信號做一個傅里葉變換，從而獲得頻譜圖像，橫坐標是頻率，縱坐標是幅值[23]。頻譜圖又分為幅值譜和相位譜。而進行故障評估就可以根據(jù)對頻段包含的具體頻率成分和振幅變化的觀察來實現(xiàn)。對于單個信號樣本，信號處理的大致步驟與一般內(nèi)容如圖4-2所示。圖4-2單個樣本數(shù)據(jù)分析框圖不論是用頻域處理手段還是時域處理手段，最后得出的結果也就是獲取信號的性質特點大體類似。時域信號只需要對頻域信號做傅立葉逆變換即可。傅里葉變換公式：Xf傅里葉逆變換公式：x(t)=?∞幅值譜公式:X(f)=相位譜公式:φf傅里葉變換在不斷的發(fā)展中也在改良和精進，更是產(chǎn)生了許多不同的頻域上的分析處理方法，比如功率譜、倒頻譜、細化譜等。1.2.1功率譜分析在實際的工程應用中，普遍更多的是較為任意的離散類信號。這就意味著信號擁有隨機的頻率、振幅、相位，在無限區(qū)域內(nèi)不可積分，直接用傅立葉變換來在頻域內(nèi)處理分析是不可行的。功率譜等于信號振幅譜的平方比上選區(qū)的樣本長度。根據(jù)上一小節(jié)的論述，信號的平均功率能夠以均方值來表示[24]：ψx對xt做傅里葉變換獲得XlimT→∞1T令：Sxf平均功率：ψx2這就是功率譜密度函數(shù)。由式（4-17）看出，功率譜是幅值譜平方的平均值，直觀顯現(xiàn)信號功率根據(jù)頻率不同的改變趨勢。這種處理手段將振動信號重要的部分變得更強烈，微小的部分變得也更微不足道，相比較幅值譜的分析來說，功率譜將振動信號中的主導成分凸顯了出來。功率譜是個確定值，但是頻譜對于一個隨機過程而言是個隨機值。1.2.2倒頻譜分析在利用倒頻譜分析處理信號時，具體原理如下[25-26]：對xt做傅里葉變換獲得Xf,功率譜密度函數(shù)設為SxCX式子中的q就稱為倒頻率。取振動信號的功率譜密度函數(shù)的對數(shù)，振動信號中本來振幅就大的成份再次成倍放大，本身振動信號中的較小的幅值成分也變得明顯，但是噪聲的幅值和一些其它信號的幅值同樣得到放大。因此，如果噪聲較大時，倒頻譜分析處理方法的效果也許并不盡如人意。振動信號的特征參數(shù)值一般都會在傳遞路徑上受到影響，隨著一層層傳遞，可能會變得微弱，但倒頻譜分析處理方法信號的傳遞路徑并不敏感，這也是倒頻譜分析的一個優(yōu)勢。1.2.3細化譜分析通過傅里葉變換得到的齒輪振動信號的頻譜將具有不同的頻率和振幅元素，這些元素會含有嚙合頻率和它的諧波、齒輪軸的轉頻和它的諧波頻率、高頻調制后形成的邊頻、滾動軸承元件頻率以及噪聲和一些其他成分的干擾頻率。頻率帶的分布范圍廣，譜線集中，分辨率微弱，變頻帶結構的成份很難進行細致地分辨。如果齒輪發(fā)生運行故障，將故障的特征值信息全部聚集在一個敏感的頻率段內(nèi)，使頻率幅值和分量產(chǎn)生改變，這樣就可以通過比較敏感頻率段內(nèi)頻率的分量和振幅的改變來實現(xiàn)對齒輪故障的評估和判斷。然而，這些變化都非常微妙，很難在整個頻譜中較為直觀的進行觀察，所以，核心方法就是需要對敏感頻段的頻率分辨率進行不斷地提升[27]。一般來說，頻譜圖上頻率的顯示范圍都在零到奈奎斯特頻率的區(qū)間之內(nèi)，頻率之間的間隔也就是分辨率根據(jù)譜線跟數(shù)和最高的分析頻率而選定，它的表達式為：?f=式子中?f表示的是頻率間隔，fs表示的是采樣頻率，fc表示的是頻率分析的范圍，通過式子（1.20）可知，增大頻率分辨率有兩種方法，分別是提高采樣點數(shù)和減小采樣頻率。細化譜分析處理可以將一段頻率沿軸局部放大并且盡可能不產(chǎn)生失真，是一種很好的分析方法[28]。1.2.4小波分析傅里葉變換雖然對于觀測信號的實時分析應用的越來越廣，但是它也會暴露出一些不足與問題，就比如，傅里葉變換智能用于穩(wěn)態(tài)信號的分析和處理。而在我們實際的工程應用中，非穩(wěn)態(tài)信號是普遍存在的。為了應對非穩(wěn)態(tài)信號的分析問題，也逐漸發(fā)展起來一種改進的辦法，就是對傅里葉變換進行加窗。而