基于小波包分析的齒輪箱故障診斷研究

蔣 宇，曹 磊

（黃山學院信息工程學院,安徽黃山245021）

基于小波包分析的齒輪箱故障診斷研究

蔣 宇，曹 磊

（黃山學院信息工程學院,安徽黃山245021）

通過對齒輪箱正常和故障運行狀態的振動信號進行分析，利用小波包理論將3種工況振動信號進行分解，根據不同頻帶內能量分布的不同以及能量比值指標，有效地進行了3種工況的識別與分類，結果表明，利用小波包分解是齒輪箱故障的一種有效的診斷方法。

小波包；齒輪箱；故障診斷；

0 引言

隨著現代化工業的發展，齒輪傳動已被廣泛應用于工業生產的各個領域，擔負著傳遞動力和運動的重要使命。齒輪發生故障不僅僅會損壞齒輪本身，而且直接關系到整臺設備的運轉甚至危及人身安全，對經濟和社會都會造成巨大的影響。[1,2]因此，研究齒輪箱故障診斷具有重要的理論意義和工程實用價值。

小波變換是一種新的變換分析方法，其主要特點是通過變換能夠突出問題某些方面的特征。與傅立葉變換、加窗傅立葉變換不同，小波變換是一個時間和頻率的局部變換，能有效地從信號中提取信息，并通過伸縮和平移等運算功能對函數或信號進行多尺度細化分析，從而解決了傅立葉變換不能解決的許多問題，被譽為“數學顯微鏡”，是調和分析發展史上的里程碑。[3，4]

1 小波和小波包分析理論

1.1 小波定義

設ψ（t）為一平方可積函數，也即ψ（t）∈L2(R)，若其傅里葉變換ψ（t）滿足條件:[5]

則稱ψ（t）為一個基本小波或小波母函數，式（1）為小波函數的可允許條件。將小波母函數ψ（t）進行伸縮和平移，設其伸縮因子(稱尺度因子)為a，平移因子為l,并令其平移伸縮后的函數為ψxa,l（t）,則

1.2 小波包的空間分解

在小波分解中，保持高頻部分不變，只對低頻部分深入分解，小波包分解時，對高頻部分和低頻部分同時進行深入分解，另外小波分解時，頻帶分布不均勻，高頻時頻帶寬，頻率分辨率差，小波包分解時，頻帶分布均勻，不管高頻還是低頻，其寬度一樣，保持頻率分辨率不變，[6]如圖1所示。

圖1 小波包3層分解圖

我們用U0表示V0，用Unj表示小波分解中的Vj,Wj則在第1層的分解中，有：

類比可第2層分解中，有：

第3層分解中，有：

根據小波分解和小波包分解可知，一個信號經完整小波包分解，實質上是將原信號在整個空間展開的過程，從數據結構來看，它是一種二分樹結構；從數據分解關系來看，它是一種遞推算法；從空間分解關系來看，它把正交小波分解的子空間作進一步細分；從頻域劃分來看，它將有限頻帶細分為若干更細頻帶的組合。

2 齒輪箱故障信號的小波分析試驗

2.1 齒輪箱故障信號的時域分析

傳感器從齒輪箱外殼上采集了正常、斷齒、點蝕3種工況下運轉的振動信號，圖2為不同工況下的時域波形圖。

圖2 不同工況下時域波形圖

圖2（a）為齒輪正常工況下的振動時域波形，圖2(b)為齒輪發生斷齒時的振動時域波形，圖2(c)為齒輪發生點蝕時的振動時域波形。從時域波形看，3者波形很相近，故障特征不明顯，很難區分齒輪的正常與否,我們將采用小波包分析方法。

2.2 小波包分解頻帶能量分析

小波包分解頻帶能量分析全面考慮了非平穩、非線性、正弦或非正弦等各類信號的能量，不同分解頻帶的信號能量表征不同的故障，為了更加直觀地顯示故障特征，每種工況選擇5組數據為代表，用小波包將其進行3層分解得到8個頻帶，相同工況下的得到的頻帶能量分布趨勢走向基本是相同的，不同工況下頻帶能量分布有一定的差異，選擇一組為例，3種不同工況下信號的各個頻帶分解的能量如圖3所示。

圖3 小波包分解各頻帶能量值

由圖3可以看到，在齒輪發生斷齒和點蝕故障之后，各個頻帶的能量都有所增長，再分別對3種信號的5組數據的各個頻帶能量值取平均值，如表1統計所示。

表1 各個頻帶信號的能量均值統計信號均值

根據表1的相關數據，在同一坐標下作出3種工況的小波分解頻帶能量均值的比較圖，如圖4所示，再選取8個頻帶中的特征頻帶作不同工況下的能量比值，如圖5所示。

圖43 種工況小波分解各頻帶能量均值

圖5 特征頻帶能量比值

由表1和圖4可知，僅僅從能量均值角度出發，在小波包分解的8個頻帶中，有些頻帶能量差異不是很明顯，通過選取特征頻帶，比如2、4、5、6、8頻帶，通過與正常信號比值關系，觀察在第2、4、5、6、8頻帶下，點蝕信號的波動相對比較大，它與正常信號的能量比值在5-8之間，而斷齒信號與正常信號的能量比值趨向于2，這兩種不同故障相對正常信號的能量比值還是有較大差異的。這樣我們就可以通過小波包分解選取特征頻帶進行能量比值，很容易檢測和區分出故障信號。

3 結論

通過上面的分析，可得知傳統的故障診斷較難進行故障的準確分類，而小波包分析作為一種新的時頻分析方法，它有效地分解出故障信號的整體和細節部分。本文通過對振動信號的小波包能量分解，通過能量比值區分各種工況，從而達到了故障有效分類和診斷的目的。

[1]鐘秉林,黃仁.機械故障診斷學[M].北京:機械工業出版社,1997:3-6.

[2]何正嘉,訾艷陽,孟慶豐,等.機械設備非平穩信號的故障診斷原理及應用[M].北京:高等教育出版社,2000:4-5.

[3]蔡建進.基于小波分析理論的齒輪箱故障診斷研究[D].太原:中北大學,2006:16-18.

[4]張賢達.現代信號處理[M].北京:清華大學出版社,1995:57-60.

[5]高珍.齒輪損傷的諧波小波分析方法研究[D].太原:太原理工大學,2005:20-21.

[6]飛思科技.MATLAB6.5輔助小波小波分析與應用[M].北京:電子工業出版社,2003:37-38.

責任編輯：胡德明

Abstract:Vibration signals of the normal and abnormal running state of the gearbox are analyzed,and the three working vibration signals are decomposed by using Wavelet Packet Theory.According to different energy distribution and energy ratio index of different frequency bands,the three working modes of gearbox are identified and classified effectively.The results indicate that the wavelet packet decomposition is an effective method for gearbox fault diagnosis.

Key words:wavelet packet;gearbox;fault diagnosis

Gearbox Fault Diagnosis Based on Wavelet Packet Analysis

Jiang Yu,Cao Lei
(School of Information Engineering,Huangshan University,Huangshan245041,China)

TH122

A

1672-447X（2012）03-0022-003

2011-10-12

蔣宇（1982-），遼寧撫順人，黃山學院信息工程學院助教，碩士，研究方向為智能控制技術。