淺析動力機械傳動裝置振動信號及其診斷技術

白曉林 徐愛英 高洪濤 盛長福

摘要：機械設備振動信號出現時變或者非平穩性信號的時候，其自身就會產生一定的局限性，且不能取得良好的分析效果，這就要求通過時間與頻率的聯合函數對信號進行表示。對于常用的信號分析法，對其優缺點進行探究，并結合設備振動特征，選擇不同類型的診斷技術。基于此，文章先對動力機械傳動裝置進行簡要概述，然后對故障特征進行探究，并對故障診斷技術進行分析，最后對處理方法進行闡述，以供相關人士參考。

關鍵詞：動力機械;振動信號;診斷

引言

隨著機械設備的發展與應用，部分零件在高速運轉過程中，會產生劇烈振動，進而對其他零部件造成損壞。除此以外，異常的振動還會使機械設備產生故障，甚至造成嚴重的經濟損失。為了對故障進行處理，就要采取有效的策略，建立完善的診斷系統。

一、概述

動力機械傳動裝置的振動信號以及診斷技術是對于機械設備連續運行狀態以及故障的監測與分析，以確保設備的穩定運行，也是通過多種學科而成的一門新興技術。其傳動裝置的運行是依靠內部零件以及機械的協調實現的。正是由于不同零件所組成的，一旦遇到故障，就會產生不同狀態，其形式也是多種多樣的。例如，聲音、溫度等的變化，因不同的故障形式，其診斷方法也有所不同。當前常見的故障診斷技術有振動檢測以及溫度檢測技術等。多數故障是由于振動以及輻射產生的噪聲而產生的，加之信號分析理論基礎具有久遠的歷史，且涉及廣泛的領域，因此，文章就對其診斷進行詳細探究。

二、故障特征

動力機械傳動系統的故障往往是由于旋轉件故障進行診斷的。想要對機械故障進行準確判斷，就要對各類故障特征進行掌握，現將其類型分析如下。

（一）齒形出現誤差

結合頻譜分析可知，因齒形誤差的出現，就會導致系統振動加劇，進而使其信號出現明顯的調制現狀。其特征是以齒輪的嚙合頻率與倍頻作為中心，在周邊分布著調制頻率的邊帶。如果齒形出現了嚴重的誤差，就會因較大的激振能量，而使其頻率為載波頻率，且共振頻率產生調制問題，此外，振動能量不斷加大。

（二）輪齒出現磨損

齒輪所產生的磨損往往是比較均勻的，沖擊振動信號沒有產生或者沖擊比較小，且不會產生較為明顯的調制問題。一旦磨損到達一定程度的時候，嚙合頻率就要不斷增加，且階數不斷增高，諧波不斷增加，且振動能量大幅提升。

（三）出現斷齒現象

斷齒的時域波出現非常大的振動，且頻率與斷齒軸的轉頻相等。邊頻帶數量不斷增加，且分布較為寬廣。同時出現較高次諧波，受到瞬態沖擊的影響，將固有頻率激起，進而產生固有頻率的調制問題。

（四）軸部產生彎曲變形

軸出現輕度的彎曲時，就會受到齒輪的傳動，而產生一定的誤差，進而形成載波頻率。若彎曲軸上產生較多對的齒輪嚙合，那么就會產生較多對的調制現象。雖然與齒形的誤差有著相似的邊帶，但其振動能量會不斷的增大。

（五）軸向產生竄動問題

如果軸上出現了兩個斜齒輪的時候，就易出現軸向竄動問題。這時嚙合頻率就是相等的，一周內還會產生一次較大的沖擊振動，且頻率值不斷加大。

（六）軸產生不平衡現象

軸會出現非常嚴重的不平衡現象，在傳運過程中，就會造成齒形誤差，進而形成了載波頻率，但通常譜圖上存在的邊帶比較少，但故障軸所產生的轉頻不斷增加。

（七）軸承產生剝落

滾動的軸承內外環出現了剝落以后，就會產生非常明顯的調制現象，同時產生以外環固有的頻率作為載波，以軸承為頻的調制問題。因其產生的能量比較小，且頻率幅值也較小，往往只產生一階。

三、故障診斷分析

（一）控制模型的診斷

對于機械系統來說，如果通過理論或者實驗的方式建立模型，那么其系統參數以及狀態能夠在整個系統中直接體現出來，進而為故障的診斷提供一定的參考。基于模型的診斷，主要包含建立模型、參數及其狀態等技術，具體思想是對于故障構造形式包含能夠進行參數調節的觀測器，且處于零狀態。一旦出現故障，可采取觀測器中可調節部分，對系統狀態及其輸出進行補償，使其在故障狀態下，仍然能夠處于零狀態，然后對誤差進行觀測，這時可調部分地輸出即是故障估計的最終結果，通過此種技術的應用，其優勢是能夠對故障信號及時在線建模，但如果系統一旦產生強非線性的時候，則不能有效進行計算。

（二）模式識別的診斷

對于故障進行診斷，即利用被診斷系統運行信息以及相關知識綜合進行處理，最終對于系統運行及其故障情況進行綜合評價的整個過程。若事前對可能存在的故障類型進行分析，則故障就會轉變成模式識別。如果系統的模型變得復雜或者未知時，模式識別就能夠為故障的診斷提供簡單的方式。基于此種方式，可分為統計模式以及句法模式，在機械故障中取得有效應用。

（三）基于人工智能的診斷

在動力機械傳動裝置中，故障診斷方式包含知識故障診斷以及神經網絡診斷。前者包括淺知識系統以及深知識系統同。是以操作者為中心，通過推理對結果進行診斷。其是結合此領域專業人士經驗作為故障診斷進行服務，這種方式具有一定的局限性;而后者則對診斷對象各環節進行診斷，同時又具備明確的輸入與輸出關系，在進行診斷的時候，可結合診斷對象實際輸出以及期望輸出是否一致進行判斷，進而產生一種不一致的原因集，并結合診斷對象中的特定關系，采取相應的算法，進而找到可能出現的故障源。人工神經網絡進行診斷時，可從以下幾方面進行探究。第一，模式識別角度的實際應用作為故障的診斷;第二，從預測角度作為預測模式，對故障進行診斷;第三，從知識角度，建立專家診斷系統，對故障進行診斷。此種方式不僅在診斷領域中得到廣泛應用，在其他領域中也取得快速發展。但也存在著一定的不足之處，如樣本獲取較困難，且知識表達不好理解，對經驗及其技巧具有較高的要求等。

四、振動信號的有效處理策略

（一）時域分析

時域分析即結合信號的變化波形對信號進行分析，進而得出信號的組成以及特征量。包含相關分析以及特征分析。前者是對隨機數據間線性程度進行的分析，而后者則是結合概率統計的形式，對其進行分析。

（二）頻域分析

信號頻率即信號振動所產生的客觀特性，與時域信號相比，更能展現出信號的特性，一般來說，包含頻譜分析以及倒譜分析，前者是將信號從時域轉變到頻域，進而進行分析，其組成得到幅值以及相位等，后者則是指振動信號頻率比較復雜，且很難進行區分，這就可采用倒譜分析法，對信號中各頻率成分進行識別。

（三）時頻分析

時域分析只注重某角度參數，而無法對信號實際及其全貌直接反映出來，而頒域分析雖然能夠對信號的本質反映出來，但卻無法展現出局部瞬間產生的變化，且具有一定的局限性，通常僅用于線性分析以及穩定的信號分析。為了對于非線性以及非平穩的信號進行分析，采用小波變換法。此種方式具備不可避免的局限性，同時還存在著函數的選擇問題等;HTT是在非平穩信號進行處理的一種方式，突破了其他方式的局限性，得到了廣泛的應用，但存在著一定的邊界效應，此種方式簡便、幅值準確等優勢，在信號處理過程中得到有效應用，但因特性分析不完善，在應用過程中，往往是依靠經驗。

五、結束語

總而言之，隨著技術的不斷發展，計算機技術以及理論等的進展，使得機械故障的診斷方式更加完善。隨著時頻分析等一系列新型診斷方式出現，雖然仍不成熟，但隨著研究的不斷深入，定將不斷完善，且取得更廣泛的應用。

參考文獻：

[1]白泉，韓晶晶，盛國華，等.地震動反應譜擬合過程中小波基函數的選取[J].地震學報，2015（6）：1037-1044

[2]文成林，呂菲亞，包哲靜，等.基于數據驅動的微小故障診斷方法綜述[J].自動化學報，2016，42（9）：1285-1299.