蝸桿減速器是機械設(shè)備中常見的傳動設(shè)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(fā)生齒廓變化故障時，會發(fā)生以嚙合頻率為載波頻率，以蝸輪軸的旋轉(zhuǎn)頻率為調(diào)制頻率的嚙合調(diào)頻現(xiàn)象。由于齒廓改變故障一般不會產(chǎn)生較大的沖擊振動，能量較小，所以調(diào)制頻率的邊帶較小。 當齒廓變化嚴重時，由于激發(fā)能量大，蝸輪固有頻率被激發(fā)，出現(xiàn)蝸輪共振調(diào)頻，以蝸輪各階固有頻率為載波頻率，蝸輪所在軸的旋轉(zhuǎn)頻率為調(diào)制頻率。 包絡(luò)分析技術(shù)是對蝸輪故障信號進行解調(diào)，提取故障頻率。 包絡(luò)分析技術(shù)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(luò)時，帶通濾波器的參數(shù)選擇通常是靠經(jīng)驗，具有一定的盲目性。 經(jīng)驗模式分解(EMD)是一種自適應(yīng)信號分解方法，可以將信號分解到不同的頻率域。 利用經(jīng)驗模態(tài)分解和包絡(luò)譜相結(jié)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(jīng)驗模態(tài)分解將齒輪故障信號分解成多個固有模態(tài)函數(shù)分量，然后對具有明顯故障特征的固有模態(tài)函數(shù)分量進行包絡(luò)分析。 然而，具有明顯故障特征的IMF仍然是通過經(jīng)驗獲得的，缺乏理論依據(jù)。 提出了一種基于小波系數(shù)熵閾值的增強共振解調(diào)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(shù)對信號進行重構(gòu)，得到了一些結(jié)果。 然而，很難確定合適的小波包分解層數(shù)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(shè)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(luò)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(jié)果影響很大，很難確定最佳的信息熵閾值。 鑒于自相關(guān)算法的性質(zhì)，采用自相關(guān)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://www.cd-first.cn/list_16/1375.html