向量自回归和T2控制图在变工况齿轮箱故障检测中的应用

TP18; 针对齿轮箱传统故障分析方法难以评估变工况下齿轮箱健康状态,对齿轮箱的振动数据按工况分类后,进行了基于向量自回归模型(vector autoregression,VAR)和统计过程控制方法的变工况下齿轮箱异常检测方法研究.采用时域同步平均算法(time synchronous avera-ging,TSA)去除原始振动信号中的噪声,并分工况建立向量自回归模型计算残差;提取残差的均方根(root square mean,RMS)和整流平均值作为指标,初步判断齿轮故障;选取残差的均方根及整流平均值进行统计过程分析,建立多变量指数加权平均(multivariate exponential weighted mov-ing average,MEWMA)、广义方差以及T2 控制图来判断齿轮早期异常发生点.研究结果表明,均方根T2 控制图效果最佳,检测出了60、151、152 三个异常点,从而完成了对变工况下齿轮箱的故障检测.