在阅读此文前，麻烦您点击一下“关注”，方便您进行讨论和分享，给您带来不一样的参与感，感谢您的支持。

文| 凭栏

编辑| 凭栏

«○●—引言—●○»

在煤生产工程中，机械传动齿轮是重要组件之一，其质量会对整个生产过程造成严重影响。若机械设备中的传动齿轮存在故障，就会导致整个机械设备的传动性能降低，使其应用安全性降低。

为避免此类问题的发生，应实时监测传动齿轮的运行状态。传动齿轮在运行过程中，由于长时间高颊运动，可能会存在松动、失效等现象。

其与其余部件摩擦、碰撞会产生瞬态的冲击信号，而失效现象也会导致声反射现象，亦可将其看为瞬态的冲击信号。

瞬态的冲击信号具有非线性、非周期性等特点，并且其运转环境也存在较强的背景噪声，故对其进行提取、检测的准确性较差，无法判别其是否存在故障。

针对这一问题，众多学者开展研究，获得一定成果，提出了基于DICA的故障诊断算法。

该方法首先加入观察矩阵，考虑信号的动态变化，再利用深度分解的方法，对轴承早期失效进行特征提取，并建立了故障诊断模型，实现了对故障信号的实时监测。

这种方法在使用时，由于平台不稳定，信号噪声不能及时消除，造成测量值与实际值相差较大。

提出了一种基于Tripletloss的深度测量学习模型的方法。首先建立了齿轮箱轴承和齿槽深度测量的学习模型，然后运用Tripletloss对各种类型的故障进行测量，以达到有效的诊断目的。

该方法在应用过程中同样存在提取信号不准确，检测准确率较差的问题。利用小波分析技术，对变压器的故障进行快速识别。

首先研究了变流器和变流器之间的关系，并运用模式极大值理论探讨了小波信号的奇异性探测，然后选择适当的门限对其进行降噪。

并运用小波模式极大值理论来判断故障的起因和差流发生的时间，从而达到快速诊断的目的。这种方法只能识别出它的失效v无法判定它的各种类型。

本文引入小波变换理论开展传动齿轮的故障信号检测，提升传动齿轮的故障检测效率。

«○●—机械传动齿轮运动—●○»

机械设备的传动装置大致分为2种模型，一种为摩擦传动，一种为啮合传动。本文主要研究内啮合齿轮的传动过程内啮合齿轮传动如图1所示。

图1中，O1、O2为主、从齿轮的中心；n1、n2为其转动方向；F为传动力；z1、z2为主、从齿轮的轮齿；1、2、3、4为主动齿轮轮齿；1'、2'、3'、4'为与1、2、3、4啮合的从动齿轮轮齿。

一般机械设备如果设计制造准确，维修周期合理，其齿轮的使用寿命可长达10~20a，这对于煤矿机械设备而言非常重要。

为实时监测煤矿机械的传动状态，本文对传动齿轮的失效形式进行研究，在传动齿轮出现失效情况后，机械设备的传动性能会受到影响。

故可通过传动齿轮的传动状态来分析其故障情况。接下来，对传动齿轮运动性能进行分析。

齿轮每次啮合时都会产生摩擦，其啮合位置多在齿面的上、下2个位置，由于其移动方向的改变，摩擦系数也会随之变化，传动齿轮轮齿啮合如图2所示。

齿轮在运动过程中会存在一定传递误差，本文对其传动误差进行考虑。假定传动误差是周期数，可以用傅里叶格式来表达，如果只有一次谐波其可以被表示为

e。为初始误差；ωh为啮合角频率，因其传动误差与啮合线方向形变量有关，故用流变量s，对其进行表示，即sf=e'(t)。

当2个齿轮的重合度为(1，2)时，运动时齿轮的轮齿会交替啮合。因此，当第1对齿的啮合时间为T，第1对从齿的单齿刚度为kp1、kg1，第2对从齿的单齿刚度为kp2、kg2，那么，单齿啮合刚度可以表示为

δ为传动齿轮轮齿的弹性形变；f(δ)为在有齿边间隙时的轮齿啮合非线性函数，在齿轮对的侧隙为2b的情况下，它可以表示为

运用功率结型结构建立时变刚度考虑模型，其运动的状态方程可表示为

u1、u2、u3为布尔变量；δ1、δ2、δ3分别为从动轮轮齿、从动轮左侧轮齿、从动轮右侧轮齿的形变量.

W1、W2、W3为从动轮接合点轮齿、从动轮左侧轮齿、从动轮右侧轮齿受到的载荷。

图3中，Se为势源；TF为变换器；MTF为二通口转换器；MR为阻性元件；rs、roz为两齿轮的基圆半径；u1、o:为两齿轮的转动速度；I1、I:为两齿轮的转动惯量。

T，、T，为齿轮副的驱动转矩和负载转矩；p为齿面动摩擦。设齿轮副的状态变量为X={pi，p:，r}，齿轮副的线性啮合阻尼为cn，则获取的动力学状态方程为

以此为基础，开展传动齿轮的故障信号检测研究。

«○●—传动齿轮故障信号检测—●○»

小波分析作为目前应用较为广泛的时频分析方法，主要通过伸缩和平移等方式对信号进行多尺度的细化分析，比较适合进行传动齿轮故障导致的瞬态冲击信号的处理与分析。

提取出传动齿轮信号后，先对信号进行去噪增强处理，然后在多分辨分析的框架下对信号进行小波分解，实现故障信号的检测。

由于所提取的瞬变信号具有很高的频率和强烈的背景噪声，所以在进行信号分析前必须对其进行降噪。

采用已建好的低通滤波器进行滤波，对故障信号进行滤波降噪。建立的低通滤波器用方程表示为

F(u，o)为信号中噪声的傅里叶变换﹔H(u，v)为传递函数；G(u，o）为低通滤波器输出后的傅里叶变换。

当信号与噪声都为独立个体时，可将噪声标记为高频，并利用H滤波器对噪声进行过滤，令低频信号顺利通过。

根据上述描述，对低通滤波器进行改进，改进后的低通滤波器定义为

Р为频率。低通滤波器能够对信号滤波完成去噪，但也会对信号产生抑制，去除噪声后，剩余能量的数量主要取决于P的大小。

P值越小信号能量就越小，故应适当选取Р值，再进行滤波处理。

为解决对信号滤波后存在抑制问题，采用小波变换方法对信号增强处理。

假设qo(t)∈L2(R)为信号空间，它的傅里叶变换标记为都(o)，令其满足下述条件，即

C。为设定条件；d为常数；o为实数空间。当市(o〉满足式(13）设定的条件时，需要将p(t〉看作母小波。

那么此时在L2(R)空间中，小波基函数f(t〉展开后的连续小波变换方程表达式，通过下述方程实行标记，即

(a，b）为小波变换系数﹔pa.，(t）为相关参数；a为比例因子；b为转换因子；t为时间。

基于小波变换对齿轮故障信号实行增强，具体流程如下:提取原始信号中包含的小波基及分解尺度，对其实行小波分解处理，从中取得故障信号的多层小波系数。

从信号中获取适量阈值，达到抑制噪声的目的。当多层小波系数小于阈值时，需要对该系数实行缩小操作；反之大于阈值时，则需要扩大该系数，重构小波系数，实现信号增强。

小波信号分解，对于增强后的故障信号，选取最佳母函数进行小波分析，其表达式为

a为尺度因子；b为平移因子。

在小波基中将信号展开，对其进行连续的小波变换，即

φab(t)为φab(t)的共辄式。针对小波变换中存在的冗余问题，本文将(a，b)其离散化为一套标准的正交基。当a=2，b=k·2’时，称其为二进小波变换，即

利用多分辨率分析原理，将L2(R)空间分解成有限子域的近似。对于可向细节部W，和近似部V，投射任意信号f(t)∈L2(R)的子空间，存在:

«○●—试验与分析—●○»

为验证煤矿机械设备传动齿轮故障信号检测方法的有效性，需要对该方法实行对比测试。

采用煤矿机械设备传动齿轮故障信号检测方法，基于改进的动态独立成分分析故障检测方法和一种基于Tripletloss的齿轮箱复合故障识别方法进行试验测试。

选取型号为QPZZII机械故障模拟试验台开展试验，选取单级直齿轮减速传输的齿轮箱作为试验对象，其相关参数如表1所示。

利用传感器提取齿轮箱输入、输出齿轮的垂直振动信号，完成数据采集工作。

然后利用该试验台完成齿轮多种运行状态的模拟，利用3种方法对其故障信号进行检测，其现场实物如图4所示。

本文数据处理工作均在1台Windows10系统的笔记本电脑中进行，其运行内存为8GB，可满足试验需求。

性能试验为对其故障信号进行真实模拟，将实测的背景噪声按照一定信噪比叠加在试验之中。利用本文方法对冲击信号进行去噪处理，其前后对比情况如图5所示。

由图5可知，在对信号进行降噪后，在0.15s后，信号去噪效果较为明显，证明本文方法可对信号进行去噪及增强处理，具有一定应用价值。

为进一步验证本文方法的性能，设置对比试验，以信噪比为指标，获取多种方法对信号处理效果的对比，其结果如图6所示。

根据图6获取信号数据，求得其噪声的信噪比，其表达式为

Asmax为冲击信号的最大幅值:Axmax为背景噪声的最大幅值。由此可获得其信噪比对比如表2所示。

由表⒉可知，应用本文方法处理后，其信噪比为23.364dB，而应用方法1处理后获得的信噪比为20.134dB，应用方法2处理后获得的信噪比为19.085dB。综上所述，采用本文方法处理后效果更好。

利用试验台分别模拟正常运转、疲劳运转、点蚀、磨损及断齿等多种信号，采用3种方法进行多次测试，依据检测结果验证其故障检测准确率，其具体测试结果如图7所示。

本次试验共选取5种传动齿轮的运行状态，并采用3种方法对其运动状态进行检测。

由图6可知，本文方法的故障测量结果始终保持在90%以上，同时从检测准确率运动轨迹来看，本文方法的准确率最高，优于其他⒉种方法。

«○●—结束语—●○»

传动齿轮在机械设备运行过程中发挥重要作用，针对传动齿轮故障检测问题，提出煤矿机械设备传动齿轮故障信号检测方法。

该方法对传动齿轮的机械运动进行详细分析，获取了动力学方程，然后引入小波变换理论，完成故障信号的去噪、增强及分解，实现对故障信号的检测。

测试结果表明，本文方法对传动齿轮不同故障的检测准确率高于90%，具有较大的应用价值。

避障控制时，识别精度高，识别速度快，并且测试出的避障控制效果好，由此可证明，本文方法在开展避障控制时的避障性能好。

本文提出了一种热电厂巡检机器人障碍物识别与避让控制方法，该方法依据巡检机器人的动力学模型。

然后结合相关方法完成障碍物类型的识别，再通过巡检机器人的避障速度以及机器人移动时的行驶角度，进而完成机器人的障碍物避障控制。

通过性能测试可以发现，应用该方法对机器人开展障碍物避障控制的效果较好，其不仅能够在较短的时间内识别到障碍物。

且对障碍物的识别精度较高，避障控制效果与机器人期望巡检轨迹之间存在差距较小。