基于电机电流的行星齿轮箱故障诊断方法研究

发布时间：2020-11-02 00:36

　　行星齿轮箱是机械设备中多个行星齿轮围绕太阳轮旋转的传动系统,降低转速的同时增大扭矩,适用于高速大功率以及低速大扭矩的机械传动。在运行时,行星齿轮箱时常承受复杂的动态重载荷,容易出现故障。行星齿轮箱是否能正常工作不仅影响着整个机械传动系统的运行状态,更与工人的人身安全紧密相连,因此针对行星齿轮箱的故障诊断研究对于实际工业生产十分重要。振动分析法理论基础完备,发展较早,是目前最为主要的故障诊断方法,已经成熟地应用于各个工业领域的故障诊断中。但是因为行星齿轮箱所含旋转部件较多,导致采集的振动信号相互叠加,成分复杂,机械谐振干扰比较严重,同时对于煤矿、风电场等特殊环境中的机械设备来说,振动信号采集存在困难,因此将电机电流分析法(Motor Current Signature Analysis,MCSA)应用于对行星齿轮箱的故障诊断具有现实意义。本文将电机电流信号作为故障信息来源,利用行星齿轮箱综合故障模拟试验台模拟行星轮和太阳轮故障,分别采集行星轮和太阳轮裂纹、断齿和缺齿单一故障状态下以及行星轮-太阳轮复合故障状态下的电流信号,对电流信号进行特征提取。通过分析电流信号的时域因子(峭度值,峭度指标等)变化情况以及频域幅值特征情况,初步判定故障的存在。为了进一步准确地实现故障特征提取,采用经验模态分解(Empirical Mode Decomposition,EMD)方法。EMD可以把电流原始信号分解为由高频到低频的一系列模态分量(Intrinsic Mode Function,IMF),观察分量的时域特征,可以找到有意义的模态分量,对分量进行傅立叶变换得到频谱图。通过分析频谱图中的谱线成分,和无故障状态下的电流信号作对比,找到了行星轮和太阳轮的局部故障特征频率,有效地诊断了行星齿轮箱行星轮和太阳轮的缺齿、断齿故障,但是对于裂纹故障和行星轮-太阳轮复合故障,诊断效果欠佳。同时EMD在分解电流信号过程在中,存在模态分解个数不可控和易发生模态混叠现象这两个不足。针对EMD方法存在的不足,提出基于电机电流信号变分模态分解(Variational Mode Decomposition,VMD)的特征提取方法,该方法融合了互相关性和峭度理论,可以有效避免模态混叠现象并能预设模态分解个数。将采集的电流信号经过VMD分解,通过互相关性和峭度理论选取有效分量,绘制有效分量的包络谱,通过分析包络谱中的谱线成分,实现了对行星齿轮箱行星轮故障、太阳轮故障以及行星轮-太阳轮复合故障的诊断识别。试验研究结果表明,VMD方法对于电流信号的分解更加细致,可以将电流工频和故障特征频率分解到不同模态分量中,有效地降低了电流工频对故障特征频率的干扰,为电流分析法应用于行星齿轮箱故障诊断中提供了一种新的参考。
【学位单位】：太原理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH132.41
【部分图文】：

行星齿轮箱,结构示意图,齿轮箱,轮箱