齿轮箱振动故障分析之利器

写在开头：

工作20多年，陆陆续续写了些专业方面的东西，没玩过公众号，尝试下；

其实我不喜欢码文字，我喜欢用实例和图表说话。

好了，开聊。

既然是利器嘛，肯定要很牛，小波等时频分析技术？深度神经网络？时频在实验室搞搞、写写文章还行，DNN也是，试验台数据准确率能达到100%，还无需提取故障特征，波形或者频谱直接输入网络即可，多完美，为啥这些在工业现场就落不了地呢。有点扯远了。

这里说的利器还都是些传统的技术，但是如果来个组合拳，效果就会倍增。

利器之一-基于计算阶比跟踪的阶比分析

为啥还要基于计算阶比跟踪技术（COT）的阶比分析啊，因为基于硬件的阶比跟踪落伍了，都几十年了，能不落伍吗，现在都是数字信号处理时代了。

不打算把COT的原理再介绍一遍，关于COT的优势可以看看下面这些链接：

https://zhuanlan.zhihu.com/p/375861639

https://zhuanlan.zhihu.com/p/72329319

http://forum.vibunion.com/forum.php?mod=viewthread&tid=123498&highlight=%BC%C6%CB%E3%BD%D7%B1%C8%B8%FA%D7%D9

利器之二-时域同步平均

具体什么是时域同步平均（TSA），问问度娘就有答案，怎么实现可以去参考Matlab 里面tsa函数（不过matlab这个函数不咋地，以后文章里再说）。

还是拿Matlab里面的那个例子来看看tsa效果吧。

上面是原始波形，一个夹杂了噪声的标准正弦波，下面是经过tsa处理后的波形，完全还原了正弦波，是不是神奇，tsa就是这么杠杠的。

TSA用在齿轮箱振动信号分析，主要利用了它对非转频谐波成分的抑制作用，当然也包括了噪声，为啥说对非转频谐波抑制对齿轮箱故障分析有好处呢，因为齿轮箱故障的特征是啮合频率及其谐波+故障所在转轴转频边带。

这里就先不演示齿轮箱采用TSA分析的效果，后面一起来看。

利器之三-Circular图

这东西也是老外提出来的，具体是SKF、CSI、SPM哪个在先，我也不知道了。Circular图的好处就是直观，借用一个时髦的词，就是故障可视化。

上面这个图就是，为一台双螺杆压缩机的阴、阳螺杆对应的Circular图。

单从这个图好像看不出啥，再看下面这张图就很清楚了。

这张图显示的是齿轮箱存在一个断齿时的Circular图，是不是一切尽在不言中。SPM已经把这个图用在轴承故障展示上了。

组合拳

下面用PHM-2103的数据（一台真实的2MW风电齿轮箱振动数据，小齿轮32齿）来展示上述技术在齿轮箱故障诊断中的优势。

首先看看传统的FFT分析

正常情况下的齿轮箱振动波形

正常情况下的齿轮箱振动频谱

故障情况下的齿轮箱振动波形

故障情况下的齿轮箱振动频谱

单从波形和频谱上很难发现齿轮箱故障，虽然故障时的波形图中可以看出一些冲击特征。

再看下结合了COT和TSA的阶比谱图。

正常情况下小齿轮振动阶比谱图

故障时小齿轮振动阶比谱图

很明显后面的图啮合频率和小齿轮边带能量都有较大增加（可以使用边带能量比SER这个指标进行度量，前者是1.1，后者是3.65）。

再看一下两种情况下的小齿轮的Circular图

正常啮合情况

啮合异常情况

根据这些特性很容易诊断出齿轮箱小齿轮出现了问题。现场实际检查结果如下。