齿轮过载、偏心、不对中、断齿特征分析及信号特征提取

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

齿轮在运行过程中除了会出现上节说到的磨损故障，还经常发生过载、偏心、不对中及断齿故障。因此文章将分别对上述齿轮故障的振动信号特征做个介绍，并用python程序来识别故障类别。
至于齿轮故障的机理和其他细节特性，各位网友可在微信公众号留言讨论。(图片来源于网络侵删)

---

一、齿轮常见故障信号特征

1.1 齿轮过载

齿轮出现过载情况时，时域振动波形幅值会大幅增加，频谱中的齿轮啮合频率幅值亦会大幅增加，但啮合频率的倍频幅值不会大幅增加，且齿轮啮合频率的边带数量和幅值也不会明显变化。总结一句话，齿轮啮合频率单一的增加有可能暗示齿轮出现过载情况，相应的频谱参考图如下。

1.2 齿轮偏心

齿轮出现偏心故障时，时域波形会出现转速调制成分，即波形幅值以齿轮转频周期上下波动；频谱中，齿轮的啮合频率及其倍频幅值会升高，以1倍频和3倍频最为明显，而且齿轮啮合频率及其倍频的两侧会出多个以齿轮转频调制的边带。齿轮偏心的故障特征图如下。

1.3 齿轮不对中

齿轮不对中故障一般是由轴不对中引起。齿轮出现不对中故障时，时域波形会出现2倍齿轮转频调制现象；频谱中，齿轮的啮合频率及其倍频幅值会大幅升高，其中2倍的齿轮啮合频率幅值升高的最为突出，且2倍啮合频率两侧边带数量和幅值也会增加。齿轮不对中故障特征图如下。

1.4 齿轮断齿

齿轮出现断齿故障时，会激发齿轮固有频率两侧边带的出现，由于大多数情况下不知道齿轮的固有频率，因此需要留意频谱底部噪声升高情况。齿轮断齿情况下，频谱分析可能会失效，但在时域波形中会出现周期性冲击现象，因此利用时域同步平均技术(TSA)可提高信号信噪比，更加有效提取断齿故障。齿轮断齿特征图如下所示。

二、仿真DEMO

1.测试程序

代码如下（示例）：

# -*- coding: utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt
import FFT
import Gear


def s_add_wn(x:float,snr:float):
    Ps = np.sum(abs(x) ** 2) / len(x)
    Pn = Ps / (10 ** ((snr / 10)))
    noise = np.random.randn(len(x)) * np.sqrt(Pn)
    signal_add_noise = x + noise
    return signal_add_noise


w = 5
z = 30
fs = 1024
fsw = 5
time = 1
f = w * z
t = np.linspace(0, time - 1 / fs, int(time * fs))
x = (1 + 1 * np.sin(2 * np.pi * 20 * t)) * np.sin(2 * np.pi * f * t)
x_new = s_add_wn(x,1)
amp, fre = FFT(x, 1024, fs)
fault_kind = Gear.detect(x_new, amp, fs)

程序中的示例是通过输入齿轮振动的时域波形、频谱值和采样频率来提取齿轮故障类别和特征计算结果。
程序中的FFT和Gear库为自主开发，如有需要，可留言。

---

总结

文章对齿轮常见的故障做了简单介绍和特征分析，对于故障激发机理、信号特征特点的解释以及维修策略的指定等细节，由于时间关系暂不多说，想了解的可通过留言沟通。