《基于eemd的行星齿轮箱齿轮裂纹损伤定位-刘浩华.pdf》由会员分享，可在线阅读，更多相关《基于eemd的行星齿轮箱齿轮裂纹损伤定位-刘浩华.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第37卷第3期2017年6月振动、测试与诊断Journal of Vibration。Measurement&DiagnosisVol_37 NO3Jun2017基于EEMD的行星齿轮箱齿轮裂纹损伤定位”刘浩华1， 李方义1， 李国彦1， 王一凡2， 张珊珊1， 董德浩1(1山东大学高效洁净机械制造教育部重点实验室 济南，250061)(2上海航天设备制造总厂上海，200245)摘要针对行星齿轮式变速箱的齿轮裂纹损伤难以提取特征频率和定位的问题，提出基于总体平均经验模式分解(ensemble empirical mode decomposition，简称EEMD)的齿轮局部损伤频率解调分析方法
2、。该方法在建立的齿轮局部损伤振动信号模型的基础上，分别对太阳轮、齿圈、行星轮的裂纹损伤信号进行EEMD分解和频率解调分析，通过频谱图提取齿轮的局部损伤特征频率，从而识别变速箱中裂纹损伤齿轮的位置。综合仿真分析和试验结果表明，基于EEMD的齿轮局部损伤频率解调分析方法可以有效地提取太阳轮、齿囤和行星轮的裂纹损伤特征频率，实现行星齿轮式变速箱中齿轮裂纹损伤的定位。关键词 变速箱；频率解调；损伤定位；总体平均经验模式分解中图分类号THll3；THl324引 言行星齿轮式变速箱因其结构紧凑、传动平稳、承载能力强，被广泛应用在工程机械、航空航天及船舶车辆等的传动系统当中，因此，对其进行振动检测的意义重大
3、1。但是由于采集到的变速箱振动信号包含齿轮、行星架及轴承等各部件的信息成分，加上隐含的噪声干扰，振动信号的非平稳、复杂性和非线性特征十分明显，传统的信号处理方法难以提取和识别微弱的损伤故障特征信息2。近年来，EEMD方法广泛应用于故障诊断领域。Rajeswari等53用EEMD和混合二进制蝙蝠算法相结合的方法提取不同齿轮损伤的特征频率。Zvokelj等邙1综合EEMD和多尺度独立分量分析方法的优点，检测轴承的早期损伤。孙曙光等口1将EEMD与小波阈值结合，有效消除了噪声对信号的干扰。陈虹屹等81将EEMD与奇异熵分析相结合，提取高速道岔振动信号中的裂纹损伤特征信息。本研究针对特殊的行星齿轮式变
4、速箱复杂结构，建立相应的振动信号模型，提出基于EEMD的齿轮局部损伤频率解调分析方法，并通过仿真分析和试验研究，提取太阳轮、齿圈和行星轮裂纹损伤的特征频率，验证该方法的有效性。1 行星齿轮式变速箱齿轮局部损伤振动信号模型因本研究所用的行星齿轮式变速箱的齿圈是浮动的，振动信号不易通过齿圈传递到箱体，故不考虑行星架的旋转效应。结合齿轮振动理论和行星齿轮式变速箱特殊结构，借鉴Feng等嗍对齿轮箱振动信号模型的研究，建立了行星齿轮式变速箱的齿轮局部损伤振动信号模型y()一A：口。(f)eos-Znnfmesht+b。(f)+a。(1)=0以。()一B。cos(2nif。t+岛：) (2)z一0b。()
5、一芝：C。sin(2 7(忌厂，t+y。女) (3)女一0其中：A为信号的振幅，是常数；f。汹为啮合频率；a。()为幅值调制函数；b。()为频率调制函数；B。i为调幅函数的柙次谐波的调制强度；C舶为调频函数的行次谐波的调制强度；f。为齿轮的局部损伤特征频率；a。，恳，为初始相位。对于式(2)，当i=0时，B。一1，恳。一0。由于式(1)式(3)中的基频不仅具备齿轮局部损伤振动信号模型的代表性，而且在振动的谐波成* 国家高技术研究发展计划(“八六三”计划)资助项目(2013AA040204)收稿日期：2016-1220；修回日期：20170204万方数据第3期 刘浩华，等：基于EEMD的行星齿轮
6、箱齿轮裂纹损伤定位分中，基频一般会具有最大的振幅。所以在只考虑基频凹3而不考虑其高次谐波的情况下，可将行星齿轮式变速箱齿轮局部损伤振动信号模型简化为y()一A1-I-Bcos(2兀厂，t+口)cos27【厂。ht+Csin(2 7cf，t+y)+a (4)其中：B，C分别为调幅函数和调频函数的基频的调制强度；口，口，y为基频的初始相位。2 基于EEMD的齿轮局部损伤频率解调分析针对第1节所建立的齿轮局部损伤振动信号模型的特点，本节提出了基于EEMD的齿轮局部损伤频率解调分析方法。首先，介绍了振动信号频率解调分析方法的优点；其次，借助EEMD来改善频率解调分析方法存在的问题；最后，总结了基于EE
7、MD的频率解调分析方法的诊断步骤。21振动信号的频率解调分析由式(4)可知，单独来看振动信号模型的调频成分，它包含齿轮局部损伤引起的特征频率厂，而且频率成分简单易懂，不受调幅部分的调制频率的影响，避免了传统傅里叶频谱中边带成分复杂而难以辨别的不足口。所以研究调频部分的频谱结构，能更加简便有效地提取齿轮局部损伤的特征频率。式(4)中调频部分的瞬时相位可表示为rfl(t)=27c厂ht+Csin(2 7c，。t+y)+口 (5)其中：各项参数的含义与式(4)相同。将瞬时相位在时间上进行微分计算，即可得到相应的瞬时频率，()一F1譬；导一厂。h+cf cCos(27【f。f+y)厶7【 U(6)对式
8、(6)进行傅里叶变换，可以得到瞬时频率的傅里叶频谱F(厂)一fha(f)+Cy。艿(厂一f。)exp(j7)(7)如式(6)所示，因为啮合频率，。是固定不变的常量，并且与齿轮的局部损伤无关，所以通过观察瞬时频率的波动成分，即可提取齿轮局部损伤的特征信息。又如式(7)所示，齿轮的局部损伤特征频率，。与瞬时频率的波动周期相关，若转化到瞬时频率的傅里叶频谱图中，则局部损伤特征频率厂，的位置将会出现峰值。若综合考虑齿轮局部损伤特征频率的高次谐波对于振动信号频率调制作用的影响，则转化到瞬时频率的傅里叶频谱图中，局部损伤特征频率的倍频nf，的位置也会出现峰值。因此。在瞬时频率的傅里叶频谱中，只需找到峰值处
9、的频率之间的关系，便可直观地提取出齿轮局部损伤特征频率及其倍频nf，从而识别行星齿轮式变速箱中齿轮局部损伤的位置。频率解调分析仅适合处理频率成分简单的单分量信号，但实际采集到的行星齿轮式变速箱振动信号一般为非平稳、多分量的复杂信号，所以必须先将采集的原始信号分解为单分量信号。22总体平均经验模式分解EEMD经验模式分解(empirical mode decomposition，简称EMD)是一种具有自适应优势的新的信号处理方法，可以按照信号的局部特性实现相应的时频分解。其理论重点是提出了固有模式函数(intrinsicmode functions，简称IMF)的概念，但是EMD方法在实际应用中
10、会出现模式混叠的问题1“。EEMD是在EMD方法的基础上提出的。它结合高斯白噪声具备的频率均匀分布的统计优点，在原始信号中加入白噪声，促使信号在不同时间尺度上拥有连续性，从而改善模式混叠现象的程度。按照EEMD的算法步骤m，可将原始信号Y(t)分解为y()一2：。f，()+“ (8)其中：C，()为EEMD分解后得到的第J个IMF分量；h为最终的残余量，一般为平稳的单调函数或常量，表示信号的基本趋势走向。EEMD方法可以把任意复杂的多分量原始信号y(f)分解成若干个单分量的IMF成分和一个残余量。其中单分量的IMF信号按照分解的先后顺序，表示信号不同频段的成分由高到低排列，即每个IMF分量信号
11、包含不同的频率和带宽成分，而且会随着y(f)的变化而自适应性地变化。23基于EEMD的频率解调分析诊断步骤1)应用EEMD方法将复杂的原始信号分解为单分量的IMF成分。2)先借助式(9)对IMF分量信号C(t)进行Hilbert变换，然后借助式(10)式(11)求得每个IMF分量的瞬时频率1们()一q r盟dr (9)7Jtr其中：h()由IMF分量f()经过Hilbert变换得到；q为Cauchy主值。万方数据428 振动、测试与诊断 第37卷瞬时相位p()可表示为舻()一arctan()f(f) (10)瞬时频率厂(r)可表示为 厂()一-1掣(11)Z丁c dt3)选取EEMD分解出的前
12、4个IMF分量信号的瞬时频率，并求其平均值。原因如下：aEEMD分解出的IMF分量按照频段由高到低的顺序排列；b齿轮损伤产生的冲击特征在高频段更为敏感和明显，一般蕴含在前面几个高频段的IMF分量中，所以本研究主要选取了前4个IMF分量进行计算123；CEEMD方法具有完备性，即原始信号的性质可以通过将各IMF分量相加的方式来体现口，所以求前4个IMF分量的瞬时频率的均值，是为了尽可能保证高频段信号中的齿轮损伤特征信息的完备性，同时消除低频段的一些干扰噪声。4)对前4个IMF分量的瞬时频率均值进行傅里叶变换，然后在瞬时频率的傅里叶频谱中，根据峰值处的频率，提取出齿轮局部损伤特征频率厂，及其倍频n
13、f，从而识别齿轮局部损伤的位置。3仿真分析验证为验证本研究提出的基于EEMD的频率解调分析方法的准确性，需要利用仿真信号处理分析。假设太阳轮产生了局部损伤，按照式(4)表示的振动信号模型，生成如下仿真信号v()一E1+cos(2n18t)cosEB 7c181t+sin(2n18t)(12)仿真信号的参数如表1所示，其中太阳轮的局部损伤特征频率厂，设为18 Hz。考虑到实际振动信号中的噪声成分，在仿真信号中添加了方差为05、均值为1的高斯白噪声。仿真信号的时域图如图1所示，可观察到明显的幅值调制和频率调制成分，证明了前面所建立的振动信号模型的合理性。表1仿真信号参数设置Tab1 Paramet
14、er settings of the simulation signal图2为原始信号y(f)经EEMD方法分解而得到的各IMF分量的时域图，对比IMF。IMF，。分量的时域图，发现信号的频率依次减小，齿轮损伤产生r暑一t S图1 仿真信号的时域图Fig1 Timedomain plot of the simMarion sign；一：避燮竺竺!竺竺竺竺竺竺竺!竺型1ts；再瓣_呻州懒忡_删帅_lI-删M蚋忡碉t占_卉贰广百r弋苜菇_五F1亨志宙广矗一；匝哑砌圃哑娅卿砸嘲；黟IMF磊磊=石磊忑=石=习一2占石_1占碇百F1苦葫广百丁1虑删on叩5 IMFr丽磊而忑忑而忑习一0,5占_确百r1占
15、石r1占荀F1亨破广百芗而0，rS-1，一。；I鳖竺!二!：竺：竺：竺：!：二：!型!二竺!尘一麓露匠丕至互互歪耍m舡筘筹#掣掣涮nj妙再_=_=-ii歹=ii天=习1OO0一O no；F=逦二二二二二二二习-o05占畜广百#1古贡广百1商矿厂百1芍矗0一O0一O图2 EEMD分解得到的各IMF分量时域图Fig2 Timedomain plot of IMFs decomposed by EEMD万方数据第3期 刘浩华，等：基于EEMD的行星齿轮箱齿轮裂纹损伤定位 429的冲击特征在高频段的IMF分量中更加明显。分别计算前4个IMF信号的瞬时频率并求其平均值，最后对瞬时频率的平均值进行傅里叶变
16、换，得到图3。在图3所示的瞬时频率傅里叶频谱图(其纵坐标仅具有相对意义)中，峰值频率出现在横坐标的18，36，54，72 Hz等处，即太阳轮的局部损伤特征频率厂；及其倍频nf，处，而且厂，处的峰值最明显，符合理论预期效果。可以判定太阳轮产生了局部损伤，从而验证了基于EEMD的频率解调分析方法的准确性，而且瞬时频率傅里叶频谱图更加简单直观，更易有效地提取齿轮局部损伤的特征频率。图3 瞬时频率的傅里叶频谱图Fig3 Fourier spectrum of the instantaneous frequency4行星齿轮式变速箱齿轮裂纹损伤定位实例分析41试验说明根据试验台架的性能参数，变速箱的输入
17、转速设置为700 rrain，负载设置为200 Nm，采样频率设置为5 120 Hz，把采集振动信号的加速度传感器置于变速箱输入端轴承盖的上方。以线切割方式分别加工宽为04 mm、深为5 mm的太阳轮、齿圈和行星轮齿根裂纹，其中行星齿轮式变速箱结构及3种齿轮的裂纹损伤形式如图4所示。最后，根据行星齿轮式变速箱的结构参数，由式(13)式(16)计算得到第2级行星齿轮系的啮合频率与各齿轮局部损伤的特征频率1“，如表2所示。fhfcarrierZ， (13)f，一(厂hz，)N (14)f，一(fhz，)N (15)fpfhzp (16)其中：厂。为啮合频率；f。，为旋转的行星架的频率；f，f，f。
18、分别为太阳轮、齿圈、行星轮的局部损伤特征频率；Z。，Z，Z。分别为太阳轮、齿圈、行星轮的齿数；N为行星轮的个数。太阳轮 行星轮 太阳轮双排行星轮齿圈 行星架 齿圈(a)行星齿轮式变速箱结构(a)Structure ofthe planetary gearbox爨巷嘞(b)3种齿轮裂纹损伤形式(b)Sun，planet and ring gears with crack图4试验说明Fig4 Test introduction表2 啮合频率与齿轮局部损伤特征频率Tab2 Gear meshing frequency and local damage frequency42太阳轮裂纹损伤定位实例分析
19、应用前面提出的基于EEMD的频率解调分析方法，处理行星齿轮式变速箱的太阳轮裂纹损伤试验信号。由表2可知，太阳轮的局部损伤特征频率f。一182 Hz。太阳轮裂纹损伤的原始信号时域图如图5(a)所示，可以发现裂纹损伤对振动信号的调制作用较弱，时域图中没有明显的周期性成分出现，且振幅较小，所以齿轮裂纹损伤的特征信息很难提取。图5(b)为原始信号经EEMD方法分解得到的前4个IMF分量的时域图。图5(C)为借助基于EEMD的频率解调分析方法得到的瞬时频率傅里叶频谱图(其纵坐标仅具有相对意义)，可见峰值主要出现在横坐标的182，364，546和728 Hz等处，即太阳轮的局部损伤特征频率厂，及其倍频nf
20、。处，而且厂。处的峰值占主导地位。这些特征表明太阳轮产生了局部损伤，符合做试验时的实际情况，实现了行星齿轮式变速箱中太阳轮裂纹损伤的定位。万方数据430 振动、测试与诊断 第37卷山龇I山山【jjl龇山II|I|I|i山 也妇l“|II址。“l胛哪唧呵l聊f呷唧哪 咿孵mlt|S(a)太阳轮裂纹损伤原始信号时域矧(a)Time-domain plot ofthe original signal from sun gear with crack700600釜500矗400蜷3002001000tS t|S(b)EEMDSj解得到的前4个IMF分量(b)The first four IMFs de
21、composed by EEMDfHz(c1瞬时频率的傅里叶频谱图(c)Instantaneous frequency Fourier spectrum图5太阳轮裂纹损伤定位试验分析Fig5 Damage localization test analysis of crack sun gear43齿圈裂纹损伤定位实例分析图6为基于EEMD的频率解调分析方法得到的齿圈裂纹损伤的瞬时频率傅里叶频谱图(其纵坐标仅具有相对意义)，可见峰值主要出现在齿圈的局部损伤特征频率f，(由表2知，一7 Hz)及其倍频700600N 500=400墨翥lOOO图6 齿圈裂纹损伤瞬时频率的傅里叶频谱图Fig6 Ins
22、tantaneous frequency Fourier spectrum of thering gear with crack行厂，处，而且3f，5f，6f，7f，和8f，处的峰值占主导地位。这些特征表明齿圈产生了局部损伤，与做试验时的实际情况相符。44行星轮裂纹损伤定位实例分析图7为基于EEMD的频率解调分析方法得到的行星轮裂纹损伤的瞬时频率傅里叶频谱图(其纵坐标仅具有相对意义)，可见峰值主要出现在行星轮的局部损伤特征频率f，(由表2知，f，一8。7 Hz)及其倍频行。处，而且，4厂，8厂，和1if，处的峰值占主导地位。由于行星轮损伤信号的传递路径比太阳轮的更长，导致其损伤信号的能量在传递
23、过程中衰减更多；而且行星轮同时与另外两个齿轮啮合，振动信号的噪声成分更加复杂，所以行星轮的损伤特征频率最难提取，图7中的杂频干扰现象最严重。这些特征表明行星轮产生了局部损伤，与做试验时的实际情况相符。700600N 500之400霉300最2001000图7 行星轮裂纹损伤瞬时频率的傅里叶频谱图Fig7 Instantaneous frequency Fourier spectrum of theplanet gear with crack5 结 论1)建立了行星齿轮式变速箱齿轮局部损伤振动信号模型，提出了基于EEMD的齿轮局部损伤频率解调分析方法，同时结合仿真分析和试验分析，证明了模型和该方
24、法的准确有效性。2)EEMD方法可以将非平稳、复杂的变速箱振动信号分解为单分量的IMF信号，并能有效改善EMD方法存在的模式混叠问题。3)基于EEMD的齿轮局部损伤频率解调分析方法，能成功提取太阳轮、齿圈和行星轮裂纹损伤的特征频率，实现了行星齿轮式变速箱中齿轮裂纹损伤的定位。但该研究方法的局限性在于未能实现齿轮局部损伤的定量分析，不易确定局部损伤的具体程度(如断齿、裂纹、点蚀)。万方数据第3期 刘浩华，等：基于EEMD的行星齿轮箱齿轮裂纹损伤定位 431I-1234E56ET参 考 文 献桂勇，韩勤锴，李峥，等风机行星齿轮系统齿轮裂纹故障诊断J振动、测试与诊断，2016，36(1)：16917
25、5Gui Yong，Han Qinkai，Li Zheng，et a1The fault diagnosis of cracks in the planetary gear system of windturbineJJournal of Vibration，Measurement&Diagnosis，2016，36(1)：169175(in Chinese)Li Guoyan，I。i Fangyi，Liu Haohua，et a1Fault status assessment for fault diagnosis of a multistage planetary gear set bas
26、ed on dynamic simulation and experimental analysiscSmart Innovation，Systems andTechnologies，Sustainable Design and Manufacturing20 1 6Germany：Springer International Publishing，2016：673686Li Guoyan，Li Fangyi，Wang Yifan，et a1Fault diagnosis for a multistage planetary gear set using modelbased simulati
27、on and experimental investigation l,JShockVibration，2016，23(1)：119桂勇，韩勤锴，李峥，等变速行星齿轮系统故障诊断方法J振动、测试与诊断，2016，36(2)：220226Gui Yong，Han Qinkai，Li Zheng，et a1Fault diagnosis of planetary gear system under timevarying speedconditionsl,JJournal of Vibration，Measurement&Diagnosis，2016，36(2)：220226(in Chinese
28、)Rajeswari C，Sathiyabhama B，Devendiran S，et a1Diagnostics of gear faults using ensemble empiricalmode decomposition，hybrid binary bat algorithm andmachine learning algorithmsJJournal of Vibroengineering，2015，17(3)：11691187Zvokelj M，Zupan S，Prebil IEEMD-based muhiscaleICA method for slewing bearing f
29、ault detection and diagnosisJJournal of Sound&Vibration，2016，370：394423孙曙光，庞毅，王景芹，等一种基于新型小波阈值去噪预处理的EEMD谐波检测方法l,J1电力系统保护与控制，2016，44(2)：4248Sun Shuguang，Pang Yi，Wang Jingqin，et a1EEMDharmonic detection method based on the new waveletthreshold denoising pretreatmentjPower SystemProtection and Control，2
30、016。44(2)：4248(in Chinese)8910311121,131141陈虹屹，王小敏，郭进，等基于EEMD奇异熵的高速道岔裂纹伤损检测J振动、测试与诊断，2016，36(5)：845851Chen Hongyi，Wang Xiaomin，Guo Jin，et a1Highspeed turnout flaw detection based on EEMD singularentropyJJournal of Vibration，Measurement&Diagnosis，2016，36(5)：845851(in Chinese)Feng Zhipeng，Zuo Mingj ia
31、nVibration signal modelsfor fault diagnosis of planetary gearboxesl,JJournalof Sound&Vibration，2012，331(22)：4919-4939冯志鹏，褚福磊行星齿轮箱故障诊断的频率解调分析方法J中国电机工程学报，2013，33(8)：112一117Feng Zhipeng，Chu FuleiFrequency demodulation analysis method for fault diagnosis of planetary gearboxesJProceedings of the CSEE，20
32、13，33(8)：112117(in Chinese)Lei Yaguo，Lin Jing，He Zhengjia，et a1A review onempirical mode decomposition in fault diagnosis of rotating machinery l,JMechanical SystemsSignalProcessing，2013，35(12)：108126张超，陈建军，郭迅基于EEMD能量熵和支持向量机的齿轮故障诊断方法J中南大学学报：自然科学版，2012，43(3)：216-220Zhang Chao，Chen Jianjun，Guo XunGear
33、 fault diagnosis method based on ensemble empirical mode decomposition energy entropy and support vector machineJJournal of Central South University：NaturalScience Edition，2012，43(3)：216-220(in Chinese)何正嘉，陈进。王太勇，等机械故障诊断理论及应用I-M北京：高等教育出版社，2010：7483王一凡浮动式齿圈行星齿轮箱齿轮故障振动频谱模型研究D济南：山东大学，2016第一作者简介：刘浩华，男，1993年2月生，硕士生。主要研究方向为再制造振动检测。Email：liuhh0223163corn万方数据