摘要：齿轮是机械设备中最广泛使用的传动部件，它的失效是造成机械设备不能正常运转的常见原因之一。尤其对于大型、复杂、自动化、连续化程度很高的设备一旦出现故障，就会对整个生产造成很大的损失。所以研究齿轮箱故障诊断对于降低设备的维修费用，提高产品的竞争力，防止突发性事故，具有很大的经济效益和社会效益。
关键词：齿轮箱；故障诊断技术；发展
引言
随着科学技术的不断发展进步，机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。齿轮箱由于具有传动比固定、传动转矩大、结构紧凑等优点，是用于改变转速和传递动力的最常用的传动部件，是机械设备的一个重要组成部分，也是故障易于发生的一个部件。其运行状态对整机的工作性能有很大的影响。因此，齿轮箱的故障诊断技术研究得到了广泛的关注和重视，科技人员为此开展了很多的研究工作。传统的信号时域、频域分析方法为齿轮箱故障诊断已经打下了坚实的基础，解决了很多的实际问题。但是，为了进一步提高故障诊断的准确性和快速性，随着各种新技术的产生，针对齿轮箱的故障诊断技术也有了新的发展，例如小波变换、人工神经网络等。
1 齿轮箱故障诊断技术发展现状和趋势
1.1 现代齿轮箱故障诊断技术特点
齿轮箱故障诊断技术随着科技的发展而不断进步，与最新科技成果相融合是当代齿轮箱故障诊断技术的特点，也是未来发展方向。主要表现在以下几个方面：
（1）用于齿轮箱状态监测和故障诊断的信号分析处理方法取得了较大发展。传统的分析方法，如时域波形分析等方法的精度和速度在近些年得到了极大地提高和发展；一些较新的信号处理方法也得到了长足发展，如Wigner-Ville 分布技术、小波分析、循环平稳理论解调分析、希尔伯特-黄变换解调等时频分析方法。特别是近年来国内一些专家提出了基于建立档案的时频域得分法来进行诊断的故障诊断方法。
（2）诊断方法的日益多样化。故障诊断技术发展至今，在振动诊断方法日益成熟的同时，新的方法也广泛应用于齿轮箱故障诊断的实践中，从而拓宽了故障诊断方法的范围。如声诊断、热像诊断、涡流诊断、铁谱分析、温度及能耗监测等，都得到了相当不错的成果。
（3）国内外对故障模式的统计识别和模糊识别理论与方法、故障诊断神经网络、灰色聚类分析，特别是故障诊断专家系统做了大量的基础性研究和实用技术开发，已经在实际工程中得到了应用。
1.2 齿轮箱故障诊断的发展趋势
故障诊断技术与当代前沿科学的融合，是故障诊断技术发展的趋势。由于齿轮箱结构复杂，工作环境恶劣，未来齿轮箱的状态监测和故障诊断发展更应与前沿科技相融合，具体来说表现在以下几个方面：
（1）对齿轮箱的故障和振动机理展开深入理论研究。由于齿轮箱结构复杂，工作条件多样，诊断中涉及到的问题较多，对其故障和振动产生机理研究还不透彻，大多是一些定性的结论。建立完整的数学模型进行定量分析还存在相当大的难度，因此要加大基础理论研究。
（2）与最新传感器技术的融合。如激光测试技术，近年来，激光技术已经从军事、医疗、机械加工等领域深入发展到振动测量和设备故障诊断中，并且已经成功应用于测振和旋转等机械中。
（3）与最新的信号处理方法融合。随着新的信号处理方法在设备故障诊断领域中的应用，传统的基于快速傅里叶变换的信号分析技术有了新的突破性进展。
期刊文章分类查询,尽在期刊图书馆
2 小波变换的应用
传统的信号分析是建立在 FFT 的基础上的 ,由于FFT 使用的是一种全局变换, 要么完全在时域, 要么完全在频域 ,因此无法表述信号的时频域性质, 而这种性质正是非平稳信号最根本和最关键的问题。当齿轮箱齿轮出现不正常磨损、点蚀、裂纹等故障时 , 工作中的冲击将使得振动信号表现为非平稳信号。传统的FFT信号分析的频谱结果是在整个分析时段上的平均, 不能反映故障信号的突变细节。而小波变换恰恰弥补了这种缺陷 ,成为在故障诊断领域中一种迅速得以应用的新方法 。
小波变换是一种信号的时间—尺度(时间 —频率)分析方法, 具有多分辨率(Multiresolution Analysis)分析的特点,而且在时频两域都具有表征信号局部特征的能力。即其窗口宽度随着频率的增高而缩小 ,在低频部分具有较高的频率分辨率和较低的时间分辨率, 而在高频部分具有较高的时间分辨率和较低的频率分辨率,很适合于探测正常信号中夹带的瞬态反常现象并展示其成分,因而利用小波变换进行齿轮箱故障检测和诊断具有良好的效果。例如, 利用小波对齿轮箱轴承处所测到的振动信号进行分解, 得到各频带的时序信号 ,对这些时序信号进行分析,并与短时FFT解析进行比较,表明采用小波分解和分析可以提高诊断全齿磨损、单齿磨损和单齿缺损的精度;使用小波变换的多分辨分析技术, 对作为故障信息载体的变速箱声压信号进行分析,可以得到含有丰富故障信息的第三层细节小波,对被淹没于正常噪声中的故障信息进行了细化, 提高了故障检测的准确率;使用基于Hermitian小波变换的时间—尺度的幅图和相图来识别信号奇异性, 可以建立信号奇异点与幅图相图的对应关系，从而利用Hermitian小波变换幅图和相图奇异性检测法成功诊断齿轮箱撞击摩擦故障 。与标准傅里叶变换相比 ,小波分析中所用到的小波函数ψ(x)具有不唯一性,即小波函数具有多样性。但小波分析在工程应用中 ,一个十分重要的问题是最优小波基的选择问题, 这是因为用不同的小波基分析同一个问题会产生不同的结果 。目前主要是通过用小波分析方法处理细化的结果与理论结果的误差来判定小波基的好坏, 并由此选定小波基。选择小波基的原则是
1)根据完全表征信号所需的最小数据量进行判别。若所需数据量小 , 则认为相应的小波基较好 ;
2)根据识别信号特征(或故障模式)的准确度或可靠性进行判别 。若准确度或可靠性高, 则认为相应的小波基较好 ;
3)计算速度快 。
3 人工神经网络的应用
人工神经网络（简称神经网络），是在生物神经学研究成果基础上提出的人工智能概念，是对人脑神经组织结构和行为的模拟。它是以神经元间的连接弧为信息传递通道，多个神经元连接而成的网络结构。齿轮箱作为机械传动的主要部件，其中的齿轮、滚动轴承和轴系的工作情况较复杂，各种典型故障一般并不以单一形式出现，往往多个故障同时发生且相互影响。事实上，单凭经验与一般的诊断方法已不能有效地对齿轮箱进行综合诊断。利用人工神经网络所具有的故障模式识别分类的特点，可以在齿轮箱故障诊断中得到很好的利用。
结束语
齿轮箱作为机械设备的重要结构部件，其故障诊断得到了广泛的重视。齿轮箱故障诊断是一门建立在多学科基础上的交叉学科，研究齿轮箱故障诊断技术是一项复杂的任务，要求在多方面用新的眼光来洞察新情况、新问题，用创新的思维研究新规律，总结新经验、新方法。齿轮箱故障诊断是一个复杂的系统工程，涉及学科多、技术方法多，因此要对齿轮箱故障诊断进行深入研究，就要加强齿轮箱振动机理的研究，进而建立完整的数学模型；研究有效的齿轮箱诊断方法，并进行多方法融合诊断；构造专家知识库，进行人工智能、模式识别和神经网络方面的探索
参考文献
[1]杨佳鑫,齐蕴光,蔡兆中.齿轮箱故障诊断技术现状与发展趋势[J].机电信息.2011(36)
[2]方康宁.齿轮箱故障诊断技术的新发展[J].科学之友(学术版).2005(01)
[3]魏秀业,潘宏侠.齿轮箱故障诊断技术现状及展望[J].测试技术学报.2006(04)
论文作者:林春雨
论文发表刊物:《基层建设》2017年第25期
论文发表时间:2017/12/6
标签：齿轮箱论文; 故障诊断论文; 小波论文; 信号论文; 方法论文; 故障论文; 技术论文; 《基层建设》2017年第25期论文;