机械传动系统振动故障的在线监测技术应用与预警阈值设定

刘方柯

41030519961006151X

摘要：在工业智能制造体系中，机械传动系统作为各类设备的核心动力传递单元，其运行稳定性直接决定生产效率与设备寿命。然而，传动系统在长期高负荷、变工况运行中易因齿轮磨损、轴承失效、轴系不对中等引发振动故障，若未能及时识别，可能导致设备停机、生产中断甚至安全事故。传统离线监测方式存在滞后性，难以满足实时故障预警需求，因此在线监测技术成为保障传动系统可靠运行的关键手段。本文围绕机械传动系统振动故障的在线监测技术应用展开分析，重点探讨振动信号采集与分析技术的实践路径，并结合工况、设备特性等因素研究预警阈值的科学设定方法，为传动系统振动故障的早期识别与防控提供理论支撑。

关键词：机械传动系统；振动故障；在线监测技术；预警阈值；信号分析

在现代工业生产中，机械传动系统广泛应用于机床、风电设备、汽车变速箱、冶金机械等领域，其功能是实现动力与运动的传递。随着设备向高速化、重载化、集成化发展，传动系统的故障风险显著提升，其中振动故障占比超过60%，主要表现为齿轮啮合振动异常、轴承滚动体冲击振动、轴系弯曲振动等。传统的定期停机检测模式，不仅无法实时捕捉动态故障信号，还会增加非计划停机时间，造成经济损失。在此背景下，在线监测技术通过实时采集、分析振动信号，可实现故障的早期预警，而科学的预警阈值设定则是确保监测有效性的核心。本文针对机械传动系统振动故障的在线监测技术应用与预警阈值设定展开深入探讨，旨在为工业设备的健康管理提供可行方案。

一、机械传动系统振动故障的在线监测技术应用

在线监测技术的核心是通过“信号采集-信号分析-故障识别”的流程，实时捕捉传动系统的振动异常，其技术应用效果直接取决于信号采集的准确性与信号分析的科学性。

1.1振动信号采集技术

振动信号采集是在线监测的基础，关键在于传感器的选型与布置，需根据传动系统的结构特性、运行工况匹配适配的采集设备。目前工业中常用的振动传感器主要包括压电式加速度传感器与磁电式速度传感器。压电式加速度传感器利用压电晶体的压电效应，将振动机械能转化为电能，具有响应频率宽（10Hz-10kHz）、灵敏度高（10-1000mV/g）的特点，适用于高速传动系统（如风电增速箱，转速1500-3000r/min）的振动采集，可精准捕捉齿轮啮合、轴承滚动体碰撞产生的高频振动信号；例如在风电设备中，压电式传感器通常安装于增速箱输入端与输出端的轴承座处，因这些部位直接传递轴系振动，能最大程度减少信号衰减。磁电式速度传感器则基于电磁感应原理，通过线圈切割磁场产生感应电流，无需外部供电，适合低频振动（0.1Hz-1kHz）采集，多用于低速传动系统（如输送带传动辊，转速50-200r/min），其优势在于适应恶劣工况（如粉尘、潮湿环境），且安装维护便捷，例如在冶金企业的输送带传动系统中，磁电式传感器可直接固定于辊轴轴承座，实时监测辊轴的径向振动，避免因布线问题影响生产。此外，传感器的布置数量与位置需结合传动系统结构确定，如齿轮箱需在输入轴、中间轴、输出轴的轴承座分别布置传感器，确保覆盖关键振动源，避免信号盲区。

1.2振动信号分析技术

振动信号分析是将采集到的原始信号转化为故障特征信息的关键环节，需根据信号的平稳性选择适配的分析方法，目前主流技术包括时域分析、频域分析及时频分析。时域分析通过提取振动信号的时域特征参数（如有效值RMS、峰值、峰值因子）反映振动能量变化，适用于故障初期的粗略判断；例如正常运行的齿轮箱，其振动有效值通常稳定在0.1-0.3g，当齿面出现轻微磨损时，有效值会上升至0.5g以上，峰值因子（峰值与有效值的比值）会从正常的2-3增至5以上，通过这些参数的实时变化可初步识别故障趋势。频域分析通过傅里叶变换将时域信号转化为频率谱，利用传动系统各零部件的特征频率定位故障类型，适用于平稳振动信号的精确诊断；例如轴承外圈故障的特征频率可通过轴承型号计算得出（如6205轴承外圈特征频率约107Hz），当频域谱中该频率处出现明显峰值时，可判定为轴承外圈失效；齿轮故障则会在啮合频率（齿轮齿数与转速的乘积）及其谐波频率处出现峰值，若伴随边频带（由轴系调制产生），则表明齿轮存在偏心或磨损。时频分析（如小波变换）则针对非平稳振动信号（如齿轮断齿、轴系冲击引发的振动），可同时反映信号的时间与频率信息，避免傅里叶变换在非平稳信号分析中的局限性；例如齿轮断齿瞬间，振动信号会出现突变，小波变换可在突变时刻对应的频率段（如齿轮啮合频率附近）识别出异常能量集中，从而精准定位故障发生时间与类型，这一技术在汽车变速箱的变转速工况中应用广泛，能有效解决传统频域分析无法处理变频率信号的问题。

二、机械传动系统振动故障的预警阈值设定

预警阈值是判断振动信号是否异常的基准，其设定需综合考虑传动系统的工况、设备特性与环境因素，避免因阈值过高导致漏报、过低导致误报，目前主要通过影响因素分析与科学设定方法实现阈值优化。

2.1预警阈值设定的影响因素

预警阈值并非固定值，需根据传动系统的实际运行条件动态调整，核心影响因素包括工况、设备特性与环境参数。工况方面，转速与负载的变化会直接改变传动系统的正常振动水平，例如同一台功率10kW的减速器，在额定负载（10kW）、转速1500r/min下，正常振动峰值为0.8g，而在轻载（2kW）、转速500r/min下，正常振动峰值仅为0.4g，若采用统一阈值，轻载时易出现误报，重载时易出现漏报，因此需针对不同工况区间设定分段阈值。设备特性方面，设备的老化程度与型号差异会影响振动基准值，新设备的振动水平较低，阈值可参考设计标准，而运行5年以上的老化设备，因零部件磨损（如轴承间隙增大、齿轮齿面磨损），正常振动会上升20%-30%，阈值需相应上调；例如新安装的机床主轴，其振动有效值阈值设定为0.2g，运行5年后需调整为0.24-0.26g，避免将正常老化振动误判为故障。环境参数方面，温度、湿度与粉尘会间接影响振动信号，高温（超过60℃）会导致润滑油黏度下降，轴承摩擦增大，正常振动上升10%-15%，此时阈值需比常温下高10%；潮湿或粉尘环境可能导致传感器信号漂移，需在阈值设定中加入补偿系数，例如在纺织厂的传动系统中，因车间湿度较高，需将振动阈值上调5%，避免传感器受潮引发的误报。

2.2预警阈值设定方法

结合上述影响因素，目前预警阈值设定主要采用统计法、经验法与智能算法三类方法，各方法适用于不同复杂度的传动系统。统计法基于设备正常运行的历史振动数据，通过统计分析确定阈值，适用于工况稳定的简单传动系统（如固定转速的电机-减速器系统）；具体流程为连续采集设备正常运行30-90天的振动数据（每天采集24小时，采样频率不低于信号最高频率的2倍），计算特征参数（如有效值）的均值μ与标准差σ，按“μ+3σ”设定阈值（覆盖99.7%的正常数据），例如某机床主轴正常运行时，振动有效值均值为0.15g，标准差为0.02g，阈值则设定为0.15+3×0.02=0.21g，当实时有效值超过该值时触发预警。经验法参考行业标准或设备厂家手册，结合工程实践确定阈值，适用于标准化程度高的传动系统（如通用齿轮箱、电机）；例如《机械振动机器状态监测与诊断第1部分：总则》（GB/T23727.1-2009）规定，功率5-15kW的齿轮箱，振动烈度（速度有效值）阈值为2.8mm/s，可直接作为预警基准，若设备运行环境恶劣，可在此基础上上浮10%-15%。智能算法（如BP神经网络、支持向量机）则结合多维度参数（工况、温度、振动特征）优化阈值，适用于变工况、多轴联动的复杂传动系统（如汽车变速箱、风电传动链）；例如在汽车变速箱中，BP神经网络以转速（500-3000r/min）、负载（10%-100%）、温度（20-80℃）为输入，振动有效值为输出，通过训练样本（正常与故障数据）学习不同工况下的阈值规律，相比统计法，其误报率降低12%-15%，能有效适应变速箱的变转速、变负载工况，解决传统方法难以动态调整阈值的问题。

结语

本文围绕机械传动系统振动故障的在线监测技术与预警阈值展开研究，指出在线监测技术的核心在于“精准采集+科学分析”，振动信号采集需根据工况匹配传感器，信号分析需结合信号平稳性选择时域、频域或时频方法；预警阈值设定需综合工况、设备特性与环境因素，通过统计法、经验法或智能算法实现动态优化。这些技术与方法为传动系统振动故障的早期预警提供了可行路径，有助于减少非计划停机损失，提升设备可靠性。未来可结合物联网技术实现多设备振动数据的协同分析，进一步提升预警准确性与实时性。

参考文献

[1]张秋昕,吕渊,简红英,等.基于振动信号时域特性的传动系统故障分类与诊断[J].机电工程, 2024, 000(11):8.

[2]顾慧耘,王宏伟,周建星,等.随机风载下风电齿轮箱的系统动态可靠性研究[J].振动与冲击, 2025, 44(3):238-250.