·776· 工程科学学报，第39卷，第5期 000 1000 (b) -1600 -1000 5 100 L50 200 100 150 200 样本点 样本点 600 (c) ◇正常 O太阳轮损伤 400 ☆行星轮损伤 口齿圈损伤 200 9 为 ◇ d四 -200 -400L -1500-1000 -500 500 1000 维度，V 图11训练样本特征排列及聚类.(a)V,维度特征排列：(b)2维度特征排列：()特征聚类 Fig.11 Alignment and clustering of training sample features:(a)features alignment in V:(b)features alignment in V2:(c)features clustering 600 域特征进行降维处理，从而发掘出高维空间中内嵌的 ◇正常 低维流形.通过实验对比分析测试样本与训练样本不 ○太阳轮损伤 400 ☆行星轮损伤 同状态对应的二维流形的特点，识别出了太阳轮、行星 口齿圈损伤 轮和齿圈的局部故障. 200 、攻烛攻的心⊙8” ☆ 参考文献 [1]Feng Z P,Zhao LL,Chu F L.Vibration spectral characteristics of localized gear fault of planetary gearboxes.Proc CSEE,2013, -200 33(5):119 (冯志鹏，赵镭镭，褚福磊.行星齿轮箱齿轮局部故障振动频 400 1500-1000 -500 500 1000 谱特征.中国电机工程学报，2013,33(5)：119) 维度，V [2] Feng Z P,Chu FL.Vibration spectral characteristics of distribu- 图12测试样本特征聚类 ted gear fault of planetary gearboxes.Proc CSEE,2013,33(2): Fig.12 Clustering of testing sample features 118 (冯志鹏，褚福磊.行星齿轮箱齿轮分布式故障振动频谱特 轮、行星轮及齿圈等的局部故障 征.中国电机工程学报，2013,33(2)：118) [3] Samuel P D,Pines D J.Vibration separation methodology for 4结论 planetary gear health monitoring.Proe SPIE,2000,3985:250 齿轮局部故障对行星齿轮箱正常振动信号造成调 [4] Samuel P D,Pines D J.Constrained adaptive lifting and the CALA metric for helicopter transmission diagnosties.J Sound Vib,2009 幅调频影响，造成其频谱结构非常复杂，频率成分多 319(1-2):698 样，且故障特征频率容易被噪音淹没，给齿轮箱的故障 [5] Williams W J,Zalubas E J.Helicopter transmission fault detec- 识别带来较大难度.针对这一问题，考虑到不同状态 tion via time-frequency scale and spectral methods.Mech Syst Sig- 下的振动信号多域特征存在一定的差异性，因而分别 nal Process,2000,14(4):545 提取信号时域、频域特征参量：在能量分析中，采用局 [6] Zimroz R,Bartelmus W.Gearbox condition estimation using cy- 部均值分解法将信号分解为单分量，提取了时频域单 clo-stationary properties of vibration signal.Key Eng Mat,2009 分量瞬时幅值能量，避免了传统分析方法中负频率及 413:471 [7]Barszez T.Randall R B.Application of spectral kurtosis for detec. 虚假模态问题，抑制了噪音干扰.基于改进的虚假近 tion of a tooth crack in the planetary gear of a wind turbine.Mech 邻点的本征维数估计及k近邻点确定法能够同时有效 Syst Signal Process,2009.23(4):1352 地确定等距映射的降维参数，对构建的高维非线性多 [8]Feng Z H,Hu N Q,Cheng Z.Faults detection of a planetary gear工程科学学报,第 39 卷,第 5 期 图 11 训练样本特征排列及聚类. (a) V1维度特征排列; (b) V2维度特征排列; (c) 特征聚类 Fig. 11 Alignment and clustering of training sample features: (a) features alignment in V1 ; (b) features alignment in V2 ; (c) features clustering 图 12 测试样本特征聚类 Fig. 12 Clustering of testing sample features 轮、行星轮及齿圈等的局部故障. 4 结论 齿轮局部故障对行星齿轮箱正常振动信号造成调 幅调频影响,造成其频谱结构非常复杂,频率成分多 样,且故障特征频率容易被噪音淹没,给齿轮箱的故障 识别带来较大难度. 针对这一问题,考虑到不同状态 下的振动信号多域特征存在一定的差异性,因而分别 提取信号时域、频域特征参量;在能量分析中,采用局 部均值分解法将信号分解为单分量,提取了时频域单 分量瞬时幅值能量,避免了传统分析方法中负频率及 虚假模态问题,抑制了噪音干扰. 基于改进的虚假近 邻点的本征维数估计及 k 近邻点确定法能够同时有效 地确定等距映射的降维参数,对构建的高维非线性多 域特征进行降维处理,从而发掘出高维空间中内嵌的 低维流形. 通过实验对比分析测试样本与训练样本不 同状态对应的二维流形的特点,识别出了太阳轮、行星 轮和齿圈的局部故障. 参 考 文 献 [1] Feng Z P, Zhao L L, Chu F L. Vibration spectral characteristics of localized gear fault of planetary gearboxes. Proc CSEE, 2013, 33(5): 119 (冯志鹏, 赵镭镭, 褚福磊. 行星齿轮箱齿轮局部故障振动频 谱特征. 中国电机工程学报, 2013, 33(5): 119) [2] Feng Z P, Chu F L. Vibration spectral characteristics of distribu鄄 ted gear fault of planetary gearboxes. Proc CSEE, 2013, 33(2): 118 (冯志鹏, 褚福磊. 行星齿轮箱齿轮分布式故障振动频谱特 征. 中国电机工程学报,2013, 33(2): 118) [3] Samuel P D, Pines D J. Vibration separation methodology for planetary gear health monitoring. Proc SPIE, 2000, 3985: 250 [4] Samuel P D, Pines D J. Constrained adaptive lifting and the CAL4 metric for helicopter transmission diagnostics. J Sound Vib, 2009, 319(1鄄2): 698 [5] Williams W J, Zalubas E J. Helicopter transmission fault detec鄄 tion via time鄄frequency scale and spectral methods. Mech Syst Sig鄄 nal Process, 2000, 14(4): 545 [6] Zimroz R, Bartelmus W. Gearbox condition estimation using cy鄄 clo鄄stationary properties of vibration signal. Key Eng Mat, 2009, 413: 471 [7] Barszcz T, Randall R B. Application of spectral kurtosis for detec鄄 tion of a tooth crack in the planetary gear of a wind turbine. Mech Syst Signal Process, 2009, 23(4): 1352 [8] Feng Z H, Hu N Q, Cheng Z. Faults detection of a planetary gear ·776·