[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

说明书

本发明公开了一种基于包络谱的风电机组轴承故障诊断方法及设备，属于低速风机用滚动轴承故障诊断技术领域，其中故障诊断方法首先搜索与特征故障频率相关的谐波包络谱，并根据识别的谐波谱峰数量及其与周围噪声的显著性对数据集进行评分，通过监测该分值的变化来检测轴承状态变化并确定故障位置。本发明技术方案可以对典型轴承缺陷类型能进行准确的诊断。

技术领域

本发明属于新能源设备技术领域，涉及风电设备故障分析和诊断，尤其涉及滚动轴承在风电机组等承载负荷频繁变化、工作环境恶劣等工况中对滚动轴承进行早期诊断和趋势预测的方法和设备。

背景技术

风力发电机组(风电机组)工作环境条件恶劣，温度、湿度以及风况的变化很大，导致其作为关键部件的滚动轴承载荷频繁变化，极易发生故障(文献[1-5])。

现有技术中，一方面的，钟先友(文献[6])、Antoni(文献[9])等人用快速峭度图构造最优带通滤波器，将滤波后信号的包络谱与轴承特征故障频率进行比较，从而诊断出具体故障。丁雪娟(文献[7])等采用最小二乘法拟合得到转速信号变化曲线，利用窄带包络分析含滚动轴承故障信号的阶次窄带包络谱用于滚动轴承故障诊断。Mishra(文献[8])等人通过观察频率处峰值的包络谱，计算这些特征频率并诊断受损轴承。彭延峰(文献[10])等人以得到信号的最优解为优化目标，该方法在抑制端点效应和模态混淆、抗噪声性能、提高分量的正交性和准确性等方面具有一定的优越性。郑小霞、赵营豪等学者(文献[11-15])也都提出了多种对滚动轴承进行故障诊断的方法。但是前述研究成果大多旨在确定最佳窄带，存在过滤掉与轴承故障的相关信息的可能性。即高速工业轴承诊断常用方法无法适应于低速的风机用滚动轴承故障诊断。

另一方面，风电机组轴承故障振动信号具有高噪声、非线性、非平稳、低频分布范围比较密集等特性。和常用工业高速轴承运行特性相比较，其在频率分布区间、频率之间离散特性等方面有着明显区别。同时，由于风电机组运行角速度较慢，叶片尺寸大，实质上形成了悬臂梁的结构，而叶片在风载的作用下，叶片同时受到风载、重力、流体压力、离心力的共同作用，其导致位于叶片末梢的滚动轴承极易发生振动，且以各种振动频率体现出来。由于这些振动频率都偏低，如果使用目前常用的EMD，EEMD等算法[11-15]去处理，非常容易产生模态混叠，造成的结果就是对一些频率接近的故障信号，现有算法无法精准的做出区分。

上述提及作为本公开提出背景的文献如下，这些文献用以充分帮助本领域技术人员理解本公开技术方案所针对的技术问题以及通常所采用技术构思：

[1]付洋洋，王荣，风力发电机组用变桨轴承外圈断裂的原因，机械工程材料，2019,43(4)，83-86.

[2]张涛，陈浩，田峰等，大规模1.5MW风力发电机组变桨轴承开裂行为分析，中国电机工程学报，2019，39(21),6344-6350.

[3]Amasorrain J，Sagartzazu X，Damian J.load distribution in aMechanism and Machine Theory，2003,38,479-496.

[4]Potpnik P，Gonczb P，et.al.,Fatigue life of double row slewingProcardia engineering,2010,2(1)，1877-1886.

[5]He Peiyu,Hong Rongjing,Wang Hua,et al.,Fatigue life analysis ofslewing bearing in wind turbines,International Journal of Fatigue,2018,111,233-242.

[6]钟先友，田红亮，赵春华，陈保家，陈法法.基于迭代滤波和快速峭度图的滚动轴承微弱故障特征提取[J].振动与冲击,2018,37(9):190-195.