论文部分内容阅读
齿轮是广泛应用于机械设备的传动零件,其运行状态决定着机械设备的稳定性。为保障机械设备稳定运行,确定维修时间,齿轮寿命预测一直是工程师及学者们的一个研究热点。传统的齿轮寿命预测方法多以疲劳累积损伤理论为基础,且需要精确的载荷谱及齿轮材料的S-N曲线。由于齿轮运转过程中,所受载荷是变化的,不易获得精确的载荷谱,此外,并非所有齿轮材料的S-N曲线均是已知的,通常选用与之相近的已知材料的S-N曲线作为参考,这两方面的原因导致传统方法在齿轮在线监测方面的应用受到一定限制。由于齿轮发生故障之初至最后失效均在齿轮振动信号中有所体现,因此,本文以试验台架上所采集的渐开线圆柱直齿轮的振动信号为基础,提出一种新的齿轮寿命预测方法。应用EEMD和多重分形去趋势波动分析(MF-DFA)方法,提取表征齿轮健康状态的多重分形谱宽度,组成相应序列,用来训练灰色GM(1,1)预测模型,完成了齿轮接触疲劳剩余寿命预测。该方法既不需要精确的载荷谱又不需要材料的S-N曲线,对在线齿轮的剩余寿命预测具有一定的实用价值。论文首先建立了单对齿轮啮合振动模型,通过对模型分析,研究了齿轮振动机理。依据齿轮振动机理,分析了齿轮故障对振动信号的影响。针对齿轮振动信号的非线性和非平稳性,为削弱背景噪声干扰,在提取特征统计指标之前,选用EEMD对其进行预处理。对预处理完之后的齿轮振动信号,进行多重分形去趋势波动分析,提取对应的特征统计指标——多重分形谱宽度,以该指标作为表征齿轮健康状态变化的性能退化指标。最后,在机械式功率流封闭式结构的齿轮试验台架上进行渐开线圆柱直齿轮的接触疲劳寿命试验,等时间间隔采集齿轮箱的振动信号,基于EEMD和多重分形去趋势波动分析提取齿轮的特征统计指标,形成相应的特征统计指标序列,基于动态灰色GM(1,1)预测模型实现了齿轮接触疲劳剩余寿命预测,试验结果证明,本文所提出的基于振动信号的渐开线圆柱齿轮寿命预测方法具有可行性,为实现齿轮在线监测和齿轮传动系统寿命预测提供一种新方法。