762
化工自动化及仪表
基于虚拟技术的齿轮故障智能诊断研究
谢三毛
（华东交通大学机电工程学院，南昌330013）
第40卷
摘要利用LabVIEW图形化编程语言开发了信号分新与处理、信号特征提取和故障诊断三大模块。信号特征提取由小波包分解来实现，故障诊断通过神经网络完成，小波包分解提取的齿轮振动信号各频段能量特征值作为神经网络的输入向量。以模拟故障实验台获取的齿轮典型故障振动信号训练神经网络，利用训练好的神经网络对齿轮进行故障诊断，实验结果表明：所开发的齿轮款障智能诊断系统能有
效识别齿轮效障，较好地将虚拟技术应用于故障诊断领域。关键调LabVIEW小波包分解神经网络故障诊断
中图分类号TH17
文献标识码A
齿轮传动是应用广泛的机械传动，齿轮如果发生故障，将导致设备整体性能下降，基至造成严重设备事故和重大经济损失。因此，为了及时发现因轮故障，消除事故隐惠，对齿轮进行监测和故障诊断十分必要。近年来，随着计算机技术的不断发展，虚拟仪器技术也得到提高，并逐步应用于设备状态监测和故障诊断领域。笔者采用虚拟仪器技术，研究并开发了齿轮故障智能诊断系统。
1齿轮故障智能诊断系统的组成
为了对齿轮进行故障诊断，首先用传感器拾取齿轮振动信号，然后对传感器的输出信号进行适当调理，使之与后续环节相匹配。信号调理包括信号放大、滤波及阻抗变换等方面。信号调理后由数据采集卡对信号进行数字化处理，获得的数字信号输人计算机系统。在计算机中对信号进行小波去噪、时域统计特征参量分析和功率谱分析，并通过小波包分解求取齿轮振动信号各频带能量的特征值，根据这些特征值，由神经网络完成齿轮故障诊断。该智能诊断系统由传感器、信号调理模块、数据采集卡及计算机系统等几部分组成，计算机系统主要实现信号处理与分析、信号特征提取及故障诊断等功能。智能诊断系统总体结图如图1所示。
LabVIEW是一款图形化的虚拟仪器编程软件，使用者只需通过定义和连接代表各种功能模块的图标，就能方便快捷地建立起所需的应用程序，所以在此采用LabVIEW软件来开发齿轮故
万方数据
文章编号
1000-3932(2013)06-0762-04
计算机系统
传
器
调
理N特N
征
图1齿轮故障诊断系统总体结构框图
障智能诊断系统中的信号处理与分析、特征提取及故障诊断等模块。
2信号分析与处理模块
根据齿轮振动信号的特点，信号处理与分析模块主要包括小波去噪、时域统计特征参量分析
及功率谱分析等。 2.1小波去噪
未处理的原始数据包含噪声信号，因此需要对信号进行预处理。在小波变换过程中，信号与噪声表现出不同的分解特性，可以采用小波变换的方法去除信号噪声。对信号进行小波分解，一般的噪声信号多包含在具有较高频率的细节信号中，通过确定阅值选择标准、阔值使用方式、阀值处理随噪声水平的变化和阀值大小对所分解的小波系数进行处理，然后对处理后的信号进行小波
收稿日期：2012-12-18
基金项目：教育部重点实验室资助项目—载运工具与装备(11TD07)