一种风力发电机组旋转机械部件的自动化故障诊断方法与流程

本发明涉及风力发电领域，具体是一种风力发电机组旋转机械部件的自动化故障诊断方法。

背景技术：

1、风能是一种清洁的可再生能源，在全球迅速兴起，风力发电技术，特别是风力发电机，正迅速发展壮大。

2、由于风力发电机长期运行在极端环境下，并受到低速重载影响，其传动系统容易损坏，这会给风机运营商带来巨大的经济损失。

3、在风力发电机的传动系统中，轴承和齿轮是关键零部件，经常会因交变重载荷而发生故障。

4、基于振动信号的诊断方法是目前应用最广泛的风力发电机组旋转机械部件的故障诊断方法，因为振动信号特征明显、检测手段成熟且易于实现在线监测。

5、然而，目前针对风力发电机组旋转机械部件诊断方法的研究存在一些问题，例如诊断方法自动化程度低，对分析人员的数量和专业要求较高。

6、以及，当前基于振动信号的风力发电机组在线状态监测系统报警机制大多依据测点位置设定报警指标，测点位置和监测部件为的一对多关系，这可能导致状态监测系统对部件故障不灵敏。

7、因此，我们提出了一种自适应的信号分解方法，通过故障特征搜索算法对经验模态分量信号进行处理，并匹配各类型故障对应的复合故障指标，从而实现风力发电机组旋转机械部件故障的定量诊断。

技术实现思路

1、针对以上技术问题，本发明提供一种风力发电机组旋转机械部件的自动化故障诊断方法，方法包括以下步骤：

2、s100：通过安装在风力发电机组传动系统上的振动传感器采集振动信号，并对信号尽兴预处理，得到处理后的振动信号。

3、s200：对振动信号进行傅里叶变换到频域信号。

4、s300：对频域信号进行分段并提取局部峰值，对局部峰值进行插值得到频域信号上包络线。

5、s400：以频域信号上包络线极小值点作为频域分界点进行经验小波变换，得到经验模态分量。

6、s500：计算各经验模态分量相关峭度，选取相关峭度最大的经验模态分量并计算其包络频域信号。

7、s600：利用故障特征搜索算发在经验模态分量包络频域信号搜索故障特征频率及其倍频，确定故障点。

8、s700：根据故障点匹配该故障点对应的故障评估指标，输出状态评估结果。

9、优选地，s300包括：

10、s310：将频域信号f(ω)分为s段，分别取其极大值点fmax(ω1),fmax(ω2),…,fmax(ωs)，获取频域信号的局部峰值。

11、s320：利用三次样条插值方法对局部峰值点进行插值，从而得到整体的插值函数s(x)，即频域信号f(ω)的上包络线。

12、优选地，s400包括：

13、s410：查找上包络线函数s(x)的局部极小值点并依次升序排列，作为频域分界点ωn(n＝1,2,…)。

14、s420：根据频率分界点构造经验小波的小波函数ψn(ω)和尺度函数φn(ω)，表达式如下：

15、

16、

17、其中：β(x)＝x4(35-84x+70x2-20x3)

18、s430：原始信号和经验小波函数、尺度函数的内积分别被定义为细节相关系数和近似相关系数表达式为：

19、

20、

21、式中：ψn为经验小波函数，为ψn的共轭复数，为经验尺度函数，为的共轭复数，为ψn的傅里叶变换，傅里叶变换和逆变换分别记为f(·)和f-1(·)。

22、s440：对信号进行重构，结果为：

23、

24、式中：和分别表示和的傅里叶变换。

25、s450：经验模态fk(t)定义如下:

26、

27、

28、优选地，s500包括：

29、s510：计算各个经验模态分量的相关峭度，筛选具有最大相关峭度的经验模态分量作为包含故障特征信息最多的经验模态分量。

30、相关峭度计算方法如下：

31、式中：n为采样长度，t为感兴趣脉冲信号的周期，m为偏移的周期个数。

32、s520：对上述步骤选取的经验模态分量进行希尔伯特变换，与原信号组成解析信号，最终得到各模态分量的包络信号。

33、

34、

35、式中：为fk(t)的希尔伯特变换，ak(t)为fk(t)的包络信号。

36、s530：分别各模态分量包络ak(t)进行傅里叶变换得到各经验模态分量包络频域信号ak(ω)。

37、优选地，s600包括：

38、s610：计算测点位置监测到的所有齿轮和轴承故障特征频率。

39、s620：设置搜索倍频数h＝1，搜索范围阈值ρ，有效搜索判定阈值为n，判定阈值n

40、受到传感器安装位置、信号传递路径、采样频率等多方因素影响。

41、s630：以h倍故障特征频率ffault为中心，搜索范围[(1-ρ)hffault,(1+ρ)hffault]，在各个经验模态分量包络频域信号ak(ω)中搜索最大值和对应频率若h+1，并重复本步骤，当h≥n，执行下一步骤。

42、s640：根据搜索到的故障特征频率ffault，确认故障部位

技术特征：

1.一种风力发电机组旋转机械部件的自动化故障诊断方法，其特征在于，所述故障诊断方法包括如下步骤：

2.根据权利要求1所述的一种风力发电机组旋转机械部件的自动化故障诊断方法，其特征在于，所述构建频域信号上包络线的局部极小值点包括：

3.根据权利要求1所述的一种风力发电机组旋转机械部件的自动化故障诊断方法，其特征在于，所述故障搜索算法包括：

技术总结
本发明公开了一种风力发电机组旋转机械部件故障诊断方法。本发明的故障诊断方法通过提取频域信号上包络线的方法对旋转机械部件振动信号的频域信号进行自适应划分，改善了传统经验小波变换中，频域信号划分不理想导致的模态分量故障特征信息混叠问题；同时筛选包含丰富故障信息的经验模态分量，结合故障特征搜索算法，匹配各类型故障对应的状态评估指标，实现风力发电机组旋转机械部件故障诊断。

技术研发人员：庞宇,刘展,么舜禹
受保护的技术使用者：北京能高普康测控技术有限公司
技术研发日：
技术公布日：2024/10/31