[发明专利]一种齿轮箱运行状态在线监测方法、系统及存储介质

说明书

本发明涉及一种齿轮箱运行状态在线监测方法、系统及存储介质，其包括：建立齿轮箱的所有待测部件正常运行时的频率特征数据库；选择待测点及待测部件，获取实时的振动信号；获取待测部件的Hilbert谱图，并与频率特征数据库中的频谱图进行对比；得到故障频率，并在频谱图上标出故障频率。本发明解决了齿轮箱零部件产生轻微故障时，产生的冲击信号幅度小、能量分散宽，传统的信号处理方法难以捕捉到这些冲击信号的问题。

技术领域

本发明涉及机械故障诊断技术领域，特别是关于一种齿轮箱运行状态在线监测方法、系统及存储介质。

背景技术

现有生产技术中，齿轮箱被广泛应用于输送设备、化工设备与汽车传动等机械装置中，其主要作用是改变输出速度、改变传动方向、改变传动力矩、分配动力和离合，因此，齿轮箱在机械设备中有着十分重要的作用。在许多高精尖的大型机械设备中，齿轮箱的工作时长较长，例如，纺纱机的齿轮箱全年工作350天以上，因此，齿轮箱一旦出现故障，将会给企业带来不可估量的经济损失，齿轮箱运行过程中，工作人员无法直接观测其实际运行状态，齿轮箱故障诊断技术应运而生。

机械在运行过程中，产生的振动信号包含大量复杂信息，这些信息运用适当的方法处理后可揭示机器的状态，因此振动信号在机械故障诊断被看成参考信号。根据齿轮箱内零部件失效的统计情况，齿轮和轴承的失效比重远超过其他零件，齿轮和轴承的失效一般是由缺乏润滑或安装等因素引起，随着齿轮箱的工作时间变长，齿轮和轴承的磨损加剧，振动幅度将慢慢变大，当轴承和齿轮达到疲劳极限后，就会出现齿轮断裂、轴承脱落等故障。齿轮和轴承的磨损会产生点蚀，当与之一起运动的部件遇到点蚀处时，将产生冲击信号，该冲击信号的强度与轴承和齿轮表面磨损的程度相关。

机械故障诊断需要大量实时运行数据、分析系统和故障状态的准确辨识，信号数据的分析是故障状态识别中的关键的一环，信号的分析性能也是整个检测系统是否实用的评判标准。目前，齿轮箱的振动信号主要通过传感器采集，监测人员对采集的信号进行分析后，即可实时监测齿轮箱的运行状态。频谱分析能够显示出齿轮箱各个振动信号的谱图，是齿轮箱故障诊断的常用方法，因此，若将齿轮箱的振动信号转化为振动频谱分析图，则可以较为方便地对齿轮箱的故障状态进行监测。

发明内容

针对上述问题，本发明的目的是提供一种齿轮箱运行状态在线监测方法、系统及存储介质，其解决了齿轮箱零部件产生轻微故障时，由于产生的冲击信号幅度小、能量分散宽，传统信号处理方法难以捕捉到这些冲击信号的问题。

为实现上述目的，本发明采取以下技术方案：一种齿轮箱运行状态在线监测方法，其包括以下步骤：

1)建立齿轮箱的所有待测部件正常运行时的频率特征数据库；

2)选择待测点及待测部件，获取实时的振动信号；

3)获取待测部件的Hilbert谱图，并与频率特征数据库中的频谱图进行对比；

4)得到故障频率，并在频谱图上标出故障频率。

进一步，所述齿轮箱的待测部件包括齿轮箱中各型号轴承、定轴轮齿系和行星齿轮系。

进一步，所述待测部件的Hilbert谱图的获取方法包括以下步骤：

3.1)采用经验模态分解方法将振动信号进行自适应分解，得到若干个本征模态函数IMF’，确定本征模态参数个数K'；

3.2)对原始信号进行VMD处理，针对VMD中需要提前设置的本征模态函数个数K，用K'代替，获得新的本征模态函数IMF；对各IMF进行分析，画出各个IMF能量图；

3.3)设定能量阈值范围和相关系数阈值范围，若本征模态函数IMF能量与相关系数都在设定的阈值范围内，则保留阈值范围内的有效本征模态函数IMF个数，去除IMF中的虚假分量，最终得到M个有效的本征模态函数IMF；