風(fēng)機傳動系統(tǒng)在長時間運行中，會受到高負(fù)荷以及復(fù)雜工況的影響，其關(guān)鍵部件容易出現(xiàn)故障，對系統(tǒng)的穩(wěn)定性與可靠性造成影響。

      對風(fēng)機傳動系統(tǒng)的典型故障類型展開系統(tǒng)研究，并對其形成機理進(jìn)行分析，針對不同故障，采用基于振動信號、聲發(fā)射、電流信號等多種診斷方法，結(jié)合模式識別和算法提升故障識別精度。


      風(fēng)機的傳動系統(tǒng)主要涉及齒輪、軸承以及聯(lián)軸器等部件，這些部件出現(xiàn)故障時，有可能引發(fā)異常振動以及傳動效率降低等情況，甚至?xí)斐稍O(shè)備停機。

      當(dāng)下故障診斷技術(shù)已成為保障風(fēng)機高效運轉(zhuǎn)的關(guān)鍵研究領(lǐng)域，本文依據(jù)傳動系統(tǒng)的結(jié)構(gòu)特性，剖析齒輪、軸承以及聯(lián)軸器的常見故障種類及其產(chǎn)生的原理，并研究故障診斷方法，以期提高故障檢測的精確程度，為傳動系統(tǒng)的健康監(jiān)測與智能維護提供了關(guān)鍵的參考依據(jù)。


      風(fēng)機傳動系統(tǒng)由于工況環(huán)境較為復(fù)雜且處于高負(fù)荷運轉(zhuǎn)狀態(tài)，極易受到各類因素的作用，使關(guān)鍵部件出現(xiàn)性能衰退情況，嚴(yán)重時甚至?xí)А８邚姸冗\行引發(fā)的機械磨損、環(huán)境因素導(dǎo)致的腐蝕、潤滑不良造成的摩擦增大，均會對傳動系統(tǒng)的穩(wěn)定性與可靠性產(chǎn)生影響。

      典型故障類型：風(fēng)機傳動系統(tǒng)中齒輪故障較為多見，主要體現(xiàn)為齒面出現(xiàn)磨損、點蝕、斷齒以及齒根裂紋的情況。

      齒輪長時間運轉(zhuǎn)會導(dǎo)致表面材料剝落，導(dǎo)致齒輪在嚙合時接觸應(yīng)力變大，引發(fā)疲勞失效狀況，潤滑條件變差或者顆粒污染不僅會加重齒面的磨損程度，還會縮短齒輪的使用期限。

      軸承是支撐旋轉(zhuǎn)部件的關(guān)鍵部件，常見故障有疲勞剝落、滾動體、保持架損壞以及因潤滑不好引發(fā)的過熱現(xiàn)象。

      在高負(fù)載和高速旋轉(zhuǎn)狀態(tài)下，滾動接觸區(qū)域會承受周期性應(yīng)力作用，長時間積累會使表面產(chǎn)生微裂紋，裂紋擴展后會形成剝落坑，導(dǎo)致軸承性能下降。

      聯(lián)軸器與軸系不對中故障一般是由于安裝誤差、熱膨脹變形或者運行時受力不均衡導(dǎo)致軸心線偏移，軸的偏移會使旋轉(zhuǎn)部件間出現(xiàn)附加載荷，出現(xiàn)振動增大以及聯(lián)軸器異常磨損的問題。

      在復(fù)雜工況條件下，軸系的角度和位置誤差可能引發(fā)更嚴(yán)重的扭振問題，不利于傳動系統(tǒng)的運行的穩(wěn)定性。

      典型故障形成機理：齒輪故障的形成機理主要和材料疲勞、摩擦磨損以及潤滑失效等因素相關(guān)。

      齒輪表面在循環(huán)載荷的作用下會經(jīng)歷應(yīng)力累積的過程，局部區(qū)域長時間受到剪切應(yīng)力的影響，最終導(dǎo)致疲勞裂紋出現(xiàn)。

      裂紋在持續(xù)擴展時，表層材料會漸漸剝落，形成點蝕或者剝落坑。

      潤滑油膜的厚度以及穩(wěn)定性會直接對齒輪的摩擦狀態(tài)產(chǎn)生影響，當(dāng)潤滑油中混入污染顆粒或者油膜遭到破壞時，金屬表面會直接接觸，導(dǎo)致磨損加劇，加快故障發(fā)展。

      軸承故障的形成一般是由接觸疲勞、潤滑不良以及熱膨脹效應(yīng)共同作用造成的。滾動體和滾道之間的接觸區(qū)域承受周期性交變載荷，使材料內(nèi)部微觀結(jié)構(gòu)發(fā)生改變，最終形成疲勞裂紋。

      潤滑油劣化會使軸承表面的油膜厚度減小，增加接觸應(yīng)力，加快剝落和磨損過程，在高溫環(huán)境下，軸承材料的熱膨脹不均勻可能引發(fā)間隙變化，導(dǎo)致異常振動以及運轉(zhuǎn)不穩(wěn)。

      聯(lián)軸器與軸系不對中故障的形成和安裝精度、運行載荷變化以及系統(tǒng)剛度緊密相連。

      在安裝過程中，輕微的對中誤差可能在長期運轉(zhuǎn)中不斷積累，導(dǎo)致軸承和聯(lián)軸器承受額外的彎矩和徑向力。而在運行過程中，風(fēng)機的負(fù)載波動會導(dǎo)致軸系受力不均，加重軸的撓曲變形，使扭振問題變得更嚴(yán)重。

      齒輪在傳動系統(tǒng)中長期運行的過程中，因波動、潤滑條件改變以及材料疲勞等諸多因素，有可能出現(xiàn)各異形式的故障，因此，精準(zhǔn)識別故障狀態(tài)對保障設(shè)備穩(wěn)定運作意義重大。

      振動信號分析：在齒輪運轉(zhuǎn)的整個過程所產(chǎn)生的振動中，蘊含著極為豐富的故障相關(guān)信息，如機械沖擊、齒面損傷以及嚙合出現(xiàn)不良等這些情況，均會使信號特征發(fā)生相應(yīng)的變化。

      信號在時域方面呈現(xiàn)出沖擊成分有所增加的情況，而在頻域方面則體現(xiàn)為特定成分出現(xiàn)提高或者衰減的情形，如使用小波變換、包絡(luò)分析以及經(jīng)驗?zāi)B(tài)分解等一系列方法，可有效地提取出振動信號中的故障特征，對識別齒輪的狀態(tài)提供一定的幫助。

      嚙合頻率以及其頻頻成分在故障診斷過程中有相當(dāng)關(guān)鍵的作用，借助對特征頻率的變化開展分析，可判斷齒輪是否存在斷齒、點蝕或者偏磨等問題。

      聲發(fā)射信號分析：齒輪在運行期間，因材料表面出現(xiàn)疲勞狀況、裂紋不斷擴展、存在摩擦滑移的現(xiàn)象，會釋放出高頻彈性波信號，聲發(fā)射技術(shù)可有效地捕捉這些微弱信號，并將其用于故障診斷工作中。

      聲發(fā)射信號的特征涉及信號幅值、事件發(fā)生率以及能量分布等方面，不同類型的故障會在聲發(fā)射信號中呈現(xiàn)出獨特的模式。

      鑒于聲發(fā)射信號頻率比較高，一般需要運用高靈敏度傳感器來進(jìn)行采集，還要結(jié)合模式識別方法對信號進(jìn)行分類以及分析， 把時頻分析和特征提取技術(shù)相結(jié)合，可提高聲發(fā)射信號在齒輪故障診斷中的應(yīng)用成效。

      電流信號分析：齒輪傳動系統(tǒng)的運行狀況會給電機的負(fù)載特性帶來影響，因為齒輪故障引發(fā)的機械振動以及轉(zhuǎn)矩波動會導(dǎo)致電流信號出現(xiàn)變化。

      電流信號分析方法利用檢測電機輸入電流的頻譜特點，可辨別齒輪嚙合異常、齒面磨損以及裂紋擴展等故障，電流信號的變化主要體現(xiàn)于特定頻率分量的幅值改變，運用短時傅里葉變換、小波分析等手段，可提取和齒輪故障相關(guān)的特征信息。

      與傳統(tǒng)的振動信號分析相比，電流信號分析有傳感器安裝簡便、適用于封閉系統(tǒng)等優(yōu)點，在風(fēng)機傳動系統(tǒng)的故障診斷中具有較大的應(yīng)用潛力。


      軸承在機械系統(tǒng)中承受著繁雜的載荷工況，長時間運行可能會引發(fā)疲勞剝落、潤滑欠佳以及保持架損傷等一系列問題。

      故障出現(xiàn)時經(jīng)常伴隨著振動、溫度以及信號特征的改變，可通過信號分析以及監(jiān)測技術(shù)來評估軸承的健康狀態(tài)。

      時頻域特征提取：在軸承運行過程中，轉(zhuǎn)速出現(xiàn)改變、載荷發(fā)生變化以及潤滑狀態(tài)產(chǎn)生變動，這些因素都會對信號的特征造成影響。

      為了精準(zhǔn)地提取出故障特征，需要在時域以及頻域兩個方面開展聯(lián)合分析，時域特征主要呈現(xiàn)的是信號的整體趨勢走向，覆蓋了如均方根值、峰值因子以及峭度等一系列參數(shù)，這些參數(shù)可對軸承振動幅值的變化情形給予表征。

      而頻域分析則借助傅里葉變換，提取出軸承運行時的特征頻率。不同類型的故障會在特定的頻率 位置產(chǎn)生譜峰信號，鑒于故障信號有非平穩(wěn)的特性，應(yīng)用如短時傅里葉變換、小波變換這類時頻分析方法，可提高特征提取的精準(zhǔn)程度，強化故障識別的能力。

      模式識別：在故障的早期階段，單純依靠簡單的閾值判斷往往難以識別故障，需要結(jié)合模式識別方法來對不同的故障狀態(tài)加以分類。

      當(dāng)完成特征提取后，可使用機器學(xué)習(xí)算法開展模式分類工作，常見的方法有支持向量機、神經(jīng)網(wǎng)絡(luò)以及隨機森林等。

      特征數(shù)據(jù)在經(jīng)過降維和標(biāo)準(zhǔn)化處理后，模式識別算法可從歷史數(shù)據(jù)中學(xué)習(xí)不同故障類型的分布情況，實現(xiàn)自動分類以及故障預(yù)測。

      基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)可以提取更深層次的特征，提高對復(fù)雜工況下軸承故障的識別能力，將數(shù)據(jù)驅(qū)動的模式識別方法相結(jié)合，有效減少環(huán)境噪聲對診斷結(jié)果的影響，提高系統(tǒng)的魯棒性。

      溫度監(jiān)測：軸承在長時間持續(xù)運轉(zhuǎn)的過程中，摩擦現(xiàn)象、載荷出現(xiàn)的變化以及潤滑狀態(tài)逐漸惡化的情況，都會導(dǎo)致溫度的不斷上升。

      而溫度監(jiān)測可提供一種非侵入式的故障診斷方法，如熱敏電阻、紅外測溫儀等傳感設(shè)備，可采集軸承表面或者內(nèi)部的溫度數(shù)據(jù)，并通過對溫度趨勢的分析來判斷軸承是否處于正常狀態(tài)。

      溫度信號發(fā)生的變化，一般會受到多種因素的作用，需要結(jié)合實際運行工況對相關(guān)數(shù)據(jù)展開分析，依據(jù)閾值設(shè)定的溫度報警， 可在溫度超過設(shè)定數(shù)值的時候觸發(fā)預(yù)警。

      基于數(shù)據(jù)驅(qū)動構(gòu)建的溫度預(yù)測模型，可結(jié)合過往歷史數(shù)據(jù)以及環(huán)境因素等，實現(xiàn)對故障的提前預(yù)測，將溫度監(jiān)測與振動信號分析相互結(jié)合起來，可提高故障診斷的可靠程度，避免因僅依據(jù)單一信號分析而造成的誤判情況出現(xiàn)。


      聯(lián)軸器身為連接旋轉(zhuǎn)機械的關(guān)鍵部件，它的對中狀況直接作用于軸系的運行穩(wěn)定程度，一旦軸系出現(xiàn)不對中情況，便有可能引發(fā)振動異常、扭矩波動以及局部應(yīng)力集中等問題，對設(shè)備的使用期限產(chǎn)生影響。

      為了有效辨別不對中故障，可以運用動力學(xué)分析、振振監(jiān)測以及位移信號分析等方式，從多個角度來評估軸系的狀態(tài)情況，并借助數(shù)據(jù)分析手段提高診斷的精確程度。

      轉(zhuǎn)子動力學(xué)分析：軸系如果出現(xiàn)不對中狀況，便會對轉(zhuǎn)子的動力學(xué)特性產(chǎn)生影響，造成轉(zhuǎn)速出現(xiàn)波動、振動響應(yīng)提高、軸承受力出現(xiàn)異常的情況。

      通過建立轉(zhuǎn)子動力學(xué)模型，可對軸系在不對中情形下的運行特征進(jìn)行分析，還可以評估其對系統(tǒng)穩(wěn)定性所產(chǎn)生的影響。

      動力學(xué)分析一般覆蓋臨界轉(zhuǎn)速計算、振型分析以及不平衡響應(yīng)研究等內(nèi)容，不對中故障的存在可能會導(dǎo)致特定階次的振動幅值增大，對系統(tǒng)的長期可靠性造成影響。

      有限元方法以及多體動力學(xué)仿真可用來計算軸系的動力學(xué)參數(shù)，再結(jié)合實驗數(shù)據(jù)對模型加以修正，以此提高分析的精度。

      扭振監(jiān)測：聯(lián)軸器出現(xiàn)不對中情況時會引發(fā)軸系內(nèi)部產(chǎn)生扭振現(xiàn)象，在扭矩傳遞過程中有可能出現(xiàn)周期性的波動，對設(shè)備運行的平穩(wěn)性造成影響。

      扭振監(jiān)測主要依靠測量軸系的扭矩變化，對其頻率特征以及幅值變化狀況展開分析，高精度扭矩傳感器可實時采集軸的扭矩信號，并結(jié)合頻譜分析方法來識別異常波動。

      在信號處理過程中，采用小波變換、希爾伯特變換等方法提取扭振特征，以此提高對不對中故障的識別能力。

      結(jié)合扭振監(jiān)測得到的結(jié)果，判斷軸系的動態(tài)特性發(fā)生的變化，對聯(lián)軸器的安裝精度進(jìn)行優(yōu)化。

      位移信號分析：軸系之間若存在不對中情況，那么會導(dǎo)致轉(zhuǎn)子運行時的軌跡出現(xiàn)異常狀況，而軸承座以及聯(lián)軸器處產(chǎn)生的信號，能夠反映出軸系的對中狀態(tài)。

      對信號的測量，一般會采用電渦流傳感器或激光測距儀來進(jìn)行，借助對軌跡變化的監(jiān)測，分析不對中現(xiàn)象對軸系運動所造成的影響。

      當(dāng)處于正常對中狀態(tài)時，軸的位移信號會呈現(xiàn)出穩(wěn)定的周期性特點，但一旦出現(xiàn)不對中故障，就可能導(dǎo)致特定方向的振動幅值有所增大，還會引發(fā)偏移情況。

      將時域和頻域分析方法結(jié)合起來，便可提取出軸系的不對中特征，并依靠數(shù)據(jù)建模使故障識別更準(zhǔn)確。


      本文聚焦于風(fēng)機傳動系統(tǒng)的故障診斷技術(shù)，對齒輪故障、軸承故障以及聯(lián)軸器不對中的形成機理展開了系統(tǒng)分析，同時，探討了基于信號、聲發(fā)射以及電流信號的多種診斷方法。

      研究表明，不同的信號分析技術(shù)可有效地識別各類故障特征，為系統(tǒng)維護提供可靠的依據(jù)，將模式識別和智能算法相結(jié)合，可提高復(fù)雜工況下的故障檢測精度。

      參考文獻(xiàn)：略

      作者簡介：陸琪琳，男，1989年10月生，漢族，浙江寧 波人，本科，工程師、技術(shù)部部長，研究方向：特種風(fēng)機。