重庆理工大学学报(自然科学) ›› 2023, Vol. 37 ›› Issue (8): 148-157.
薛 成,李 鑫,焦 静
摘要: 针对齿轮箱传统故障分析方法难以评估变工况下齿轮箱健康状态,对齿轮箱的振 动数据按工况分类后,进行了基于向量自回归模型(vectorautoregression,VAR)和统计过程控制 方法的变工况下齿轮箱异常检测方法研究。采用时域同步平均算法(timesynchronousavera ging,TSA)去除原始振动信号中的噪声,并分工况建立向量自回归模型计算残差;提取残差的均 方根(rootsquaremean,RMS)和整流平均值作为指标,初步判断齿轮故障;选取残差的均方根及 整流平均值进行统计过程分析,建立多变量指数加权平均(multivariateexponentialweightedmov ingaverage,MEWMA)、广义方差以及 T2 控制图来判断齿轮早期异常发生点。研究结果表明, 均方根 T2控制图效果最佳,检测出了 60、151、152三个异常点,从而完成了对变工况下齿轮箱 的故障检测。
中图分类号: