風力發(fā)電機組機械故障振動信號特征提取的診斷研究與應用

張德勝 張杰 李振興

摘要：針對滾動軸承早期故障診斷中故障特征信號提取問題，論述了門限小波變換的高階累積量在微弱信號特征提取中的功能、實現(xiàn)和應用條件。比較了連續(xù)小波變換（CWT）、快速傅里葉變換（FFT）、短時傅里葉變換（STFT）利用高階累積量和沒有利用高階累積量情況下，提取微弱信號特征的特性。提出了一種適用于工程實測ICP振動加速度計信號的積分方法，該方法可由振動信號得到較精確的振動速度和位移信號，實現(xiàn)了基于振動信號的相空間分析，有效識別了復雜機械振動的時域與頻域分析。最后通過對工程實際中1500kW的風力發(fā)電機組滾動軸承的振動信號進行了時域與頻域分析，結果表明，該方法能有效提取滾動軸承和齒輪早期故障特征，識別故障類型，具有較高的可信度。

關鍵詞：高階譜;故障診斷;小波變換;ICP加速度計;時頻分析

引言

機械故障信號通常是非平穩(wěn)信號，背景噪聲比較大，信號淹沒在噪聲中。機械故障診斷的目的就是提取信號特征，并根據(jù)信號特征判斷故障形式，進行故障診斷[1]。當前，常用的機械故障征兆提取方法多是假設振動信號具有平穩(wěn)和高斯分布的特性，而實際測得的信號大量是非平穩(wěn)和非高斯分布的信號，尤其是在發(fā)生故障時更是如此。對于這種非線性現(xiàn)象，僅用功率譜和傅里葉變換[2]等傳統(tǒng)信號處理方法分析是很難從根本上解決問題。聯(lián)合時頻分布和高階譜[3]估計方法可以極大提高微弱信號的檢測，JTFD（Joint?Time?Freqency?Distribution）對處理非平穩(wěn)信號很有優(yōu)勢，而高階譜對高斯噪聲有很強的抑制作用。這里引入一種有效的微弱信號檢測方法：門限四階累積量的連續(xù)小波變換[3]，門限值來自于Neyman—Pearson[4]準則。利用振動信號對機械設備進行故障診斷是機械故障診斷技術中的一種有效手段。

1.高階譜分析

隨機信號的x（t）的高階累計定義為ckx（τ1，...，τk-1）=cum[x（t），x（t+τ1），...x（t+τk-1）]

與功率譜相比，高階譜具有其獨特的特性。若系統(tǒng)是線性的，其響應的時間序列就具有高斯分布的平穩(wěn)隨機過程。高階累積量譜在檢測微弱信號的好處在于不需要信號的任何先驗信息。

2.門限連續(xù)小波變換的四階累積量

2.1?連續(xù)小波變換

3.工程實測信號的研究

頻譜分析計算是以傅里葉積分為基礎的，它將復雜信號分解為有限或無限個頻率的簡譜分量。本文中將快速傅里葉分析法（FFT）有效的應用于風力發(fā)電機組的故障診斷自功率譜可由自相關函數(shù)的傅里葉變換求得，也可由幅值譜計算得到。實際中，正是通過傅里葉變換得到頻譜，再由頻譜圖為依據(jù)來判斷故障的部位以及故障的嚴重程度的。

4.結束語

通過對連續(xù)小波變換（CWT）、短時傅立葉變換（STFT），快速傅里葉變換（FFT），在利用高階累積量和沒有利用高階累積量情況下，對機械故障中微弱信號特征提取進行實際測試與試驗。可以得出，Neyman—Person（顯著性假設）準則的連續(xù)小波的四階累積量在提取強噪聲背景下微弱信號特征有較好的效果。結合工程實測ICP振動加速度計信號的積分方法，通過對實際滾動軸承振動信號的分析，驗證了本文所提方法的有效性，為滾動軸承故障特征提取方法提供了一種新思路，并將這種方法應用于工程實際，取得了滿意的效果。

參考文獻：

[1]聞邦椿，張輝，劉樹英，何勍，趙春雨 振動機械理論、技術及其應用（英文版）科學出版社，2010.

[2]師漢民，黃其柏.機械振動系統(tǒng)：分析?建模?測試（上冊） 華中科技大學出版社?2013.

[3]Shark?L?K。Yu?C.Weak?transient?signal?detection?basedon?continuous?wavelet?and?cumu|ant?analysis.Signal?Processing.In：2012?6th?International?Conference，2012，（2）：?l851～1854。

[4]Tsai?CS，Hsieh?CT，?Huang?S?J.?Enhancement?of?damage?detectionof?wind?turbine?blades?via?CWT?based?appro?aches[?J]?.?IEEE?Transactionson??Energy?Conversion，?2006，?21（?3）?：?776?781.

[5]屈梁生，張西寧，沈玉娣.機械故障診斷理論與方法.西安：西安交通大學出版社。2009.

作者簡介：

張德勝，男，1983年10月生，現(xiàn)工作于神華集團——國華能源投資有限公司通遼分公司。長期從事1500KW大型風力發(fā)電機組在線振動監(jiān)測的信號采集、故障診斷及數(shù)字信號處理。主要研究方向為現(xiàn)代信號處理、機械故障的智能診斷。