文档介绍：齿轮箱故障的原因和诊断方法
第一页，课件共23页
齿轮箱故障研究的目的和意义
齿轮箱是机械设备中应用最为广泛的传动机构。
自身结构复杂，工作环境恶劣，非常容易出故障。
齿轮箱故障将直接影响设备的安全可靠运行，降低加工精度和生产效率。
由此，齿轮箱故障研究的目的和意义就不言而喻了，比如：保障机器安全，有效地运行；提高生产效率，保障产品质量等等。
第二页，课件共23页
齿轮箱故障的原因
故障原因
所占比例
一
齿轮失效
约为60%
二
轴承失效
约为19%
三
轴的失效
约为10%
四
箱体失效
约为7%
五
紧固件失效
约为3%
六
油封失效
约为1%
第三页，课件共23页
齿轮箱故障诊断方法
温度法
通过监测箱体轴承座处的温度来判断齿轮箱工作是否正常。
油样分析法
从齿轮箱所使用的润滑油中取出油样，通过收集和分析油样中金属颗粒的大小和形状来判断齿轮箱状态。
振动法
通过安装在箱体适当方位的震动传感器监测齿轮箱振动信号，并对此信号进行分析与处理来判断齿轮箱状态。（最常用的方法）
第四页，课件共23页
齿轮箱故障诊断步骤
号
信号检测
特征提取
诊断决策
状态识别
根据齿轮箱的工作环境和性质，选样并测取能够反映
齿轮箱工作情况或状态的信号，这种信号称为原始信号。
将原始信号进行信号分析和处理，提取反映
齿轮箱状态的有用信息（特征），形成待检模式。
将待检模式与样式模式（故障档案）对比和状
态分类，判断齿轮箱是否工作正常或者说有无故障。
根据判断结果采取相应对策，对齿轮箱及其工
作进行必要的预测和干预，减少故障所造成的损失。
第五页，课件共23页
基于混合特征提取和小波神经网络的齿轮箱故障诊断
这种诊断方法是将振动法里面的时域法，小波包分解，小波分解相结合的方法进行故障诊断。
优点：
能够完整的提取信号的故障信息，提高诊断准确率。（通过对实例的三种不同齿轮裂纹尺寸的故障模式进行识别和分类可以看出。）
第六页，课件共23页
齿轮箱故障诊断试验
图（一）
根据综合因数考虑选择齿轮（三）来模拟故障模式。
第七页，课件共23页
齿轮箱故障诊断试验
一：齿轮的三种故障模式
表（一）
齿轮裂纹全深度为a=，裂纹全宽度为b=25mm，所选齿轮箱转速为800r/min，*m。
第八页，课件共23页
齿轮箱故障诊断试验
二：时域特征提取

当齿轮出现故障时，齿轮箱时域信号会生变化，它的幅值和分布都与正常齿轮的时域信号有差异。每个时域特征参数或者特征量都反映了振动信号的某种特性，通过这些特性可以对不同信号进行区分。对于一组离散的测试信号，本文取 N=1024 ，几个特征参数的计算公式如下：
第九页，课件共23页
齿轮箱故障诊断试验
三：小波包特征提取
优点
小波包分解可以同时对信号的低频和高频部分进行分解，并且克服了多分辨分析不能对高频部分进行细分的缺点。具有很高的时频局部分化分析能力。此外，小波包分解能够根据被分析信号的特征，自适应地选择相应的频带，使之与信号频谱相匹配，从而提高了时频分辨率，能有效地提取信号的特征信息。
小波包函数被定义为：

式中 n=0，1 ，2 …为振荡参数， J∈Z和 k∈Z 分别是尺度参数和平移参数
第十页，课件共23页