[发明专利]一种变转速工况下三级传动齿轮箱的智能诊断方法

说明书

本申请涉及一种变转速工况下三级传动齿轮箱的智能诊断方法，包括步骤：在不同转速区间内设置判断齿轮箱各部件故障程度的阈值，将时域非平稳信号转化为角域平稳信号，进行阶次谱和阶次包络谱分析，分别提取阶次谱和阶次包络谱中轴承故障特征频率的前n阶谐波能量，计算齿轮箱阶次包络谱中低速级齿轮的故障频率前d阶谐波数量，同时计算齿轮箱中间级和高速级前t阶啮合频率两侧各N个齿轮故障边频范围内齿轮故障边频数量，并将其分别与阈值比较，以判断轴承和齿轮早期、中期和晚期故障。该方法对数据依赖程度很低，泛化能力强，诊断结果准确率高，避免了齿轮箱变转速运行工况对智能诊断带来的不利影响，具有很强的实用性。

技术领域

本申请涉及一种变转速工况下三级传动齿轮箱的智能诊断方法，适用于旋转机械的故障监测和诊断的技术领域。

背景技术

齿轮箱是工业领域常用的部件，通过齿轮箱可实现的增速或降速目的，在机组正常运行中发挥着重要作用。三级传动齿轮箱在工业领域应用广泛，如双馈风电机组一般采用三级传动齿轮箱实现风轮转速大幅提升；化工领域聚合釜通常采用三级传动齿轮箱实现电机降速；煤矿领域也通常采用三级传动齿轮箱实现电机的减速。此外，变转速工况是工业领域中旋转设备的一种常见工况，如风电机组的变转速运行，设备的启停机等均是变转工况。变转速工况通常会对齿轮箱的诊断带来困难。同时，齿轮箱故障在工业生产中又较为常见，会引起设备停机，影响生产，严重故障甚至会引发安全生产事故。

目前，现有技术中已经对变转速工况下三级传动齿轮箱振动进行在线监测，通过在齿轮箱不同位置(低速级、中间级、高速级)布置多个振动加速度传感器测量齿轮箱振动，通过振动分析师对振动数据进行分析把握齿轮箱健康状态，并定期提供诊断维护报告。该方法一定程度上解决了齿轮箱过维护和欠维护的缺点，但该方法需要振动分析师进行定期分析对分析师的经验依赖较大，并且不能实时给出齿轮箱的最新状态和维护建议，不利于齿轮箱运行状态的实时把控。因此，设计一种变转速工况下三级传动齿轮箱的智能诊断方法，实时诊断齿轮箱故障并输出诊断结果和维护建议对齿轮箱的运维意义重大。

目前，对齿轮箱智能诊断方法多是借助机器学习的方法实现齿轮箱智能诊断，该类方法首先对振动信号进行时域、频域或时频域特征提取，接着采用神经网络、支持向量机、随机森林、深度学习等机器学习方法构建齿轮箱故障分类模型，最终实现齿轮箱故障的智能诊断。采用机器学习的方法建立齿轮箱智能诊断模型目前还多处于理论研究和实验阶段，并且该方法对数据依赖程度极高，需要有大量的齿轮箱故障数据和正常数据来训练模型。实际中齿轮箱的故障数据很少，利用少量的数据所构建机器学习模型泛化能力很差，并且很难覆盖到齿轮箱众多的故障模式，这对齿轮箱智能诊断模型在实际应用中带来了困难。

除了基于机器学习的齿轮箱智能诊断模型外，基于故障树的专家系统在齿轮箱智能诊断方面也有相关研究，该方法利用大量的专家知识构建齿轮箱故障诊断专家系统，用户可输入齿轮箱故障现象，系统会逐步推理最终输出故障原因。该方法所需要的大量专家知识很难获取，齿轮箱故障现象较难精确描述，并且所覆盖的齿轮箱故障有限，很难精确定位到齿轮箱故障部件；另外，专家系统在后续更新上成本过高，不容易维护。

基于振动信号处理的齿轮箱智能诊断方法也有相应的研究，如：通过计算齿轮箱振动信号的时域特征参数，如峰峰值、有效值、峭度值、波形指标、脉冲指标等参数，通过判断特征参数超出阈值，给出齿轮箱故障提示；通过判断振动数据傅里叶变换频谱中特征频率成分的幅值是否超出阈值给出齿轮箱报警提示；通过对振动信号进行小波包分解，观察分解后小波子带图中是否存在瞬态冲击或周期性冲击来判断齿轮箱故障。该类方法在齿轮箱智能诊断方面也存在不足，如单纯依赖时域特征参数进行故障提示不能准确定位到故障部件；单纯采用傅里叶频谱分析进行齿轮箱报警的方法并不能识别齿轮箱内轴承早期、中期缺陷，并且由于变转速工况运行的特点，采用传统的频谱分析方法会出现“频率模糊”的现象，不利于特征频率的识别，并且频谱幅值的变化受转速波动影响极大，相应的报警阈值很难确定；通过观察小波子带中的冲击特征来判断齿轮箱故障需要人的介入，本质上并不属于齿轮箱智能诊断。