齿轮磨损振动监测技术综述：现状与未来展望

本文是由Ke Feng（悉尼科技大学/新南威尔士大学）、J.C. Ji、Qing Ni（通讯作者）及Michael Beer（德国汉诺威莱布尼茨大学/英国利物浦大学/同济大学联合研究团队）合作撰写的综述论文，发表于《Mechanical Systems and Signal Processing》期刊2023年第182卷。论文系统回顾了基于振动分析的齿轮磨损监测与预测技术，填补了该领域系统性总结的研究空白。

学术背景与研究动机

齿轮箱作为风力发电机、车辆、航空航天等关键设备的核心传动部件，其健康状态直接影响系统可靠性。齿轮磨损（gear wear）是齿轮服役过程中不可避免的现象，包括磨粒磨损（abrasive wear）、疲劳点蚀（fatigue pitting）、黏着磨损（adhesive wear）等典型模式。磨损累积可能导致齿根裂纹、断齿等严重故障，进而引发设备停机甚至安全事故。传统磨损监测依赖离线磨粒分析（wear particle analysis），存在实时性差的问题；而振动分析（vibration analysis）作为一种在线监测技术，虽在齿轮局部故障（如裂纹、剥落）诊断中应用成熟，但针对磨损的振动特征解析仍面临挑战，主要源于磨损与齿轮动力学间的复杂相互作用。本文旨在梳理振动监测技术在齿轮磨损领域的应用进展，包括磨损机制与振动特性的关联、现有信号处理方法与模型技术的优缺点，并提出未来研究方向。

核心内容与观点

1. 齿轮磨损机制与振动特性的关联

论文首先对比了两种主要磨损模式的机理及其振动响应差异：
- 磨粒磨损：由润滑不足或污染物引发滑动接触，导致齿面材料均匀移除（宏观尺度），表现为齿形轮廓改变（tooth profile change）。其振动特征为啮合谐波幅值显著增加（高频空间频率），且整体振动能量上升。
- 疲劳点蚀：由循环载荷引发亚表层裂纹扩展，形成局部凹坑（微观尺度），振动特征表现为低频滑移振动（low-frequency sliding vibrations）增强，但对齿形轮廓影响微弱。

支持证据包括：
- 实验数据表明，磨粒磨损的啮合谐波幅值与磨损程度呈正相关（文献[112,126]）；
- 疲劳点蚀的振动能量集中于低频带，通过循环平稳分析（cyclostationary analysis）可提取表面粗糙度变化信息（文献[13,118]）。

2. 振动特征驱动的磨损监测技术

现有方法主要分为两类：
- 宏观磨损监测：针对齿形变化，采用时域指标（如RMS、能量比ER）或频域特征（啮合谐波幅值、边带比SBR）。例如，文献[11]提出的移动平均对数比（MALR）通过综合多谐波能量变化提升监测灵敏度。
- 微观磨损监测：依赖随机振动成分分析。例如，二阶循环平稳性指标ICS2（文献[120]）可量化表面粗糙度变化；基于ARCH模型的方法（文献[129]）能捕捉滑移振动的幅值调制特性。

局限性：当前多数研究聚焦磨粒磨损，疲劳点蚀的弱特征提取仍缺乏普适性算法。

3. 模型驱动的磨损监测技术

动态模型与摩擦学模型的结合是模拟磨损-振动交互作用的核心：
- 动态模型：需考虑磨损引起的几何传动误差（GTE）和啮合刚度变化。有限元模型（FEM）能精确模拟接触压力分布（文献[168]），但计算成本高；集中参数模型（LPM）更适合实时应用。
- 摩擦学模型：Archard磨损方程（Archard wear model）广泛用于磨粒磨损深度预测，但其磨损系数（kwear）依赖实验标定（文献[83]）；疲劳点蚀模型则需结合弹性流体动力润滑（EHL）理论与疲劳准则（文献[105,204]）。

创新点：文献[10,17]提出振动数据驱动的模型更新方法，通过实时校准kwear提升预测精度。

4. 磨损预测与数字孪生技术展望

• 预测技术：物理模型（如Archard方程）需结合实验数据修正（文献[114]），而数据驱动方法（如神经网络）受限于训练数据量（文献[226]）。
  
• 数字孪生（Digital Twin）：通过虚拟模型（动态+摩擦学模型）与实时振动数据交互，实现磨损状态动态映射（文献[229]）。例如，文献[10]的集成框架可通过振动信号更新磨损系数，验证了工业应用潜力。
  

学术价值与实践意义

1. 理论贡献：首次系统建立了齿轮磨损机制与振动特征的映射关系，为磨损机理识别提供了理论基础。
   
2. 技术革新：总结了循环平稳分析、模型-数据融合等方法在弱特征提取中的优势，推动在线监测技术发展。
   
3. 工业应用：数字孪生框架为齿轮箱预测性维护（predictive maintenance）提供了可行路径，可减少非计划停机损失。
   

未来研究方向

1. 黏着磨损振动监测：现有研究较少，需探索其独特的表面形貌与振动调制机制。
   
2. 多磨损机制耦合分析：开发同时量化齿形变化与点蚀密度的复合指标。
   
3. 高效疲劳模型：突破EHL模型的复杂性限制，开发适用于工程实践的简化模型。
   
4. 标准化验证：建立公共数据集与基准测试平台，促进算法可比性。
   

亮点总结

• 全面性：覆盖从磨损机理到预测技术的全链条研究，填补领域空白。
  
• 创新性：提出振动数据驱动的模型更新方法，增强预测可靠性。
  
• 前瞻性：指出数字孪生在齿轮健康管理中的潜在价值。
  

本文为齿轮磨损振动监测技术的进一步发展提供了系统性指导，对学术界和工业界均具有重要参考意义。