无脉冲时域同步平均方法的直升机齿轮特征提取有效性验证

单添敏 王景霖 曹亮 李胜男 林泽力 沈勇

摘要：为了克服直升机健康与使用监控系统（HUMS）无法获取转速脉冲信号从而无法进行时域同步平均的问题，通过在额定频率一定区间内进行极值搜索获取目标周期频率，并以目标周期频率为中心对原始信号进行窄带滤波，获得目标周期频率的模拟正弦波，从而开展无转速脉冲的时域同步平均，提取直升机齿轮的特征参数。为进一步验证无脉冲时域同步平均齿轮特征提取方法的有效性，分别构建特征参数值比和有效信号占比率指标，并基于实际飞行数据验证基于转频和基于啮合频率的无脉冲时域同步平均特征提取方法的有效性，从而为提升直升机HUMS系统对齿轮的监测诊断能力提供了技术支撑。

关键词：时域同步平均；状态监测；故障诊断；健康管理；带通滤波

中图分类号：TP277文献标识码：ADOI：10.19452/j.issn1007-5453.2021.03.003

直升机齿轮传动机构是直升机的关键核心部件，承担了直升机动力的传递且没有冗余备份，其健康運行将直接关系直升机飞行安全[1]。但由于直升机的齿轮传动机构结构复杂，且长期处于高速、交变重载的恶劣环境下[2]，较直升机其他部件更易产生故障和损坏[3]。因此，为提升直升机飞行安全，防止灾难性事故的发生，就必须对齿轮传动机构进行全寿命的状态监测和健康管理[4]。

直升机健康与使用监控系统（HUMS）作为保障直升机飞行安全的关键系统[5]，齿轮传动机构是其关注的重点[6]。作为健康管理的前提，能否从振动信号中准确有效地提取出齿轮健康状态表征特征参数，直接制约了状态监测和故障诊断的准确性，也是HUMS系统具有良好健康管理能力的保证[7]。基于脉冲信号的时域同步平均方法（TSA）是有效的振动特征提取方法[8]，该方法可有效消除复杂周期信号的非目标周期信号和随机噪声的干扰，从复杂系统的振动信号中提取出与目标周期信号相关联的周期信号，得到了广泛应用，尤其适合于齿轮传动机构的特征提取[9]。

1时域同步平均方法原理

时域同步平均是从混有噪声干扰的信号中提取目标周期信号的有效方法，是利用与旋转部件的转速同步的脉冲信号来触发振动信号的整周期采样，然后将各次采到的整周期振动信号进行求和平均，导致在频域上与目标周期的频率同步的频率成分（基波与高阶谐波）将进行叠加，而与目标周期的频率不同步的非目标周期信号以及随机噪声信号将随着平均次数的增加而不断趋向于零，从而增大目标周期信号在振动信号中的比例，提升信号信噪比。所以应用时域同步平均可以从复杂的振动信号中分离出目标周期信号及其各阶谐波的频率成分[10]。

（1）基于脉冲信号截取整周期信号

图2是一个振动信号，以及与振动信号同步采集的转速脉冲信号。按照转速脉冲信号中的峰值对振动信号进行截取，由于在图示的转速脉冲信号之中有4个峰值，因此可以从原始振动信号中截取出三段整周期的振动信号，如图3所示。

（2）对各段整周期信号进行重采样

如图4所示，由于直升机齿轮传动系统在运行过程中输入轴的转速会存在波动，导致每一段整周期信号的采样点数不同，因此需要将振动信号按照统一的点数进行重采样，从而保证每一段整周期振动信号的点数一致，并按照前后顺序一一对应。

（3）对各段重采样信号叠加后取平均

按照时域同步平均的公式将三段振动信号进行叠加，并求取平均值，从而得到最终的时域同步平均信号，如图5所示。

对比时域同步平均处理前后的信号，可以看出，经过时域同步平均处理之后，振动信号中包含的目标周期信号得到了保留，而需要滤除的噪声和其他信号则得到了抑制。

时域同步平均法应用于齿轮故障特征提取时，按照目标齿轮所在轴的转速信号进行时域同步平均，由于齿轮的啮合频率是所在轴转频的整数倍（倍数为齿轮的齿数），其信号经时域同步平均后仍能得到保留，因此可从总的振动信号中提取我们感兴趣的那对啮合齿轮的振动信号，而把其他对啮合齿轮的振动信号、其他部件的振动信号及噪声信号都一概除去，从而大大提高信号的信噪比。

2无脉冲时域同步平均

时域同步平均要求实时同步监测采集与旋转部件的转速同步的参考脉冲信号，但由于直升机齿轮传动机构包裹在壳体之中，转速传感器的安装十分困难，很难获取转速脉冲信号，导致无法对振动信号进行等周期切割。由于直升机在实际运行过程中无法大范围改变输出转速，其齿轮传动系统的转速稳定于其额定转速周围，但由于受负载变化的影响，转速会略有波动，因此可在目标频率的额定频率值附近搜索极值获取其实际频率值，并通过以实际频率值为中心的窄带宽带通滤波[11]得到该频率的模拟正弦信号，从而模拟得到转速信号，并对该信号进行时域同步平均处理。

2.1目标频率模拟正弦波生成

图6是某型直升机实际飞行数据中截取的主减速器尾输出处的2s振动信号，图7为其频谱图。其监测对象的相关参数见表1。

在频谱中的2332.4Hz附近搜索局部极大值点对应频率为2329Hz，即目标齿轮的实际啮合频率为2329Hz，实际转频为68.5Hz。分别以实际转频和实际啮合频率为中心频率对原始信号进行窄带滤波，可得到转频和啮合频率的模拟正弦波，如图8、图9所示。

2.2基于模拟正弦波的时域同步平均

基于模拟正弦波，即可对原始信号进行等周期截取，其中基于转频模拟正弦波以单周期截取，基于啮合频率模拟正弦波以34周期截取。对截取的周期信号进行1024点重采样后进行时域同步平均，获得的时域同步平均信号如图10～图13所示。

3时域同步平均有效性验证评估

3.1有效性评估指标

为验证时域同步平均的有效性，分别基于以下两个指标进行有效性评估。

（1）特征参数值比

分別计算原始信号和时域同步平均信号有效信号占比率，若时域同步信号有效信号占比率远大于原始信号占比率，则证明时域同步平均方法有较强的提升信噪比能力。

3.2基于飞行数据的有效性验证评估

为验证无转速脉冲时域同步平均方法的有效性，从某型直升机飞行数据的主减速器尾输出振动信号中，随机选取140包样本数据进行验证，分别验证基于转频模拟正弦波的时域同步平均信号和基于啮合频率模拟正弦波的时域同步平均信号特征提取的有效性，针对上述两类信号分别提取齿轮特征参数：一阶轴频、二阶轴频、三阶轴频、一阶啮合频率、二阶啮合频率、三阶啮合频率[12]，结果如图14～图19所示。

计算得到样本特征参数值比的最小值、最大值和均值见表2。其中基于转频的时域同步平均，使得一、二、三阶转频幅值的特征参数值比的样本均值分别为4.643、2.420、8.009，一、二、三阶啮合频率幅值的特征参数值比的样本均值分别为0.086、0.14、0.225；基于啮合频率的时域同步平均，使得一、二、三阶转频幅值的特征参数值比的样本均值分别为1.117、1.196、1.401，一、二、三阶啮合频率幅值的特征参数值比的样本均值分别为1.538、2.886、3.022。

计算得到的样本有效信号占比率指标的样本最大值、最小值和平均值见表3。其中原始信号有效信号占比率的样本平均值为0.55%；基于转频的时域同步平均信号有效信号占比率的样本平均值为2.02%，为原始信号的9.31倍；基于啮合频率的时域同步平均信号的有效信号占比率的样本平均值为38.41%，为原始信号的69.88倍。

4结论

通过上述直升机实际飞行数据的实例分析，基于转频的无脉冲时域同步平均方法虽然增强了各阶转频的幅值，但使得各阶啮合频率的幅值均有大幅度衰减，同时有效信号占比率指标仅提升了8倍，增幅较小；而基于啮合频率的无脉冲时域同步平均方法，在小幅增强各阶转频幅值的基础上，对各阶啮合频率幅值有较为明显的增强，同时有效信号占比率指标提升近70倍，有着极为显著的增幅。因此，在采用无脉冲时域同步平均方法进行直升机齿轮传动机构的特征提取时，应以实际啮合频率为中心进行窄带滤波，进而开展基于时域同步平均的特征提取。

参考文献

[1]李耀华，王星州.直升机齿轮箱故障诊断方法[J].机械科学与技术， 2018， 37（10）：158-163. Li Yaohua， Wang Xingzhou. A new method for fault diagnosis of helicopter gearbox[J]. Mechanical Science and Technology forAerospace Engineering，2018， 37（10）：158-163. （in Chinese）

[2]张武林，樊征兵，高文涛.直升机传动系统振动预测技术研究[J].航空科学技术，2017，28（7）：1-6. Zhang Wulin， Fan Zhengbing， Gao Wentao. Study on vibration prediction technology of helicopter transmission system[J]. Aeronautical Science & Technology，2017， 28（7）： 1-6. （in Chinese）

[3]Benoff D. Health and usage monitoring systems[J]. Business & CommercialAviation，2001，10（3）：497-503.

[4]James D C. Practical application of health and usage monitoring HUMS to helicopter rotor engine and drive systems[C]∥The American Helicopter Society 49th Annual Forum，1993.

[5]莫固良，汪慧云，李興旺，等.飞机健康检测与预测系统的发展及展望[J].振动、测试与诊断，2013，33（6）：925-930. Mo Guliang， Wang Huiyun， Li Xingwang， et al. Health monitoring and prognostics system for aircraft[J]. Journal of Vibration， Measurement & Diagnosis， 2013， 33（6）： 925-930.（in Chinese）

[6]黄蓝，莫固良，沈勇，等.航空故障诊断与健康管理技术[M].北京：航空工业出版社，2013. Huang Lan， Mo Guliang， Shen Yong， et al. Aviation fault diagnosis and health management technology[M]. Beijing： Aviation Industry Press， 2013. （in Chinese）

[7]Boris P，Tino B，Nikica H. HUMS-health and usage monitoring system[J]. Promet（Zagreb），2012，12（4）：179-184.

[8]Roy S K，Mohanty A R，Kumar C S. Fault detection in a multistage gearbox by time synchronous averaging of the instantaneous angular speed[J]. Journal of Vibration and Control，2016，22（2）：468-480.

[9]沈勇，翟秀梅，李兴旺.时域同步平均技术在直升机主减速器故障诊断中的应用分析[J].计算机测量与控制，2014，22（11）： 3473-3476. Shen Yong， Zhai Xiumei， Li Xingwang. Time synchronous averaging （TSA） technology applied in helicopter main reducer fault diagnosis analysis[J]. Computer Measurement & Control，2014，22（11）：3473-3476. （in Chinese）

[10]熊天旸，李新民，金小强，等.多特征指标锥齿轮健康状态评估方法研究[J].航空科学技术，2020，31（3）：41-46. Xiong Tianyang， Li Xinmin， Jin Xiaoqiang， et al. Research on health condition evaluation method of bevel gear with multifeature indicators [J]. Aeronautical Science & Technology，2020，31（3）：41-46. （in Chinese）

[11]Jeong S W，Lee J，Lee T H. Frequency and bandwidth tunable absorptive bandpass filter[J]. IEEE Transactions on Microwave Theory & Techniques，2019，67（6）：2172-2180.

[12]熊健.基于振动信号分析和神经网络的齿轮箱故障诊断技术研究[D].太原：中北大学， 2008. Xiong Jian. Research on the technology of gear box failure diagnosis based on vibration signal analysis and neural network[D]. Taiyuan： North University of China， 2008. （in Chinese）

（责任编辑王昕）

作者简介

单添敏（1987-）男，硕士，高级工程师。主要研究方向：航空故障诊断与健康管理。

Tel：15618636010

E-mail：shantm_633@163.com

Validation of Pulse-Free Time-Domain Synchronous Averaging Method for Feature Extraction of Helicopter Gear

Shan Tianmin1，2，*，Wang Jinglin1，2，Cao Liang1，2，Li Shengnan1，2，Lin Zeli1，2，Shen Yong1，2

1. AVIC Shanghai Aero Measurement-Controlling Research Institute，Shanghai 201601，China

2. Aviation Key Laboratory of Science and Technology on Fault Diagnosis and Health Management，Shanghai 201601，China

Abstract： In order to overcome the problem that the helicopter HUMS system cannot obtain the speed pulse signal and thus cannot perform time-domain synchronous averaging， a pulse-free time-domain synchronous averaging method is proposed. The original signal is narrow-band filtered centered on the target frequency which is obtained by performing an extreme value search within a certain range of the rated frequency to obtain a simulated sine wave， which conducts speed pulses for time-domain synchronous averaging to extract the characteristc parameters of helicopter gears. The characteristic parameter ratio and effective signal ratio are proposed to verify the effectiveness of the method. Finally， based on actual flight data， the effectiveness of the pulse-free time-domain synchronous average feature extraction based on frequency conversion and meshing frequency is verified.

Key Words： time-domain synchronous averaging； condition monitoring； fault diagnosis； health management； bandpass filtering