藺夢(mèng)雄 焦博森 楊琰 周子煜 張瑞欽 唐少虎

［摘 要］? ?針對(duì)RV減速器內(nèi)部構(gòu)造復(fù)雜、采集到的振動(dòng)信號(hào)受噪聲影響嚴(yán)重及低頻故障特征難以提取的問題，提出一種基于小波降噪結(jié)合變分模態(tài)分解（Variational Modal Decomposition， VMD）的故障診斷方法。首先利用小波降噪法對(duì)含噪聲的振動(dòng)信號(hào)進(jìn)行降噪；再通過變分模態(tài)分解得到不同頻率范圍的模態(tài)分量（Intrinsic Mode Function， IMF），計(jì)算各目標(biāo)分量的峭度值和信噪比，選出目標(biāo)分量并進(jìn)行快速傅里葉變換（Fast Fourier Transform， FFT）；最后通過減速器模數(shù)確定特征頻率，可以準(zhǔn)確定位RV減速器的故障點(diǎn)。結(jié)果表明：該方法較傳統(tǒng)的頻譜分析可以更有效地提取故障信息，解決了噪聲干擾、低頻信號(hào)調(diào)制等問題。

［關(guān)鍵詞］ RV減速器；小波降噪；包絡(luò)頻譜；變分模態(tài)分解；故障診斷

［中圖分類號(hào)］ TH 133.3? ［文獻(xiàn)標(biāo)志碼］ A? ［文章編號(hào)］ 1005-0310（2023）03-0007-07

Abstract：? The internal structure of RV reducer is complex， the collected vibration signal is seriously affected by noise， and the low frequency fault features are difficult to extract. A fault diagnosis method based on wavelet denoising combined with Variational Modal Decomposition （VMD）

is proposed. Firstly， the vibration signal with noise is denoised by wavelet denoising method. Then， the signal after noise reduction is decomposed into the Intrinsic Mode Function （IMF） in different frequency ranges through VMD. The target component is selected by calculating the kurtosis value and SNR of each target component， and the Fast Fourier Transform （FFT） is carried out. The characteristic frequency is determined by the reducer modulus， so that the fault point of the RV reducer can be accurately located. The results show that this method can extract the fault information more effectively than the traditional spectrum analysis， and solve the problems of noise interference and low frequency signal modulation.

Keywords： RV reducer；Wavelet denoising；Envelope spectrum；Variational modal decomposition；Fault diagnosis

0 引言

RV減速器作為精密傳動(dòng)領(lǐng)域和機(jī)器人領(lǐng)域的關(guān)鍵零部件之一［1］，其性能影響著整個(gè)系統(tǒng)的運(yùn)行狀態(tài)。有些學(xué)者對(duì)RV減速器的傳動(dòng)精度、誤差和效率等進(jìn)行了研究。隨著對(duì)機(jī)械系統(tǒng)可靠性要求的提高［2］，及時(shí)發(fā)現(xiàn)并精準(zhǔn)定位RV減速器的故障點(diǎn)成了當(dāng)前亟須解決的問題。RV減速器結(jié)構(gòu)復(fù)雜、振動(dòng)源多，在傳動(dòng)過程中難免會(huì)產(chǎn)生干擾信息，而在對(duì)含噪的振動(dòng)信號(hào)進(jìn)行分析時(shí)，難以準(zhǔn)確地提取其故障信息。

王普等［3］提出了一種分層自適應(yīng)的小波閾值降噪方法，該方法可以有效去噪并保留有用的故障信息。丁鋒等［4］利用小波降噪結(jié)合希爾伯特變換的方法，有效提取了軸承的低頻故障特征。許昕等［5］提出了一種基于改進(jìn)的經(jīng)驗(yàn)?zāi)B(tài)分解的故障診斷方法，成功對(duì)齒輪箱的故障信號(hào)進(jìn)行了降噪，提高了故障信號(hào)的信噪比。紀(jì)俊卿等［6］提出了一種基于新小波閾值的滾動(dòng)軸承故障特征提取方法，解決了傳統(tǒng)分析方法抗干擾性差、準(zhǔn)確率低等問題。孟祥川等［7］提出了一種基于小波新閾值降噪與互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解的方法，提高了對(duì)軸承的故障診斷率。為解決滾動(dòng)軸承早期微弱故障難以提取的問題，陳鵬等［8］提出了優(yōu)化變分模態(tài)分解結(jié)合改進(jìn)閾值降噪的方法，并與其他降噪方法比較，結(jié)果表明該方法更優(yōu)。王進(jìn)花等［9］將變分模態(tài)分解與極限學(xué)習(xí)機(jī)方法相結(jié)合，解決了滾動(dòng)軸承多故障診斷分類準(zhǔn)確性低的問題。時(shí)培明等［10］提出了一種基于降噪編碼器深度特征學(xué)習(xí)和希爾伯特振動(dòng)分解的智能故障診斷方法，解決了風(fēng)機(jī)齒輪箱軸承振動(dòng)信號(hào)的非線性和非平穩(wěn)性對(duì)故障診斷的干擾問題，提高了故障診斷率。韓朋朋等［11］提出了一種基于遺傳算法優(yōu)化變分模態(tài)分解與增強(qiáng)包絡(luò)譜相結(jié)合的診斷方法，提高了軸承的故障診斷率。朵慕社等［12］提出了一種基于改進(jìn)變分模態(tài)分解結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的診斷方法，在噪聲影響大、非平穩(wěn)工況下，有效提取了軸承的故障特征。

本文通過借鑒學(xué)者們的研究成果，提出了一種基于小波降噪結(jié)合變分模態(tài)分解的方法，對(duì)RV減速器的故障振動(dòng)信號(hào)進(jìn)行分解，得到若干固有模態(tài)分量，再選取目標(biāo)分量進(jìn)行包絡(luò)頻譜分析，最后通過計(jì)算RV減速器傳動(dòng)頻率特征的能量峰值定位RV減速器的故障點(diǎn)。

1 VMD降噪法

1.1 變分模態(tài)分解

變分模態(tài)分解算法的核心是通過維納濾波、頻率混合和希爾伯特變換將各個(gè)模態(tài)的帶寬問題分解為多個(gè)約束問題，再利用一系列迭代求解的方法得到中心頻率的最優(yōu)解。VMD最后將給定信號(hào)f（t）分解成k個(gè)固有模態(tài)分量（IMF），并且保證分解后IMF分量的總帶寬之和最小。

2 RV減速器故障診斷應(yīng)用

2.1 RV減速器故障頻率計(jì)算

本實(shí)驗(yàn)以一款RV減速器為例，RV減速器的具體模數(shù)［14］如表1所示，減速器的傳動(dòng)方式采用支撐盤固定的形式。根據(jù)減速器傳動(dòng)機(jī)理和模數(shù)計(jì)算出各主要部件的傳動(dòng)頻率［15］，計(jì)算結(jié)果如表2所示，其中v1為輸入軸轉(zhuǎn)速。

由表2可知，RV減速器各零部件的傳動(dòng)特征只與輸入軸的轉(zhuǎn)速有關(guān)，故而根據(jù)輸入軸的轉(zhuǎn)速即可計(jì)算出各零部件的傳動(dòng)頻率。當(dāng)減速器內(nèi)部零部件受損時(shí)，在嚙合和傳動(dòng)過程中將會(huì)出現(xiàn)定期的撞擊并會(huì)造成較大的振動(dòng)。因此，在穩(wěn)態(tài)傳動(dòng)下，根據(jù)快速傅里葉變換（FFT）即可計(jì)算出故障頻率。

2.2 實(shí)驗(yàn)分析

本實(shí)驗(yàn)采用一種精密減速器綜合試驗(yàn)臺(tái)［16］對(duì)RV減速器在正常情況下和故障情況下的振動(dòng)信號(hào)進(jìn)行監(jiān)測(cè)。實(shí)驗(yàn)過程采用晶鉆振動(dòng)傳感器對(duì)振動(dòng)信號(hào)進(jìn)行采集，該傳感器測(cè)量的動(dòng)態(tài)范圍大于150 dB，靈敏度為500mV/g，符合RV減速器的監(jiān)測(cè)要求。實(shí)驗(yàn)設(shè)置監(jiān)測(cè)信號(hào)采樣頻率為25 600 Hz，分析時(shí)長為2s，采樣數(shù)為51 200點(diǎn)。

對(duì)故障情況下的振動(dòng)信號(hào)進(jìn)行小波降噪，取分解層數(shù)為5，分解結(jié)果如圖3所示。由圖3可以看出，經(jīng)過降噪后的時(shí)域振動(dòng)信號(hào)受噪聲信號(hào)影響較小，并且有較明顯的能量峰值間隔，降噪信號(hào)呈現(xiàn)周期性。信號(hào)的能量峰值點(diǎn)意味著RV減速器的故障特征點(diǎn)。

對(duì)第5層小波降噪信號(hào)進(jìn)行變分模態(tài)分解，得到各個(gè)IMF分量的結(jié)果如圖4所示，包括5個(gè)IMF分量和殘差變量。各個(gè)IMF分量中包含故障信號(hào)的特征頻率和能量大小。為了對(duì)各個(gè)IMF分量的可用性進(jìn)行判斷，對(duì)分解后的各個(gè)IMF分量進(jìn)行峭度值和信噪比計(jì)算，結(jié)果如表3所示。

峭度值和信噪比是評(píng)判信號(hào)的重要指標(biāo)。由計(jì)算結(jié)果可知，IMF2分量的峭度值和信噪比最大，說明該分量包含的故障信息最多，且降噪效果最好。因此，選擇對(duì)IMF2分量進(jìn)行包絡(luò)頻譜分析，結(jié)果如圖5所示。

由圖5可知，在頻率為20 Hz處出現(xiàn)能量峰值，結(jié)合輸入軸轉(zhuǎn)速和表2中各零部件的故障頻率計(jì)算可知，在RV減速器滾針處出現(xiàn)故障。通過拆機(jī)驗(yàn)證，確定RV減速器的滾針部位發(fā)生磨損，故障圖如圖6所示。減速器擺線輪隔套發(fā)生斷裂，導(dǎo)致滾針發(fā)生嚴(yán)重磨損，使RV減速器在傳動(dòng)過程中整機(jī)振動(dòng)增大。結(jié)果表明，本文所提方法可以有效定位RV減速器的故障點(diǎn)。

利用對(duì)比實(shí)驗(yàn)，對(duì)含噪的振動(dòng)信號(hào)進(jìn)行快速傅里葉變換，分析結(jié)果如圖7所示。由圖7可知，傳統(tǒng)的頻譜分析受噪聲干擾影響，不能直觀、準(zhǔn)確地定位RV減速器的故障點(diǎn)。

3 結(jié)束語

本文利用小波降噪結(jié)合變分模態(tài)分解方法，對(duì)受含噪影響的RV減速器的振動(dòng)信號(hào)進(jìn)行故障診斷。首先運(yùn)用小波降噪法對(duì)振動(dòng)信號(hào)進(jìn)行降噪處理；再計(jì)算通過變分模態(tài)分解后各模態(tài)分量的峭度值和信噪比，選取目標(biāo)模態(tài)分量；最后對(duì)其進(jìn)行包絡(luò)頻譜分析，通過計(jì)算減速器內(nèi)部各零部件的故障頻率，對(duì)減速器內(nèi)的故障零部件進(jìn)行診斷和定位。結(jié)果表明，此方法對(duì)受含噪影響的RV減速器進(jìn)行故障診斷十分有效。

［參考文獻(xiàn)］

［1］ 何衛(wèi)東，單麗君.RV減速器研究現(xiàn)狀與展望［J］.大連交通大學(xué)學(xué)報(bào)，2016，37（5）：13-18.

［2］ 張義民，孫志禮.機(jī)械產(chǎn)品的可靠性大綱［J］.機(jī)械工程學(xué)報(bào)，2014，50（14）：14-20.

［3］ 王普，李天垚，高學(xué)金，等.分層自適應(yīng)小波閾值軸承故障信號(hào)降噪方法［J］.振動(dòng)工程學(xué)報(bào)，2019，32（3）：548-556.

［4］ 丁鋒，秦峰偉.小波降噪及Hilbert變換在電機(jī)軸承故障診斷中的應(yīng)用［J］.電機(jī)與控制學(xué)報(bào)，2017，21（6）：89-95.

［5］ 許昕，潘宏俠.改進(jìn)的EMD在齒輪箱故障診斷中的應(yīng)用研究［J］.機(jī)械傳動(dòng)，2014，38（10）：4-8.

［6］ 紀(jì)俊卿，張亞靚，張靜，等.基于新小波閾值的軸承故障診斷方法［J］.小型微型計(jì)算機(jī)系統(tǒng)，2021，42（2）：315-319.

［7］ 孟祥川，張亞靚，紀(jì)俊卿，等.基于小波降噪和CEEMD的軸承故障診斷［J］.煤礦機(jī)械，2020，41（3）：157-159.

［8］ 陳鵬，趙小強(qiáng).基于優(yōu)化VMD與改進(jìn)閾值降噪的滾動(dòng)軸承早期故障特征提取［J］.振動(dòng)與沖擊，2021，40（13）：146-153.

［9］ 王進(jìn)花，胡佳偉，曹潔，等.基于自適應(yīng)變分模態(tài)分解和集成極限學(xué)習(xí)機(jī)的滾動(dòng)軸承多故障診斷［J］.吉林大學(xué)學(xué)報(bào)（工學(xué)版），2022，52（2）：318-328.

［10］ 時(shí)培明，范雅斐，伊思穎，等.基于HVD小波包降噪編碼深度學(xué)習(xí)的風(fēng)電機(jī)組智能診斷研究［J］.振動(dòng)與沖擊，2022，41（12）：196-201.

［11］ 韓朋朋，賀長波，陸思良.基于VMD與增強(qiáng)包絡(luò)譜的軸承早期故障診斷方法［J］.機(jī)電工程，2022，39（7）：895-902.

［12］ 朵慕社，紀(jì)國宜，朱海龍，等.基于VMD降噪和CNN的軸承故障診斷［J］.噪聲與振動(dòng)控制，2021，41（5）：155-160.

［13］ 陳李果，汪久根，張靖.基于小波理論的RV減速器振動(dòng)信號(hào)分析［J］.機(jī)械傳動(dòng)，2018，42（5）：14-17.

［14］ 藺夢(mèng)雄，張向慧，姚良博，等.階次跟蹤分析方法在機(jī)器人用精密減速器擺動(dòng)疲勞試驗(yàn)故障診斷中的應(yīng)用［J］.機(jī)械傳動(dòng)，2022，46（10）：156-162.

［15］ 徐宏海，王文濤，劉學(xué)翱，等.RV減速器工作頻率理論計(jì)算與ADAMS仿真［J］.機(jī)械傳動(dòng)，2015，39（7）：38-41.

［16］ 王瑞欣，劉紅旗，張敬彩，等.機(jī)器人用RV減速器綜合性能試驗(yàn)臺(tái)技術(shù)研究與開發(fā)［J］.機(jī)械傳動(dòng)，2018，42（12）：143-145.

（責(zé)任編輯 白麗媛；責(zé)任校對(duì) 柴 智）