基于信號處理的橋式起重機齒輪減速箱故障診斷

鞏 銳

（江蘇省特種設備安全監督檢驗研究院無錫分院，江蘇 無錫214174）

0 引言

齒輪減速器是起重機上關鍵的承載和傳動部件，長期處于高負載、工況多變等狀態下，非常容易發生故障，造成停機事故。通常齒輪減速器故障產生的特征信號都比較微弱，采用常規的信號檢測方法難以精確地診斷故障特征。因此，需要分析減速箱的運行規律和故障類型的基本特點，并結合先進的故障特征放大技術和噪聲抑制技術進行減速器故障檢測和診斷［1］，這對準確地判斷齒輪減速器的故障，保證橋式起重機運行穩定性具有重要的工程意義。

1 齒輪減速器故障特點及類型

橋式起重機齒輪減速器是一種典型的旋轉機械［2］，發生故障時，會產生異響和異常振動等故障信號，如表1所示。根據減速箱的振動信號的特點，可對其故障來源進行預先診斷。然而，對于減速箱等旋轉類機械，其故障是由于很多種因素的共同作用。此外，對旋轉傳動類機械進行故障檢測，一般不需要將設備整件解體，否則會導致再次裝配精度的降低，而且某些故障特征不明顯，需要緩慢長期觀察才能確定，這使得旋轉傳動類機械的狀態監測和故障診斷的難度較大。

表1 齒輪箱主要振動及原因

1．1 齒輪軸軸承損壞

起重機的工作類型復雜多樣，減速器的正常工作時間決定了齒輪與軸承的磨損和疲勞程度，影響其使用壽命。滾動軸承的部分失效原因為疲勞點蝕，主要表現為軸承的元件在較大沖擊動載荷和靜載荷作用下發生塑性變形，磨粒磨損嚴重，導致破裂損壞，進而會產生輪齒的不正常卡阻、嚙合，間接導致齒輪發生變形和折斷，嚴重時甚至會造成減速箱卡滯現象，軸承元件點蝕造成的減速箱故障容易被發現，可通過觀察減速箱的運轉狀況或實時監聽噪音進行診斷。

1．2 齒輪精度達不到要求

齒輪由于加工精度、裝配誤差等原因的存在，在運轉工況時會產生不同幅度特征的振動。不同的原因導致不同的振動，目前最主要的振源為嚙合振動。齒輪在嚙入和嚙出的過程中，齒與齒之間發生周期性碰撞，從而生成振動。除了嚙合振動，還有如制造誤差引起的損傷、外界環境引起的損傷的存在，導致齒廓、齒形等偏離正常范圍，增大了碰撞沖擊力度，會導致更大的振動。

1．3 齒輪軸及與電機軸軸心線偏差較大

齒輪箱裝配不精確，容易造成減速箱高速軸與電機軸的軸心線偏差。偏差過大時會導致減速箱輪齒的嚙合出現故障，輪齒受力狀況不均勻，造成齒輪軸在彎曲扭矩的作用下發生變形，彎曲扭矩的重復作用和應力集中作用會造成輪齒的過度疲勞磨損；同時也會使減速箱和電機的連接螺栓松動變形，造成電機在運行中振幅過大，增大減速箱的輪齒嚙合縫隙，輪齒的連續沖擊載荷導致輪齒變形折斷。

2 基于信號處理的齒輪減速箱故障診斷

橋式起重機齒輪減速箱發生故障時，會產生異響、異常振動和噪音，利用信號處理技術分析振動信號的時域、頻域或幅值域等信號特征，進而判別齒輪減速箱的工作運行狀態，可檢測出故障部位及其原因。

2．1 傳統信號處理方法

以往主要采用時域和頻域分析這兩種信號處理技術來進行齒輪減速器故障診斷。前者主要是采用時域同步平均法、相關函數診斷法或概率分析法，分析振動時產生的時域信號特征，如振幅、相位、振動頻率、偏度、峭度、裕度等。后者則是基于傅立葉變換（FFT）進行倒頻譜、包絡、頻譜等方面的分析。傳統的基于FFT的信號處理技術在理論和實踐中已有廣泛的應用，但它目前僅用于較平穩信號的分析，卻不適用于工程實踐中所測得的絕大多數非平穩、非線性、非高斯分布的振動信號。

2．2 非平穩信號的分析方法

2．2．1 小波變換

繼傅立葉變換后，小波變換分析法由于具有一并提供信號的時域和頻域變化信息、“數學顯微”等特性，成為描述非平穩性動態信號、提取微弱信號、早期故障診斷以及分離機器零部件故障特征頻率的高效分析工具［3］。雖然小波變換在工程實踐的非平穩信號分析中得到了較為廣泛的應用，但其也存在缺點：首先，小波變換是線性的，其本質是在窗口中可調的傅立葉變換；其次，在選擇小波基和分解尺度后，會產生一個頻帶固定的信號，其頻帶范圍僅與信號的采樣頻率有關，不受信號本身影響，這就造成小波分析變換的自適應性差，限制了其工程應用。

2．2．2 經驗模態分解

Hilbert－Huang變換（HHT）分析方法將任意信號分解為內在模態函數（IMF）——經驗模態分解（EMD）法，然后進行時頻分析，其主要包括EMD法和Hilbert變換兩個過程，具體如下：（1）進行信號平穩化處理，并逐級分解出信號中不同尺度的波動，得到一系列具有不同特征尺度的IMF分量，進一步分析和提取更準確的原數據的特征信息；（2）通過EMD分解法得到每個IMF分量的信號，再對每個單分量進行Hilbert變換后能夠反映其真實的物理意義，由此得到的Hilbert譜能更加精確地反映出能量在空間（或時間）尺度上的分布規律。另外，EMD分解出的分量隨信號本身的變化而改變，因此，該方法具有自適應性，可對多種非平穩、非線性信號進行時頻分析。

EMD方法能將非線性、非平穩信號序列x（t）有限地分解為不同信號特征的IMF的和，IMF分量分別記為c1，c2，…，cn和殘差項r。其分解步驟如下：

（1）解析原始信號的所有極值點。

（2）將極大值點和極小值點分別連接起來，確保由極大值點構成的上包絡曲線和由極小值點構成的下包絡曲線要涵蓋所有的原始數據點。

（3）求出上、下包絡曲線的平均值m1，并求出：

（4）首先判定h1是否是IMF分量，若h1為信號x（t）的第一個IMF分量，則將其定義為c1，并直接進入步驟（5）計算；若否，則h1作為新的原始數據，并重復（1）～（4）的步驟，以此類推。

（5）將c1從x（t）中提取出來，得：

（6）重復（1）～（5）的步驟n次并得到有限n個IMF分量。即：

當rn成為一個單調函數時就停止上述步驟。將式（2）代入式（3）可得：

式中，rn是信號的殘余項。

從基函數理論來看，不同信號分解出的基函數即IMF分量c1，c2，…，cn包括了從高到低不同頻率段且是不等帶寬的信號成分，能自適應地提取故障沖擊信號，特別適用于處理非平穩和非線性信號。

3 結語

本文針對橋式起重機齒輪減速箱運行故障，分析主要類型及其原因，并從傳統信號處理技術、非平穩信號處理技術兩方面介紹目前檢測齒輪減速箱故障的主要手段。經分析，經驗模態分解（EMD）是目前檢測非平穩、非線性信號最適用的方法。

［1］孟濤．齒輪與滾動軸承故障的振動分析與診斷［D］．西安：西北工業大學，2003．

［2］丁保華，李占芳．齒輪箱故障診斷中振動信號處理方法綜述［J］．煤礦機械，2005（8）：136－138．

［3］姜洪開，王仲生，何正嘉．基于自適應提升小波包的故障微弱信號特征早期識別［J］．西北工業大學學報，2008，26（1）：99－103．