[发明专利]一种基于ARMED与边带能量的驱动桥齿轮轴承故障监测方法

说明书

本申请涉及一种基于ARMED与边带能量的驱动桥齿轮轴承故障监测方法，包括：采集驱动桥的振动信号；对振动信号数据分别进行ARMED滤波和局部边带能量包络，进而提取峭度指标和边带能量RMS；根据峭度指标和边带能量RMS，判定齿轮和轴承是否存在故障。本申请中的ARMED滤波克服了MED滤波的端部畸值问题，并且通过AR滤波去除确定性成分，从而降低了齿轮加工误差与台架齿轮箱对故障判定的干扰；而基于齿轮边带能量分析，能间接反映轴承故障状态，有效避开了轴承故障微弱、难以提取的现实问题，从而简洁、高效地实现齿轮轴承的耦合性故障分析；另外，将该故障监测方法应用在驱动桥齿轮轴承台架疲劳试验中，可实现疲劳试验的无人值守，进一步降低人工成本。

技术领域

本申请属于齿轮轴承故障监测技术领域，尤其涉及一种基于ARMED与边带能量的驱动桥齿轮轴承故障监测方法。

背景技术

驱动桥齿轮轴承台架疲劳试验是开发过程中的关键试验项目。在试验过程中，若不采取在线状态监测和故障预警技术，则试验的最终结果大多是齿轮、轴承等核心部件严重损毁，从而无法锁定疲劳故障的起始部位以及根本原因。进而，导致疲劳试验的主观分析工作困难重重。这不仅延长开发周期、增加开发成本，同时，突发性故障停机对试验台架会造成较大的损伤。

目前，针对驱动桥齿轮轴承台架疲劳试验的故障监测系统，大多基于阶次分析、差谱分析等技术手段，实现对齿轮箱的整体状态评估。但是，齿轮与轴承在结构和振动特征上具有很强的耦合性，而且完好齿轮的啮合冲击能量远比轴承的故障冲击能量要高。尤其是低频段(0～1000Hz)，在齿轮信号的干扰下，轴承故障信号的提取和判定非常困难。目前，在没有人工阶次识别或主观判定的条件下，监测系统无法独立完成齿轮故障与轴承故障的区分。同时，阶次分析需要引入键相信号的采集和转速计算等工作，这加重了监测系统软、硬件的复杂程度和商业成本。

发明内容

为克服上述现有技术的不足，为解决上述背景技术中的问题，本申请基于ARMED滤波算法和边带能量法，开发了适用于驱动桥齿轮轴承疲劳试验的故障监测算法，能够基于齿轮、轴承运行状态的实时监测与故障诊断，实现早期故障预警，从而避免突发性疲劳故障停机；同时，采取综合指标分析，实现齿轮故障与轴承故障的区分。

本申请具体是通过以下技术方案来实现的：

提供一种基于ARMED与边带能量的驱动桥齿轮轴承故障监测方法，包括：

采集驱动桥的振动信号；

对所述振动信号数据分别进行ARMED滤波和局部边带能量包络，进而提取峭度指标和边带能量RMS；

根据所述峭度指标和所述边带能量RMS，判定所述齿轮和所述轴承是否存在故障。

可选的，所述对所述振动信号数据进行ARMED滤波包括：

对所述振动信号进行AR预测滤波，并提取AR滤波误差；

对所述AR滤波误差进行MED滤波，进而得到MED滤波结果；

计算所述MED滤波结果的峭度指标，并展示所述MED滤波结果的时域波形。

可选的，所述AR预测滤波中滤波器的阶数为200；所述MED滤波中滤波器的阶数为30。

可选的，所述对所述振动信号进行AR预测滤波，并提取AR滤波误差包括：

根据所述振动信号x＝[x₁x₂x₃…x_N]^T及滤波器长度p，构造X＝[x_p+1x_p+2x_p+3…x_N]^T及矩阵