[发明专利]基于包络谱的风电机组轴承故障诊断方法及设备

权利要求书

1.一种基于包络谱的风电机组轴承故障诊断方法，其特征在于：接收风电机组轴承的振动信号频谱，搜索所述振动信号频谱中与已知的轴承特征故障频率相关的风电机组轴承转动频率各阶次下的谐波包络谱，根据各谐波包络谱中谐波谱峰与周围噪声的显著性对所述振动信号频谱评分。

2.根据权利要求1所述的风电机组轴承故障诊断方法，其特征在于：所述振动信号频谱为根据所述风电机组轴承一个时刻的振动信号数据集的角度域重采样振动信号V_ot(t)去除与故障无关的稳态振动分量V_s(t)后的异步振动信号V_as(t)的频谱。

3.根据权利要求2所述的风电机组轴承故障诊断方法，其特征在于：所述振动信号数据集为包含振动信号V(t)、位置信号θ(t)和基准轴速度θ(ref)的时间域采样数据集。

4.根据权利要求1至3任一项所述的风电机组轴承故障诊断方法，其特征在于，搜索所述振动信号频谱中与一已知的轴承特征故障频率相关的风电机组轴承转动频率指定阶次下谐波包络谱的方法包括步骤：

以所述振动信号频谱包络线上各个局部最小值作为分离频率，将所述振动信号频谱划分为若干窄带；

根据所述轴承特征故障频率在各个窄带内的谐波频率确定该谐波频率的第一阶次范围，在振动信号频谱上第一阶次范围内搜索该窄带中的谐波谱峰峰值M_h；

根据所述轴承特征故障频率在各个窄带内的谐波频率确定该谐波频率的第二阶次范围，计算在振动信号频谱上第二阶次范围内的所述谐波谱峰周围的平均噪声N。

5.根据权利要求4所述的风电机组轴承故障诊断方法，其特征在于，所述谐波谱峰峰值M_h与其周围平均噪声N比较具有显著性的判断依据为：

当谐波谱峰对应的特征故障频率f_c的子频段频率f_sb为零时，M_hT即视为该谐波谱峰具有显著性；T为由平均噪声N决定的阈值；

当谐波谱峰对应的特征故障频率f_c由子频段频率f_sb进行调幅时，M_hT或(M_nsT或M_psT)，则视为该谐波谱峰具有显著性；M_ns为负子频带谱峰峰值，M_ps为正子频带谱峰峰值。

6.根据权利要求5所述的风电机组轴承故障诊断方法，其特征在于：根据各阶次谐波包络谱中谐波谱峰峰值M_h与其周围平均噪声N的显著性对所述窄带的所述阶次的谐波谱峰评分，评分计算方法为S(H)＝(M_h/T)·H，其中，S(H)为第H阶次谐波谱峰的分值。

7.根据权利要求6所述的风电机组轴承故障诊断方法，其特征在于，所述振动信号频谱的评分包括窄带内各阶次谐波谱峰组合分值S_m，其计算方法为：

其中，S_m(M)是第M窄带的组合分值，n_H是该窄带中根据指定特征故障频率识别的谐波数，S(i)是该窄带中第i次谐波谱峰的分值。

8.根据权利要求7所述的风电机组轴承故障诊断方法，其特征在于，所述振动信号频谱的评分包括全部窄带的组合分值S_tr，其计算方法为：

其中，n_M是根据分离频率划分振动信号频谱获得的窄带数量。

9.一种基于包络谱的风电机组轴承故障诊断设备，其特征在于，包括：

频谱识别模块，所述频谱识别模块用于通过权利要求1至8任一项风电机组轴承故障诊断方法获得振动信号频谱评分；

动态评分模块，所述动态评分模块用于动态调用所述频谱识别模块获得连续相邻多个振动信号频谱的振动信号频谱评分，根据所述评分分值及变化趋势判断风电机组轴承的状态变化和/或故障类型。

10.根据权利要求9所述的风电机组轴承故障诊断设备，其特征在于：还包括信号采集模块，所述信号采集模块用于周期性监测风电机组轴承振动信号并将振动信号预处理为异步振动信号，以便向所述频谱识别模块成组输出用于振动信号频谱评分的振动信号数据集。