论文题目Optimal filtering of gear signals for early damage detection based on the spectral kurtosis基于谱峭度的齿轮信号最优滤波及早期损伤检测期刊Mechanical Systems and Signal Processing2009摘要本文提出一种增强齿轮振动信号中微弱瞬态成分的方法以便在损伤早期检测点蚀等局部轮齿故障。作者提出采用基于谱峭度Spectral KurtosisSK的最优去噪维纳滤波器。其创新之处在于不是直接处理原始振动信号而是对齿轮残差信号估计并应用该滤波器这种残差信号通常通过从时间同步平均TSA信号中去除啮合谐波获得。相比直接从原始振动信号估计滤波器这样做能够提高信噪比、减轻齿轮箱其他级的干扰并更容易识别位于啮合谐波频率范围内的受激结构共振。对于经 SK 滤波得到的残差信号称为 SK-residual作者进一步将其平滑后的平方包络定义为局部功率该指标同时反映故障诱发瞬态的能量和非平稳程度。将该方法应用于工业案例后结果表明它能够检测两级斜齿轮减速箱中相对较小的轮齿表面点蚀面积小于 10%。对于 SK 估计分析窗长度与齿轮啮合周期大致匹配时分辨率设置表现较优。论文还将该方法与逆滤波盲反卷积方法进行比较发现后者稳定性较差、对噪声更敏感按照 Fisher 准则衡量其在有点蚀与无点蚀两种工况之间的诊断特征分离程度也较低。因此基于 SK 的最优滤波方法适合用于齿轮局部损伤的早期检测。一、研究背景与核心问题1.1 早期点蚀为什么难检测早期点蚀会产生微弱冲击并激发结构共振但正常啮合的周期振动、齿形差异、轴系不平衡和其他齿轮级干扰往往更强仅靠原始波形或常规峭度很难定位故障齿。传统方法利用时间同步平均Time Synchronous AverageTSA与啮合谐波剔除得到残差但残差仍属宽带信号故障共振可能被干扰淹没人工选择带通频带也容易遗漏多个共振。1.2 为什么不直接对原始信号计算谱峭度直接对原始信号计算 SK 存在三个障碍偶发的非故障冲击会产生高 SK多级传动的谐波与边带会干扰共振识别为分开密集谐波而加长分析窗又容易模糊短时冲击。关键是不仅要选对 SK 算法还要选对输入信号。先利用旋转周期性去除干扰再识别残余瞬态。二、方法整体框架先消除正常啮合再突出异常冲击论文 Figure 1从时间同步平均、残差信号到 SK-residual 与局部功率的完整流程整套方法可以概括为原始振动 → 角度重采样与 TSA → 去除啮合谐波 → 经典残差 → STFT 与 SK → 阈值化维纳型滤波器 → SK-residual → 平滑平方包络局部功率一条分支利用短时傅里叶变换STFT计算残差的 SK经显著性检验和平方根变换生成滤波器另一条把滤波器作用于残差得到 SK-residual 和随转角变化的局部功率。相比只选单一高峭度频带的带通滤波维纳型频率权重能保留多个共振。三者分工明确TSA 抑制干扰SK 决定频带权重局部功率提供定位与定量特征。三、核心模块一从 TSA 残差到谱峭度最优滤波3.1 为什么先做时间同步平均对转轴旋转周期为的信号时间同步平均定义为其中是振动信号是参与平均的转数。先进行角度重采样以避免转速波动造成错位TSA 保留目标轴每圈重复的成分削弱非同步干扰。经典残差进一步减去“平均单齿啮合波形”其中是目标齿轮齿数是啮合周期。这一操作等价于剔除啮合谐波突出偏离正常啮合的变化。论文还测试了预测误差形式的 AR-residual它能削弱部分边带却可能因白化而放大噪声。另一种随机剩余成分来自原始信号剔除全部确定性成分与 TSA 经典残差并不相同。3.2 谱峭度如何从频率中找到冲击记 X(t,f) 为 STFT 计算得到的复时频包络为 n 阶谱矩谱峭度定义为时间平均用于衡量各频带能量波动少数时刻出现强烈激励时SK 往往升高。但高 SK 不等于故障正常接触冲击也会产生这种现象。将观测信号表示为瞬态 s(t) 与平稳高斯噪声 n(t) 的叠加论文给出其中是噪声功率谱密度与目标信号功率谱密度之比。若瞬态短且在频率上近似不变则W(f)与成正比可借助 SK 盲估计去噪权重。3.3 如何让滤波器可用且稳定作者针对残差谱峭度设置统计显著性阈值并将比例系数固定为 1仅让超过显著性阈值的频带通过输出称为SK-residual。为避免极低能量频带计算失稳作者加入正则化实验取、。剩下的关键参数是 STFT 分析窗长度窗太长冲击在时间上被抹平窗太短频谱泄漏加重正常啮合产生的短冲击可能被错误放大。论文建议以一个啮合周期附近的窗长作为起点配合平滑窗、较高的窗口重叠率与零填充再通过实验比较分辨率。四、核心模块二为什么还要计算局部功率只观察 SK-residual 的波形虽然能够看到增强后的冲击但残余噪声和多个频带之间的叠加仍会使故障位置不够醒目。作者因此定义局部功率Local Power将冲击幅度进一步转化为平滑的能量峰值。记为 SK-residual 的解析信号h(t) 为 STFT 分析窗作者最终采用的估计式为其中*表示卷积为窗长。这相当于对平方包络进行平滑也可以从滤波后时频谱图沿频率方向积分来理解。局部功率*近似等于以 SK 加权的残差时频能量之和但该解释受频谱泄漏影响计算时仍应先滤波再平滑包络。这样既能按转角定位冲击也可为逐齿监测提供能量特征但平滑会受到窗长影响峰值越尖并不必然越可靠。五、实验结果与对比分析5.1 工业齿轮箱与点蚀设置论文 Figure 2工业现场两级斜齿轮减速箱及齿轮传动结构论文 Table 1输出齿轮上五处人工点蚀的面积比例和角度位置实验对象为用于驱动液压泵的两级斜齿轮减速箱减速比约 20.5:1额定电机功率 1.5 kW满载输出转速约 68 rpm。目标输出齿轮有 59 齿。作者先采集新齿轮的无故障数据再在五个轮齿表面人工制造近似自然点蚀其估计面积依次为 18%、12%、6%、3% 和 1.5%对应转角约 135°、172°、208°、245° 和 281°。每次采样 100 s、原始采样率 50 kHz随后为排除 13–17 kHz 的疑似变频器干扰而低通至 10 kHz、降采样到 25 kHz。采用输出端竖直方向振动与输出轴测速相位。点蚀面积是人工制造后估算值。5.2 常规处理为何看不到故障论文 Figure 3原始振动、TSA 和经典残差的波形与频谱对比两级啮合频率约为 450 Hz 和 68 Hz。对目标输出齿轮进行 115 圈同步平均后TSA 的能量不到原始信号的 4%再删除 59 的整数倍阶次啮合谐波获得经典残差。此时在约 170° 处虽然隐约可见一个异常峰但残差峭度仅约 0.09仍无法可靠突出早期点蚀。这正是后续 SK 滤波要解决的起点而不是拿已经清晰的故障信号再做增强。5.3 分辨率实验为什么中间值更好论文 Figure 4四种频率分辨率下的谱峭度、SK-residual 与局部功率论文 Figure 50–1.5 kHz 和 6–7.5 kHz 频带的时频能量图对比作者比较了 29.5、59、118 和 236 个输出轴阶次的频率分辨率分别约对应 4、2、1 和 0.5 个啮合周期的分析窗。对于较低分辨率长窗使相邻齿的瞬态难以分开对于最高分辨率短窗使 6–7.5 kHz 的正常齿面接触冲击被过度增强反而干扰点蚀识别。Figure 5 表明低频故障相关成分与高频正常啮合冲击会对窗长产生不同响应因而不能简单地把“SK 最大”当作最优设置。59–118 阶折中较好140° 和 170° 两处较大点蚀清晰200° 与 245° 也有较弱迹象。但峰值并不与点蚀面积严格成正比坑深、形状和接触过程同样重要。5.4 残差类型对比不是预处理越复杂越好论文 Figure 6AR-residual 的 SK 滤波效果及相邻啮合冲击放大图论文 Figure 7直接处理原始振动和随机剩余成分的结果AR-residual 采用 AIC 选取 P 740118 阶下滤波峭度约 4.2低于经典残差的 7但局部功率峭度约 59。Figure 6 还出现相隔约 6° 的重复小冲击对应 59 齿的啮合间隔 360°/59 ≈ 6.1°可能与多齿对接触有关AR 白化也会放大噪声。Figure 7 给出一个重要反例无论直接对原始振动做 SK 滤波还是对去掉全部确定性成分后的随机剩余信号做 SK 滤波都没有成功突出这些点蚀。作者据此认为本案例的故障主要产生与齿轮旋转同步的周期性效应而不是随机的循环平稳效应。这也说明“先做 TSA 目标分离”不是可有可无的步骤。5.5 诊断性能局部功率带来更大的类间分离论文 Figure 8经典残差、SK-residual 与局部功率的诊断特征分布和 Fisher 准则论文 Figure 9无点蚀与有点蚀的多次局部功率结果对比论文分别使用 43 组无点蚀和 48 组有点蚀信号以峭度作为最终诊断特征并采用 Fisher 准则衡量两类样本的可分离程度。FC 越大意味着两类特征的均值差异相对类内波动越明显它并不是分类准确率。在 59 阶分辨率下经典残差的 FC 仅为1.5两类特征大幅重叠经过 SK 滤波后FC 增至31.4再使用局部功率的峭度后FC 达到62.9两类样本在这组实验中不再重叠。相比之下AR-residual 对应三种处理的 FC 分别为 6.9、13.5 和 12整体不如经典残差路线。局部功率在无故障组仍存在一定波动作者也提示实际报警可能需要更稳健的时序判决策略。Figure 9 从齿位角度补充了证据有点蚀组在约 140° 和 170° 位置的峰值跨多次采集保持稳定约 200° 和 245° 的弱峰也能观察到但其中较小峰与正常波动接近。因此6% 左右被作者视为本实验条件下较可信的检测下限不能将 3% 或 1.5% 的点蚀都宣称为已被可靠检出。5.6 与 AR-MED 盲反卷积的对比论文 Figure 10两种滤波器长度下 AR-MED 的输出波形与峭度论文 Figure 11AR-MED 诊断特征的有点蚀与无点蚀分布作者还将方法与 AR-MED自回归 最小熵反卷积比较。AR-MED 通过迭代最大化峭度试图逆转传递路径对冲击的模糊作用。滤波器长度 L 185 和 370 时其输出峭度分别约为 14.6 与 21看起来比 SK-residual 更“尖锐”但长滤波器还会异常放大个别冲击无故障样本中的偶发冲击同样可能被强化。但 AR-MED 的 FC 只有17.9L 185或约 16L 370低于 SK 局部功率的 62.9。最大化信号峭度不等于最大化诊断可靠性此处去噪优于逆滤波的结论并非普遍成立。六、总结与思考如果把这篇论文压缩成一句话先利用齿轮的旋转同步性提纯故障残差再用谱峭度自适应选择非平稳共振频带最后以局部功率突出可定位的点蚀冲击。真正的创新不是单独发明 SK、TSA 或维纳滤波而是合理安排三者的作用位置让原本隐藏在正常啮合和噪声中的微弱冲击变得可观测。从实验来看经典残差 SK 滤波 局部功率是最有效的组合分析窗应与啮合周期大致匹配是否产生更尖锐的波形并不能代替有故障/无故障样本之间的统计分离检验。Figure 8 与 Figure 9 分别证明了“样本是否可分”和“冲击能否定位”共同构成了论文最有说服力的证据链。从工程角度看这套方法仍然依赖可靠的转速相位基准和足够稳定的同步平均论文只在一个工业齿轮箱、人工制造点蚀的场景下进行了验证。至于跨转速、跨载荷与长期自然劣化时的检测下限文中没有给出同等充分的证据。作者提出的后续方向是利用局部功率监测单个轮齿的损伤趋势以及改进 SK 到维纳滤波权重的比例系数估计、探索基于小波变换的 SK 计算。对实际状态监测来说这些问题比单纯追求更高的峭度更值得继续研究。
