毕浩程,蒋章雷,李宇恒,吴国新,王红军

(北京信息科技大学 现代测控技术教育部重点实验室,北京 100192)

0 引 言

齿轮箱作为旋转机械的核心部件,广泛地应用于减速比大、功质比大的机械传动系统中[1]。齿轮箱的加工工艺复杂、装配精度要求高。

在齿轮箱实际工况中,由于环境恶劣等因素,使得其易受到损伤,从而导致整个机械设备发生故障,造成经济损失和人员伤亡[2,3]。因此,对齿轮箱磨损故障进行诊断具有重要意义。

作为传动系统,齿轮箱包含有齿轮、轴承、轴、箱体等部件。在齿轮箱的所有故障中,因齿轮引发的故障占其比重达60%;而其中,齿轮的点蚀和磨损又占到齿轮失效的41%[4,5]。

由于行星齿轮箱内部结构复杂,工作环境复杂多变,导致其振动信号中包含有大量的噪声。针对这些问题,国内外许多学者进行了大量的研究。雷亚国等人[6]建立了行星齿轮箱振动信号仿真模型,通过实验对比分析,总结出了行星齿轮箱不同齿轮局部故障的振动信号特点。SUN R等人[7]建立了行星齿轮箱动力学仿真模型,提出了一种加权稀疏表示方法来提取其特征,成功地诊断出了行星齿轮箱的故障。金棋等人[8]提出了一种基于深度学习的多样性特征提取方法,并将其信息进行融合,有效地提高了行星齿轮箱的故障诊断精度与稳定性。刘清清等人[9]将双树复小波引入振动到齿轮箱信号分析中,有效地抑制了其中虚假频率的出现,并准确提取出了其故障特征,准确地诊断出了多种类型的齿轮箱故障。……