基于电机驱动系统的齿轮故障诊断技术

Monitoring and diagnosis of the operating state of gear transmission using Motor drive system as smart sensor is the latest research hotspot. It is a non-intrusive diagnosis solution without installing additional sensors, which can reduce costs effectively and has no effect on the operation of equipment. The following research of this project will be in time domain and frequency domain. In time-frequency domain, the research is mainly about motor current signature analysis (MCSA) and load torque signature analysis (LTSA), focusing on comparative study of the advantage of LTSA and exploring optimization combinations of different signal processing technology to improve the speed range of operation under stable operation situations of this two methods. Research resampling techniques with high precision in spatial domain while taking account of the signal precision and real-time. A cascade observer for load torque and kinematic error is designed to observe the kinematic error of gear transmission in spatial domain, eliminating influence of speed fluctuation of the fault diagnosis. A new algorithm for the online identification of the gear mesh stiffness in spatial domain is proposed, which can overcome the problem of time domain sampling distortion caused by the change of speed. With help of research of gear fault mechanism, the diagnosis of gear fault type identification and fault degree becomes possible through the identification of time variant mesh stiffness of the gears. It is the perfect solution for electrical gear fault diagnosis technology.

电机驱动系统作为智能传感器实现对传动齿轮运行状态的监测及诊断是最新的研究热点，对于实现电机驱动系统向智能执行机构的转变、齿轮由事后维修向视情维护的转变都具有重要的理论价值与社会意义。项目拟从时频域和位域下开展研究。时频域下主要研究电机电流特征分析法（MCSA）和负载转矩特征分析法（LTSA）两种方法，重点对比研究LTSA法的优势，并探索多种信号处理技术的优化组合，用以提高两种方法在平稳工况下转速的运行范围。研究基于位域的信号高精度重采样技术，兼顾信号精度与实时性；研究一种负载转矩与运动误差级联观测器，在位域下观测传动齿轮的运动误差，消除转速变化对故障诊断的影响。提出一种位域下的在线齿轮啮合刚度辨识策略，克服转速变化导致的时域采样畸变问题。借助齿轮故障机理研究，通过辨识得到的时变的齿轮啮合刚度信号，可完成齿轮故障类型的辨识及故障程度的诊断，是电气法齿轮故障诊断技术的完美解决方案。

本项目《基于电机驱动系统的齿轮故障诊断技术》利用电机驱动器自身作为智能传感器，通过驱动系统获得的电流、电机转速等信号作为故障载体，实现对电机传动链中的传动齿轮、电机轴承等健康状态的监测及诊断，是该领域最新的研究热点。.在建立电机、齿轮一体化机电系统模型的基础上，分析齿轮局部式故障对电机相电流的影响。针对故障特征分量受电流基波、啮合频率等相关分量的复合调制存在于不同频带范围内这一问题，提出了相电流共振稀疏分解方案来提取故障特征。与此同时，为了避免人为选取RSSD参数的影响，提出了基于人工蜂群算法(Artificial Bee Colony, ABC)的双重参数优化方法，进一步改善MCSA齿轮局部式故障诊断的效果，扩大算法有效的适用范围。在实验室搭建典型的断齿故障诊断平台，验证算法有效性。针对暂态过程中故障特征分量失去重复性导致常规诊断算法失效的问题，提出了一种级联观测器，可以对运动误差进行准确观测。而基于位域信号重采样技术可以使得故障特征在运动误差信号中的体现由无周期性变为有周期性，最终的运动误差观测信号不仅能表征故障的存在，还能够表现出故障的空间位置。.在齿轮断齿故障诊断的基础上，还开展了传动系统中电机轴承及安装不对中故障的转速法诊断研究。为了提高较为微弱的电机轴承局部式故障的诊断效果，提出了基于EEMD自适应信号重构的预降噪方案，扩展了MSSA的运行范围。考虑电流采样误差的影响，电机转速中出现周期性脉动分量导致信噪比降低这一问题，提出了结合驱动算法的主动降噪方案，实验验证该算法有效。最后，结合角度不对中故障的二倍频特征幅值大小随转速的升高而增大这一现象提出了初始不对中故障诊断方案，可以有效评判伺服电机的初始安装不对中状态。