齿轮箱振动信号分析和故障诊断

风力发电机组齿轮箱故障诊断
齿轮箱是风力发电机组的核心组件之一，它起到传递风轮动力、调节转速和扩大扭矩等重要作用。

齿轮箱的故障会影响整个发电系统的运行和效率，因此对齿轮箱故障进行及时、准确的诊断至关重要。

齿轮箱的故障可以分为机械故障和电气故障两大类。

机械故障包括齿轮磨损、断裂、齿面剥落、轴承损坏等，电气故障包括电机绕组短路、绝缘击穿等。

下面将从机械故障和电气故障两个方面介绍齿轮箱故障的诊断方法。

机械故障的诊断主要依靠振动和声学信号分析。

振动分析可以通过安装振动传感器来收集齿轮箱的振动信号，然后利用谱分析技术对信号进行处理和分析，可以识别出齿轮磨损、断裂、齿面剥落等故障类型。

声学信号分析则是利用齿轮箱产生的噪声信号，通过声学传感器收集并进行信号处理和分析，可以判断其声音频谱的异常情况，以诊断齿轮箱是否存在故障。

电气故障的诊断主要通过电气参数检测和绝缘测试。

电气参数检测可以通过测量电机的电压、电流和温度等参数来判断其工作状态。

当电气参数出现异常时，可能是电机绕组短路、绝缘击穿等电气故障的信号。

绝缘测试是通过在电机绕组和地之间加压，检测绝缘阻抗来判断绝缘状态的好坏。

如果绝缘阻抗不达标，可能会导致电气故障的发生。

还可以利用红外热像仪进行温度检测，通过观察齿轮箱各个部位的温度分布，可以判断是否存在异常的热点，在故障预警方面起到了重要的作用。

风力发电机组齿轮箱故障的诊断主要依靠振动和声学信号分析、电气参数检测和绝缘测试等技术手段。

综合利用这些方法，可以及时发现齿轮箱故障，并进行相应的维修和保养，提高风力发电机组的可靠性和运行效率。

齿轮主要振动故障特征及实测频谱案例一、齿轮故障的频谱特征1、齿的磨损、过载齿轮的均匀性磨损、齿轮载荷过大等原因引起的故障，都会在轮齿之间产生很高的冲击力，此时会产生以啮合频率的谐波频率为载波的频率，其中啮合频率的幅值相对正常状态将明显增大，但在啮合频率及其谐波周围不产生边频带。

随着齿轮磨损劣化，啮合频率及谐波幅值会继续增长。

2、断齿、齿面剥落等属于齿轮集中缺陷的局部性故障，在齿轮运行至缺陷部位时，会激发瞬时的冲击，产生一个高幅值的波峰。

此时，啮合频率将受到旋转频率的调制，在啮合频率其及谐波两侧产生一系列的边频带，其频谱特点是边频带数量多、范围广、分布均匀且较为平坦。

随着此类缺陷的扩大，边频带在宽度范围及幅值上也会增大。

3、点蚀、胶合点蚀、胶合等分布比较均匀的缺陷，同样也将产生周期性冲击脉冲和调幅、调频现象。

但是，与断齿等局部性故障不同的是，由于点蚀、胶合都属于浅表缺陷，在齿轮啮合时不会激发瞬态冲击，因此在啮合频率及其谐波两侧分布的边频带阶数少且集中，其频谱特点是边频带数量分布范围窄、幅值起伏变化大。

二、诊断实例对某减速箱的例行巡检过程中发现，该齿轮箱存在周期约为0.5s 的振动冲击，但减速箱本身振动值没有明显变化。

该减速箱为核心设备，一旦该设备出现问题停运，整条生产线将被迫停车，造成巨大的经济损失。

鉴于现场减速箱无明显振动，通过听棒听诊及振动检测等常规方式均无法判断出振动冲击的部位及形成原因，故对该减速箱进行现场振动信号采集和诊断。

查看频谱图，明显存在第三轴和第四轴四级啮合频率(28.15Hz )，且振动能量的缓慢增加，说明磨损在缓慢增长。

随着状态恶化，振动值缓慢增长，三级与四级啮合频率幅值增长明显，同时啮合频率周围开始产生以第三轴转频(2.01Hz )为间隔的边频，而且边频带体现的特征为数量多、范围广(24~60Hz )、分布均匀且较为平坦，如下图所示。

通过时域波形图可以发现，时域信号明显存在着周期约为0。

浅析齿轮箱震动信号频谱分析与故障诊断摘要齿轮箱作为机械设备重要构成部分,在实际的机械生产和应用中涉及十分广泛,而其在恶劣复杂的工作环境中性能的发挥将直接对整个机械设施的运转产生重要影响。

若是齿轮箱在正常的运转过程中出现问题，不但会影响正常的生产，对经济效益造成影响，甚至会对人身安全产生威胁。

所以，在确保机械设施能够维持正常运转且不具备安全隐患的基础上针对其进行有效的安全检查和定期维保有着十分重要的意义。

关键词：齿轮箱；故障诊断；频谱分析前言近年来，随着科技的不断发展，各个行业有了先进的科学作为基础，呈现出向好发展的趋势，其中，人工智能技术被应用到机械设备领域，对机械设备进行改造，使机械设备变得更智能、更高效、更精确，进一步提高人类生活水平。

在机械设备变得智能化的同时，对机械设备本身的要求也会更高，其中任何一处问题都可能会导致机械设备故障，从而引发重大安全事故。

齿轮传动是较为常用的机械设备传动方式，齿轮传动的应用非常广泛，如为发电机组关键部件，其中齿轮箱为其传动装置，齿轮箱的特点是结构紧密并且传动比大，因此它被运用到各行各业，对的日常生活有很大的影响。

齿轮在使用过程中，一般都处于高速运转状态，冲击力也比较大，在这样的工作环境下，齿轮容易产生很多故障，比如纹裂和断齿等。

在机械运作的过程中，齿轮的损坏可能会导致其他零件的损坏，造成机械故障，从而引发巨大损失。

齿轮箱的主要零部件有齿轮轴、轴承、齿轮和箱体。

齿轮箱根据用途可以选用有平行轴、交错轴及相交轴三种内部形式。

齿轮箱在高运转、高负荷、高冲击的环境下运行时很容易发生故障，可能会导致其他设备故障，从而引发事故的产生。

不仅会造成经济损失，还会威胁人类生命健康，所以针对齿轮箱的实际运行状态进行实时的监控并有针对性的制定应预案，对设备定期展开维护检查，在最大程度上保证设备的稳定安全运转，对人们的安全健康保障有着重要的意义。

1.设备振动信号分析方法1.1时域分析分析系统振动情况时,针对在设备振动信号中存在在时域中时变数据的分析方法是时域分析。

风力发电增速齿轮箱的振动信号处理和故障诊断算法引言随着风力发电行业的迅速发展，风力发电机组在电力产业中扮演着重要角色。

然而，由于工作环境恶劣且处于长期运行状态，风力发电机组的齿轮箱常常会出现故障。

通过对齿轮箱振动信号进行处理和故障诊断算法的开发，可以实现对风力发电机组的实时监测和准确的故障诊断，进一步提高风力发电机组的可靠性和可用性。

一、风力发电机组的齿轮箱振动信号处理风力发电机组的齿轮箱振动信号包含丰富的故障信息，如齿轮损伤、轴承故障等。

处理振动信号的主要目标是提取有用的故障特征信号，并降低其他噪声干扰。

1. 振动信号采集与预处理振动信号的采集是故障诊断的基础。

通过安装合适的振动传感器，可以实时监测风力发电机组的齿轮箱振动信号。

在采集信号之前，需要对信号进行预处理，如滤波去除高频噪声、降采样等，以提高信号的质量和信噪比。

2. 振动信号的时频分析时频分析可以将振动信号从时域转化为频域，提供更多关于故障特征的信息。

常用的时频分析方法包括短时傅里叶变换（STFT）、小波变换等。

通过对振动信号进行时频分析，可以得到故障频率、能量分布等特征。

3. 特征提取与选择从时频分析的结果中提取和选择适合故障诊断的特征。

常见的特征包括频谱特征、统计特征、时域特征等。

特征提取的目的是将原始信号映射到一个低维空间，保留关键信息，并减少噪声和冗余信息的影响。

二、风力发电机组齿轮箱的故障诊断算法基于振动信号处理的齿轮箱故障诊断算法可以实现对风力发电机组的实时监测和故障诊断，及时发现和预测潜在故障。

1. 基于模式识别的故障诊断算法模式识别技术在故障诊断领域有着广泛应用。

通过构建合适的特征向量和分类模型，可以对齿轮箱振动信号进行分类识别，判断是否存在故障。

常用的模式识别算法包括支持向量机（SVM）、人工神经网络（ANN）等。

2. 基于机器学习的故障诊断算法机器学习算法可以通过学习振动信号的模式和规律，实现自动化的故障诊断。

常用的机器学习算法包括决策树、随机森林、深度学习等。

齿轮箱中齿轮故障的振动分析与诊断摘要：齿轮箱常见的失效类型为齿轮箱，所以定期监控其工作状况，以减少故障率，提供预测型的检修计划。

应用结果显示，该技术能够对变速箱进行有效的判断，并能正确地判断出变速箱的故障部位和严重性，从而为船员制定相应的检修计划，降低无用维护费用，防止机械和机械的非计划停运。

关键词：风力发电机组；齿轮箱；故障诊断引言：在回转机构中，最常见的是齿轮，它的工作状态对整个机器的工作情况有很大的影响。

齿面磨损、表面接触疲劳、齿面塑性、齿面弯曲和齿面折断等是常见的失效类型。

一、齿轮箱故障诊断的意义在风力发电机组中，齿轮箱作为重要传动设备，为风能转化为电能提供源源不断的动力，发挥着十分重要的功能。

风力发电机组中的齿轮箱，不仅体积、质量较大，而且结构十分复杂，这也导致在发电机组运转过程中，齿轮箱容易发生各种故障，进而使发电机组的运行受到较大影响，甚至蒙受重大损失。

近年来，陆续爆发出多起因为齿轮箱故障而导致风力发电机组停运的实践，不仅让发电机组受到极大影响，而且带来重大经济损失。

所以说，对风力发电机组齿轮箱实施有效的故障诊断措施，从而尽发现问题，解决问题，保证其稳定性，不仅具有极大的经济意义，而且有很强的社会意义[1]。

传统的齿轮箱故障诊断主要是通过人工方式实现的，通过人工巡检加定期维护的方式，排除齿轮箱故障。

然而，这种模式，一方面带有很强的滞后性，通常都是齿轮箱发生故障以后，并且对发电机组造成影响之后，才能够去被动的应对，依然无法完全避免损失；另一方面，齿轮箱结构复杂，人工方式诊断故障，不仅准确率不高，而且耗费大量的时间和人力。

因此，通过对齿轮箱实施在线监控，并通过监控数据对齿轮箱实施故障诊断，一旦发现异常立刻予以维护、维修，只有这样，才能够真正有效的预防齿轮箱故障，将隐患消除，从而最大程度降低对风力发电机组的影响。

二、齿轮箱故障诊断机理实现齿轮箱的故障诊断，首先必须了解齿轮箱的故障机理，以此为基础选择合适的诊断技术，才能有有效保障故障诊断的及时性与准确性。

风力发电增速齿轮箱的故障诊断与健康监测方法随着对可再生能源的需求增加，风力发电正逐渐成为人们关注的热点。

而风力发电机组中的齿轮箱作为关键部件，对于风力发电机组的性能和可靠性具有重要作用。

因此，对风力发电增速齿轮箱的故障诊断与健康监测方法进行研究具有重要意义。

一、齿轮箱故障诊断方法1. 振动信号分析法振动信号分析法是一种常用的齿轮箱故障诊断方法。

通过对齿轮箱的振动信号进行分析，可以判断齿轮箱是否存在故障。

常用的振动参数有振动加速度、振动速度和振动位移等。

通过测量这些参数的变化情况，可以判断齿轮箱是否发生故障，并确定故障类型。

2. 声波信号分析法声波信号分析法是一种通过分析齿轮箱中的声波信号来判断故障的方法。

由于齿轮箱故障会产生特定的声波信号，通过对这些信号进行分析，可以判断齿轮箱是否存在故障。

常用的声波参数有声压级、声功率级和声能级等。

通过测量这些参数的变化情况，可以判断齿轮箱是否存在故障，并确定故障类型。

3. 温度信号分析法温度信号分析法是一种通过分析齿轮箱中的温度信号来判断故障的方法。

由于齿轮箱故障会导致温度的变化，通过对温度信号进行分析，可以判断齿轮箱是否存在故障。

常用的温度参数有温度变化率、最大温度和平均温度等。

通过测量这些参数的变化情况，可以判断齿轮箱是否存在故障，并确定故障类型。

二、齿轮箱健康监测方法1. 振动数据采集与分析方法对于齿轮箱的健康监测，振动数据的采集与分析是非常重要的。

通过在齿轮箱中设置振动传感器，采集振动数据，并对这些数据进行分析，可以判断齿轮箱的健康状态。

常用的分析方法有时域分析、频域分析和小波分析等。

通过对振动数据的分析，可以判断齿轮箱是否存在故障，并进行健康评估。

2. 油液分析方法齿轮箱中的油液包含了大量的信息，通过对油液的分析，可以判断齿轮箱的健康状态。

常用的油液分析指标有油温、循环流量和油液粘度等。

通过对这些指标的变化情况进行分析，可以判断齿轮箱是否存在故障，并进行健康评估。

齿轮故障诊断常用信号分析处理方法振动和噪声信号是齿轮故障特征信息的载体，目前能够通过各种信号传感器、放大器及其他测量仪器，很方便地测量出齿轮箱的振动和噪声信号，通过各种分析和处理，提取其故障特征信息，从而诊断出齿轮的故障。

以振动与噪声为故障信息载体来进行齿轮的精密诊断，目前常用的信号分析处理方法有以下几种：(1)时域分析方法，包括时域波形、调幅解调、相位解调等；(2)频域分析，包括功率谱、细化谱；(3)倒频谱分析；(4)时频域分析方法，包括短时FFT，维格纳分布，小波分析等；(5)瞬态信号分析方法，包括瀑布图等。

上述各种信号分述处理方法前面均已介绍，在此仅针对齿轮振动的特点介绍其中最常用的几种分析方法。

一、频率细化分析技术由于齿轮的振动频谱图包含着丰富的信息，不同的齿轮故障具有不同的振动特征，其相应的谱线会发生特定的变化。

由于齿轮故障在频谱图上反映出的边频带比较多，因此进行频谱分析时必须有足够的频率分辨率。

当边频带的间隔（故障频率）小于分辨率时，就分析不出齿轮的故障，此时可采用频率细化分析技术提高分辨率。

以某齿轮变速箱的频谱图［见图1(a)］为例，从图中可几以看出，在所分析的0 ~ 2kHz频率范围内，有1~4阶的啮合频率的谱线，还可较清晰地看出有间隔为25Hz的边频带，而在两边频带间似乎还有其他的谱线，但限于频率分辨率已不能清晰分辨。

利用频谱细化分析技术，对其中900～1 100Hz的频段进行细化分析，其细化频谱如图1 (b)所示。

由细化谱中可清晰地看出边频带的真实结构，两边频带的间隔为8. 3Hz，它是由于转动频率为8.3Hz的小齿轮轴不平衡引起的振动分量对啮合频率调制的结果。

本例表明，用振动频谱的边频带进行齿轮不平衡一类的故障诊断时，必须要有足够的频率分辨率，否则会造成误诊或漏诊，影响诊断结果的准确性。

二、倒频谱分析对于同时有多对齿轮啮合的齿轮箱振动频谱图，由于每对齿轮啮合都将产生边频带，几个边频带交叉分布在一起，仅进行频率细化分析有时还无法看清频谱结构，还需要进一步做倒频谱分析。

基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断一、本文概述随着现代工业技术的飞速发展，行星齿轮箱作为机械设备中的关键部件，其性能的稳定性和可靠性对于设备的整体运行具有至关重要的作用。

然而，由于行星齿轮箱结构的复杂性和工作环境的恶劣性，其故障诊断一直是机械故障诊断领域的难点和热点。

为了更深入地理解行星齿轮箱的故障机理，提高故障诊断的准确性和效率，本文开展了基于传动机理分析的行星齿轮箱振动信号仿真及其故障诊断研究。

本文首先介绍了行星齿轮箱的基本结构和传动原理，分析了其振动信号的特点和产生机理。

在此基础上，建立了行星齿轮箱的振动信号仿真模型，通过仿真模拟，深入探讨了不同故障类型对振动信号的影响规律。

结合现代信号处理和机器学习技术，提出了一种基于振动信号分析的行星齿轮箱故障诊断方法，实现了对故障类型的准确识别和故障程度的定量评估。

本文的研究不仅有助于深化对行星齿轮箱故障机理的理解，也为实际工程中的故障诊断提供了有力的理论支持和技术手段。

通过振动信号仿真和故障诊断方法的结合，可以有效提高行星齿轮箱故障诊断的准确性和效率，为保障设备的安全稳定运行提供有力保障。

二、行星齿轮箱传动机理分析行星齿轮箱是一种广泛应用于各种工业设备中的复杂传动机构，其独特的传动方式和结构特点使得其振动信号具有独特的特征。

为了准确模拟行星齿轮箱的振动信号并进行故障诊断，首先需要深入理解其传动机理。

行星齿轮箱的核心部件是行星轮系，它由一个中心太阳轮、多个行星轮以及一个内齿圈组成。

行星轮通过行星架与太阳轮和内齿圈同时啮合，形成了一种独特的传动方式。

在行星齿轮箱工作过程中，由于齿轮之间的啮合作用，会产生动态载荷和振动。

太阳轮作为动力输入端，其旋转驱动行星轮进行公转和自转。

行星轮在公转过程中，通过与内齿圈的啮合，将动力传递到输出端。

这种传动方式使得行星齿轮箱具有较高的传动比和紧凑的结构，但同时也带来了振动和噪声问题。

在行星齿轮箱的传动机理中，齿轮啮合是一个关键因素。

齿轮箱振动信号分析及故障检测与诊断摘要：随着企业对机械设备的科学管理与维护的需求日益迫切，而齿轮箱在大型机械设备中更是得到广泛应用，对齿轮箱运行状态是否故障的检测和诊断成为企业的一大忧患。

最常用的对齿轮箱故障的检测便是通过对其四个不同部位加装加速度传感器，这种方法能在齿轮箱不停机的时候进行，便捷且节约时间。

本文则阐述了如何通过分析传感器采集到的振动信号，来检测和诊断齿轮箱的运行状态。

关键词：齿轮箱、故障诊断、特征统计值、相关性分析、机器学习随着科学技术的提高，各种机械设备的出现，人们对机械设备的管理与维护有着日益迫切的需求。

优质的机械维护不仅能降低企业运行的成本，更能提高机械的生产效率，因此为保障机械的安全与长久运行，企业也愈发重视对设备运行的监测。

在大型的旋转机械设备中，齿轮箱的应用十分频繁，在汽车、风机等中都屡见不鲜，但也极易损坏。

利用加速度传感器采集到的振动信号，然后根据振动信号进行分析，得出其是否故障或处于何种故障状态。

如何对振动信号的进行科学分析也自然成为备受关注的一大问题。

一、基于振动信号的主要特征统计值的故障检测模型首先，我们通过安装在正常运行的齿轮箱的四个不同部位的加速度传感器，采集正常状态下齿轮箱的振动信号。

对于出现不同故障的齿轮箱，我们同样采用安装加速度传感器的方式，采集各种故障状态下的振动信号数据。

当我们通过加速度传感器得到了大量振动信号后，可先对原始数据进行可视化处理（画出正态分布图像），直接观察正常状态下与不同故障状态下的振动信号的差异。

为了进一步的分析差异与规律，可计算出各组数据的主要统计特征值，并绘制正常状态下与不同故障状态下振动信号的平均值、峰值、峰度、偏度的折线图来呈现差异。

通过分析各项特征统计值的差异大小，最终确定用来描述差异的特征值。

但是由于传感器的振动信号数据庞大且无序，直接观察原始数据计算得到的统计特征值难以判断齿轮箱是否处于故障状态，故需要对原始数据进行一定的处理。

行星齿轮箱振动故障诊断方法
行星齿轮箱振动故障的常用诊断方法包括以下几种：
1. 振动信号分析法：通过采集行星齿轮箱的振动信号，根据信号特征进行分析、诊断，判断故障的类型和程度。

2. 声音分析法：在行星齿轮箱运转过程中，通过听声音的方式来判断故障的类型和位置。

一般来说，如果行星齿轮箱发出异常的响声或噪音，则很有可能存在故障。

3. 转矩分析法：根据行星齿轮箱的转矩曲线，诊断出现故障的可能性。

4. 润滑油分析法：检测行星齿轮箱的润滑油，分析其物理和化学性质，判断是否存在异常情况，以及异常情况是否与故障有关。

上述方法各有优缺点，在实际应用时需要根据具体情况决定采用何种方法进行诊断。

同时，也需要结合操作经验和专业知识，准确判断问题的根源，以便采取正确的处理措施。

齿轮故障检测总结引言齿轮是机械传动系统中常见且重要的元件之一。

在工业生产中，齿轮故障可能会导致机械传动系统的失效，从而影响设备的正常运行。

因此，对齿轮故障进行有效的检测和诊断，对于预防故障和提高设备的可靠性非常重要。

本文将对常见的齿轮故障检测方法进行总结，包括振动分析、声学分析、热红外检测以及油液分析等。

这些方法可以帮助工程师及时发现齿轮故障，并采取相应的措施修复或更换齿轮，以确保机械传动系统的可靠性和安全性。

1. 振动分析振动分析是一种常见且有效的齿轮故障检测方法。

通过监测齿轮系统的振动信号，可以识别出齿轮的故障类型，如齿面磨损、齿面疲劳断裂等。

振动分析通常包括以下步骤：1.采集振动信号：使用振动传感器采集齿轮系统的振动信号。

通常，可以选择在齿轮箱的外部或内部安装振动传感器，以获取不同位置的振动信号。

2.信号预处理：对采集到的振动信号进行预处理，包括去噪处理、滤波处理等。

这些预处理操作可以提高信号的质量和准确性。

3.特征提取：从预处理后的振动信号中提取特征，如频域特征、时域特征等。

这些特征可以用于描述齿轮故障的振动特性。

4.故障诊断：根据提取到的特征，利用故障诊断算法对齿轮的故障类型进行识别和判断。

常见的故障诊断算法包括支持向量机（SVM）、人工神经网络（ANN）等。

振动分析方法具有非破坏性、实时性和高灵敏度等优点，可以对齿轮的早期故障进行有效检测，帮助预防严重事故的发生。

2. 声学分析声学分析是一种基于声波信号的齿轮故障检测方法。

通过监测齿轮系统产生的声音信号，可以判断齿轮的状态和故障情况。

常见的声学分析方法包括以下步骤：1.采集声音信号：使用麦克风或声音传感器采集齿轮系统产生的声音信号。

与振动分析类似，声音传感器可以安装在齿轮箱的内部或外部，以获取不同位置的声音信号。

2.信号预处理：对采集到的声音信号进行预处理，包括去噪处理、滤波处理等。

这些预处理操作可以提高信号的质量和准确性。

3.频谱分析：将预处理后的声音信号进行频谱分析，可以得到声音信号的频谱特征。

齿轮箱震动信号频谱分析与故障诊断摘要：许多机械设备的变速传动设备都是齿轮箱，一旦齿轮箱在运转过程中发生故障则很容易给机器或者机组的正常运作带来重要影响，情况严重的还可能会危及工作人员的生命安全，导致安全事故的发生。

因此，有效监测齿轮箱的运行状态，提高故障诊断效率，确定故障类型、具体位置，并尽快做出相应的解决对策对于维护设备正常运行，保障工作人员的生命安全意义重大。

关键词：齿轮箱；震动信号；频谱分析；故障诊断1.前言齿轮传动系统的构成非常复杂，再加上设计不当等原因很容易导致齿轮箱发生故障，影响整台设备或机组的正常运作，因此我们必须重视并加强齿轮箱故障的诊断方法和效率。

由于齿轮震动的频谱图当中含有非常丰富的信息，如果我们能对其进行有效分析则能够帮助我们确定故障类型、位置及其原因。

本文结合时域统计参数法和包络调解法来对齿轮箱震动信号频谱进行分析和故障诊断。

2、频谱分析及齿轮箱故障诊断方法由于齿轮的震动信号当中包含了齿轮缺陷的相关信息，因此目前我们主要采用震动信号分析法来对齿轮箱进行故障诊断。

分析齿轮故障信息最基本也是最常用的方法是震动信号的频谱分析法。

2.1时域统计指标分析法我们在分析震动信号的时域特征的时候往往会涉及到量纲参数有均方值（DAL）、峰值（peak）等等，从某种程度上来说这些参数能够判断齿轮箱是否存在故障，分析设备的发展趋势。

由于绝大部分的齿轮震动信号都是周期性函数，其信号瞬间的脉冲性等都是较为显著的，因此我们能够在时域内对震动信号的波形曲线来进行分析并判断齿轮性能。

时域波形分析法简单易行，而且在判断部分齿轮箱故障上比较有成效，因此使用也比较多，本文主要应用的是其时域统计指标分析法。

2.2功率谱分析在具体应用过程中通常所截取到的震动信号大都为随机的离散信号，因此达不到无限区域内可积的要求，也就不能直接使用傅立叶变化来做频域分析。

因此这种情况下我们可通过功率谱密度来对频域构成进行研究。

2.3包络谱分析解调谱分析又被称为包络谱分析，当齿轮出现故障则震动信号的啮合频率在传送过程中就会被故障齿轮所在的轴旋转频所调制，在时域里该调制信号会形成波形的包络轨迹，而在频域里则会对称分布在啮合频率两边的边频带。

齿轮箱振动简易诊断的方法由于齿轮箱结构复杂，频率成分多，齿轮箱简易振动诊断方法一般应具备时域分析和频谱分析两种测试处理和分析手段，并在长期定时定点检测的基础上进行。

齿轮箱简易诊断方法一般由振动测试参数和简易诊断仪器选择、结构分析、测点选择、测试时间间隔选择、建立特征参数档案、判断标准选择和制定、定时或调整时间间隔进行振动测试、趋势分析、仪器定期标定九个部分组成。

齿轮箱简易诊断一般以箱体振动速度的测量作为首要选择的参数，振动速度的均方根值就是振动烈度，是检测中的重要指标，可配置手持式振动仪进行测试，也可以配置传感器为振动加速度的手持式振动仪进行测试，但测试效果不如采用振动速度传感器好。

因齿轮箱结构复杂，传递途径多，所以有条件的情况下可以采用对振动速度或加速度进行频谱分析作为检测参数，配置带简易频谱分析的数据采集器和相应的离线振动分析软件系统进行分析。

数据采集器可以代替便携式测振仪进行定期巡检，又具有简易频谱分析的功能，是齿轮箱故障诊断较好的简易诊断仪器。

振动烈度：必备，测量振动速度的均方根值，配置手持式振动仪进行测试。

根据相应的判别标准制定相应的警告界限值和故障界限值。

振动速度或加速度的频谱分析：有条件的情况下选配，测量振动速度或加速度的幅值谱，配置带简易频谱分析和检测的数据采集器和相应的离线振动分析软件系统进行测试分析。

根据相应的判别标准和特征频率等制定相应的频谱窄带警告界限值和故障界限值。

首先要对齿轮箱的结构进行认真细致的分析，重点是分析轴承座的部位，并分析哪些轴和齿轮是高速重载，以帮助确定测点的布置；分析电动机的转速和各传动链齿轮的齿数、传动比，以帮助确定各轴的转频、啮合频率；分析各轴承座等滚动轴承的型号，以帮助确定各滚动轴承的通过频率。

轴承座附近是天然的最佳测点。

齿轮箱中轴或轴承发生故障，其振动信号经过齿轮、轴和轴承传递到轴承座，再通过箱体传递到测点位置，振动信号在传递过程中幅值要衰减，高频成分幅值衰减比低频成分快得多。