基于小波變換的風機齒輪箱振動信號故障特征提取

姜慧

摘要：為了提高風機齒輪箱故障診斷率，本文提出了一種基于小波變換的特征提取方法。分別對齒輪箱輸入軸電機側、輸出軸電機側、輸入軸負載側及輸出軸負載側軸承垂直方向振動信號進行提取，并對其時域波形圖及小波變換后的波形圖進行對比分析，證明經過小波變換后故障特征顯現更加明顯，為診斷率的提高奠定了基礎。

關鍵詞：齒輪箱;振動信號;小波變換;特征提取

中圖分類號：TP393 文獻標識碼：A

文章編號：1009-3044（2020）15-0032-04

能源危機日益嚴重，人類迫切需要尋找新型能源。風能是一種清潔的可再生能源，成為人類解決能源匱乏問題不可缺少的力量。

由于風存在著不可控性，再加上機組所處的環境惡劣，造成機組故障頻繁發生，降低了機組運行的可靠性。研究表明，維護風電機組的費用占到機組全部成本的25%以上。因此風力發電技術研究的重點之一就在于風電機組故障預測及診斷。由于齒輪箱是風力發電機組的核心傳動部件，也是故障發生率最高的部件，據相關統計，在風力發電機故障中，46%是齒輪箱的故障嘲。對風電機組齒輪箱進行狀態檢測與故障預測診斷，是保障風力發電機組運行可靠性的重要手段。

歐美等國家風電行業起步較早，在風電機組故障診斷方面已取得了很多成果。文獻[3]中采用基于模糊神經網絡的齒輪箱狀態監測與故障診斷方法，診斷正確率可達97.6%。文獻中提取了齒輪箱振動參數，用小波神經網絡分析得到了其故障特征機理，并驗證了該方法的優越性和實用性。文獻嘲中采用小波神經網絡對齒輪箱振動參數進行分析，得到故障特征機理，并驗證了該方法的高效性。在文獻[6]中采用基于BP神經網絡的齒輪箱故障診斷方法，通過實驗驗證該方法高效可行。

20世紀80年代，國內出現了狀態監測與故障診斷的相關研究。文獻中提出了一種基于改進的多元統計分析的故障診斷方法，采用綜合重構技術成功識別故障。文獻[8]主要是采用小波分析、統計學方法研究電動機定子線圈故障信號的非穩態特性。在文獻中，作者建立了一種基于混沌理論的風電機組運行狀態的預測模型，然而實驗結果表明預測精度較低。文獻，通過自主研發的嵌入式微處理器對風電機組振動信號的頻譜、倒頻譜分析，以故障原因進行初步判斷，并在齒輪箱驗證了方法的有效性。

現在的研究表明，風電機組的齒輪箱在高空工作時損壞率極高。因此有必要對齒輪箱進行故障預測及診斷，從而提高風電機組的可靠性。

1齒輪的常見故障

齒輪是一種應用最為主泛的傳動部件，其常見的故障有點蝕、磨損和斷齒。

1.1點蝕

齒輪嚙合面承受交變載荷和擠壓，如果齒輪材質不佳，表面會出現坑洞以及點蝕現象。如果齒輪繼續工作，則會出現惡性破壞。主要特征：齒輪的嚙合波形異常，幅值增加，齒輪振動過程中所攜帶的動能以及包絡能都會增大。

1.2磨損

磨損是接觸面中一種常見的形式，正常情況的磨損不會影響齒輪的使用，但如果磨損加劇加深，則會出現齒面磨損，齒厚變小，導致噪聲出現直至齒輪失效。在齒輪箱中，會產生異常振動，主要特征是：齒輪轉動諧波幅值以及嚙合頻率明顯增大，階數增加，幅值變大，振動幅值能量呈現出變大的趨勢。

1.3斷齒

斷齒是指齒輪無法承受負載而發生斷裂的情況，主要有兩種：第一種情況是齒輪齒根長期承受循環彎曲應力，當應力超過齒根承受極限時，齒根可能產生裂紋。如果繼續工作，裂紋逐漸加深則可能導致齒輪的疲勞斷裂。第二種情況是當齒輪突然承受超過其極限的應力時，也會出現斷裂。一旦發生齒輪斷裂，齒輪箱中的振動信號就會出現異常，主要特征是：齒輪諧波調試邊頻帶變寬，嚙合頻率隨之增加，齒輪的振動動能及幅值增加，齒輪的包絡能和幅度變大。

2離散小波變換

小波分析是近年來發展起來的應用數學分支，目前在信號檢測、特征提取、數據壓縮等領域得到了成功的應用。小波變換是時域和頻域的局部變換，具有多分辨率的特點，可以由粗及精地逐步觀察信號，在時、頻兩域都具有表征信號局部特征的能力，被譽為“分析信號的數學顯微鏡”。

1989年，S MaHm提出了一種離散小波變換的快速算法——Mallm算法，極大地推動了小波分析的發展，其實現公式為：

由上式可知：離散信號x（t）為原始信號Ao，x（t）在某個尺度如第2j尺度上的近似部分，即第j層低頻小波系數Aj，是通過其上一層（j-1層）即第2^j-1尺度的小波系數Aj-1與小波分解濾波器H卷積，再通過隔點采樣取得的;細節部分的小波系數Dj的算法也類似，離散信號x（t）在某個尺度如第2j尺度上的細節部分，即第j層的高頻小波系數Dj，是通過其上一層（j-1層）的即第2j-1尺度的小波系數Dj-1與小波分解濾波器G卷積，再通過隔點采樣取得的。通過Mallm算法，可以將原始離散信號x（t）以及每一層信號，分解為它下一層的高頻小波系數和低頻小波系數。

Mallat分解算法的圖解如下圖所示：

3齒輪箱故障特征提取

為驗證小波變換在齒輪箱振動信號故障特征提取中的有效性，本文采取實測的齒輪箱故障信號進行檢驗。齒輪振動數據信號來自江蘇千鵬診斷工程有限公司搭建的QPZZ-II機械故障模擬及試驗平臺。所采用的齒輪箱為單級直齒輪減速傳輸，輸入軸齒輪齒數為75，輸出軸齒數為55，模擬了齒輪的正常運行狀態及常見的三種故障狀態：點蝕、磨損及斷齒。齒輪箱輸入軸轉速為880r/min，采樣頻率為5210HZ，采樣時間1S，分別提取了輸入軸電機側、輸出軸電機側、輸入軸負載側及輸出軸負載側軸承垂直方向振動信號。

3.1齒輪箱輸入軸電機側軸承垂直方向振動信號特征提取

圖2為正常、點蝕、磨損及斷齒四種情況下齒輪箱輸人軸電機側軸承垂直方向振動信號時域波形圖。