ISofer-MG1型行星齿轮减速箱非线性动力学与故障诊断研究

摘要

行星齿轮传动由于其“高载荷、大速比”的特点普遍被应用在车辆、飞行器、风力发电、起重机械等系统中。但是行星齿轮复杂的结构和工况导致其具有显著的振动和噪声问题，因此研究其动力学特性和故障诊断具有重大的意义。本文针对ISofer-MG1型斜齿行星齿轮减速箱主要从以下三个方面进行了研究：　　一是利用集中参数法建立了该行星齿轮动力学模型。首先，建模时考虑了系统各零部件的6个自由度(包括3个平移和3个绕轴旋转)，同时考虑了啮合弹性变形、啮合刚度、系统阻尼等的影响；其次，通过几何法计算了各齿轮啮合的弹性变形，并建立了各构件的动力学微分方程组；再次，运用Matlab软件编程求解得到减速箱的固有特性，并分析得到内齿圈在不同固有频率下的主要振动形式；最后，通过瀑布图分析实验数据，得到齿轮箱壳体在不同方向的共振频率。对比实验结果与仿真结果发现：壳体的共振频率与内齿圈的固有频率基本吻合，且内齿圈在固有频率下的主要振动方向与壳体在该频率产生共振时的方向一致，从而验证了该动力学模型的准确性。　　二是基于现代信号处理方法提出了行星齿轮箱壳体振动信号的降噪方法。在研究奇异值分解技术(SVD)、经验小波变换(EWT)和变分模态分解(VMD)的基础上，利用EWT与VMD可以将信号分解为不同模态分量和不同信号奇异值分布具有差异性的特点，提出分别基于EWT-SVD和VMD-SVD的降噪方法。即首先对信号分别进行EWT和VMD分解并计算所得各模态分量的奇异值分布和峭度值；其次依据奇异值分布规律和峭度值去除各模态分量中的噪声成分；最后通过重构去除噪声成分的各模态分量得到降噪信号。采用所提出的方法分别对仿真信号和实验信号进行降噪并对比两种方法的降噪效果，结果表明EWT-SVD和VMD-SVD两种降噪方法在去除噪声的同时均有效地保留了信号中的有用成分，且两种方法的降噪效果不分伯仲。　　三是在信号降噪的基础上提取了行星齿轮箱的故障特征。通过仿真分析发现余弦信号、调制信号和噪声信号具有不同的奇异值分布规律，且研究表明行星齿轮箱齿轮故障在信号频谱图中以调制信号的形式存在，所以通过选取降噪信号中由调制信号贡献的奇异值，然后通过SVD逆过程进行重构则可以提取到信号中的故障特征。通过仿真信号验证了该方法的可行性，并对降噪后的实验数据进行故障特征提取，分析发现故障频率是由行星齿轮箱中内齿圈贡献的。通过更换齿圈后再次采集发现齿轮箱振动和噪声明显减小，且重复上述处理过程发现由齿圈贡献的频率消失了。结果表明本文提出的降噪方法和故障特征提取方法可以应用在行星齿轮箱故障诊断中。

目录

声明

第1 章 绪论

1.1 课题研究意义及来源背景

1.2 研究现状

1.2.1 行星齿轮动力学研究现状

1.2.2 齿轮系统故障诊断研究现状

1.3 主要研究内容

第2 章行星齿轮振动产生机理及现代信号处理方法

2.1 齿轮啮合振动与噪声

2.2 行星齿轮传动振动与噪声

2.3 经验小波变换（EWT）

2.3.1 傅里叶频谱分割

2.3.2 经验尺度和经验小波函数的构建

2.3.3 经验小波变换

2.4 变分模态分解（VMD）

2.5 奇异值分解技术（SVD）

2.6 本章小结

第3 章 斜齿行星齿轮减速箱动力学特性研究

3.1 引言

3.2 坐标系及其中各物理量的表示

3.2.1 坐标系的建立

3.2.2 加速度与速度的表示

3.2.3 矢量导数的表示

3.2.4 质点系动量矩的表示

3.3 动力学模型参数分析

3.3.1 齿轮啮合弹性变形

3.3.2 时变啮合刚度

3.4 各构件动力学微分方程组

3.4.1 太阳轮的二阶动力学微分方程组

3.4.2 内齿圈的二阶动力学微分方程组

3.4.3 行星轮的二阶动力学微分方程组

3.4.4 行星架的二阶动力学微分方程组

3.5 动力学方程的简化

3.6 求解系统固有特性

3.6.1 系统固有频率及主振型

3.6.2 实验验证

3.7 本章小结

第4 章行星齿轮减速箱故障特征提取方法研究

4.1 奇异值降噪原理

4.1.1 各信号奇异值分布规律研究

4.1.2 数值仿真

4.2 基于 EWT-SVD的降噪方法

4.2.1 基于 EWT-SVD 的降噪原理

4.2.2 数值仿真

4.3 基于 VMD-SVD的降噪方法

4.3.1 基于 VMD-SVD 的降噪原理

4.3.2 数值仿真

4.4 降噪方法比较分析

4.5 信号故障特征提取方法

4.5.1 奇异值故障特征提取步骤

4.5.2 故障特征提取数值仿真

4.6 本章小结

第5 章基于信号处理的故障诊断技术

5.1 实验数据采集

5.1.1 实验仪器

5.1.2 数据采集步骤

5.2 故障特征提取

5.2.1 基于 EWT-SVD 降噪的故障特征提取

5.2.2 基于 VMD-SVD 故障特征提取

5.3 故障诊断

5.4 机械故障预防技术协会齿轮数据处理

5.4.1 故障齿轮

5.4.2 正常齿轮

5.5 本章小结

结论与展望

结论

展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果