一、重型機床故障診斷的意義

　　重型機床的這種工作特點使得機床的安全性、穩定性、可靠性變得尤為重要，因為在工作條件下工作載荷以及工件的慣性巨大，一旦出現故障造成機器突然停車，巨大的載荷沖擊會對整臺設備造成難以控制的損害，尤其是對機床中執行動力傳輸的回轉部件造成破壞。此外，由于大型設備制造、運營成本高，啟動、停止都會帶來巨大的載荷以及電流波動，對設備本身以及包括電網在內的周圍環境產生較大的影響。因此對于它們工作狀態的保障以及故障的診斷排除被人們廣泛重視。所以對于工作的旋轉部件的狀態保障至關重要。因為在這種重載的工況之下，微小的瑕疵會迅速擴展，導致零件失效甚至造成突然停車等產生重大沖擊破壞其它零部件的致命故障。所以，在故障初期診斷并確定故障，對于重型機床的使用維護，具有重要意義。

　　(一)為確保重型機床工作時的穩定狀態，首先就要對機床裝配出廠時的工作狀態加以保證

　　由于重型機床床身零部件的尺寸以及質量都大于一般機床，因此工廠在裝配過程中大多采用吊裝的方式將機床各個部分分塊組裝，最后將各部分裝配成機床整體，并調試試驗。

　　(二)由于重型機床的體積、質量巨大，它的加工控制操作需要通過數控來完成，而且目前的國產重型機床已經實現了數控化

　　而未來的數控系統將向智能化的方向進一步發展，也就是逐步在某些方面替代腦力勞動。

　　對于重型機床的主軸箱裝配故障的研究，不僅可以為機床裝配過程中故障的消除提出指導性意見，還可以為后續的智能數控系統中自主監測狀態這一子模塊提供相關技術儲備。

　　二、齒輪箱故障診斷技術

　　(一)齒輪箱故障診斷的主要階段

　　齒輪箱被廣泛應用于工業領域，由于其應用的廣泛性以及在機械傳動中的重要作用，對其故障進行研究，以期在故障導致破壞之前進行人為干預，排除故障。重型機床主軸箱也是齒輪箱的一種，其故障類型與普通齒輪箱相似，卻又有其獨特的地方。對于齒輪箱的故障診斷，基本上可以分為三個主要階段。

　　1.原始數據的獲取，根據齒輪箱故障時所引起的各種異常現象，利用不同的傳感器來獲取其異常信息。

　　2.對原始數據的處理以及表征故障和缺陷的有用特征的

　　提取。

　　3.基于模式識別的方法和理論根據提取出的特征識別出故障類型。

　　(二)不同類型數據的采集

　　為了實現有效準確地診斷故障的目標，用不同類型的數據來分析和對比。目前，基于齒輪箱在故障狀態下工作情況的改變，主要被用來分析的信號包括振動信號、聲發射信號、熱信號以及油液磨粒信號。

　　機床的振動信號往往攜帶和包含著機床工作時的動態信息，這些信息能夠幫助實現故障特征的獲取和故障本身的診斷。振動信號被認為是最可靠的原始據而被普遍采用。但是在一些特殊情況下，振動信號會不再適用，比如在低速旋轉的機器上。轉速低于100r/min被認為是低工作轉速，在這種情況下，振動幅值會由于能量過低而降低，這也導致不能及早地對故障實現診斷。但是聲發射信號(AE)更適用于在這種工況。AE是在材料內部或者表面應變能瞬間釋放時所產生的彈性波。AE信號在低速條件下的表現優于振動信號。此外，如果齒輪箱中存在不對中或者齒輪磨損，會在接觸部分產生額外的熱，而這些熱也會傳遞到其它的零部件，利用紅外照相機對齒輪箱的工作狀態進行動態監測，并利用軟件自動識別故障。油液顆粒監測是另一種無損監測手段，通過測量磨粒的尺寸、分析磨粒材料、計算磨粒積累的速度，可以對工作狀態進行判斷。

　　(三)不同方法對故障特征的提取

　　傳統的用于齒輪箱分析的方法包括譜分析、倒譜分析、解調分析、統計分析、包絡分析等。快速變換(FFT)的出現使得基于頻譜分析的故障診斷方法進入嶄新的階段，為該領域帶來了新的發展。但是慢慢的人們發現傳統的FFT方法并不能有效地顯示故障特征的瞬變信號，而包絡譜分析雖然能夠展現故障特征，卻不能夠有效處理非穩態信號。一些為了處理這種非穩態問題的方法被發現和應用，其中之一是短時變換(STFT)。這種方法將信號在等時間間隔上進行分析，但是由于它的時域分辨率不能改變，會在分析需要細小分辨率的信號應用上存在問題。小波變換的方法被成功地應用于非穩態信號的處理和內含特征的提取。表2-1從處理非穩定信號的能力、信號自適應性、信號參數獨立性、時域表現能力四個方面對它們進行了對比分析。

　　(四)不同故障的識別分類方法

　　通過分析可以識別和判斷出齒輪或者軸承的工作狀態。使機器能夠自己識別和判斷出故障的種類是應用發展的方向。針對從故障齒輪箱提取的信號中存在各種不同源發出的不確定、隨機以及不完整的信息，引入在語音識別領域得到成功運用的隱式Markov模型(HMM)，以在實驗中測得的信號數據為基礎，對未知故障的部件進行診斷，取得了不錯的判斷結果。