马 锐 王 影 李 慧

(大庆石化工程有限公司)

基于EMD与SSA的齿轮箱分形诊断研究

马 锐 王 影 李 慧

(大庆石化工程有限公司)

提出了一套齿轮箱故障分形诊断方法。首先将EMD与SSA相结合，提取信号(尤其是微弱信号)的特征信息；其次通过多重分形从多重角度对提取到的特征信息进行诊断；最后通过分形理论识别出齿轮的3种状态。

齿轮箱 EMD SSA 微弱信号特征提取 多重分形

齿轮箱信号大多是非平稳、非线性的，尤其当齿轮箱发生故障时信号非线性特性更加突出，因此齿轮箱的故障诊断一直是该领域的研究重点。随着信号处理技术的不断进步，从信号角度对齿轮箱进行故障诊断的技术与方法越来越多[1,2]。调频与调幅特性是齿轮箱出现故障时的特征之一，因此提取该特征是判断齿轮箱出现故障状态的关键[3]。另外，冲击信号也是齿轮故障时具有的典型特征，因此时频分析在齿轮故障识别领域中得到了广泛应用。Wigner-Ville分布对于识别齿轮裂纹和点蚀故障具有良好的效果[4]。小波变换[5]和Hilbert-Huang变换[6]对齿轮传动箱的故障识别与诊断做出了杰出贡献。经验模态分解(Empirical Mode Decomposition,EMD)方法在齿轮箱出现故障时对故障模态具有很好的识别能力[7]。分形特征对机械设备的不均匀性反应敏感，可以定量地描述机械设备的动态结构[8,9]。

笔者提出将EMD与奇异性分析(Singular Spectrum Analysis,SSA)方法相结合，根据齿轮箱振动信号的特征，提取出齿轮箱无故障、故障和故障初期时的微弱特征，最后根据特征信息通过分形方法获得齿轮箱的动态特性。……