南卫理公会大学齿轮箱振动数据集(含三种齿轮故障且公布齿轮啮合频率)

3月前浏览5553

本期给大家推荐南卫理公会大学公开的齿轮箱数据集，含有三种齿轮故障，并且公布齿轮啮合频率。有写论文需要的同学们赶紧用起来吧！

1 数据集描述

数据集是获取齿轮箱实验台(见图1和图2)的径向振动信号，测试了三个不同的齿轮健康状态：健康齿轮、1个齿轮出现缺损和3个齿轮出现磨损。当使用数据集时，请引用下列出版物。

[1] A.H. Zamanian and A. Ohadi, “Gear fault diagnosis based on gaussiancorrelation of vibrations signals and wavelet coeffcients,” Applied SofComputing,vol.1l,no.8, pp.4807-4819,2011.

[2]A.H. Zamanian and A. Ohadi,“Gearbox fault detection through PSOexact wavelet analysis and SVM classifer,, in 18th Annual InternationalConference on Mechanical Engineering-ISME2010, 2010.

图1 实验装置图

图2 实验装置示意图

故障齿轮如图3所示，图4演示了加速度计安装方向和位置。数据集可以从下面的链接下载：https://goo.gl/TorZJq。

小齿轮(主动轮，15个齿)和大齿轮(从动轮，110个齿)，在变速箱中提供7.33的减速比。如图3所示，变速箱在小齿轮三种不同的健康状态下进行了测试：健康，1个齿轮缺损，3个齿轮磨损。

小齿轮以1420rpm的额定转速旋转。在额定转速下，齿轮啮合频率(GMF)为365Hz；然而，精确的GMF可以通过观察不同齿轮健康状态下所获取信号FFT中的靠近365Hz的主频来计算。在每一种情况下，加速度计采集持续时间为10秒。

图3 齿轮磨损(左)和断齿(右)

图4 加速度计的方向和位置

数据集已在MATLAB中记录，并以.mat格式存储。在MATLAB中通过加载命令打开文件。所有测量的通道都以伏特为单位。信号进行去趋势处理，以消除加速度计中的偏置。

实验中包括一个模拟数字控制器（研华PCI-1710，12位，100kHz）采样频率为10 kHz的加速度计(模拟装置，ADXL210JQC)，用于测量振动信号。采集器是用实时MATLAB工作站进行的。

加速度计配置：Vref=5V，ADXL210 灵敏度=100mV/g，AD单位数=Vref/4096=5/4096=1.22mV，分辨率=AD单位数/ADXL210的灵敏度=1.22mV/100 mV/g=0.0122g=12.2mg。

2 时、频域分析

以下程序适合在jupyter notebook编辑器上运行。

2.1 导入包及函数

## 导入包from matplotlib import pyplot as pltfrom matplotlib import rcParamsimport numpy as npimport pandas as pdimport os
config = {    "font.family": 'serif', # 衬线字体    "font.size": 14, # 相当于小四大小    "font.serif": ['SimSun'], # 宋体    "mathtext.fontset": 'stix', # matplotlib渲染数学字体时使用的字体，和Times New Roman差别不大    'axes.unicode_minus': False # 处理负号，即-号}rcParams.update(config)

##========绘制时域信号图========##def plt_time_domain(arr, fs=1600, ylabel='Amp($m/s^2$)', title='原始数据时域图', img_save_path=None, x_vline=None, y_hline=None):    """    :fun: 绘制时域图模板    :param arr: 输入一维数组数据    :param fs: 采样频率    :param ylabel: y轴标签    :param title: 图标题    :return: None    """    import matplotlib.pyplot as plt    plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文    plt.rcParams['axes.unicode_minus'] = False  # 显示负号    font = {'family': 'Times New Roman', 'size': '20', 'color': '0.5', 'weight': 'bold'}
    plt.figure(figsize=(12,4))    length = len(arr)    t = np.linspace(0, length/fs, length)    plt.plot(t, arr, c='g')    plt.xlabel('t(s)')    plt.ylabel(ylabel)    plt.title(title)    if x_vline:        plt.vlines(x=x_vline, ymin=np.min(arr), ymax=np.max(arr), linestyle='--', colors='r')    if y_hline:        plt.hlines(y=0.2, xmin=np.min(t), xmax=np.max(t), linestyle=':', colors='y')    #===保存图片====#    if img_save_path:        plt.savefig(img_save_path, dpi=500, bbox_inches = 'tight')    plt.show()

##========绘制频域信号图========##def plt_fft_img(arr, fs, ylabel='Amp(mg)', title='频域图', img_save_path=None, vline=None, hline=None, xlim=None):    """    :fun: 绘制频域图模板    :param arr: 输入一维时域数组数据    :param fs: 采样频率    :param ylabel: y轴标签    :param title: 图标题    :return: None    """    # 计算频域幅值    length = len(arr)    t = np.linspace(0, length/fs, length)    arr = arr - np.mean(arr)    fft_result = np.fft.fft(arr)    fft_freq= np.fft.fftfreq(len(arr), d=t[1]-t[0])  # FFT频率    fft_amp= 2*np.abs(fft_result)/len(t)                     # FFT幅值
    # 绘制频域图    plt.figure(figsize=(12,4))    plt.title(title)    plt.plot(fft_freq[0: int(len(t)/2)], fft_amp[0: int(len(t)/2)], label='Frequency Spectrum', color='b')    plt.xlabel('频率 (Hz)')    plt.ylabel('幅值')    plt.legend()    if vline:        plt.vlines(x=vline, ymin=np.min(fft_amp), ymax=np.max(fft_amp), linestyle='--', colors='r')    if hline:        plt.hlines(y=hline, xmin=np.min(fft_freq), xmax=np.max(fft_freq), linestyle=':', colors='y')    #===保存图片====#    if img_save_path:        plt.savefig(img_save_path, dpi=500, bbox_inches = 'tight')    if xlim: # 图片横坐标是否设置xlim        plt.xlim(xlim)      plt.tight_layout()    plt.show()

def plt_envelope_spectrum(data, fs, ylabel='Amp(mg)', title='包络谱图', img_save_path=None, vline=None, hline=None, xlim=None):    '''    fun: 绘制包络谱图    param data: 输入数据，1维array    param fs: 采样频率    param xlim: 图片横坐标xlim，default = None    param vline: 图片垂直线，default = None    '''    from scipy import fftpack    #=========做希尔伯特变换=======#    xt = data    ht = fftpack.hilbert(xt)    at = np.sqrt(xt**2+ht**2)   # 获得解析信号at = sqrt(xt^2 + ht^2)    at = at - np.mean(at)       # 去直流分量    fft_amp = np.fft.fft(at)         # 对解析信号at做fft变换获得幅值    fft_amp = np.abs(fft_amp)             # 对幅值求绝对值（此时的绝对值很大）    fft_amp = fft_amp/len(fft_amp)*2    fft_amp = fft_amp[0: int(len(fft_amp)/2)]  # 取正频率幅值    fft_freq = np.fft.fftfreq(len(at), d=1 / fs)  # 获取fft频率，此时包括正频率和负频率    fft_freq = fft_freq[0:int(len(fft_freq)/2)]  # 获取正频率    # 绘制包络谱图    plt.figure(figsize=(12,4))    plt.title(title)    plt.plot(fft_freq, fft_amp, color='b')    plt.xlabel('频率 (Hz)')    plt.ylabel('幅值')    if vline:        plt.vlines(x=vline, ymin=np.min(fft_amp), ymax=np.max(fft_amp), linestyle='--', colors='r')    if hline:        plt.hlines(y=hline, xmin=np.min(fft_freq), xmax=np.max(fft_freq), linestyle=':', colors='y')    #===保存图片====#    if img_save_path:        plt.savefig(img_save_path, dpi=500, bbox_inches = 'tight')    if xlim: # 图片横坐标是否设置xlim        plt.xlim(xlim)      plt.tight_layout()    plt.show()

def calculate_kurtosis(signal):    """    计算信号的峭度    :param signal: 输入信号    :return: 峭度值    """    x = signal    X_rms2 = np.sum(x**2)/len(x)  # 3.均方值    X_rms = np.sqrt(X_rms2)   # 4.均方根值(有效值)    X_beta = np.mean( np.power(x, 4) )   # 12.峭度    X_kf = X_beta/X_rms ** 4     # 18.峭度指标    return X_kf

2.2 SMU齿轮故障分析

有3个文件，从上至下分别是齿轮缺损、健康、齿轮磨损。

2.2.1 读取数据

file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_a_chipped_tooth_full_load_03_December_2009_10kHz_pos1.mat'data = scio.loadmat(file_path)data

可知振动数据在'acc'里，且振动数据是单轴的。

def data_read(file_path):    """    :fun: 读取csv数据    :param file_path: 文件路径    :return df:     """    data = scio.loadmat(file_path)    acc_arr = data['acc'].flatten()    return acc_arrfile_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_a_chipped_tooth_full_load_03_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)acc_arr

2.2.2 时域分析

fs = 10000##=======健康=====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_no_fault_full_load_01_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'no_fault'plt_time_domain(acc_arr, fs=fs, title=file_name)kurtosis_value = calculate_kurtosis(acc_arr)print(f"Kurtosis of the signal: {kurtosis_value}")##=====断齿====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_a_chipped_tooth_full_load_03_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'chipped_tooth'plt_time_domain(acc_arr, fs=fs, title=file_name)kurtosis_value = calculate_kurtosis(acc_arr)print(f"Kurtosis of the signal: {kurtosis_value}")##=====齿轮磨损====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_three_worn_teeth_full_load_13_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'worn_teeth'plt_time_domain(acc_arr, fs=fs, title=file_name)kurtosis_value = calculate_kurtosis(acc_arr)print(f"Kurtosis of the signal: {kurtosis_value}")

Kurtosis of the signal: 2.474412899848076

Kurtosis of the signal: 3.0782704766646565

Kurtosis of the signal: 3.0312783300070545

分析：

峭度因子是一个能反映信号是否含有冲击信号的指标；在这里，正常状态信号和故障状态信号之间区别不是很大。

2.2.3 频域分析

fs = 10000##=======健康=====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_no_fault_full_load_01_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'no_fault'plt_fft_img(acc_arr, fs=fs, title=file_name, vline=[365*2, 365*3, 365*4, 365*5, 365*6, 365*7, 365*8, 365*9], xlim=None)##=====断齿====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_a_chipped_tooth_full_load_03_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'chipped_tooth'plt_fft_img(acc_arr, fs=fs, title=file_name, vline=[365, 365*2, 365*3, 365*4, 365*5, 365*6, 365*7, 365*8, 365*9])##=====齿轮磨损====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_three_worn_teeth_full_load_13_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'worn_teeth'plt_fft_img(acc_arr, fs=fs, title=file_name, vline=[365, 365*2, 365*3, 365*4, 365*5, 365*6, 365*7, 365*8, 365*9])

可见明显的四个倍频，主频为齿轮啮合频率。下面在300-500Hz范围内放大看主频及边频。

fs = 10000##=======健康=====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_no_fault_full_load_01_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'no_fault'plt_fft_img(acc_arr, fs=fs, title=file_name, vline=[355, 365,365*2], xlim=[300,500])##=====断齿====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_a_chipped_tooth_full_load_03_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'chipped_tooth'plt_fft_img(acc_arr, fs=fs, title=file_name, vline=[355, 365, 365*2], xlim=[300,500])##=====齿轮磨损====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_three_worn_teeth_full_load_13_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'worn_teeth'plt_fft_img(acc_arr, fs=fs, title=file_name, vline=[355, 365, 365*2], xlim=[300,500])

分析：

齿轮故障频谱分析，主要是看边频幅值是否升高，可以看到故障齿轮的边频明显增多。

2.2.4 包络谱分析

fs = 10000##=======健康=====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_no_fault_full_load_01_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'no_fault'plt_envelope_spectrum(acc_arr, fs=fs, vline=[365, 365*2], xlim=[0, 1000], title=file_name)##=====断齿====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_a_chipped_tooth_full_load_03_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'chipped_tooth'plt_envelope_spectrum(acc_arr, fs=fs, vline=[365, 365*2], xlim=[0, 1000], title=file_name)##=====齿轮磨损====##file_path = r'E:\03-公开数据集\南卫理公会大学齿轮数据集(SMU)\数据/Gearbox_three_worn_teeth_full_load_13_December_2009_10kHz_pos1.mat'acc_arr = data_read(file_path)fs = 10000file_name = r'worn_teeth'plt_envelope_spectrum(acc_arr, fs=fs, vline=[365, 365*2], xlim=[0, 1000], title=file_name)

分析：

可以看到齿轮啮合频率，这是因为啮合频率被转频调制了。

编辑：李正平

校核：陈凯歌、赵栓栓、董浩杰、曹希铭、赵学功、白亮、陈少华

该文资料搜集自网络

来源：故障诊断与python学习

ACT Mechanical 振动旋转机械航空 MATLAB UG python 声学电机数字孪生控制渲染

著作权归作者所有，欢迎分享，未经许可，不得转载

首次发布时间：2024-07-14

南卫理公会大学齿轮箱振动数据集(含三种齿轮故障且公布齿轮啮合频率)

目录

1 数据集描述

2 时、频域分析