基于电机驱动系统的齿轮故障诊断方法对比研究
“2016第三届轨道交通供电系统技术大会”演讲报告图文版已在“电气技术”微信（微信号：dianqijishu）上陆续发布，请感兴趣的读者扫描下方二维码，进行关注阅读。
哈尔滨工业大学电气工程系的研究人员杨明、柴娜、李广、李雨琪、徐殿国，在2016年第19期《电工技术学报》上撰文指出，电机的电磁转矩、定子电流等信号可以反映负载转矩的变化，故而在采用电机驱动的齿轮传动系统中，可直接利用电机本体作为传感器来实现齿轮故障的无损诊断。
建立了电机、齿轮一体化机电系统模型，对电磁转矩分析法(ETSA)和电机电流特征分析法(MCSA)的故障诊断原理进行了分析与仿真验证，发现电磁转矩信号不受电流基波的影响，更能直观地体现出故障信息；且故障特征在频域下比时域下更为明显。
实验平台综合对比了不同转速和负载转矩下两种方法的诊断效果。结果表明两种方法均受转速和负载转矩影响较大，低速重载有利于故障诊断的进行；但ETSA比MCSA适用的转速范围更广。
齿轮传动机构具有结构紧凑、传动准确可靠、可实现较大的减速比等优点，在工业生产中具有广泛的应用[1]。由于过载、周期性疲劳应力等不良工作状况，齿轮易出现点蚀、齿根裂纹、断齿等故障，使生产过程中断，甚至发生严重事故[2]。
对齿轮进行状态监测，实现早期故障诊断，并进一步预测齿轮寿命具有重要意义。传统的齿轮故障诊断方法有振动法、噪声检测法等，这些方法发展比较成熟，但仍存在一些缺点，如需安装传感器，而传感器价格比较昂贵，且会对设备造成损害；易受背景噪声的干扰等[3-5]。
为了解决以上问题，在采用电机驱动的齿轮传动系统中，学者们逐渐将故障诊断的注意力转向对电气方法的研究，即不需安装额外的传感器，直接利用电机本体的一些信号进行齿轮故障诊断。由于不需要直接在齿轮箱上安装传感器，这种电气方法可实现无损故障诊断及远程故障诊断[6]。
电机电流特征分析法(Motor Current Signature Analysis,MCSA)广泛被用于电机本体、轴承[7-9]的故障诊断，近年来越来越多的学者逐渐将其用于齿轮的无损故障诊断[10-13]。文献[10]给出了MCSA的理论依据，认为负载转矩中的波动成分在定子电流中体现为调频特性。文献[11]提出相电流中的多频率成分主要由幅度调制造成，并在无刷直流电机和蜗轮蜗杆构成的系统中，用MCSA成功检测出轮齿破损这一局部故障。
文献[12]利用MCSA对多级齿轮箱进行故障诊断，并提出幅度解调追踪轴频，频率解调追踪啮合频率的思想。文献[13]采用希尔伯特-黄变换对电流信号进行频率解调，但由于啮合频率调制系数很小，实际只观测到轴频成分，并未观测到啮合频率分量。
考虑到MCSA方法中调制现象的存在以及解调算法还会带来其他问题，部分学者将重点转向了对转矩信号的分析上。文献[14]认为除一些传统的振动量以外，负载转矩信号是包含负载状态信息最多的变量。该文在电机对拖平台上进行了实验，证明构造出的负载转矩观测器比定子相电流具有更高的带宽，能体现出更高频率的电机负载波动。
文献[15，16]均验证了在齿轮箱完好时，电机相电流和电磁转矩信号中有输入和输出轴频以及啮合频率的相关成分。文献[17]在模拟的火车牵引系统中，利用感应电机定子电流和电磁转矩观测信号进行齿轮故障诊断，并通过轴频分量幅值的增加诊断出分布式故障。文献[18]在具有大减速比的系统中，利用定子相电流信号和电磁转矩观测器成功检测出齿轮局部式故障。
文献[15-18]均采用了电磁转矩分析方法(Electro-Magnetic Torque Signature Analysis, ETSA)和MCSA方法进行齿轮故障诊断，但更多地是在验证两种方法的可行性，并且在作者考虑的运行条件下，两种方法诊断效果几乎无差别。本文则在综合考虑了转速和负载转矩两大因素的基础上，对两种方法的诊断效果进行全面对比。
结论
本文建立了电机-齿轮一体化机电系统仿真模型，并发现由于幅度调制现象的存在，相电流中时域下的故障信息被隐藏起来。在稳态下，采用频域法比时域法故障诊断效果好很多。
本文以断齿这一局部故障为例，通过实验研究了不同运行条件下，ETSA与MCSA的故障诊断效果。发现两种方法均受转速和负载转矩影响较大，低速重载有利于故障诊断的进行。但在转速较高时(对应文中1500r/min)，电磁转矩频谱中的边频带比相电流频谱中的边频带更明显，有利于故障诊断的进行，即ETSA比MCSA适用的速度范围更广。
总体来说，电磁转矩信号直接与机械部分耦合在一起，不受电流基波的调制，更能直观地体现出故障信息。且实验表明相比于MCSA，ETSA适用的转速范围更广，故而在电磁转矩易获得的场合，推荐使用电磁转矩分析法进行齿轮故障诊断。
本文采用的信号处理方法为FFT，只适用于稳态条件，下一步的研究重点是非稳态状况下的齿轮故障诊断。