基于電機驅動系統的齒輪故障診斷方法綜述

楊 明 董傳洋 徐殿國（哈爾濱工業大學電氣工程系 哈爾濱 150001）

?

基于電機驅動系統的齒輪故障診斷方法綜述

楊 明 董傳洋 徐殿國
（哈爾濱工業大學電氣工程系 哈爾濱 150001）

摘要齒輪故障診斷技術對減少工業事故所造成的人員傷亡和經濟損失具有重要的意義。首先介紹了振動診斷法和噪聲分析法，然后重點對基于電機驅動系統的齒輪故障診斷方法做了綜述。振動診斷法和噪聲分析法屬于常用的齒輪故障診斷方法，這兩種方法分別需要安裝振動傳感器和聲音傳感器，齒輪傳動機構結構緊密而且構造復雜，安裝機械傳感器多有不便。電機電流特征分析法、負載轉矩特征分析法和運動誤差辨識法是基于電機驅動系統的無創診斷方法，電機電流、負載轉矩以及運動誤差信號都承載有齒輪的故障信息，電機電流信號可以從電機驅動器處獲得，負載轉矩和運動誤差信號借助于辨識器也可以從驅動器處獲得，避免了安裝機械傳感器的需求。同時分析了各種診斷方法的優缺點，總結現有研究成果及有待解決的問題，展望了未來的研究方向。

關鍵詞：齒輪 故障診斷 電機驅動 電機電流特征分析 負載轉矩信號分析

國家科技重大專項資助項目（2012ZX04001051）。

Review of Gear Fault Diagnosis Methods Based on Motor Drive System

Yang Ming Dong Chuanyang Xu Dianguo
（Department of Electrical Engineering Harbin Institute of Technology Harbin 150001 China）

Abstract Gear fault diagnosis technology is significant in reducing casualties and economic losses caused by industrial accidents. This paper first introduces vibration diagnosis method and acoustic analysis method, and then summarizes gear fault diagnosis methods for motor drive system. Vibration diagnosis and acoustic analysis are the two commonly used methods for gear fault diagnosis, where the vibration sensor and acoustic sensor need to be installed respectively. Due to the complexity of gear transmission structure, mechanical sensors are inconvenient to be installed. Motor current signature analysis, load torque signature analysis and kinematic error estimation are non-invasive methods for motor drive system. Motor current, load torque and kinematic error signals contain gear fault information. Motor current can be obtained from the motor drive, while load torque and kinematic error can also be obtained from motor drive through estimators. Thus the requirement of mechanical sensor installation can be avoided. This paper analyzes the advantages and disadvantages of various diagnosis methods, summarizes the existing research results and the current problems, and forecasts the future research directions.

Keywords：Gear, fault diagnosis, motor drive, motor current signature analysis, load torque signature analysis

0 引言

在現代工業應用中，齒輪傳動機構可靠、準確，傳遞的速度和功率范圍較大，因而得到了廣泛的應用。由于齒輪箱本身結構復雜，經常工作于環境比較惡劣的場合，所以很容易受到損害和出現故障。齒輪的故障主要表現為斷齒、齒面疲勞和膠合等[1]。一旦齒輪出現損壞和故障，將對機械設備造成很大的影響。對齒輪進行運行狀態監測及故障診斷，可實現齒輪由事后維修、定期維修到視情維修的根本轉變，從而創造更大的經濟效益和社會效益[2]。

齒輪故障診斷的基本步驟可以概括為信號檢測、特征提取（信號處理）、狀態識別和診斷決策四個部分[2]。齒輪的運行狀態是以各種各樣的信號表達出來的，如振動信號、噪聲信號、電流信號和轉矩信號等。齒輪故障診斷方法可以根據是否基于電機驅動系統分為兩類：①需要安裝額外的機械傳感器，比如振動診斷法和噪聲分析法；②不需要安裝額外的傳感器，利用電機驅動器本身作為傳感器即可獲取齒輪故障信息，比如電機電流特征分析法、負載轉矩特征分析法和運動誤差辨識法。有關齒輪故障診斷的研究目前已經取得一定的成果，但是在利用電機驅動系統的齒輪故障診斷方法方面仍缺少相關的綜述。本文歸納整理了近幾年來的國內外相關文獻，為該方向的后續研究提供參考。

1 非基于電機驅動系統的故障診斷方法

1.1 振動診斷法

齒輪箱中的齒輪、軸和軸承在工作時會發生振動，齒輪的振動信號包含了豐富的故障信息，其測量也較簡便，因而振動診斷法得到了廣泛的應用。

振動信號是非平穩信號，單純的通過頻譜分析很難得到精確可靠的結果。小波變換具有良好的時頻局部化和多分辨率分析的能力，非常適合對非穩態時變信號中的特征進行辨識[3]。不過小波變換中可選擇的小波基很多，在實際應用中，需要根據經驗來判斷和選擇合適的基函數。文獻[4]對含有裂紋故障的齒輪采集振動信號，然后采用希爾伯特黃變換進行處理診斷出了齒輪故障。然而希爾伯特黃變換在理論上還不成熟，比如存在邊端效應、越界問題和停止準則等[5]，相比于成熟的小波分析，這一新技術還有待發展和完善。

振動診斷法應用較早，理論相對成熟，隨著振動信號處理技術的發展與完善，對各種常見的齒輪故障如斷齒、點蝕以及齒面膠合等均有較為理想的檢測效果，因此仍然是目前最常用的檢測手段。但是隨著機械裝置結構的精密化程度越來越高，其弊端也愈發顯著。振動傳感器的安裝多有不便，傳感器的安裝位置也會影響其對振動信號的敏感程度[6]，振動信號還可能會受到機械諧振的影響。而且實際應用中齒輪箱會不可避免地發熱，這就需要考慮振動傳感器的溫度適用范圍。相比而言，無創檢測方式更具有優勢。

1.2 噪聲分析法

噪聲分析法是無創檢測方法。以自行火炮中的齒輪箱為例，火炮中的齒輪箱密封在裝甲甲板內部，在其上安裝振動傳感器就非常困難，安裝聲音傳感器便是一種更好的選擇[7]。當齒輪出現故障時，原本的聲音信號中會引入周期性的故障噪聲信號，對噪聲信號進行處理并提取故障特征可以實現對齒輪的故障檢測。

文獻[7]對采集到的聲音信號進行倒頻譜分析，對齒面磨損和齒根裂紋進行了有效的診斷。文獻[8]對振動診斷法和噪聲分析法做了對比，在應用噪聲分析法檢測出輪齒局部磨損故障的同時，指出由于斜齒輪的嚙合重合度大，故障信息在振動信號中的體現相比于正齒輪要微弱，對于早期的齒根裂紋故障，噪聲分析法比振動診斷法更敏感。文獻[9]對聲音信號應用小波變換成功檢測出了斜齒輪的局部斷齒和齒根裂紋故障，并且指出振動診斷法在齒輪磨損和斷齒方面診斷效果更勝一籌。

噪聲分析法需要借助于聲音傳感器，安裝聲音傳感器相比安裝振動傳感器要更加靈活和方便[7]。但是由于齒輪的工作環境通常充斥工業噪聲，噪聲信號是信噪比非常低的非平穩信號。而且齒輪箱周圍的噪聲場會隨著齒輪箱的安裝方向、操作情況不同而變化，聲音傳感器的安裝位置和其本身離其他噪聲源的距離也會影響診斷效果[9]。因此噪聲分析法相比于振動診斷法得到了較少地關注。

1.3 其他方法

齒輪箱結構復雜，其運行狀態監測和故障診斷方法涉及到了機械、力學、電子、數學、物理和計算機等多個學科的知識。除了振動診斷法和噪聲分析法外，還有油液分析、聲發射、溫度及能耗監測等方法[2]。

2 基于電機驅動系統的故障診斷方法

電機驅動器通常與齒輪變速箱耦合在一起，當齒輪出現故障時，在轉矩信號和電流信號中會引入與故障相關的頻率分量[10]，而電流和轉矩信號均可以從電機驅動器處獲得。此外，嚙合齒輪的運動誤差也可以通過辨識器從驅動器處獲得，因此驅動器可以被當作內置的傳感器來估測機械系統的重要特征。電機電流特征分析法、負載轉矩特征分析法和運動誤差辨識法便是基于電機驅動系統的故障檢測方法。

2.1 電機電流特征分析法

電機電流的變化完全可以反映電動機外負載轉矩的變化，即反映電動機所驅動機械設備的動態動力學特征。電機電流特征分析（Motor Current Signature Analysis，MCSA）法就是利用電機的定子電流信號作為分析的切入點研究其特征與故障的對應關系，它的優點在于容易獲取電流信號而且不會對原系統產生干擾[11]。

MCSA的主要依據是當傳動系統具有諸如齒輪齒面磨損、斷齒等故障時系統會產生附加的波動轉矩，為了平衡這個轉矩電機會產生一個相應的電磁轉矩，從而導致在定子電流中產生非線性的電流信號[12]。MCSA的實質是從力矩到電能的轉換，對傳動系統力矩類的故障比較敏感，近年來得到了廣泛的關注[13,14]，并且已成功應用于檢測電機定子、轉子和氣隙磁通不對稱等本體故障[15-18]。雖然其應用不如在檢測電機故障方面廣泛，MCSA亦可以用來檢測電機負載（含齒輪箱）的故障[16]。

圖1 常規的MCSA法方案Fig.1 Functional block diagram of the conventional MCSA scheme

常規的MCSA法如圖1所示[19]，通常是采集到電機的電流信號之后，對電機電流應用快速傅里葉變換（Fast Fourier Transform，FFT）進行頻譜分析，觀測頻譜中出現的故障頻率相關分量進行故障診斷。電流信號會受到各種調制，文獻[13]將感應電機的電流信號先進行幅值解調和頻率解調，然后應用離散小波變換去噪提純，表明對電流用幅值解調可以檢測到轉軸頻率分量，用頻率解調可以檢測到嚙合頻率分量。文獻[20]在基于MCSA上提出了一種新的時域下信號處理算法，此算法基于快速動態時間規整（Fast Dynamic Time Warping，FDTW）算法和相關峰態（Correlated Kurtosis，CK）算法。FDTW能匹配具有微小相位差別或速度振蕩差別的兩個信號，FDTW通過引入一個與齒輪嚙合頻率相同的參考信號Y( t)，與實際電流X( t)做比較，定義殘差信號如果z的方均根值比較小，則說明沒有故障，若方均根值比較大，則說明出現了嚴重的故障。然而本方法只是基于仿真研究，實驗效果如何有待驗證。

2.2 改進的MCSA法

典型的電機驅動系統主要由電機和驅動器組成，驅動器中含有功率變換器。文獻[21]提出了一種改進的MCSA如圖2所示，采集功率變換器的輸入電流而不是電機側電流。文獻[19,21]對故障特征由負載側向功率變換器輸入側的傳遞過程作了理論推導，表明任何故障信號都會反映到功率變換器的輸入端。對變換器輸入端的電流進行頻譜分析，相比傳統MCSA來講優勢是可以對整個傳動系統進行故障檢測，包括電機本體故障、負載故障以及功率變換器的故障等。然而如果網側存在諧波，功率變換器也會產生大量諧波，都會在影響該方法診斷效果的同時加大該方法的難度。

圖2 改進的MCSA方案Fig.2 Functional block diagram of the modified MCSA scheme

2.3 負載轉矩特征分析法

MCSA相比于振動診斷法和聲音診斷法要簡單便捷，在檢測多種類型的機械負載故障方面有較好的表現。但是MCSA對電機的電流環帶寬具有較強的依賴性，更適合于檢測故障時電流頻率在電機電流環帶寬之內的故障[22]。除了振動、聲音和電流信號外，負載轉矩是一種攜帶負載運行信息最多的信號，當齒輪傳動機構具有諸如齒輪齒面磨損、斷齒等故障時系統會產生附加的波動轉矩。負載轉矩在因果關系鏈中超前于電流信號，引起振動的擾動激勵首先影響的是負載轉矩，而且對負載轉矩的擾動強度要比電流大，這就使得通過分析負載轉矩信號檢測齒輪故障要比分析電流信號的方法更加直接。

負載轉矩信號的獲取需要借助于扭矩傳感器，而扭矩傳感器價格昂貴，而且安裝也不方便。文獻[23]指出電機具有作為轉矩傳感器的特性，利用電機的電流和電壓等變量通過轉矩辨識器辨識出轉矩的值，可以不用安裝扭矩傳感器實現無創檢測。

文獻[22]提出了用負載轉矩信號分析法（Load Torque Signature Analysis, LTSA）來代替MCSA檢測負載故障的方法，如圖3表示，利用電機輸入側電流、電壓和轉速通過負載轉矩辨識器辨識出轉矩信號，然后對轉矩信號應用FFT進行頻譜分析，檢測相關故障頻率分量的幅值變化來診斷負載是否出現故障。文中利用感應電機產生波動的負載轉矩，作者發現LTSA比MCSA具有更大的適用范圍，當MCSA檢測效果不理想時，可以用LTSA代替MCSA檢測電機負載故障。

圖3 LTSA法方案Fig.3 Functional block diagram of the LTSA fault detection method

2.4 運動誤差辨識法

振動診斷法、噪聲分析法、電機電流特征分析法以及負載轉矩特征分析法都只適用于穩速恒定負載下的情況。例如MCSA對定子電流采樣必須等到電機轉速達到穩定后才能進行，否則采樣得到的數據便無法用來作為故障診斷的依據[17]。在現代工業如伺服系統中，速度和負載經常連續性變化，電流和轉矩等信號在很大程度上依賴于傳動系統的運行狀況和控制策略[24]。

因此設計一種不依賴于系統運行狀況的診斷方法非常有必要，最直接的方法就是測取嚙合齒輪兩側的運動誤差（Kinematic Error，KE）。文獻[24]設計了一種運動誤差觀測器，在實驗中模擬了輪齒變形故障，對觀測到的時域KE信號再采樣轉化到空間域，進而利用空間同步平均法提取故障信息，該方法在較寬的調速范圍和電機正反轉的條件下均能較好地提取輪齒變形的故障信息，但信號處理部分略顯繁瑣，方法框圖如圖4所示。

文獻[25]在文獻[24]的基礎上設計了一種級聯觀測器對擾動轉矩和KE進行觀測，然后對KE信號利用再采樣和空間同步平均法提取故障信息，并且針對輪齒磨損故障做了實驗驗證。作者試圖設計一種不受電機轉速影響的診斷方法，但是通過實驗還是發現了診斷效果對速度具有依賴性，當電機轉速較大時KE的辨識效果變差，相關的研究正在繼續進行。

圖4 運動誤差辨識法Fig.4 Functional block diagram of KE estimation method

2.5 多種方案的比較

基于電機驅動系統的齒輪故障診斷方法擺脫了只能從機械角度進行齒輪故障診斷的束縛。文獻[6]針對齒輪磨損故障對比了振動診斷法、噪聲分析法和MCSA，指出即便是在輕載的情況下，振動診斷法的診斷效果也非常理想；當負載大于額定負載的60%時，故障引起的噪聲要強于環境噪聲，此時噪聲分析法具有和振動診斷法相媲美的診斷效果；齒輪故障將多種諧波引入電機定子電流，電流會受到調制，與故障有關的頻率分量的幅值較低，利用高分辨率的數據采集系統可以檢測到嚙合頻率相關分量。文中的信號處理技術采用的Welch法功率譜密度，不同的信號處理技術診斷效果也會略有區別。振動診斷法技術比較成熟，能有效診斷出常見的齒輪故障，應用最為廣泛。但是在實際應用中會受到振動傳感器和機械精密化程度的制約。噪聲分析法則避免了振動診斷法的缺陷，甚至在某些特定領域，比如軍用機械以及斜齒輪應用場合，噪聲分析法比振動診斷法更具優勢。然而振動診斷法和噪聲分析法均需要安裝額外的傳感器，增加了經濟負擔，因此利用電機驅動器作為傳感器的故障診斷技術近年來得到了越來越多的關注。

3 結論

本文以是否基于電機驅動系統的角度對齒輪故障診斷方法進行了歸納總結，在簡要介紹振動診斷法和噪聲分析法的基礎上，重點對基于電機驅動系統的齒輪故障診斷方法作了綜述。MCSA、負載轉矩特征分析法和運動誤差辨識法分別以定子電流、負載轉矩和KE作為齒輪故障診斷的切入點，降低了硬件方面的需求。MCSA的概念提出相對較早，是最早開始嘗試從電氣的角度進行故障診斷的方法，負載轉矩特征分析法和運動誤差辨識法是近幾年提出的較為新穎的故障診斷方法。這三種方法使齒輪故障診斷技術不再單一地局限在機械角度上，將齒輪故障診斷方法引向了多元化發展。

目前齒輪故障診斷技術主要集中應用于恒轉速和恒負載的條件下。而很多實際應用場合中速度和負載經常會發生變化，因此研究一種不受速度和負載變化的齒輪故障診斷技術必將成為一個重要的研究發展方向。此外，目前齒輪故障診斷的實例較多，但診斷方法比較單一，沒用形成通用的數據庫和診斷規則，如何將多種診斷方法和信號處理技術相結合，提高診斷成功率也將是未來的研究熱點。

參考文獻

[1] 杭俊, 張建忠, 程明, 等. 風力發電系統狀態監測和故障診斷技術綜述[J]. 電工技術學報, 2013, 28(4): 261-271.

Hang Jun, Zhang Jianzhong, Cheng Ming, et al. An overview of condition monitoring and fault diagnostic for wind energy conversion system[J]. Transactions of China Electrotechnical Society, 2013, 28(4): 261-271.

[2] 丁康, 李巍華, 朱小勇. 齒輪及齒輪箱故障診斷實用技術[M]. 北京: 機械工業出版社, 2005.

[3] 劉毅華, 王媛媛, 宋執環. 基于平穩小波包分解和希爾伯特變換的故障特征自適應提取[J]. 電工技術學報, 2009, 24(2): 145-149.

Liu Yihua, Wang Yuanyuan, Song Zhihuan. Adaptive fault feature extraction based on stationary wavelet packet decomposition and hilbert transform[J]. Transactions of China Electrotechnical Society, 2009, 24(2): 145-149.

[4] Han L R. Gear fault detection and diagnosis based on Hilbert-Huang transform[C]//3rd International Congress on Image and Signal Processing (CISP), 2010, 7: 3323-3326.

[5] 徐斌, 徐德城, 朱衛平, 等. 希爾伯特-黃變換方法的改進[J]. 西北工業大學學報, 2011, 29(2): 268-272.

Xu Bin, Xu Decheng, Zhu Weiping, et al. An improved Hilbert Huang transform method[J]. Journal of Northwestern Polytechnical University, 2011, 29(2): 268-272.

[6] Kia S H, Henao H, Capolino G A. A comparative study of acoustic, vibration and stator current signatures for gear tooth fault diagnosis[C]//20th International Conference on Electrical Machines (ICEM), 2012: 1514-1519.

[7] Tian H, Tang L W, Yang T Q. Application of acoustic testing for gear wearing fault diagnosis[C]//The Eighth International Conference on Electronic Measurement and Instruments, 2007, 3: 635-638.

[8] Baydar N, Ball A. A comparative study of acoustic and vibration signals in detection of gear failures using WIGNER-VILLE distribution[J]. Mechanical Systems and Signal Processing, 2001, 15(6): 1091-1107.

[9] Baydar N, Ball A. Detection of gear failures via vibration and acoustic signals using wavelet transform[J]. Mechanical Systems and Signal Processing, 2003, 17(4): 787-804.

[10] Kia S H, Henao H, Capolino G A. Gear tooth surface damage fault detection using induction machine electrical signature analysis[C]//9th IEEE International Symposium on Diagnostics for Electric Machines, Power Electronics and Drives (SDEMPED), 2013: 358-364.

[11] Saadaoui W, Jelassi K. Gearbox-induction machine bearing fault diagnosis using spectral analysis[C]// Second UKSIM European Symposium on Computer Modeling and Simulation, 2008: 347-352.

[12] 陳峙, 王鐵, 谷豐收, 等. 基于電動機電流信號雙譜分析的齒輪傳動故障診斷[J]. 機械工程學報, 2012, 48(21): 84-90.

Chen Zhi, Wang Tie, Gu Fengshou, et al. Gear transmission fault diagnosis based on the bispectrum analysis of induction motor current signatures[J]. Journal of Mechanical Engineering, 2012, 48(21): 84-90.

[13] Mohanty A R, Kar C. Fault detection in a multistage gearbox by demodulation of motor current waveform[J]. IEEE Transactions on Industrial Electronics, 2006, 53(4): 1285-1297.

[14] Rajagopalan S, Habetler T G, Harley R G, et al. Current/voltage-based detection of faults in gears coupled to electric motors[J]. IEEE Transactions on Industry Applications, 2006, 42(6): 1412-1420.

[15] Bellini A, Filippetti F, Tassoni C, et al. Advances in diagnostic techniques for induction machines[J]. IEEE Transactions on Industrial Electronics, 2008, 55(12): 4109-4126.

[16] Stopa M M, Filho B J C, Lage B L O. An evaluation of the MCSA method when applied to detect faults in motor driven loads[C]//36th Annual Conference on IEEE Industrial Electronics Society (IECON), 2010: 760-765.

[17] Jung J H, Jong-Jae L, Kwon B H. Online diagnosis of induction motors using MCSA[J]. IEEE Transactions on Industrial Electronics, 2006, 53(6): 1842-1852.

[18] 周鋒, 王明渝, 杜彥巍. 基于MCSA的異步電動機狀態監測與故障診斷綜述[J]. 重慶大學學報(自然科學版), 2005, 28(1): 49-52.

Zhou Feng, Wang Mingyu, Du Yanwei. Review of state monitoring and fault diagnosis methods for asynchronous motors based on MCSA[J]. Journal of Chongqing University (Natural Science Edition), 2005, 28(1): 49-52.

[19] Arellano-Padilla J, Sumner M, Gerada C. Condition monitoring for mechanical faults in fully integrated servo drive systems[C]//13th International Power Electronics and Motion Control Conference (EPEPEMC), 2008: 769-775.

[20] Liu H, Dhupia J S. A time-domain fault detection method based on an electrical machine stator current measurement for planetary gear-sets[C]//IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM), Wollongong, 2013:1631-1636.

[21] Arellano-Padilla J, Sumner M, et al. A novel approach to gearbox condition monitoring by using drive rectifier input currents[C]//13th European Conference on Power Electronics and Applications, 2009: 1-10.

[22] Stopa M M, de Jesus Cardoso Filho B. Load torque signature analysis: an alternative to MCSA to detect faults in motor driven loads[C]//IEEE Energy Conversion Congress and Exposition (ECCE), 2012: 4029-4036.

[23] Henao H, Kia S H, Capolino G A. Torsional-vibration assessment and gear-fault diagnosis in railway traction system[J]. IEEE Transactions on Industrial Electronics, 2011, 58(5):1707-1717.

[24] Huh K K, Lorenz R D, Nagel N J. Gear fault diagnostics integrated in the motion servo drive for electromechanical actuators[J]. IEEE Transactions on Industry Applications, 2012, 48(1): 142-150.

[25] Wolf C M, Hanson K M, Lorenz R D, et al. Using the traction drive as the sensor to evaluate and track deterioration in electrified vehicle gearboxes[J]. IEEE Transactions on Industry Applications, 2013, 49(6): 2610-2618.

楊 明 男，1978年生，博士，教授，研究方向為交流伺服系統與智能控制。

E-mail: yangming@hit.edu.cn（通信作者）

董傳洋 男，1991年生，碩士研究生，研究方向為交流伺服系統。E-mail: dong37003700@126.com

作者簡介

收稿日期2014-04-01 改稿日期 2014-08-19

中圖分類號：TH132.41