[发明专利]一种变转速下的风电机组轴承故障诊断方法

说明书

技术领域

本发明属于机械设备故障检测技术领域，涉及一种变转速下的风电机组轴承 故障诊断方法。

背景技术

由于风场大部分位于环境复杂恶劣的地区，经常受极端天气的影响。随着机 组累计运行时间的增加，机组部件不断老化，极易出现故障。风电机组上的主轴、 偏航、变桨、发电机、齿轮箱等许多部位都装配有轴承，轴承故障在机组故障中 占有很高的比例。为了减少风电机组的停机时间，降低机组的维修费用，对风电 机组的重要轴承部件进行状态监测很有必要。由于风电机组轴承的运行条件恶 劣，受力复杂，并经常受到交变载荷、冲击载荷的影响，使得轴承成为风电机组 常见的易发生故障的部件之一。目前振动信号分析技术是旋转机械设备状态监测 与故障诊断的主要手段，但风电机组与其他大型旋转机械设备存在重大区别，风 机在运行过程中转速是变化的，其振动信号往往表现出非平稳的特性，使得传统 的故障诊断方法在变转速条件下难以实现故障状态的精确判别。

由于风力发电系统越来越复杂，所包含的零部件件也越来越多，使得其振动 信号频率成分十分复杂，很难检测出其故障特征信息。风电机组在变转速过程中 的振动信号一般为非平稳信号，传统的频域分析方法只能够处理平稳信号，但是 对属于非平稳信号的轴承振动信号则几乎无能为力，无法有效地诊断实际风电机 组发生的故障。

发明内容

本发明的目的在于提供一种变转速下的风电机组轴承故障诊断方法，解决了 风机在运行过程中转速变化其振动信号往往表现出非平稳的特性，使得传统的故 障诊断方法在变转速条件下难以实现故障状态的精确判别的问题。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：采集轴承的振动信号，同步采集风机主轴的转速；

步骤2：根据转速绘制出转角变化曲线；

步骤3：对转角变化曲线进行等角度划分，确定等角度重采样的时间序列；

步骤4：按照时间序列对轴承振动信号进行插值，得到轴承的角域振动信号；

步骤5：在角域振动信号中加入随机高斯白噪声序列，得到信号，将加入白 噪声的信号利用经验模态分解EMD算法得到一组IMF；

步骤6：每次加入不同的白噪声序列，重复步骤5，直到达到设定的次数N；

步骤7：计算N次分解得到的各个IMF的均值，作为分解最终的结果；

步骤8：利用各个IMF的均值，分别计算各个IMF分量的峭度值；

步骤9：比较各IMF分量峭度值K_i的大小，筛选出峭度值最大的IMF分量 c_max(t)作为敏感IMF；

步骤10：对敏感IMF进行希尔伯特包络解调得到包络信号，利用傅里叶变 换对包络信号进行处理获取敏感IMF的阶次包络谱，从而提取故障特征频率， 实现风电机组轴承的故障诊断。

进一步，所述经验模态分解EMD算法的步骤如下：

步骤1：提取信号所有的局部极大值与极小值点；

步骤2：利用三次样条插值法分别连接局部极大值与局部极小值点，构造信号的上包络线与下包络线；

步骤3：计算上、下包络线的平均值，将信号减去平均值得到h(t)；

步骤4：判断h(t)能否满足固有模态函数的条件，若满足则h(t)即为信号x(t)的 第一个固有模态函数分量IMF1；若不满足，将h(t)作为新的信号，重复步骤1～4， 直到满足固有模态函数的条件为止；

步骤5：将IMF1从信号中分离出来，得到信号残余项，判断残余项能否继续分解，若能则将残余项作为新的信号重复步骤1～5，若不能则EMD分解结束，从而将信号分解为一组IMF。

进一步，所述固有模态函数的条件包括两方面：(1)极值点的个数和过零点 的个数必须相等或者最多相差一个；(2)在任意时刻，由局部极大值点形成的上 包络线和由局部极小值点形成的下包络线的平均值等于零，即上、下包络线相对 于时间轴局部对称。

进一步，所述步骤10的实现步骤如下：

步骤1：对敏感IMF分量进行Hilbert变换，