基于磁记忆的低速重载齿轮潜故障早期诊断方法研究

低速重载设备因其低转速大负荷运行工况，极易使轴承、齿轮等承载零部件产生局部应力集中和细微变形而处于潜故障状态。本课题以低速重载齿轮为研究对象，以磁记忆信号为信息载体，以现代信号处理和人工智能为手段，研究低速重载齿轮潜故障的早期诊断理论与方法。课题首先建立低速重载齿轮有限元模型，获得齿轮工作状态下的应力场和应力梯度分布，并结合磁机械耦合效应理论对齿轮表面的磁场强度分布进行仿真分析；然后针对低速重载齿轮的特殊运行工况，搭建二维磁记忆信号连续采集系统，采集齿轮浅表层磁记忆信号的法向分量和切向分量；进而采用提升多小波对齿轮磁记忆信号进行信息净化与增强，以Hermitian小波的空间-尺度的幅图和相图实现磁记忆信号的全信息检测；最后基于加权模糊支持向量数据描述理论实现低速重载齿轮不同状态下磁记忆信息的差异性预警，提供具有普遍意义的低速重载齿轮的潜故障早期诊断的理论与技术，满足国民经济发展的迫切需求。

本课题以低速重载齿轮为研究对象，以磁记忆信号为信息载体，以现代信号处理和人工智能为手段，研究了低速重载齿轮潜故障的早期诊断理论与方法。主要内容如下：. 利用ANSYS有限元分析软件对齿轮的磁记忆检测实验进行仿真模拟，首先建立正常齿轮与有裂纹齿轮的三维实体模型，通过在静力学分析中施加约束与载荷得到齿轮的应力图，然后根据地磁场环境下应力与相对磁导率的和应力与磁化强度的关系，对齿轮的应力集中的部位进行相对磁导率的划分，最后建立地磁场模型，将试件放到模型中进行磁感应强度的仿真实验得到试件的磁场强度曲线，通过仿真信号与实验信号的对比验证齿轮金属磁记忆检测实验的正确性。. 课题组赶赴唐山钢铁集团，测取了炼钢厂转炉倾动机构减速箱典型齿轮的磁记忆信号，并对齿轮进行了显微分析；赶赴天津港，测取了港口关键设备场桥横梁的磁记忆信号，获得了宝贵的工业现场数据。. 进一步研究了固有时间尺度分解（ITD）和局部特征尺度分解（LCD）算法，分析了四种算法分解信号过程中的边界效应抑制方法，编写了相应的程序。利用固有时间尺度分解法（ITD）将磁记忆信号分解为若干固有旋转分量(PRC) 和一个趋势项，将前四个PRC分量直接叠加重构，重构信号既保留了突变细节信号的完整性，同时又剔除了原始磁记忆信号中的大周期趋势与部分噪声。再利用时域平均和局部统计特征，可有效识别齿轮中的应力集中区域。对双树复小波变换进行了深入研究，分析了双树复小波包的能量泄露问题，将双树复小波/包分解与奇异值差分谱、比率谱、盲源分离、AR谱、谱峭度等有机融合，提出了非平稳信号处理与特征提取的系列方法，并在轴承、齿轮的早期故障诊断中得到成功应用。借鉴小波多分辨分析的思想，基于矩阵二分递推构造原理，重复进行SVD分解可以获得具有不同分辨率的近似和细节信号，以多分辨率来展现信号不同层次的概貌和细部特征。将上述思想用于场桥磁记忆信号的分解和重构，可以有效去除噪声成分，提高信号信噪比，从而正确判断场桥主梁应力集中区域，评估其应力状态。最后利用支持向量机对齿根磁记忆信息特征进行模式识别，用以区分各齿是否为异常状态。该方法非常适用于齿轮磁记忆信号有效成分的精确拾取和判断，能有效实现对信号的特征提取并进行模式识别。. 试制了一款三维磁记忆检测仪器。