目前針對齒輪箱的監測手段主要有振動檢測、油液監測、溫度監測以及聲發射檢測等技術。這些方法各有優缺點，振動檢測可采集大量的信息，傳感器安裝方便，但是不便排除低頻干擾，不易發現齒輪早期故障;油液監測通過對齒輪箱的潤滑油進行理化分析、污染測試來判斷齒輪的磨損狀態，但是無法對脂狀潤滑油進行測試，且無法進行實時監測;溫度監測具有滯后性，無法進行故障預測。
聲發射檢測技術
是一種成熟的技術手段，作為實時、動態的無損檢測技術，能夠在旋轉結構運轉的時候實現檢測，具有實時性和連續監測的特點，可以反映出聲源動態響應特性，及時發現齒輪早期故障。將聲發射檢測技術應用于齒輪箱等設備的監測診斷，對減少停工和降低維護成本極其有效。
齒輪的故障類型
常見齒輪箱中的齒輪包括直齒輪、斜齒輪以及行星齒輪。這些齒輪發生故障的原因包括制造時產生的誤差、裝配不良、潤滑不當以及長時間處于惡劣工況中，產生的故障主要有斷齒(占比約41%)、點蝕(占比約31%)、磨損(占比約10%)、裂紋與劃痕(占比約10%)等類型。
齒輪故障的聲發射檢測原理
材料表面和內部結構變化，會快速釋放應變能產生彈性波，發生聲響，稱為聲發射。齒輪聲發射檢測原理如圖1所示，齒輪運轉及故障產生的聲發射信號通過機械結構傳播到齒輪箱表面被聲發射傳感器接收，再經過一系列的信號處理技術，最終得到齒輪的運行狀態。
圖1 齒輪聲發射檢測原理示意
從微觀來看，齒輪是金屬材料，金屬材料中聲發射的來源跟晶體有關，晶體中的塑性變形、斷裂、相變和磁效應都會產生聲發射。在無故障齒輪的傳動過程中，聲發射往往由齒輪表面粗糙接觸帶來的彈性變形引起。在故障狀態下，裂紋會因齒輪傳動的應力變化而產生聲發射信號;表面的點蝕、磨損等會改變齒輪表面粗糙度和接觸時的受力狀態，從而產生與無故障狀態下不同的聲發射信號。齒輪傳動時的粗糙接觸是齒輪嚙合產生的，經過長期試驗，研究人員將粗糙接觸分為滑動接觸和滾動接觸，連續型聲發射信號一般由滑動接觸產生，而滾動接觸是產生突發型聲發射信號的原因。
齒輪故障聲發射檢測研究現狀
1
齒輪運行參數對聲發射信號的影響
齒輪的運行常常伴隨著載荷、轉速、環境溫度以及潤滑狀態的變化，對于這些因素如何影響聲發射信號，許多學者進行了大量研究。
TAN等探討了部分彈流潤滑下直齒圓柱齒輪的聲發射與載荷、速度和粗糙度之間的關系。通過試驗觀察到：在等溫條件下，負載對聲發射RMS(有效值電壓)值的影響極小，而齒輪轉速對聲發射RMS值有顯著影響，RMS值隨轉速增大而增大。根據彈性流體力學理論，速度的增加會導致潤滑膜更厚(從而減少粗糙接觸)，TAN等將觀察到的試驗現象歸因于粗糙接觸的較高應變率，認為在低速范圍下提高轉速時增加的聲發射RMS值大于在高速范圍內提高轉速時增加的RMS值，甚至可能在某個時候，聲發射水平會降低，因為在更高速度下的潤滑膜效應對RMS值的影響將大于較高應變率的粗糙接觸對RMS值的影響。
在TAN的其他研究中，對有故障齒輪的變速箱進行了聲發射測量試驗，以探究溫度、油膜厚度和聲發射RMS值之間的關系。試驗觀察到幅值最大的聲發射脈沖并不總是由故障齒嚙合產生。試驗認為溫度會改變潤滑劑粘度，從而改變潤滑膜厚度。試驗還觀察到在潤滑油溫度達到平衡之前，聲發射RMS值在幾個小時內變化很大。分析發現存在兩個相反的效應，即：一方面隨著溫度的升高，潤滑膜厚度減小，從而出現更多的粗糙接觸;另一方面，嚙合表面由于磨損而接觸時，其粗糙度會降低。試驗還發現當潤滑劑溫度不變時，外加載荷對聲發射RMS值的影響不大。
HAMZAH等在特定油膜厚度對直齒輪和斜齒輪聲發射的影響的研究中，試驗觀察到RMS值隨著特定薄膜厚度的增大而減小，其對此的解釋是薄膜厚度增大會導致粗糙接觸減少。在相同的試驗條件下，正齒輪的比膜厚值高于斜齒輪的。兩種齒輪的比膜厚值都隨著轉速的增大而增大，但斜齒輪比膜厚值的增大量小于直齒輪的。關于負載的影響，對正齒輪和斜齒輪的試驗表明，隨著負載的增加，聲發射RMS值持續增大。他們將這些結果歸因于彈性流體動力潤滑條件下載荷對潤滑油膜厚度的影響，較高的載荷會產生較薄的潤滑膜，從而產生更多的粗糙接觸和聲發射活動。
在對行星齒輪的相關研究中，VICUNA等介紹了溫度、負載和轉速對無故障行星齒輪聲發射的影響，通過試驗發現聲發射RMS值隨著溫度升高而變化很大;轉速對行星齒輪聲發射的影響很大，在較低轉速下，載荷對聲發射的影響可能很大;在較高的轉速下，負載影響被轉速影響所掩蓋。NOVOA等發現低轉速下的聲發射活性不僅受載荷的影響，還受潤滑劑粘度的影響，在相同的載荷和轉速條件下，當行星齒輪箱中含有較低粘度的潤滑劑時，聲發射活性增加，因為低粘度的潤滑劑生成的潤滑膜較薄;還發現在高速范圍內增加轉速比低速下增加轉速對聲發射的影響更大。
綜上所述，轉速、潤滑油粘稠度、負載和溫度等運行條件會通過改變潤滑油膜厚度和粗糙接觸率影響聲發射的產生，但是對具體如何影響的結論卻不一定一致，這可能是因為試驗條件的不一致，齒輪類型、表面粗糙度等因素都會對采集到的聲發射信號產生影響。
2
齒輪故障聲發射理論模型
齒輪的運行環境十分復雜，導致聲發射的產生涉及到多種物理機制的共同作用，而數學模型有助于人們理解齒輪傳動時聲發射的產生機理，不少專家進行了相關的理論研究。
BARANOV等基于隨機函數的偏差理論建立了固體滑動摩擦作用下聲發射特性的理論模型，該模型以計算聲發射脈沖幅度分布、參數和計數率的數學關系式描述了聲發射顯示在摩擦學試驗中的主要行為。
FAN等建立了基于材料彈性粗糙接觸的聲發射與滑動摩擦關系的理論模型，利用該模型可以從聲發射測量中估算出粗糙表面所承受的接觸載荷，從而評價機械的潤滑狀況。
SHARMA等在前人的研究基礎上，基于凹凸體隨機分布理論、赫茲接觸、彈流理論、轉速以及負載區載荷分布建立了邊界潤滑下的漸開線直齒圓柱齒輪聲發射模型，該模型以數學表達式的方式將聲發射RMS值與齒輪表面粗糙度、載荷等參數建立聯系;隨后又在該模型基礎上提出了正齒輪點蝕時的聲發射數學模型，建立了缺陷尺寸與齒輪嚙合時產生的聲發射RMS值之間的關系，且通過試驗驗證了模型的可靠性。
SHARMA等以線彈性斷裂力學為基礎，建立了預測直齒圓柱齒輪裂紋擴展聲發射的數學模型。該模型將直齒圓柱齒輪裂紋擴展產生的聲發射RMS值與裂紋擴展長度、裂紋增量面積、裂紋長度和應力強度聯系起來，用試驗數據對數學模型進行了驗證。試驗結果和建立的模型均表明裂紋長度的改變會導致直齒圓柱齒輪聲發射RMS值的變化，且遵循相同的趨勢。
3
齒輪故障聲發射信號處理與分析
在齒輪箱的故障診斷研究中，常常會用到各種方法對聲發射信號進行處理與分析，主要包括參數分析、波形分析、模式識別以及其他分析方法。
01
參數分析方法
參數分析方法通過波形特征參數表征聲發射信號，再對其進行統計分析，實現對故障的診斷。聲發射主要的特征參數定義示意如圖2所示，其主要包括幅值、能量、有效電壓值以及振鈴計數等。參數分析法簡潔快速，是近幾十年來使用最廣泛的經典分析方法，但是容易丟失細節信息。
圖2 聲發射參數定義示意
石鵬飛以撞擊數描述齒輪接觸疲勞狀態，通過接觸疲勞試驗機采集了疲勞裂紋擴展時的聲發射信號并進行分析，發現撞擊數與齒輪疲勞裂紋的擴展存在規律，得到了在載荷幅度不變時齒輪接觸疲勞裂紋擴展階段的擴展速率不變的結論。
QU等使用了一種基于外差的技術來解調聲發射信號并將其轉換到較低的頻率范圍，即通過基于外差技術的硬件設備采集聲發射信號，再進行時間同步平均(TSA)處理。通過聲發射TSA信號計算的RMS值和峰度可以清楚地觀察到故障齒輪信號和健康齒輪信號的明顯區別。根據試驗得出結論，峰度是故障齒輪的良好狀態指標，峰度值不受速度的影響，因此可以用于變速下的齒輪檢測故障。
FERRANDO等將聲發射技術應用于風電機組齒輪箱的健康診斷中，研究了運行條件對風電機組齒輪箱聲發射產生的影響。通過試驗發現，RMS值、信息熵和峰值隨著功率輸出的增加而增加;RMS值和計數與負載的增加直接相關;信息熵對功率輸出最敏感，均方根也隨扭矩的增加呈現出類似的趨勢。
有學者將聲發射技術應用到游樂設備減速器的健康監測中，通過對采集的大擺錘減速機信號進行參數分析，發現幅值達到飽和，能量和計數的聲發射特征不明顯，而RMS值能反映大擺錘減速機的運行規律。但是其未進一步對故障情況下的聲發射信號進行研究。
02
波形分析方法
波形分析法是指通過分析所采集的聲發射信號原始波形，得到其中所包含的信息，以此達到故障診斷的目的。目前常用的波形分析法主要有小波分析、頻譜分析、時頻分析以及模態分析，這些方法在齒輪故障識別時常會組合使用。
GU等提出了一種基于離散小波變換的包絡分析的聲發射信號處理方法，且通過測試的齒輪箱聲發射信號驗證了該方法的有效性。
GAO等開發了比傳統小波方法去噪能力更強的冗余第二代小波變換方法，并成功應用于低速重載齒輪的聲發射故障診斷中。
LI等利用蟻群優化算法對小波變換的參數進行優化，實現了對齒輪故障的定位，成功在齒輪箱中確定了損壞齒輪的位置。
姚俊將小波變換應用到齒輪箱斷齒故障診斷中，對斷齒前后信號能量譜系數的變化情況進行重構，再對重構信號作頻譜分析，可以識別出斷齒故障。
安海博等通過建立RV減速器在不同旋轉角度下的聲發射信號衰減模型，再結合小波變換對聲發射信號進行分析，得到不同頻段的時頻分量特征，從而建立減速器聲發射信號在不同磨損狀態下的演化趨勢模型。
LI等提出了一種基于經驗模態分解的旋轉機械健康監測方法，以提高故障診斷的敏感性，通過在經驗模態分解(EMD)中加入閾值去噪技術，提高聲發射信號的信噪比，再提取多個特征融合成單個壓縮特征，基于統計方法，將壓縮特征用于故障檢測。
郭福平等將EMD結合Hilbert變換方法應用到齒輪磨損的故障診斷中，通過EMD得到經驗模態分解圖、邊際譜、時頻譜，之后利用Hilbert變換進行分析。
朱靜等提出一種基于改進的集合經驗模態分解(EEMD)和聲發射技術的行星齒輪箱斷齒故障診斷方法，該方法結合EEMD分解高頻到低頻的特點以及模糊熵對本征模式函數(IMF)分量的篩選，能夠有效提取行星齒輪斷齒故障特征頻率，且能去除噪聲的干擾。
FERRANDO等采用Hilbert變換提取風力發電齒輪箱聲發射信號，并計算快速傅立葉變換(FFT)提取聲發射包絡的特征頻率，發現采集的信號包絡譜由齒輪嚙合頻率和主頻帶等調制頻率構成，但少數信號中還存在兩倍于齒輪嚙合頻率的調制頻率，他們將其歸因于突發強風或陣風帶來的齒輪箱負載突變，但未對故障齒輪的聲發射信號進行分析。
03
模式識別
模式識別是根據故障特征，利用計算機將樣本劃分到特定的故障中，從而實現故障診斷的技術。常用的方法包括神經網絡、K-最近鄰算法(KNN)以及支持向量機(SVM)等算法。
YOON等利用硬件的外差法采集了不同故障的行星齒輪聲發射信號，利用EMD分析聲發射信號，從信號的波形、包絡和能量算子的本征模式函數計算多個統計特征，再將這些特征輸入神經網絡進行故障診斷。
HE等使用希爾伯特-黃變換(基于經驗模態分解)從聲發射信號中提取故障特征。該研究從與齒輪嚙合頻率最相關的IMF分量中計算RMS值、峰度和峰值振幅等特征，用以訓練用于故障檢測的K-最近鄰算法(KNN);并且通過對具有斷齒故障的分扭矩齒輪箱的測試，驗證了該方法可用于齒輪故障診斷。
耿開賀等利用小波閾值降噪法對不同運行條件下的齒輪聲發射信號進行預處理，將時域、頻域特征參數作為BP神經網絡的輸入以實現不同工況下聲發射信號的識別，發現小扭矩、低轉速下的聲發射信號識別率高于大扭矩、高轉速下的，在高能量頻段信號中提取的特征參數具有更高的識別率。
于洋等提出了一種基于遺傳算法優化的支持向量機齒輪故障診斷方法。該方法采用了遺傳算法進行參數尋優，從而提高支持向量機對故障的識別率，且采集磨損的齒輪聲發射信號進行訓練，優化后診斷方法的識別率比優化前的提高了10%。
LI等利用原始聲發射信號，采用增廣卷積稀疏自動編碼器方法進行齒輪點蝕故障診斷，該方法直接從原始聲發射信號中自動提取故障特征，而不需要對聲發射信號進行時域和頻域轉換。
04
其他方法
VICUNA等提出了一種減少聲發射數據并保留原始聲發射信息的方法，該方法將原始聲發射信號中存在的聲發射脈沖包絡成三角形，所構造的信號被稱為“三角信號”，其已成功應用于行星齒輪箱的故障診斷中。
有學者針對因噪聲基底幅度有顯著變化難以獲得合適閾值的問題，提出了一種浮動閾值方法解決了聲發射的齒輪箱背景噪聲太大的問題，該方法將信號平均值與3倍標準差之和作為閾值，超出閾值的所有數據都被挑選出來進行詳細分析，能成功識別出裂紋的產生和擴展。
張宇等提出了一種根據行星齒輪中聲發射信號的衰減特性進行故障定位的方法。該方法利用行星齒輪結構和聲發射傳播的衰減特性，建立故障源定位方程組，通過求解方程組得到故障源位置，最后通過試驗驗證了該方法的有效性。
結論
從齒輪的故障類型、聲發射檢測技術原理出發，闡述了聲發射檢測技術在齒輪故障診斷中的研究現狀，主要得出以下結論：
1
在分析運行條件對聲發射信號的影響時，潤滑條件、溫度、載荷和轉速等運行條件會以不同的方式影響聲發射信號，在某些研究中不同的研究人員得出了不一樣的結論，這些分析是否需要考慮更多因素(如齒輪表面條件、齒輪結構以及聲發射傳感器采集點的選擇)還需要進一步的研究。
2
理論研究有利于理解齒輪傳動產生聲發射的物理機制，但是這方面的研究很少，目前只有直齒輪建立的數學模型，關于斜齒輪、行星齒輪等其他齒輪產生的聲發射數學模型還未出現。
3
近十年來，齒輪箱齒輪的聲發射信號處理與分析技術得到快速發展，尤其體現在波形分析和模式識別方面。這些信號處理與分析技術常通過分析得到某齒輪無故障和有故障的聲發射信號，得到不同故障類型與狀態下的頻率、熵、能量和峭度等特征值對齒輪進行故障診斷研究。其中，參數分析法簡潔快捷，適合齒輪箱現場快速診斷;波形分析方法中小波分析和模態分析被用于去除背景噪聲、故障診斷、故障定位以及損傷程度的量化等研究。
4
模式識別對齒輪的故障診斷，是建立在參數分析或波形分析基礎上的，其通過預先采集齒輪典型故障信號，利用參數分析或者波形分析得到特征參量，隨后通過特征參數建立特征集作為樣本建立模型，實現齒輪箱齒輪快速故障診斷，故需要大量試驗獲取齒輪的典型聲發射信號。另外，未來需要進一步研究探索，更加快速智能的齒輪故障診斷方法。
5
結合齒輪運行參數對聲發射信號的影響和聲發射信號處理進行研究時，齒輪運行條件和自身的表面和結構條件對聲發射有很大影響，這些影響因素會同時影響聲發射信號，導致齒輪故障診斷模型不具有通用性，具有通用性的故障診斷方法也是未來的重點研究方向。
