在非间断条件下，在风力涡轮机行星齿轮箱故障诊断中的应用重新分配小波标记

摘要

风力机行星齿轮箱由于风的波动性，经常在非平稳条件下运行，从而产生非平稳振动信号。时频分析可以在联合时频域中洞察任意非平稳信号的结构，但传统的时频表示存在时频模糊或交叉项干扰。重分配小波尺度图具有良好的时频分辨率和无交叉项的特性，但在机械故障诊断中的应用非常有限。在本文中，我们使用重新分配的小波尺度图从风力涡轮机行星齿轮箱振动信号中提取故障特征。实验和现场振动信号均被用于评估重新分配的小波尺度图在风力涡轮机行星齿轮箱故障诊断中的有效性。为了进行实验评估，在局部和分布式太阳齿轮故障情况下，齿轮特性瞬时频率曲线在时间-频率平面上都被清晰地定位。对于现场评估，行星齿轮故障引起的周期性脉冲也得到了明确识别。结果验证了重新分配小波尺度图在非平稳条件下行星齿轮箱故障诊断中的可行性和有效性。

1.介绍

风力涡轮机在能源战略中发挥着越来越重要的作用。然而，苛刻的工作条件，例如风力阵风，灰尘和不可预测的重载，使动力传输系统容易出现故障，这可能导致灾难性的分解甚至生产力和经济损失。行星齿轮箱是风​​力涡轮机动力总成的关键部件之一，其具有高齿轮传动率和紧凑结构的大承载能力的优点。因此，行星齿轮箱故障诊断一直是一个重要的主题，最近绘制了增加的注意[1-3.]．

行星齿轮箱由于其特殊的传动结构和动力学特性，表现出独特的动态特性。麦克费登(4.识别出行星齿轮振动的变化相角负责光谱不对称。Inalpolat和Kahraman [5.那6.]研究了啮合频率及其整数倍附近边带谐波的机理，并进一步发展了一个动态模型来预测制造误差引起的调制边带。冯与左[7.]提出的行星齿轮箱振动信号模型和剥夺方程来计算本地和分布式故障频率。这些研究表明，行星齿轮箱振动信号具有复杂性和调制，因此具有与固定轴齿轮箱的光谱特性相当不同。

为了从行星齿轮箱振动信号中提取电位故障特征，研究人员提出了不同的方法。mcnames [8.使用连续时间傅立叶系列（CTFS）分析来投资频率特性。陈等。[9.]应用集合Multimbreet变换，采用自适应多小波基函数，提取行星齿轮箱的弱故障特征。雷等人。[10.提出了一种自适应随机共振方法，从行星齿轮箱噪声振动信号中提取微弱故障特征特征。考虑行星齿轮箱振动信号的频谱复杂性，Feng等[11.基于Teager能量运营商和集合经验模式分解（EEMD）介绍了一个关节幅度和频率解调分析，以诊断行星齿轮箱故障。Barszcz和Randall [12.利用谱峭度法检测风力发电机行星齿轮箱的齿轮齿裂。Sun等人[13.[基于冗余对称提升方案定制多个小波，以检测行星齿轮箱中的初期点蚀故障。李等人。[14.基于经验模式分解和自适应多尺度形态梯度滤波器提取行星齿轮箱的故障特性频率。

上面的大多数作品都基于信号的假设，即恒定运行速度和负载。然而，在现实世界的风力涡轮机应用中，挥发性风力条件导致非间断的振动信号。例如，运行速度相对于不可预测的风电变化，并且瞬态强风可能导致震动。在非视野条件下，行星齿轮箱振动信号始终具有复杂频率分量结构[15.那16.]，表现为时变调幅(AM)和调频(FM)。由于其非平稳特性，传统的傅里叶变换很可能无法完全揭示真实的频率结构。据我们所知，关于非平稳条件下行星齿轮箱故障诊断的文献报道非常有限[17.]Bartelmus和Zimroz先生[18.]提出了一种能反映啮合频率幅值与运行条件线性关系的指标，用于行星齿轮箱的状态监测。Chaari等人[19.]建立了一个数学模型，以了解行星齿轮在变载荷条件下的动态行为。杨和张[20.研究了风电行星齿轮箱考虑时变转速和负载的运行特性。

时频分析（TFA）能够揭示频率成分随时间变化的时频结构，适用于分析非平稳信号[21.]．线性时频分析方法，如短时傅立叶变换(STFT)和连续小波变换(CWT)，本质上是通过一系列时域和频域的基的加权和来表示信号。但它们的时频分辨率是由海森堡测不准原理决定的，提高一个域的分辨率只能牺牲另一个域，导致时频模糊[22.]．双线性时频分布在时频平面上呈现信号能量[23.那24.]．Wigner-Ville分布(WVD)是几乎所有双线性TFA方法的基础，具有最佳的时频分辨率。但在分析多分量信号时，不可避免地会受到交叉项干扰。即使是单分量信号，如果中频曲线是非线性的，也会受到内部干扰。虽然改进的方法，如平滑伪Wigner-Ville分布(SPWVD)，可以有效地抑制交叉项干扰，但它们反过来会降低时频分辨率。

值得庆幸的是，重赋小波尺度图具有良好的时频分辨率和较好的交叉项抑制能力，能够清晰地显示非平稳信号的时频结构。然而，它在机械故障诊断中的应用非常有限，仅有很少的出版物关注这一课题。彭等人[25.]研究了转子-定子摩擦碰撞的特性，并将尺度图和重分配尺度图应用于碰撞检测。Ma et al. [26.[]总结了基于重分配尺度图的转子定子碰摩故障症状。

本文进一步扩展了小波尺度图在非平稳条件下行星齿轮箱故障诊断中的应用[27.，验证了该方法在齿轮故障特征提取中的有效性。本文的其余部分结构如下。在部分2，介绍了缩放和重新分配标准算法的详细算法。在部分3.对包含时变频率和周期脉冲的非平稳信号进行了数值模拟分析，说明了重分配标度图的性能。在部分4.和5.，通过在局部和分布式防晒齿轮故障情况下分析实验室实验行星齿轮箱振动信号以及从风电场测量的原位风力涡轮机行星齿轮箱振动信号进一步验证了重新分配标量程的有效性。最后，结论是在一节中绘制的6.．

2.重新分配的小波尺度图

2.1。连续小波变换

小波变换（WT）具有在短时间傅里叶变换（STFT）上更好的时频分辨率的优点。而不是使用整个时频平面分析的常量窗口功能，它采用不同的窗口功能来分析信号的不同频带。因此，WT在线性TFA方法中流行。

对于任意有限能量信号，它的CWT被定义为 星号表示复数共轭，那和表示比例尺和时间偏移量，和是由母子波的伸缩和平移生成的子波族： Morlet小波最常用于CWT，它被定义为 小波尺度图定义为

２.２.重新分配小波量图

尽管小波标量程可以揭示信号的组成频率分量，并显示每个组分的能量随时间和频率变化的变化，其时频分辨率仍然受到Heisenberg-Gabor不等式的影响;也就是说，几乎不能同时获得精细时间定位和频率分辨率。例如，它具有精确的时间定位，但高频区域中的粗频分辨率，而在低频区域中具有粗略的时间定位，而是细频分辨率。因此，对于具有在宽频率区域中改变的瞬时频率曲线的非间断信号，可能出现时间频率模糊现象，从而阻碍了精确的故障特征提取。

为了提高传统小波尺度图的可读性，螺旋钻和弗兰德林[28.]提出了重新分配的方法。小波量图不代表该位置的信号能量在时尺度/频率平面上，但位置附近的平均能量．因此，对信号能量进行重新分配是合理的重心在附近的位置．新坐标成为 在哪里

因此，将重新分配的小波尺度图表示为

3.模拟评价

在本节中，我们研究了在非视野条件下识别典型齿轮故障的时变频分量和瞬态脉冲特性的重新分配小波标量程的性能。生成数值模拟信号： 在哪里= 0: 0.0005: 1 s，振幅是时变频率分量，和表示在0.25、0.5和0.75秒时间瞬间的脉冲。为了模拟背景噪声，高斯白噪声添加了8 dB的信噪比（SNR）。该信号包括三个非间断条件，即线性频率调制（Chirp），频率波动（FM）和周期脉冲。它的波形和傅里叶谱在图中绘制1（a）和1（b）．

从信号波形，图1（a）时，我们可以清楚地看到三个脉冲的时间瞬时，但不能识别时变频率分量的周期。我们也不能从傅里叶频谱中做，图1（b），由于模拟信号的非平稳性。

数字2显示信号的时频分析结果。在小波尺度图中，如图2（a），主要信号分量及其时间变化粗略地显示：几乎正弦波波动频率乘坐线性趋势，以及三种冲动。然而，发生时频模糊，因为时变频率分量的瞬时频率是非线性的。这导致较低的时频分辨率，并且可能妨碍每个信号分量的精确时频定位。

在重新分配的标度图中，如图2 (b)，时变频率分量和三个脉冲都清晰显示，因为它们具有更好的时频分辨率。更重要的是，识别出的时变分量的瞬时频率曲线和三个脉冲的时频分布与图中所示的真实时频构成很好地匹配2 (c)．这一结果证明了重分配尺度图在识别时变频率分量和瞬态脉冲方面的能力。因此，重分配尺度图具有诊断非平稳条件下行星齿轮箱故障的潜力。

4.实验评估

在渥太华大学实验室的风力发电机传动系试验台上进行了实验，研究了重新分配的小波尺度图在真实世界行星齿轮箱故障诊断中的有效性。

4．1.实验设置

为了模拟风电场中实际行星齿轮箱的工作情况，搭建了由两级行星齿轮箱和两级固定轴齿轮箱组成的风力机传动系统，如图所示3.．功率流路径如下:驱动电机固定轴齿轮箱行星齿轮箱主轴磁粉制动器。两个变速箱的配置参数列于表中1和2， 分别。

加速度计安装在行星齿轮箱壳体的顶部，以测量采样频率为20000的行星齿轮箱振动信号 赫兹。16.3的负载 NM通过加载装置施加在行星齿轮箱2级输出端。考虑到风力机叶片额定转速为25 rpm，即0.417 Hz，我们收集了特定减速过程中的振动数据。在现实风电叶片的典型额定转速范围内，驱动电机转速从60hz降至50hz，叶片转速从0.486 Hz降至0.405 Hz。同时以20 Hz的采样频率记录电机转速。

为了模拟齿轮故障，分别引入了两种类型的齿轮齿轮齿轮架和阶段2的齿轮，而其他齿轮是健康的。第1阶段太阳齿轮在每个牙齿上都有磨损，2级太阳齿轮有一个单独的牙齿，如图所示4（a）和4（b）因此，进行了三组试验，即基线试验、磨损试验和切削试验。

鉴于驱动电机速度，我们可以根据上述齿轮箱配置计算行星齿轮箱的两个阶段的特性频率，如表所示3.．例如，在马达的速度 Hz，太阳齿轮相关的特征频率计算如下 Hz, Hz, and 第1阶段和第2阶段的频率为Hz Hz, Hz, and 第2阶段为20赫兹。

4.2。基线信号分析

首先，对基线信号进行分析，并与齿轮故障案例进行对比研究。在基线情况下，所有齿轮都是健康的。数字5（a）和5（b）展示基线振动信号的波形和傅立叶谱，以及图5（c）显示相应的速度。最大啮合频率为阶段1和48.6 Hz的222.2Hz。由于齿轮故障通常会导致啮合频率的边带及其谐波，我们专注于0-400Hz的两个频率范围和0-80 Hz，覆盖3/ 2次阶段1和第2阶段啮合频率。

数字6（a）和6（b）显示基线信号的重新分配小波标量程表。它清楚地显示了组成频率分量及其变化以及时间。可以根据表中的等式计算每个特征频率的值3.;因此，可以识别时频分析结果中的瞬时频率曲线。在图中6（a），即齿轮啮合频率减去太阳齿轮故障频率和齿轮啮合频率减去太阳旋转频率的四倍，但与几乎均匀分布在更高频率区域的其他成分相比，它们不是主导成分 Hz. Even for healthy gearboxes, manufacturing errors and minor defects are inevitable. Hence, the presence of these frequency components does not imply the sun gear fault. In Figure6（b），只有几个弱部件可见，显示齿轮箱是健康的，这与实验设置一致。

4.3.太阳齿轮磨损的检测

在本节中，我们用一个磨损的健康阶段的太阳齿轮取代了一个磨损的档案，而其他设置不变，并通过将磨损的太阳齿轮信号与联合时间和频域中的基线信号进行比较来检测太阳磨损。波形，傅里叶谱和相应的电动机速度绘制在图中7（a）-7 (c). 由于齿轮损坏位于1级太阳齿轮上，因此在本例中，我们将重点放在0–400 Hz，以查找第1阶段啮合频率附近的故障症状。

数字8.呈现出错误的太阳信号的重新分配小波标准。与图中的基线信号情况相比6（a），齿轮啮合频率减去太阳故障特征频率和齿轮啮合频率减去太阳旋转频率的四倍仍然保持。此外，出现了更多特征频率，包括齿轮啮合频率，齿轮啮合频率减去太阳故障特征频率的7/4倍，且齿轮啮合频率加三倍太阳故障特征频率．所有这些频率分量都具有明显的幅度，并且它们与太阳齿轮有关。这一发现表明，第一级太阳齿轮在实验环境中的一致性上出现故障。

4.4。检测太阳齿轮切削

另一种类型的齿轮故障，即齿轮切屑，是通过将健康阶段2太阳齿轮替换为切屑齿轮，而其他设置保持与基线情况相同。在联合时域和频域，我们仍然通过比较太阳齿轮的切屑信号和基线信号来检测故障，但由于第2级啮合频率的最大值为48.6 Hz，我们重点关注了另一个0-80 Hz的频率范围。削片太阳齿轮信号的波形、傅里叶频谱及对应的电机转速如图所示9(一个)-9 (c)．

在重新分配的标度图中，如图10.，电机旋转频率分量除外，两个新的特征频率分量也很明显。一种对应于啮合频率减去第三次谐波的太阳齿轮故障特征频率和第二阶段的太阳齿轮旋转频率，. 另一个非常接近电机旋转频率，但凭借良好的时频分辨率，它被识别为啮合频率和第二阶段太阳齿轮故障特征频率的二次谐波之和，（用黑色虚线标记）。这两个额外的频率分量与第二级太阳齿轮故障特征频率相关，并且具有突出的幅度，从而暗示第二级太阳齿轮故障。

太阳齿轮故障通常在振动信号中表现出较弱的症状，这是因为太阳齿轮与安装在变速箱外壳上的加速度计距离较远。但太阳齿轮故障的时变特征频率由于具有良好的时频分辨率和抑制重分配尺度图交叉项干扰的能力，仍能被识别出来。这表明了该方法在非平稳条件下提取行星齿轮箱故障特征的有效性。

5.原位信号分析

在本节中，我们分析风电场风力发电机行星齿轮箱的现场采集信号，以进一步验证重新分配的尺度图的工程应用。

5.1。变速箱配置

所分析的风电场风力机传动系统由一级行星齿轮箱和二级固定轴齿轮箱组成。风力的流动路径如下:叶片主轴行星齿轮箱固定轴齿轮箱发电机。考虑到风电场信息保护的需求，本文未附上风力机传动系的照片。表4.和5.列出固定轴变速箱和行星齿轮箱的配置参数。

风力涡轮机叶片的额定旋转速度为25rpm，即0.416Hz。在额定速度下，驱动器齿轮箱的特性频率计算如表所示6.．它们将被用来估计振动信号的频率成分，因为风力机的速度通常在额定速度附近波动。

收集来自安装在正常和故障风力涡轮机的行星齿轮箱外壳上的加速度计的振动信号。由于齿轮故障总是导致围绕齿轮啮合频率的异常边带或脉冲，并且其谐波为0-70Hz的频段，其覆盖行星齿轮箱啮合频率（42.03Hz）的3/2倍，将集中在。

5.2。信号分析

5.2.1。正常情况

图中绘制了风电行星齿轮箱正常振动信号的波形和傅里叶谱11（a）和11 (b)．然而，由于信息丢失，非平稳特性的细节仍然被掩盖。数字12.给出了风电行星齿轮箱振动信号的小波尺度图。发电机的转动频率为27hz，行星齿轮箱的啮合频率为42hz。发电机旋转频率54赫兹的二次谐波也可见，但幅度相对较低。由于非平稳风力发电引起的风机叶片转速不稳定，这些频率都是时变的。因此，传统的基于傅里叶变换的频谱分析很难识别频率分量。

5.2.2。行星齿轮箱故障

在故障情况下，类似地，示出了故障行星齿轮箱振动信号的波形和傅立叶谱13（a）和13（b）．由于电机转速不稳定和非平稳条件，传统的频谱分析难以识别频率成分。数字14.显示了故障风力涡轮机行星齿轮箱振动信号的重新分配标量程表。它的时频结构远远不同于正常情况。只有行星齿轮箱啮合频率占主导地位。此外，几乎定期出现一些大脉冲，如图所示，通过均匀间隔的垂直线标记，与图中的首都A-G14（a）．相邻脉冲之间的间隔近似对应于行星载波旋转频率0.44 Hz。此外，如果我们放大图14（a）并专注于两个连续的初级冲动之间的间隔，例如B和C，一些小的几乎定期的脉冲也出现，如图所示的小写字母A-F所示14（b）．这些相邻小脉冲之间的间隔近似对应于行星齿轮故障特征频率，即2.27 Hz。这些发现暗示行星齿轮故障，根据打开行星齿轮箱后的检查结果。

行星齿轮的故障症状比较复杂，因为行星齿轮不仅绕着自己的轴旋转，还与行星载体一起绕着太阳齿轮旋转，同时又与太阳齿轮和齿圈啮合。但仍能识别出齿轮故障诱发的脉冲，说明了重分配尺度图在非平稳条件下提取复杂故障特征的有效性。

6.结论

重新分配的小波尺度图具有良好的时频分辨率和抑制交叉项干扰的优点，适合于提取非平稳信号的时频特征。通过实验室实验信号和现场实测数据，验证了该方法在非平稳条件下行星齿轮箱故障诊断中的有效性。同时识别出时变齿轮特征频率和齿轮故障诱发脉冲，从而诊断出局部分布的太阳齿轮故障和自然发育的行星齿轮故障，即使它们在非平稳条件下故障症状较弱且复杂。

利益冲突

作者声明本文的发表不存在利益冲突。

致谢

国家自然科学基金项目(no . 11272047, no . 51475038);高校新世纪优秀人才支持计划项目(no . NCET-12-0775);

工具书类

1. P. D. Samuel和D. J. Pines，“基于振动的直升机传输诊断技术综述”，作者：王莹，卷。282，没有。1-2，pp.475-508，2005。查看在：出版商网站|谷歌学者
2. Y. Guo和R. G. Parker，“一般复合行星齿轮中网格相关系的分析确定”，机械原理第46卷，第46期12页，1869-1887,2011。查看在：出版商网站|谷歌学者
3. 雷勇，林建军，左明君，何志忠，“行星齿轮箱状态监测与故障诊断:综述，”测量，第48卷，第48期1, pp. 292 - 305,2014。查看在：出版商网站|谷歌学者
4. P. D. McFadden，“计算单个行星齿轮和太阳齿轮振动的时域平均值的窗口函数，”振动与声学学报，美国机械工程师学会学报，第116卷，第116期2，页179-187,1994。查看在：出版商网站|谷歌学者
5. M.Inalpolat和A.Kahraman，“行星齿轮组调制边带的理论和实验研究，”作者：王莹，卷。323，没有。3-5，pp。677-696，2009。查看在：出版商网站|谷歌学者
6. M. Inalpolat和A. Kahraman，“一种动态模型，以预测具有制造错误的行星齿轮组的调制边带”，“作者：王莹，卷。329，没有。4，pp。371-393,2010。查看在：出版商网站|谷歌学者
7. Z. Feng和M. J.Zuo，“行星齿轮箱故障诊断的振动信号模型”作者：王莹，第331卷，第2期。22，页4919-4939,2012。查看在：出版商网站|谷歌学者
8. J.Chnames，“环状齿轮箱振动的傅立叶系列分析”振动与声学，卷。124，没有。1，pp。150-160,2002。查看在：出版商网站|谷歌学者
9. J.陈，C.张，X.章，Y.子，S. He和Z.杨，“使用合奏多小波分析方法基于船舶的卫星通信天线的行星齿轮箱状态监测，”机械系统和信号处理，卷。54-55，pp。277-292,2015。查看在：出版商网站|谷歌学者
10. Y.Lei，D.Han，J.Lin和Z.He，“使用自适应随机共振方法进行行星齿轮箱故障诊断，”机械系统和信号处理第38卷第2期1, pp. 113-124, 2013。查看在：出版商网站|谷歌学者
11. 冯志峰，梁明，“基于能量分离的风力发电机行星齿轮箱故障诊断方法研究”，可再生能源，卷。47，pp。112-126,2012。查看在：出版商网站|谷歌学者
12. T. Barszcz和R. B. Randall，“频谱峭度在探测风力涡轮机行星齿轮的齿裂中的应用”，机械系统和信号处理，卷。23，不。4，pp。1352-1365,2009。查看在：出版商网站|谷歌学者
13. H.Sun，Y.Zi，Z.He，J.Yuan，X.Wang和L.Chen，“基于振动传感器信号的行星齿轮箱故障检测定制多小波，”传感器，第13卷，第2期1, pp. 1183-1209, 2013。查看在：出版商网站|谷歌学者
14. “基于自适应多尺度形态梯度滤波的行星齿轮箱离线故障诊断方法”，Vibroengineering杂志，卷。17，pp。705-719,2015。查看在：谷歌学者
15. 冯志峰，褚峰，左明君，“基于迭代广义解调改进能量分离的时变调制信号时频分析”，作者：王莹号，第330卷。6, pp. 1225-1243, 2011。查看在：出版商网站|谷歌学者
16. 冯志峰，“基于迭代广义解调的行星齿轮箱故障诊断的时频解调分析”，中国机械工程，2017,27(11):1234 - 1234。机械系统和信号处理， vol. 62-63, pp. 54-74, 2015。查看在：出版商网站|谷歌学者
17. “基于自适应最优核时频分析的风力发电行星齿轮箱故障诊断”，可再生能源，卷。66，pp。468-477,2014。查看在：出版商网站|谷歌学者
18. W. Bartelmus和R. Zimroz，“变外载荷下行星齿轮箱振动状态监测”，机械系统和信号处理，卷。23，不。1，pp。246-257,2009。查看在：出版商网站|谷歌学者
19. F. Chaari, M. S. Abbes, F. V. Rueda, A. F. del Rincon，和M. Haddar，“非平稳运行中的行星齿轮传动分析”，机械工程边缘，卷。8，不。1，pp。88-94,2013。查看在：出版商网站|谷歌学者
20. 杨军，张磊，“风力发电行星齿轮传动系统的动态响应与动态载荷，”应用力学与材料， vol. 121-126, pp. 2671-2675, 2011。查看在：出版商网站|谷歌学者
21. 梁敏，朱峰，“机械故障诊断时频分析方法的研究进展与应用，”机械系统和信号处理第38卷第2期1，pp。165-205,2013。查看在：出版商网站|谷歌学者
22. O. Rioul和P. Flandrin，“时间尺度的能量分布:扩展小波变换的一般类”，IEEE信号处理汇刊，第40卷，第7期，第1746-1757页，1992年。查看在：出版商网站|谷歌学者
23. F. Hlawatsch和G. F. Boudreaux-Partels，“线性和二次时频信号表示”，IEEE信号处理杂志，卷。9，没有。2，pp。21-67,1992。查看在：出版商网站|谷歌学者
24. L. COHEN，“时间频率分布：审查”，IEEE论文集第77期7，第941-981页，1989。查看在：出版商网站|谷歌学者
25. 彭志坤，朱福林，谢鹏伟，“基于重分配尺度图的转子定子故障诊断方法研究”，机械系统和信号处理，卷。19，没有。2，pp。391-409，2005。查看在：出版商网站|谷歌学者
26. 马辉，于涛，韩青，张勇，温斌，“转子系统两类耦合碰摩故障的时频特性研究”，作者：王莹，卷。321，没有。3-5，第1109-1128,2009。查看在：出版商网站|谷歌学者
27. X. Chen，Z. Feng和M. Liang，“基于重新分配小波标量程的非视野条件下的行星齿轮箱的故障特征提取”IEEE国际仪表和测量技术会议的诉讼程序，PP。2015年5月，比萨294-299，比萨。查看在：出版商网站|谷歌学者
28. F. Auger和P. Flandrin，“通过重新分配方法提高时间频率和时间尺度表示的可读性”，IEEE信号处理汇刊，第43卷，第5期，第1068-1089页，1995年。查看在：出版商网站|谷歌学者

版权

版权所有©2016陈小旺，冯志鹏。这是一篇发布在创意公共归因许可证如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。