大型齿轮箱健康监测与智能维护系列套件：测试台+故障诊断算法工具箱+齿轮箱智能维护系统平台+案例分析
大型齿轮箱健康监测与智能维护系列套件：测试台定制、数据测试服务、算法工具箱与算法模型的定制研制服务，以及各类设备故障诊断与健康预诊系统研制服务，以及该算法工具箱的各类信号数据的测试与分析服务，大型齿轮箱健康监测与智能维护系列套件。（注：系统不开源）1.9.9.4.6.0.8.9.0.3.4(W号).
1．行星齿轮箱故障测试台GearboxTB-1
实验对象：行星齿轮箱
采集信号：振动信号、转速、声发射、位移
功能：
-
不同工况负载条件下的电机、齿轮箱故障诊断研究;
-
对电机模拟加载，加载转速连续可调，可恒转矩加载;
-
实时检测电机工作电流、电压、功率;
-
实时检测电机输出的转矩、转速、功率;
试验台：
关键部件参数：
| 技术规格参数 | |
| 伺服电机 | 米格700W电机 |
| 扭矩传感器 | 量程0~10NM，负载0~1NM，允许最高转速8000RPM |
| 加载采集电源模块 | 手动旋钮加载扭矩。可手动调节电 机的转速，启停。包括采集模块。 |
| 行星齿轮箱 | 减速比1：3 |
| 磁粉制动器 | 量程50NM，外表允许最大温度80摄氏度。 最大转速1800RPM 风扇散热情况允许功率<700w |
| 磁粉制动器电源 | 输出220VAC，输出24VDC，0~4A。 |
配件列表：
| 序号 | 配件名称 | 型号 |
| 1 | 伺服电机 | 米格700W伺服电机 |
| 2 | 扭矩传感器 | HLT-171 |
| 3 | 电源模块 | HLT |
| 4 | 磁粉制动器/电源 | HLT-50/KTC-800A |
| 5 | 联轴器 | 蓝鼎LM-55 |
| 6 | 行星齿轮箱 | 90行星减速机 |
| 7 | 实验工装 | HLT |
可完成实验：
表1 工况描述
| 转速 | 配重/负载 | |
| 工况1 | 900r/min | 0 |
| 工况2 | 1200r/min | 1 |
| 工况3 | 1500r/min | 2 |
| 工况4 | 1800r/min | 3 |
| 工况5 | 2100r/min | 4 |
实验考虑五种健康类型，分别为健康、行星轮断齿、行星轮点蚀、行星轮裂纹和太阳轮行星轮均断齿。每种故障类型的描述见表2
表2 健康类型描述
| 故障类型 | 图片描述 | 备注 |
| 健康 | ------ | 健康数据 |
| 行星轮断齿 |
| 行星轮打断一个齿牙 |
| 行星轮点蚀 |
| 再行星轮齿牙上用电火花加工点蚀 |
| 行星轮裂纹 |
| 行星轮齿根处用线切割切出裂纹 |
| 太阳轮行星轮均断齿 |
| 太阳轮打断一个齿 |
2.系统可监测的故障类型
状态监测系统不仅可以判断设备当前状态，也可滚动预测设备未来状态，实现设备全寿命周期中各个阶段的记录、跟踪，可实现以下故障类型的监测、诊断、健康评估与预测。
| 故障类型 | 故障部位 | 故障描述 |
| 电机故障 | 电机轴承 | 轴承内、外圈剥落；滚动体剥落；保持架刮擦、断裂； 轴承动静磨碰；内外圈旋转松动、配合松动轴电流等缺陷产生的根源的分析与寿命的预测。 |
| 定子绕组 | 定子叠片短损或铁芯松动、定子偏心、定子绕组松动等。 | |
| 转子绕组 | 转子笼条松动、断裂、转子偏心、转子热态变形等。 | |
| 基础故障 | 发电机、齿轮箱、主轴 | 电机、齿轮箱、主轴基础地脚松动、结构松动、结构共振。 |
| 不平衡 | 电机转子、齿轮轴 | 电机转子、齿轮箱高速轴齿轮、行星轮齿轮、叶片的不平衡。 |
| 不对中 | 电机、主 轴 | 轴系轴心线不重合 |
| 共振故障 | 电机、齿轮箱、主 轴、塔筒 | 故障、运行频率与部件共振频率一致引起的共振。 |
| 齿轮箱 | 齿轮箱轴支撑轴 承、行星架上轴承 | 轴承内、外圈剥落；滚动体剥落；保持架刮擦、断裂； 轴承动静磨碰；内外圈跑圈；旋转松动、配合松动缺陷 的判断，缺陷产生的根源的分析与使用寿命的预测。 |
| 齿轮箱行星齿、平 行齿 | 啮合不良、断齿、偏磨、窜动等故障。 |
3.测点配置方案
大型齿轮箱：结合设备特性，对变速箱进行测点传感布置。每台均布置6个振动传感器测点位置，其中4个为大齿轮箱振动传感测点，2个为电机振动传感测点，此外电机外侧还布置了一个转速传感器：
| 测点位置 | 测点名称 | 传感器类型 | 数量 | 采样率 |
| 大齿轮箱X1 | 1 | |||
| 大齿轮箱X2 | 1 | |||
| 大齿轮箱Y1 | 1 | |||
| 大齿轮箱Z1 | 1 | |||
| 电机X1 | 1 | |||
| 电机Y1 | 1 | |||
| 电机转速传感器 | 1 |
转速传感器的安装位置根据现场的实际情况而定，可以安装在高速轴也可安装在低速轴，转速信号的同步采集，使得系统可以实现基于转速自动触发响应报警及采集策略，便于系统 自动计算部件特征频率以及故障部位的判定。
4．大型齿轮箱信号分析处理与故障诊断模块
研制完成大型齿轮箱信号分析处理与故障诊断模块，作为信号处理算法工具箱的主要功能模块，形成了以振动信号处理各类齿轮箱故障特征提取与诊断的经典算法模型，可应用于齿轮箱的信号分析、故障探测、故障诊断、趋势劣化评估等，采用全Python语言，以B/S模式，通过前端与后端集成开发，采用开放的、模块化、多层架构的设计思想实现声信号分析处理与故障诊断模块，能应用在不同场合的设备故障诊断与监测，满足不同类型机械设备与关键部件（齿轮箱等）的健康预诊与故障诊断需求。大型齿轮箱信号分析处理与故障诊断模块可灵活地集成到各种设备故障诊断与健康预诊系统，提供完整的算法类调用接口，基于该工具箱的各种信号处理模型，可迅速建立起一套完整的基于大型齿轮箱信号分析处理与故障诊断模块的设备故障诊断与健康预诊系统，也可支持各类系统研制与学术研究。大型齿轮箱信号分析处理与故障诊断模块主要包括的算法：
主界面
从信号处理工具箱主控界面可以看到，该工具箱实现的功能主要为各类信号处理算法的演示与分析，图形化的操作界面，操作人员可以直接通过左侧下拉菜单选择各类算法对信号进行处理分析，即使是技术水平不高的工人也可应用此软件调用各类信号处理算法。
大型齿轮箱信号分析处理与故障诊断模块：
5.大型齿轮箱健康监测与故障诊断系统CRMAgent
大型齿轮箱健康监测与故障诊断系统CRMAgent-V2.0在变转速设备大型齿轮箱故障诊断与健康评估预测系统CRMAgent-V1.0基础上，增加了自适应学习监控模块，全景可视化监控分析模块，实现变变速与变载荷条件下的健康量化趋势评估，以提高大型生产机械设备可靠度以及有效延长机械使用寿命为目的，增强生产机械设备各部件监控以及调控能力，实现对关键部件的实时健康监测以及基于深度学习方法的大数据智能健康预测，提升各作业环境下大型生产机械的智能监控水平以及智能化预测能力，为大型生产机械关键部件在线监测与智能健康预测提供可借鉴的范式与支撑系统。
图3：大型齿轮箱健康监测与智能维护系统图
6．大型齿轮箱健康监测与智能维护案例分析
案例背景问题：由于实际的轧钢生产流程需求，大型轧机通常处于变转速工况下运行，通过加速度传感器采集的振动信号是非平稳非线性的。目前的振动监测与故障诊断技术主要针对固定转速下的机械设备，因此一些常用的信号分析与处理方法并不能有效实现变转速工况下轧机的监测与诊断。和平稳工况相比，变转速工况下的轧机振动信号更加复杂，因为振动信号的调频与调幅等非平稳特征不仅会由设备故障引发，转速的变化也会给振动信号带来类似的现象，这在增加了振动信号复杂程度的同时也大大增加了特征提取与故障诊断的难度。
模型方法与案例：实时采集变转速工况下轧机的转速信号与振动信号；进行角域重采样，对转速信号与角域信号进行等长度切片，每段角域信号与起始时间点的转速信号相对应；计算每段信号的峭度特征，设置轧机稳定运行转速对应信号段的峭度特征为标准值；对不同信号段的峭度特征与相匹配的转速进行相关性建模；将时域中对应段的特征值乘以所得相关系数，对特征指标归一化处理，通过归一化后的特征指标曲线判断轧机运行状态。
图2：轧机齿轮箱健康监测流程图
结果描述：将不同转速对应的信号段特征指标乘以相关系数，得到归一化后的特征指标曲线图，特征指标幅值的变化将不再受到转速波动的影响，从而直接反映轧机的运行状态。依据已有的历史数据在图中设置不同程度的故障预警线，设定恒定转速工况下峭度特征值的两倍为轻微故障预警线，以黄色虚线划分，设定恒定转速工况下峭度特征值的三倍为严重故障预警线，以红色虚线划分。依据归一化后的特征指标曲线与故障预警线判断当前轧机处于健康运行状态，通过现场对轧机设备进行检查证实了本的有效性。
