第 39 卷 第 1 期 电 子 科 技 大 学 学 报 Vol.39 No.1 2010年1月 Journal of University of Electronic Science and Technology of China Jan. 2010 旋转设备在线健康监控指数研究 苗 强，王 冬，孙 锐，王成栋 (电子科技大学机械电子工程学院 成都 610054) 【摘要】用小波包分解方法对在线监控中收集到的齿箱振动信号进行频域划分，并在其划分后的频段上有选择地进 行信号重构。在其基础上提出齿在线健康监控指数，可以用来反映齿箱整个寿命期间的健康状态。同时，为实现对 齿早期故障的预警，提出一个用来在线检测的动态阈值。通过3套不同的齿箱全寿命振动信号数据进行健康指数和早 期预警的验证。实验结果证明，该健康监控指数及其动态阈值可以准确地检测出齿早期故障发生的时刻。 关 键 词 动态阈值; 早期故障; 在线健康监控指数; 旋转设备; 小波包 中图分类号 TP227 文献标识码 A doi:10.3969/j.issn.1001-0548.2010.01.036 On-Line Health Monitoring Index of Rotating Machinery MIAO Qiang, WANG Dong, SUN Rui, and WANG Cheng-dong (School of Mechatronics Engineering, University of Electronic Science and Technology of China Chengdu 610054) Abstract A wavelet packet method is utilized to decompose vibration signal collected from gearbox online monitoring systems. Signal reconstruction is implemented based on optimal selection of selected frequency domain. A health monitoring index is proposed, which can reflect health condition of gearbox during whole life cycle. In order to realize health warning, a dynamic threshold is proposed to detect the existence of early gear failure. Three sets of whole lifetime vibration data collected from gearboxes are used to validate this method. The analysis results illustrate that the proposed method has good performance in detecting early gear failure and owns great potential in engineering applications. Key words dynamic threshold; incipient failure; online health monitoring index; rotating machinery; wavelet packet 收稿日期： 2008  08  29; 修回日期：2009  01  03 基金项目：高等学校博士学科点专项科研基金新教师基金(20070614023)；中国博士后科学基金(20070420223) 作者简介：苗 强(1976  )，男，博士，教授，主要从事故障诊断和维修决策优方面的研究. 旋转设备如减速器在工业中广泛被应用，齿轮 作为其中一个重要的组成部分，经常出现轮齿断裂、 齿面磨损、齿面点蚀和塑性变形等失效形式。当齿 轮出现局部失效时，减速器的振信号中会发生幅 度和频率调现象。调时啮合频率作为载波，齿 轮的旋转频率作为调波，且频谱中啮合频率附近 会存在边频带。在故障诊断中，该边频带提供了与 齿轮健康状况有关的重要信息。 由于机械设备转速不稳定、负荷变以及故障 产生的冲击等原因，导致振信号存在非平稳性。 特别当设备在早期故障时，由于故障特征信号的信 噪比很低，常常被淹没在其他的振信号或者噪声 中。传统的基于平稳信号的经典分析方法难以处理 该类信号。因此，非平稳信号处理的使用变得至关 重要。小波分析 [1] 由于在信号处理中具有高频域的 时间分辨率高和低频域的频率分辨率高等特性，适 合于处理非平稳信号，因此常被广泛地应用在故障 诊断领域 [2-4] 。文献[5]针对小波变换在机械状态监控 和故障诊断中的应用现状进行了分析，分别就小波 的时频分析、故障特征提取、微弱信号的去噪声等 内容进行了较全面的回顾。 由于小波自身的特点，其在高频域范围内频率 分辨率较低，在某些需要对高频范围进行分析的应 用中存在局限性。针对这一问题，近年来Meyer等人 提出了小波分解的信号分析方法。小波分解能 够将振信号正交分解不同的频带内，为信息分 离、提取微弱故障信息提供了有效的方法。文献[6] 运用Hilbert变换解调减速器齿轮故障振信号，然 后运用小波分解分析与齿轮故障有关的信息。 本文研究机械设备的健康监控方法。健康监控 指数作为对设备状态的定量描述，可用于维修决策 建模中 [7] 。文献[7-8]分别采用残差信号及奇异点分 析方法构造了各自的健康监控指数，并以齿轮箱全 寿命监控数据验证其有效性。本文以齿轮箱为对象，