变速箱故障范文1
关键词：农用拖拉机；变速箱；故障及排除
中图分类号：S219 文献标识码：A
1 不停地向右转弯
一台东方红75型拖拉机在一次作业中，机手没有扳动右转向操纵杆，可是拖拉机却突然向右转弯。把后面的五铧犁卸掉，挂上前进挡，这时拖拉机就在原地向右转弯。而扳动左操纵杆都很省力，说明左、右转向离合器总成工作状态良好。从后桥的构造上分析，造成这一故障只有两种可能性：后桥轴折断；右转向离合器接盘，（俗称喇叭盘）从其颈部断裂。拆下来检查，发现离合器接盘折断。接盘折断的原因有：机手在工作中经常进行急转弯和重负合作业；接盘与最终小减速齿轮轴之间是花键联接，间隙过大时，工作中容易受到冲击负荷；接盘的制造质量差；最终小减速齿轮两端的轴承磨损，使轴承间隙过大，工作中也容易受到冲击载荷，引起接盘折断。接盘折断后，后桥轴的动力就不能传给右边的驱动轮，右边的履带停止不动，拖拉机便不停的在原地向右转弯。
2 变速箱第一轴连续折断
一台东方红75型拖拉机在更换了变速箱内常啮合的小齿轮和第一轴前端的50408轴承后，进行抽水作业时，工作了8h，第一轴被折断。此后，在5d内，接连折断了3根，而且断裂处都在轴承里侧的退刀槽处。经修理工作仔细检查，发现常啮合大齿轮工作面一侧的齿根处均有因磨损而出现的台肩，原来，更换新的50408型轴承和常啮合小齿轮时，改变了齿轮啮合面的位置，造成更换的小齿轮顶的楞角顶撞大齿轮根处的台阶，使第一轴除承受正常的扭力外，又增加小齿轮齿的顶撞阻力，从而引起第一轴折断。更换常啮合大齿轮后故障排除。
3 变速箱内时而出现异响
一台泰山12型小四轮拖拉机，在挂5挡行走时，变速内时而出现“刷刷”的齿轮摩擦声，时而出现“嘎啦啦”的碰撞声。将主变速杆置于空挡位置，拆下变速箱前盖，发现IV轴上的1、3、4、6挡滑动齿轮，与III轴上的1、3、4、6挡固定齿轮侧面只有0.5mm的分离间隙（正常间隙应为1.5mm）。接着检查相关组合件的技术状态，发现III轴隔套长度减小1.2mm；其轴瓦向自由窜动量达0.8mm，IV轴上的1、3、4、6挡拨叉与滑动齿轮插槽的配合间隙达1mm（正常间隙应≤0.25mm）。当机车用5挡行进时，引起IV轴上的1、3、4、6挡滑动齿轮产生过大的窜动。与III轴上的1、3、4、6挡固定齿轮时而出现啃磨的“刷刷”声，时而出现碰撞齿面的“嘎啦啦”声，更换了III轴两端的305轴承及其轴套，焊修了拔叉脚，使之与齿轮槽配合间隙恢复至标准值，装复后故障排除。
4 行驶速度越高前轮摆动越大
一辆丰收2815型农用车，大修后试车时，其行驶速度越高，前轮摆动越大，低速行驶正常，先后对转向器、横直拉杆球销、前束以及轮毂轴承进行检查，均未发现异常。后对车轮各零部件进行仔细的测量，发现制动毂轴在大修中没有严格地按照技术要求加工造成制动毂半边厚，半边薄，由于壁厚不均匀，使得制动毂的质量沿圆周分布不均匀，即产生了不平衡。由于这种现象的存在，农用车在行驶时，在车轮上就产生了离心力，行驶速度越高，离心力也越大，当离心力达到一定数值时，便造成农用车行驶时车轮的左右摆动。车轮不平衡所产生的离心力之所以会使前轮左右摆，是由于其水平分对主销施加力的结果。
5 转向失灵
一台东方红75型拖拉机在作业中出现转向失灵的故障。机手扳动操纵杆不仅转向失灵，而且拉动一侧操纵向杆的自由行程都是忽大忽小。重新调整了操纵杆的自由行程，过一会还是忽大忽小。拆开转向离合器检查，发现上诉故障是被动盘摩擦材料破裂造成的。由于摩擦材料碎块脱离向外移动；松开操纵杆时转向离合器主动盘与被动盘结合，夹住摩擦材料碎块，使转向离合器动股到压盘总厚度增加，操纵杆形成变小；当扳动操向杆转向离合器，主动盘与被动盘分离时，摩擦材料碎块甩出，使转向离合器主动股到压盘总厚度大小，操向杆行程变大，为此，重新铆换被动摩擦片后，故障消失了。
6 气门间隙调了又变
一台东方红802型拖拉机在作业中，发生了气门间隙调了又变，且气门推杆弯曲的故障，拆检缸盖，发现气门顶活塞，检查定时齿轮室各齿轮记号都对准了，有更换了几个推杆，检查调整好气门间隙，装复后启动，还是气门响、冒烟。停机检查，气门间隙又弯了，推杆弯曲，最后断定是配气相对不对，重新检验配气相位，发现气门打开时间晚8min。因此，当活塞行至排气行程上止点时，与活塞相碰，造成推杆弯曲和气门间隙调后不久又变的故障。定时齿轮室各齿轮记号对准了，为什么进气门的开启时间还是晚8min呢？主要原因有：新齿轮制造质量不好，记号不清或不准；拖拉机使用多年，由于定位齿轮磨损、凸轴与套磨损、凸轮与挺杆及摇臂等件磨损，都会使配气相位发生变化。本机定时齿轮记号对准了，实际上进气门的开启时间还是晚8min，所以只能将凸轴齿轮调过一个齿（每调过一个齿相当曲轴转角7.5°），装复后，调好气门，故障排除了。
参考文献
[1] 张贤达.现代信号处理[M].北京：清华大学出版社， 2002.
[2] 费海林，殷培池.农用柴油车变速箱乱挡的诊断与排除[J].农机使用与维修，2005（03）.
[3] 姜来富.拖拉机变速箱的使用与维护[J].农业机械化与电气化，1997（05）.
变速箱故障范文2
中图分类号： TH165+.3； TH113.1文献标识码： A文章编号： 10044523（2013）06095109
引言
变速齿轮箱是机械系统中的重要部件，因其工作环境恶劣，且常处于变载荷下运行，容易因疲劳磨损而发生局部故障。在实际生产中，故障往往不是单独出现的，某些故障常常会诱发其他故障的发生[1]，因此，对变速齿轮箱的复合故障进行研究具有重要的实际意义。
近年来，许多学者致力于机械系统中复合故障的研究，取得了较好的效果。常用的复合故障诊断方法主要有：基于小波的复合故障诊断方法、基于EMD的复合故障诊断方法、基于盲信号处理的复合故障诊断方法、基于形态分析的复合故障诊断方法、基于模式识别的复合故障诊断方法等[1～11]。上述方法主要是针对平稳振动信号，即恒定转速下的复合故障诊断，但在工程实际中，受工况、载荷变化等影响[12，13]，齿轮箱的转速为一时变量，而故障特征往往与转速相关，亦为一时变量，因而，需要预先对振动信号进行平稳化处理。
工程实际中常采用阶比跟踪方法来实现信号的平稳化[14，15]，其基本思想是将时域非平稳振动信号进行等角度重采样转化为角域平稳振动信号。常用的阶比跟踪方法有硬件阶比跟踪法、计算阶比跟踪法、基于瞬时频率估计的阶比跟踪法等[16～18]。其中，基于瞬时频率估计的阶比跟踪法因无需安装角度编码盘、转速计等硬件，近年来得到了广泛的关注。而在基于瞬时频率估计的阶比跟踪法中，其核心问题是如何从原始振动信号中准确地提取出转速信号。EMMANUE等近年提出了线调频小波路径追踪算法[19]，该算法通过对线调频小波图中的线调频小波原子进行连接，自适应的获得频率呈曲线变化的信号分量。由于该方法具有精度高、抗噪能力强等优点，能自适应地从振动信号中提取出转频信息。近年被引入机械故障诊断[20，21]。
针对变速齿轮箱复合故障的诊断问题，本文结合线调频小波路径追踪算法、阶次跟踪和能量算子解调[22]，提出了基于阶次解调谱的变速齿轮箱复合故障诊断方法。该方法先采用线调频小波路径追踪算法自适应地从变速齿轮箱原始振动信号中提取转速信号；然后利用该转速信号对原始振动信号进行等角度重采样，将时域非平稳信号转化为角域周期平稳信号；最后对角域周期平稳信号进行能量算子解调分析，根据阶次解调谱进行变速齿轮箱复合故障诊断。算法仿真和应用实例表明，本文方法能有效地提取出变速齿轮箱中复合故障的故障特征。
6结论
（1）算法仿真和应用实例表明，线调频小波路径追踪算法可直接从原始振动信号中提取出转速信息，具有精度高的优点。
（2）齿轮出现断齿、裂纹局部故障时振动信号中往往出现转频调制现象，而轴承出现内圈、外圈局部故障时其振动信号则会被轴承内圈或外圈的通过频率调制，因而，可根据调制频率的不同，实现对包含齿轮局部故障和轴承局部故障的变速齿轮箱复合故障进行诊断。
（3）通过算法仿真和应用实例对包含齿轮局部故障与轴承局部故障的变速齿轮箱复合故障进行分析，结果表明，本文方法在无转速计的情况下，能有效地提取变速齿轮箱中复合故障的故障特征。
参考文献：
[1]张含蕾，周洁敏，李刚.基于小波分析的感应电动机复合故障诊断[J]. 中国电机工程学报，2006，26（8）：159—162.
[2]袁静，何正嘉，訾艳阳.基于提升多小波的机电设备复合故障分离和提取[J].机械工程学报，2010，46（1）：79—85，91.
[3]王晓冬，何正嘉，訾艳阳.多小波自适应构造方法及滚动轴承复合故障诊断研究[J].振动工程学报，2010，23（4）：438—444.
[4]崔玲丽，高立新，张建宇，等.基于EMD的复合故障诊断方法[J].北京科技大学学报，2008，30（9）：1 055—1 060.
[5]荆建平，孟光.盲源分离在转子复合故障诊断中的应用[J].振动工程学报，2004，17（S）：350—352.
[6]陈晓理，王仲生，姜洪开，等.基于改进样板去噪源分离的轴承复合故障诊断[J].中国机械工程，2011，22（17）：2 080—2 084.
[7]杨杰，郑海起，关贞珍，等.基于形态成分分析的轴承复合故障诊断[J].轴承，2011，8：38—42.
[8]李辉，郑海起，唐力伟.基于改进形态分量分析的齿轮箱轴承多故障诊断研究[J].振动与冲击，2012，31（12）：135—140.
[9]Lei Yaguo， He Zhengjia， Zi Yanyang. Application of a novel hybrid intelligent method to compound fault diagnosis of locomotive roller bearings[J]. ASME Transactions on Journal of Vibration and Acoustics，2008，130（3）：1—6.
[10]Purushotham V， Narayanana S， Prasad A N. Multifault diagnosis of rolling bearing elements using wavelet analysis and hidden markov model based fault recognition[J]. Journal of NDT & E International，2005，38（8）：654—664.
[11]Wu Fengqi， Meng G. Compound rub malfunctions feature extraction based on fullspectrum cascade analysis and svm[J]. Mechanical Systems and Signal Processing，2006，20（8）：2 007—2 021.
[12]Heyns T， Godsill S J， Villiers J P， et al. Statistical gear health analysis which is robust to fluctuating loads and operating speeds[J]. Mechanical Systems and Signal Processing，2012，27：651—666
[13]Borghesani P，Pennacchi P，Randall R B，et al. Order tracking for discreterandom separation in variable speed conditions[J]. Mechanical Systems and Signal Processing，2012，30：1—22.
[14]Shao Hui， Jin Wei， Qian Shie. Order tracking by discrete gabor expansion[J]. IEEE Trans on Instrumentation and Measurement，2003，52（3）：754—761.
[15]赵晓平，侯荣涛.基于Viterbi算法的Gabor阶比跟踪技术[J].机械工程学报，2009，45（11）：247—252.
[16]Bossley K M， Mckendrick R J， Harris C J， et al. Hybrid computed order tracking[J]. Mechanical Systems and Signal Processing，1999，13（4）：627—641.
[17]Saavedra P N， Rodriguez C G. Accurate assessment of computed order tracking[J]. Shock and Vibration，2006，13（1）：13—32.
[18]郭瑜，秦树人，汤宝平，等.基于瞬时频率估计的旋转机械阶比跟踪[J].机械工程学报，2003，39（3）：32—36.
[19]Candès E J， Charlton P R， Helganson H. Detecting highly oscillatory signals by chirplet path pursuit[J]. Applied and Computational Harmonic Analysis，2008，24（1）：14—40.
[20]Peng Fuqiang， Yu Dejie， Luo Jiesi. Sparse signal decomposition method based on multiscale chirplet and its application to the fault diagnosis of gearboxes[J]. Mechanical System and Signal Processing，2011，25（2）：549—557.
[21]陈向民，于德介，罗洁思.基于线调频小波路径追踪阶比循环平稳解调的齿轮故障诊断[J].机械工程学报，2012，48（3）：95—101.
[22]Teager H M. Some observations on oral air flow during phonation[J]. IEEE Transactions on Acoustics， Speech， and Signal Processing，1980，28（5）：599—601.
[23]Ho D， Randall R B R. Optimization of bearing diagnostic techniques using simulated and actual bearing fault signals[J]. Mechanical Systems and Signal Processing，2000，14（5）：763—768.
[24]丁康，李巍华，朱小勇.齿轮及齿轮箱故障诊断实用技术[M].北京：机械工业出版社，2005.
[25]刘红星，陈涛，屈梁生，等.能量算子解调方法及其在机械信号解调中的应用[J].机械工程学报，1998，34（5）：85—90.
变速箱故障范文3
【关键词】齿轮箱；故障诊断；小波变换；BP神经网络
中图分类号：U226文献标识码： A
Abstract：As companies increasingly sophisticated processing equipment, on a higher gear requirements.The thesis analyze the characteristics and the method of gearbox fault diagnosis, and give a example to introduce the application of wavelet transform in gearbox fault diagnosis. The wavelet transform can be used in the gearbox condition signal to decompose and reconstructed as well as extract the detail signal envelope spectrum, the operators can accurately and quickly determine wether the gearbox equipment operation is abnormal, and make use of BP neural network to locate the fault diagnosis. The method is more effective than traditional methods. Gearbox fault for the company in advance to prevent and ensure operational efficiency gearbox, providing a scientific basis.
Keywords: gearbox ; ault diagnosis; wavelet transform; BP neural network
齿轮箱是机械设备中的关键部件，其质量优劣直接影响整体设备的运行和精度。由于齿轮箱工作环境复杂恶劣，其精确性和各部件的磨损及裂纹日趋成为齿轮箱各部件监测诊断的关键。为了更好地监控齿轮箱运行的状态，做到故障提前预防，使设备发挥出更高的经济效益，对齿轮箱进行了故障信号诊断。齿轮箱构件故障诊断分为检测信号、提取特征、识别状态以及决策诊断四步。在齿轮箱运行过程中利用现代化的测试分析手段，监测其运动形态，分析故障产生的原因与机理，通过信号分析与处理识别产生故障的部位以及故障程度，提出一种能在多干扰、低信噪比的复杂振动信号中，准确、快速提取故障特征信息并判决故障的方法，是齿轮箱运行状态监测与诊断领域亟待解决的问题[1]。
小波变换是近年发展起来的一种新的时域-频域分析方法，克服了短时傅里叶变
换在单分辨率上的缺陷，在时域-频域都有
表征信号局部信息的能力，具有多分辨率分
析的特点，可以探测正常信号的瞬态成分并展示其频率成分，被广泛应用于各个时频分析领域，这对齿轮箱故障诊断提供了很大的便利。
1 齿轮箱故障诊断特点与诊断方法
1.1 常见的齿轮箱故障形式
通常齿轮箱运行过程中，由于齿轮箱本身制造装配误差以及操作维护不善或者不合适的环境下使用等，均会使其极易产生各种形势的故障。故障类型也会随着齿轮材料、热处理工艺程度、运转状态等因素的不同而产生不同的变化。常见的齿轮箱故障形式有：齿面磨损、粘着撕伤、齿面疲劳剥落、轮齿龟裂和断齿、齿面点蚀、齿面胶合与擦伤以及齿面接触式疲劳、弯曲疲劳等故障。
1.2 齿轮箱的振动特征
在齿轮箱高速运转状态下，伴随着内部构件故障的发生与发展，必定会产生异常的振动，振动信号可以很快的反映出齿轮箱的运行状态，判别出各构件是否出现异常。大量实验证明，对齿轮箱故障检测进行振动分析是最有效的方法。由于齿轮箱的零部件在工作过程中所受得激励源不同会使其产生出多种复杂的振动类型，而且其中齿轮在啮合过程中产生的齿形和周期误差、偏心以及质量不平衡等故障，同时还会是齿轮箱工作过程中发生齿面磨损、疲劳断齿等故障[2]，严重影响到机械设备的运行，进而影响的经济效益，甚至出现伤亡事故。由于故障对振动信号的影响是多方面的，因此如果仅仅依靠对齿轮箱振动信号出现啮合频率和倍频成分的差异来识别齿轮箱各部件的故障是远远不够的，其中包括幅值调制、频率调制等频率成分进行诊断。
1.3 故障诊断过程对小波的内在需求[3]
小波分析应用于机械故障诊断，快速准确的识别故障，是小波分析要完成在齿轮箱的故障诊断过程对小波的内在需求中的主要任务。通过实验研究说明，机械故障诊断和信号特征提取的所采用的方式是对特征信号进行高效的时域-频域分析，该分析方法是故障诊断的必要要求。
通过对齿轮箱各部件故障诊断全过程进行分析，建立故障诊断系统的数学模型。目前对振动信号分析以分析时域-频域特征为主，但是故障特征信号的特殊性需要对其进行高效的时频分析，而且诊断理论也要求对特征信号进行深度分析，时域-频域分析是主要的分析手段，提取微弱信号对诊断过程有着至关重要的意义。
2 小波基本理论
2.1 小波变换
小波变换是一种时间-尺度分析方法，在时间、尺度（频率）两域都具有较高的时间分辨率和较低的频率分辨率，很适合于探测正常信号中夹带的瞬间反常现象并展示其成分。
小波函数[4]：设满足条件：
（1）为一平方可积函数，即；
（2），（2.1）
其中，为的傅里叶变换，则称为一个小波母函数或者小波函数，,式（2.1）为小波函数的可容性条件。
小波基函数：将小波函数进行伸缩和平移有 ，其中为伸缩因子（或尺度因子）；为平移因子；称为依赖于，的小波基函数。
2.2 连续小波变换和离散小波变换[5]
设为一个能量有限的信号，连续小波变换为：
，
（t,a,b为连续变量）；
选取，（,），其中为固定伸缩步长，为移位步长，离散小波变换为：
2.3 小波函数的选取
故障诊断过程中小波函数的选取是多种多样的。因为作为小波变换的基函数不是唯一的，因此不同的小波函数分析对同一个问题会产生不同的诊断效果。由此可之选取小波函数是准确快速诊断故障的尤为关键。
3 小波变换的工程应用
快速准确的判断齿轮箱是否出现异常状态通常是通过对频域波形和幅值及频谱等特征参数进行诊断分析。不同故障的振动波形显示出不同的振动形态，振动信号的能量也会随着频率的不同分布也显现不同的变化[6]。所测齿轮箱的正常运行、外圈裂纹故障信以及保持架故障等三种运行状态下的振动信号所呈现的振动时域波形如图3.1所示：
图3.1 齿轮箱三种运行状态的振动信号
由图3.1中三种振动信号可以看出，故障齿轮箱的信号加速度冲击幅值明显增大，可以判别出齿轮箱中齿轮外圈以及保持架出现故障。但要通过时域该图的时域波形判断出齿轮箱故障的具体部位，则需要做进一步的分析。根据图像中相同频率中的数据计算出各自的峰值，将其作为频域分析的一个主要信号特征函数，该分析法是目前应用于故障诊断技术中的最新处理方法。对图3.1中的两种故障信号用db2正交小波基进行4层小波分解，分解结果如图3.2和图3.3所示：
图3.2 外圈裂纹故障4层小波分解
图3.3 保持架故障4层小波分解
由此两图的4层小波分解重构图可知，仍旧不能准确的判别出故障的具置，而且信号中夹杂着其他很多噪声信号，有很多混叠的成分，根本不能准确快速的诊断出故障发生的部位以及类型，需要进一步对两种故障信号第1层细节信号d1做希尔伯特变换，提取各自第1层的包络谱，进行谱分析。如图3.4和3.5所示：
图3.4 外圈裂纹故障第1层细节信号包络谱
图3.5 保持架故障第1层细节信号包络谱
由此包络谱图可知，齿轮箱故障信号分频谱中，在100Hz附近出现了幅值变化较大的边频带，可以推出齿轮箱的故障，在通过对照齿轮箱故障特征频率可知，判别出齿轮箱故障的具置，以便快速准确的诊断出齿轮箱的故障。
4 针对小波变换分解的神经网络故障诊断
本文采用的BP神经网络模型为3层结构，12个输入层神经元，3个输出层神经元,经多次网络训练发现，10个隐层神经元能更好的取得分类效果和收敛速度。输入和输出神经元采用的传递函数为logsig，隐含层神经元采用的传递函数则是双曲正切S型函数tansig，训练步数为1000，目标误差为0.1*10^-4。
针对齿轮箱的三种情况，每种情况都有12个学习样本，目标输出为（1,0,0）、（0，1，0）、（0，0，1）分别对应正常、外圈裂纹故障、保持架故障三种状态，训练结束以后，检验网络模型，不断修正阈值和权值，使网络误差达到最小，即满足训练要求。BP神经网络的训练样本数据和对应的齿轮箱故障如表4.1所示：
表4.1 样本数据输入
序号 样本数据 齿轮
故障
1
2
3 0.9142 0.7163 0.0138 0.0564 0.1197 0.0370 0.0395 0.0179 0.0126 0.8361 0.0351 0.0029
0.0123 0.0981 0.0761 0.0951 0.7235 0.5898 0.0731 0.3143 0.7241 0.4470 0.1099 0.4567
0.0444 0.2286 0.1110 0.3165 0.6133 0.5715 0.1510 0.3283 0.4422 0.5992 0.1512 0.4805 正常
外圈裂纹故障
保持架故障
将齿轮箱三种工况数据提取其对应的特征频段作为测试数据对BP神经网络进行检验，表4.2为测试数据输入：
表4.2 测试数据输入
序号 测试数据 齿轮
故障
1
2
3 0.1651 0.3342 0.0908 0.0776 0.1558 0.1742 0.1914 0.2071 0.8462 0.6637 0.0819 0.3024
0.1950 0.1543 0.2506 0.2336 0.2211 0.1966 0.1760 0.4061 0.4293 0.7408 0.4719 0.8512
0.7895 0.5785 0.4567 0.4767 0.7895 0.4547 0.4521 0.4567 0.2745 0.2494 0.1240 0.2456 正常
外圈裂纹故障
保持架故障
将表4.2的测试样本数据输入到BP神经网络进行检验，得到测试结果如表4.3所示：
表4.3 BP神经网络诊断输出
序号 实际输出 期望输出
1
2
3 0.9999 0.0003 0.0004 0.0012 0.0002
0.0023 0.0010 0.0081 0.9988 0.0103
0.0312 0.0215 0.0091 0.0012 0.9998 1 0 0
0 1 0
0 0 1
5 结论
通过分析可知，该BP网络模型能有效地对齿轮箱运行状态进行分类识别，并判决故障具体部位。本文采用了大量测试数据对该神经网络模型进行检验，进而计算诊断，测试误差很小，在测试中对各种工况实现了准确判断。因此只要有足够的样本数据，便可对齿轮箱的运行状态进行分析判别，准确快速定位故障。此项目可以在齿轮箱出现故障停机前准确判断出将要发生故障的位置，从而避免了因齿轮破损造成多个齿轮故障或是整个齿轮箱报废的情况发生，降低了机床维修成本，同时也避免了因机床故障停机而耽误生产时间造成的损失，依据公司现有的加工设备规模和生产产值来看，产生的经济效益将会是可观的。
参考文献
[1]王茂林，张国平。GA35自动机机构设计创新思想分析[J]。火炮发射与控制学报，2005（3）：28-31.
[2]张震。基于小波神经网络专家系统的齿轮箱故障诊断研究[D].燕山大学硕士学位论文。2010（12）：11-23。
[3]柳晓伟，吴金强。小波分析在齿轮箱故障诊断中的应用[J]。机械工程及其自动化，2007（4）：93-95.
[4]刘金春。基于小波变换的数字图像处理技术在变电站监控中的应用[D]。华东交通大学硕士学位论文，2007:14-16.
[5]张蒲林。基于小波分析和神经网络二等图像数字水印技术研究[D].。西安科技大学硕士学位论文，12-14.
变速箱故障范文4
关键词：汽车 制动系统 保养 维修
前言：
汽车制动系统的维修，是汽车维护和修理的关键方向之一。对那些产生问题的汽车制动系统，通过各种技术方式检查，寻找故障根源，并利用一些方法使其消除故障并能够达到正常的运行与安全状态。汽车制动系统的维修是有大修和小修两种，大修指的是利用修理与置换某个零部件的方式，达到制动的正常技术状况的修理行为。小修指的是：用修理与换新某部分零件的方式，达到或提高系统工作状态的运行性修理。
一、汽车制动系统最常见故障现象
1.无规律的忽左忽右的跑偏
致使无规律的汽车跑偏的根本问题，是汽车轮胎磨损情况不均匀，尤其是后轮内外轮胎的尺寸差别拉大，无规律的行驶会偏差加大。由于此类直径差会造成当车轮对露面的压力伴随路面的凹凸而随时产生变形，制动时会对车轮的制动力矩造成一定的失调，造成无规律的跑偏情况。为预防这种情况发生，需要把轮胎实施科学调配，让各轮胎的磨损程度相协调。轮胎出现磨损是正常现象，但如果还存在行驶时忽左忽右的运行，就需要检查有没有有负前束或横、直拉杆球头不紧。
2.制动突然出现跑偏
行驶过程中汽车突然跑偏，通常是因为制动系统或者悬架部份临时产生的故障。出现的机率不大，但是非常危险，如果驾驶员属虎，旧友可能导致事故发生。
制动突然出现跑偏的因素基本有以下几点：某侧车轮制动管路瞬间状态紊乱。比如管路遭到挤压与碰撞而造成变形以致制动液与空气流通不畅，或由于铁锈或杂物聚集而拥堵，或由于里面的钢板弹簧固定螺栓不紧而突然导致脱落等，造成前桥和后桥无法达到平行而造成制动跑偏现象。
3.有规律的朝某一个固定方向跑偏
汽车制动系统的故障，最容易发生的的就是此类有规律的定向跑偏，导致单向跑偏的最常见因素是两侧车轮制动力不一致。
二、汽车制动系统的常见维护
1.挂不上档
可能故障原因1：气制动阀故障，常规的维修方法是松开气制动阀踏板后，检查气制动阀气口是否仍有气压，此时气制动阀出气口不应有气压。如出气口仍有一定压力的气体，则首先检查气制动阀踏板的限位螺栓是否过高，使踏板不能完全回位。
可能故障原因2：紧急制动按钮按下后，没有压缩空气进入变速操纵阀，最常出现的原因是紧急制动阀，修理时要先检查紧急制动阀是否有故障。
2、车轮速度传感器的调整
传感器的插头位置容易出现脏污，传感器的空气隙若是为符合要求，往往会造成传感器出现问题，西药对传感器实施调整，以达到正常运行的状态。传感器的修理调整能够通过纸垫片放在传感头的头尖部来控制，当汽车行驶的时候，伴随传感器齿轮的运行，纸垫片可以自己脱落消失。
3．制动系统的检查
系统各部件常常出现许多小问题，也给安全运行造成隐患，许进行日常检查保养。如会常出现如下问题：制动液压管路中有气，解决方法是进行排气；加力器密封件磨损或损坏造成漏气或漏油，因此，要检查并更换加力器已磨损或损坏密封件；夹钳摩擦片经常收到磨损，要经常保养检查，必要时更换摩擦片等。
4．变速箱的检查
变速箱常出现的问题有：
（1）.变速箱内部零件损坏，产生的严重摩擦会造成变速箱、变矩器发热。采用目测方法可以判断变速箱、变矩器等零件是否有损坏。拆下变速箱轮油泵出口的滤清器和变速箱油底粗滤器网，检查有无杂质。如有发亮的钢质微粒，说明油泵或变速箱内有零件损坏；如有铝质微粒，说明变矩器损坏；如有黑色胶物，说明变速箱离合器片损坏。如果出现上述现象，必须彻底清洗液压系统，更换损坏零件。
（2）.变速箱油量不足
变速箱油泵安装时，密封不严或变速箱油位过低，油泵吸入空气，会造成油泵供油量不足。若发现油泵进油管有振动现象时，应考虑到进油管有空气进入，这时应检查油位、油泵或油管的密封状况。
（3）.变速箱油泵摩擦。当齿轮和端盖间隙超过极限时，内部泄漏严重，使供油量减少，进入变矩器的油量就会不足。此时应测量泵的输出压力，压力值若低于规定范围，应拆下油泵进行检查，对油泵齿轮和端盖磨损严重的应修复或更换。
（4）.变速箱内部泄漏。由于变速箱内各活塞密封磨损过度产生泄漏，会使整个液压系统压力下降，引起变矩器进油量减少，此时应拆检变速箱，更换新的密封件。
参考文献：
[1].刘仲国.现代汽车故障与解码技术[J].汽车维修技师,2000,(6).[2].邵松明.汽车维修企业职工培训及改革探索[J].汽车维护与修理,2003,(1).
变速箱故障范文5
【关键词】风力发电系统 齿轮箱 全矢谱
近年来，随着国家对各行业环保工作的要求越来越高，国家在风能的开发利用上取得了巨大的成就，但全国各地过热的风电潮后，一个令所有风电场严重担忧问题正在逐渐显现出来-机械故障。在风力发电组系统中，由于长期的轴损害、轴漏油以及轴之间拉力不均衡等，长期运行在变速过载负荷的恶劣工况下，所以如何快速有效的对风力发电系统齿轮箱进行故障诊断，关系到整个风里发电系统的安全、稳定、有效运行。
传统的故障诊断具有诊断复杂，排除困等特点，基于全矢谱的齿轮箱诊断是一种新型的方法。本文首先研究了风力发电系统中的齿轮箱在系统负荷、电路故障、及信号特性等方面的特性。在此基础上提出了同源信号的故障信息融合方法，并将全矢谱技术运用于风力发电系统齿轮箱故障监测中。
1 基于全矢谱的风力发电系统齿轮箱的故障诊断
基于全矢谱的风力发电系统齿轮箱的故障诊断是在分析了旋转器械的真实运行状态的基础上，考虑两个垂直方向力矩的情况下，对误差进行诊断。需要重点解决两个方面问题：
（1）风里发电系中齿轮箱旋转过程中的受力情况分析及获取；
（2）能够对齿轮箱出现的故障进行实时的诊断并进行快速修复。
在本文，利用信号分析中的快速傅里叶变换来分析齿轮箱旋转过程中的受力情况，利用共轭性质得到主振矢、副振矢：
（1）
上式中，为齿轮箱旋转在两个轴上的离散受力序列；为两个序列上的傅里叶变换值，。
通过上述公式，将齿轮箱旋转过程中的两个垂直方向的受力情况通过傅里叶变换为全矢谱需要的频域上的信号的特征频域信息，并分析各个不同频率的谐波的特性，可以利用此方法进行齿轮箱故障信号的实时检测及修复。
上述利用单频信号的分析，在双频及多频信号中也同样使用此原理。在单频信号检测中，只是利用单一的传感器附着于风力发电系统齿轮箱的一侧，且只能采集同一类的信源。而基于全矢谱的风力发电系统齿轮箱的故障诊断需要综合各类信息，如温度、流量、压力等，需要多传感器采集信息，这就需要对信源数据进行融合。
本文采用两个传感器进行信息采集，并且获取的时域信息正相交，因为时间信息是确定的，两同源传感器（正交）是在同一时间断内进行采样，同时对波形进行短时傅里叶变换。
利用全矢谱的分析可以得到两个传感器采集的风力发电系统齿轮箱的时域振动信号，通过对采集信号的时间同步 ，可以得到每个时域信号的频率轨迹运行方向，且在此设置两个传感器采集的信号在频域谱内是正交的，可以对其进行傅立叶变化，得到风电齿轮箱中机械的转速在某瞬时的变化是相对平稳的，且对其进行采样，选取合适的采样周期能够避免由于傅立叶变化带来的信号失真现象，最后将时域信号通过变化得到频域频谱来进行进一步分析。
2 故障诊断应用
本文以南方某风力发电公司某发电机组发生了共振的检测故障，利用本文基于全矢谱的风力发电系统齿轮箱的故障诊断进行故障排除及诊断。
本实验的风力电机组的额定功率为2.1MW，齿轮箱转速为17.4r/min，增速向速比为98.014，其结构图如图1所示。
表1为利用基于全矢谱的风力发电系统齿轮箱的故障测试的齿轮箱6个点的震动幅度。
根据上述表格可以看出，可以通过判断振动幅度的参数值来检测风力发电系统齿轮箱中出现异常的震动幅度的具体坐标：根据表中测试的6个不同点位的振动幅度测试结果可以看出，其测试点在X轴方向的震动幅度与其垂直方向的震动幅度相比，前者的数值要远远大于后者，基本在5至10倍之间，并且可以看出风力发电系统齿轮箱在参考位置4的时候，达到最小值，且1，2，3点呈现逐渐减小的趋势，5，6点呈现逐渐增大的趋势，可以判断出风力发电系统齿轮箱出现故障点在4点坐标左右的概率要大于其它的测试点，这时可以给出基于全矢谱的风力发电系统齿轮箱的故障的初始判断，这符合能量传播的原理。并考虑到实际测量电机尾端时，测点离轴承位置较远，振动值应比轴承实际振动偏小一些，因此判断振动源应该位于电机，而且极有可能靠近前轴承位置测点 . 处水平与垂直方向振动值相差较大，且属于同源信息故采用全矢谱技术符合要求。
3 结语
本文首先研究了风力发电系统中的齿轮箱在系统负荷、电路故障、及信号特性等方面的特性。在此基础上提出了同源信号的故障信息融合方法，并将全矢谱技术运用与风力发电系统齿轮箱故障监测中。
变速箱故障范文6
关键词：HXN5机车；曲轴箱超压；数据特点
1 前言
HXN5机车自投入运用以来，频繁发生曲轴箱超压故障。仅2011、2012两年间，因各种原因引起的曲轴箱超压报警就有220余起，严重影响了机车的正常运用。
导致曲轴箱压力高的原因非常多，大体上可分为机械类、电器类（传感器、线束等）两种。因此，快速区分原因类别，确定检查方向，可以大幅度提高检修效率。
2 机车数据分析软件
2.1 数据背景
由于前期GE公司技术保密，未提供分析软件，无法进行数据分析。判断故障时，只能凭借经验，进行整车检查，费时费力。通过多次沟通后，GE同意提供数据分析软件drconv.exe，使得运用数据分析方法来判断故障原因成为可能。
2.2 数据转换
由于下载的机车数据中，ECU的数据文件（eng文件）不能直接打开，需要使用GE提供的数据分析软件（drconv.exe）转换成DRA文件后，才能用EXCELL软件打开。
2.3 数据样式
文件打开后，就可以对各相关参数进行具体分析。打开后的文件模型如表1（已做相关性处理）：
3 一起典型的机械类曲轴箱超压故障
3.1 故障描述
HXN50323 机车自2012年9月16日发生曲轴箱超压以来，现场服务组对其进行了各项检查，一直未能查出具体原因。10月13日，曲轴箱超压攻关组与GE工程师一道赴段调查。
3.2 故障处理
首先按照曲轴箱超压故障作业指导书进行相关检查，发现一些异常现象。但这些异常现象程度都轻微，都不应是超压的真正原因。
恢复机车后，对比拆掉机油加油口盖前后自负荷曲轴箱压力的变化情况，进行自负荷试验，试验结果拆掉机油加油口盖后曲轴箱压力远低于拆除前的值，可见确实存在柴油机机械故障（如动力组窜气））。我们建议拆动力组做进一步详查。
3.3 机车下载数据情况
3.3.1 Snp日志文件：
打开snp日志文件，可见9月16日在线上有两次超压（表2）：
① 01：00：50 机车速度36.963英里/小时，柴油机档位8档；
② 04：39：24 机车速度19.179英里/小时，柴油机档位7档。
最后一次10月13日19：31：02为攻关组在现场做数据采集时触发。
3.3.2 Eng数据文件：
3是10月13日自负荷试验曲轴箱压力随功率的变化曲线。可见cop数值5档时在0.5—1之间波动，柴油机拉6档，曲轴箱压力上升触发报警。柴油机停机后cop迅速回落到0附近。
3.3.3 数据分析情况小结
（1）8档曲轴箱压力从9月12日开始一直呈上升趋势，到9月16日涨至0附近触发报警。
（2）在段内检修过程中，多次试验报警后，cop数值均快速回落。
（3）9月12日至16日曲轴箱压力缓慢上升的过程中，机油压力保持稳定，没有明显的下降趋势。
3.4 检查结果
现场试验数据分析结果显示该次超压为机械类超压。机车后期返厂解体检查的结果为：左5缸活塞的钢顶第一道气环处存在裂纹，引起燃气下窜，造成曲轴箱超压。
3.5 数据特点
通过检查结果、数据分析情况和工作原理，归结出机械类故障的数据特点为：触发报警停机后，曲轴箱压力迅速（10秒内）回零（0.5英寸水柱以下）。
4 一起典型的电器类曲轴箱超压故障
4.1 故障描述
2012年9月24日50369机车担当85310次牵引任务，编组29-2295-34.6，列车23：46分因曲轴箱超压在扎亥萨拉站1道停车，司机解锁柴油机处理后0：09分开车，站停23分。之后在线上再次发生曲轴箱超压报警影响本列运行晚点。
回段后检查柴油机各部良好，更换曲轴箱压力传感器，检查并试验正常。
4.2 数据情况
4.2.1 Snp文件：
4.2.2 ENG数据文件
图4为23日23点42分故障时曲轴箱压力和柴油机转速随时间的变化曲线。可看出从42分45秒开始cop就开始超出报警保护值（1.5 in H2O），至42分55秒触发停机。此外，随着柴油机转速降为0的过程中，曲轴箱一直保持在一个较高的压力（1.55 in H2O）。
4.2.3 数据分析情况小结：
两次故障曲轴箱压力都在柴油机低档位转速波动不大的情况下自行上升，且在停机后仍然保持一个较高的数值。
4.3 数据特点
通过检查结果、数据分析情况和工作原理，归结出电器类故障的数据特点为：触发报警停机后，曲轴箱压力可能不会迅速（10秒内）回零（0.5英寸水柱以下）；或者柴油机停机后曲轴箱压力仍然保持在一个较高值。
5 结论
本文通过介绍HXN50323和50369机车曲轴箱超压故障的处理经过，对数据分析方法在故障原因判断过程中的应用进行了研究，由此对不同类型故障数据的特点进行了归纳。机械类故障的数据特点为：触发报警停机后，曲轴箱压力迅速（10秒内）回零（0.5英寸水柱以下）。电器类故障的数据特点为：触发报警停机后，曲轴箱压力可能不会迅速（10秒内）回零（0.5英寸水柱以下）；或者柴油机停机后曲轴箱压力仍然保持在一个较高值。
由于之前电器的故障率太高，使得段方和现场服务人员在判断此类故障原因时，有一种先入为主的观念，容易优先考虑反复更换传感器、线束、ECU等电器元件，费时费力。依照不同故障类型的数据特点，通过数据分析，在查找一些疑难的超压原因时，能快速区分原因类别，明确检查方向，节省检修时间，从而大幅度提高检修效率。
参考文献
[1] 主干线机车维修故障处理手册，2011
[2] 张松杨. GEVO16型柴油机机体的设计分析. 铁道机车车辆，2009，（2）.
[3] 薛良君，楼狄明，张松杨. 16V280ZJB型柴油机机体应力测试与分析. 内燃机车，
2003，（9）.