对铜蜗轮蜗杆减速器的振动信号采集

       本文基于上述试验对铜蜗轮蜗杆减速器的振动信号采集，并通过时域、频域分析等方法对其故障特征提取。列出表1不同时域指标与铜蜗轮故障类型关系。

       上述试验均通过伺服驱动电机给定输人扭矩6N·m，在转速1 000 rpm时，平行于蜗杆的轴向上不同故障类型减速器信号的特征提取，并通过特征提取获得铜蜗轮蜗杆传动状态征兆与故障数据样本的映射关系。同时再通过上述试验，采集不同故障的蜗杆输人信号数据。

       由所得的铜蜗轮信号输人测量数据样本，通过特征时域指标提取后，加载到本文算法诊断仿真，其中铜蜗轮蜗杆时域故障指标Xl k X2k " 分别为第K个蚂蚁的平均值、均方差、峰值指标、波形因子、峭度指标、裕度指标、脉冲指标的7个指标参数。任意建立一组加权距离指标:X4k p XSk n X3k XSk X6k X7k。结合表1不同时域指标与铜蜗轮故障类型关系，建立故障样本数据。进而利用算法进一步与铜蜗轮信号输人测量数据样本测试对比。获得如表2所示的指标对故障征兆诊断正确率。

       基于上述分析，该算法在不同时域指标与铜蜗轮故障类型关系作为样本征兆样本数据时，利用不同的铜蜗轮信号输入时域图去仿真测试，其结果故障征兆诊断识别的正确率均在84%以上，误差在可接受范围内。其发生误差的原因可能是:实验台上拆装时的轴向间的同轴度较难保证一致，铜蜗轮蜗杆润滑油内部和油温等不确定因素，在建立故障征兆类型关系初期本身会因其特征提取等因素导致误差存在。针对部分因素需要对其进一步优化，本文旨在论述该方法的有效性和可行性，并且误差在可接受范围。http://www.zbdongxing.com/