基于自相关算法的减速器齿廓变化故障检测方法研究 [减速机厂家]

蜗杆减速器是机械设备中常见的传动设备。蜗轮和蜗杆是蜗杆减速器的两个主要传动部件。 其中蜗轮容易失效，齿廓变化是导致蜗轮失效的主要形式之一。齿廓改变意味着蜗轮偏离理想齿廓。 当蜗轮发生齿廓变化故障时，会发生以啮合频率为载波频率，以蜗轮轴的旋转频率为调制频率的啮合调频现象。由于齿廓改变故障一般不会产生较大的冲击振动，能量较小，所以调制频率的边带较小。 当齿廓变化严重时，由于激发能量大，蜗轮固有频率被激发，出现蜗轮共振调频，以蜗轮各阶固有频率为载波频率，蜗轮所在轴的旋转频率为调制频率。 包络分析技术是对蜗轮故障信号进行解调，提取故障频率。 包络分析技术已成为分析齿轮故障振动信号的有效方法之一。 但是，减速机厂家在直接分析原始振动信号的包络时，带通滤波器的参数选择通常是靠经验，具有一定的盲目性。 经验模式分解(EMD)是一种自适应信号分解方法，可以将信号分解到不同的频率域。 利用经验模态分解和包络谱相结合的方法提取齿轮故障频率，取得了良好的效果。 该方法通过经验模态分解将齿轮故障信号分解成多个固有模态函数分量，然后对具有明显故障特征的固有模态函数分量进行包络分析。 然而，具有明显故障特征的IMF仍然是通过经验获得的，缺乏理论依据。 提出了一种基于小波系数熵阈值的增强共振解调方法。对轴承振动信号进行小波包分解，计算每个小波包的信息熵。选择信息熵较大的小波包系数对信号进行重构，得到了一些结果。 然而，很难确定合适的小波包分解层数和小波基。 提出了用信息熵的方法来选择IMF。首先计算每个IMF分量的信息熵，然后设定一个信息熵阈值，选择大于信息熵阈值的IMF分量进行包络分析，也取得了一定的效果。 但是信息熵阈值的选取对分析结果影响很大，很难确定最佳的信息熵阈值。 鉴于自相关算法的性质，采用自相关分析法选择IMF分量对蜗轮齿廓变化故障进行诊断。

本文链接:http://www.tzffjx.com/list_16/1375.html