蝸桿減速器是機械設備中常見的傳動設備。蝸輪和蝸桿是蝸桿減速器的兩個主要傳動部件。 其中蝸輪容易失效，齒廓變化是導致蝸輪失效的主要形式之一。齒廓改變意味著蝸輪偏離理想齒廓。 當蝸輪發生齒廓變化故障時，會發生以嚙合頻率為載波頻率，以蝸輪軸的旋轉頻率為調制頻率的嚙合調頻現象。由于齒廓改變故障一般不會產生較大的沖擊振動，能量較小，所以調制頻率的邊帶較小。 當齒廓變化嚴重時，由于激發能量大，蝸輪固有頻率被激發，出現蝸輪共振調頻，以蝸輪各階固有頻率為載波頻率，蝸輪所在軸的旋轉頻率為調制頻率。 包絡分析技術是對蝸輪故障信號進行解調，提取故障頻率。 包絡分析技術已成為分析齒輪故障振動信號的有效方法之一。 但是，減速機廠家在直接分析原始振動信號的包絡時，帶通濾波器的參數選擇通常是靠經驗，具有一定的盲目性。 經驗模式分解(EMD)是一種自適應信號分解方法，可以將信號分解到不同的頻率域。 利用經驗模態分解和包絡譜相結合的方法提取齒輪故障頻率，取得了良好的效果。 該方法通過經驗模態分解將齒輪故障信號分解成多個固有模態函數分量，然后對具有明顯故障特征的固有模態函數分量進行包絡分析。 然而，具有明顯故障特征的IMF仍然是通過經驗獲得的，缺乏理論依據。 提出了一種基于小波系數熵閾值的增強共振解調方法。對軸承振動信號進行小波包分解，計算每個小波包的信息熵。選擇信息熵較大的小波包系數對信號進行重構，得到了一些結果。 然而，很難確定合適的小波包分解層數和小波基。 提出了用信息熵的方法來選擇IMF。首先計算每個IMF分量的信息熵，然后設定一個信息熵閾值，選擇大于信息熵閾值的IMF分量進行包絡分析，也取得了一定的效果。 但是信息熵閾值的選取對分析結果影響很大，很難確定最佳的信息熵閾值。 鑒于自相關算法的性質，采用自相關分析法選擇IMF分量對蝸輪齒廓變化故障進行診斷。

本文鏈接:http://m.lcwysl.com/list_16/1375.html