CN106055734A - 一种风电齿轮箱故障诊断方法 - Google Patents

Abstract

本发明提供了一种风电齿轮箱故障诊断方法。齿轮箱存在故障时其振动信号具有两个特点：1、故障信号比较微弱，容易被其他的信号所淹没。2、故障信号会因为故障冲击产生调制现象。本发明分别应用二维经验模态分解(BEMD)和希尔伯特平方解调技术解决以上两个问题。首先应用BEMD分解将原始复值振动信号分解为一系列的复值本征模态函数IMF，能准确的检测出复值信号的相位信息；然后筛选出峭度值最大的IMF分量IMF_c，通常对应的就是故障特征分量；而后利用希尔伯特平方解调对IMF_c的进行解调，对解调后的信号的实部与虚部分别做频谱分析；最后将频谱分析结果与齿轮箱各回转部件的回转频率对比，确定故障位置。

Description

一种风电齿轮箱故障诊断方法

技术领域

本发明涉及一种风电齿轮箱故障诊断方法，尤其涉及一种风力发电机齿轮箱故障诊断方法。

背景技术

面对严峻的能源安全问题，以风力发电为代表的可再生能源得到飞速的发展。风力发电机组大多安装在戈壁滩、海岛、高山等风口处，自然条件恶劣，承受的是无规律变向风力作用及强阵风冲击的变载荷，所以风力发电机组是一个复杂、多变量、非线性的不确定系统，机组故障时有发生。故障统计结果显示，风电系统的故障12％来自齿轮箱的失效，另外，风电机组的安装位置交通不便，而齿轮箱多安装在距离地面几十米高的机舱内，空间狭小，如果没有及时检测到故障，很容易导致风电齿轮箱的损坏，维修十分困难，往往需要下塔处理，吊装维修费用高，并且会严重影响风场的经济效益，因此，风电齿轮箱的状态监测和故障诊断在这种情况下具有重要的意义。

随着我国大批风电机组的安装运行，风电齿轮箱的监测和诊断技术也得到了空前的发展，但存在的主要问题是：监测对象单一，多数为一种状态量的监测；分析诊断功能不够完善，缺乏有效的故障诊断能力；不适用于批量生产和现场安装。

现代风电齿轮箱传递功率大、结构复杂，故障信号为非平稳瞬态信号，并 且故障特征量容易被齿轮的啮合信号及其他的噪音所淹没。此外，当齿轮箱存在故障时，会产出冲击振动，引起信号的调幅调制现象，对振动信号直接进行频谱分析时，频谱图上一般都会出现调制载波频率而没有相应的故障频率，因此无法提取到故障信息。

发明内容

为了克服上述现有技术的不足，本发明提供了一种风电齿轮箱故障诊断方法，其目的在于快速、准确实现对齿轮箱故障地监测。

为了实现上述目的，本发明提供的一种风电齿轮箱故障诊断方法，所述方法包括以下步骤：

S1：通过振动信号采集系统对风电齿轮箱的振动信号进行采集，将采集到的振动信号构造成复值信号s(t)；

S2：利用BEMD对步骤S1中构造的复值信号s(t)进行分解，得到一系列的复值固有模态函数IMFs,这些IMFs能准确的反应出复值信号的相位信息；

S3：计算上述各IMF的峭度值，并选出峭度值最大的IMF分量IMF_c；

S4：利用希尔伯特平方解调对IMF_c进行解调；

S5：对解调后的信号的实部与虚部分别做频谱分析，比较验证频率成分是否相同。将频谱分析结果与齿轮箱各回转部件的回转频率对比，确定故障位置。

进一步地，所述步骤S1中的振动信号采集系统包括三相压电加速度传感器、信号采集卡和控制器机箱，信号采集卡与传感器采用导线相连，信号采集卡通过插拔接口插接在控制器机箱上。三相压电式加速度传感器布置在箱体外壳、输出轴的前侧轴承、输入轴的前侧轴承和后侧轴承上。将压电式加速传感器安装在这些位置或其它重要位置上，方便检测出重要部位是否存在故障。

进一步地，所述步骤S2中的所述的BEMD方法包括以下步骤：

S21：选取信号投影方向的数目N，并计算投影方向：

S22：计算步骤S1中得到的复制信号s(t)投影到方向上的值：

S23：找出的局部极大值和极小值点，记录下位置和数值：

S24：通过三次样条差值拟合方法对步骤S23中得到的进行插值得到包络曲线

S25：重复步骤S22-S24，直到获得所有投影方向上的包络曲线；

S26：计算步骤S25中得到的所有包络线的均值：

S27：从原始信号s(t)中减去包络线均值得到分量g₁(t)：

$g_1\left(t\right)=s\left(t\right)-{\stackrel{\‾}{m}}_1\left(t\right)---\left(4\right)$

S28：检测g₁(t)是否满足固有模态函数的筛选停止条件，如果不满足，将g₁(t)替换成新的原始信号s(t)，并返回步骤S22；否则，将分量g₁(t)作为第一个固有模态函数分量c₁(t)，用原始信号s(t)减去第一个固有模态函数分量c₁(t)获得残余量r₁(t)：

c₁(t)＝g(t)，r₁(t)＝s(t)-c₁(t) (5)

S29：判断残余量r₁(t)是否为单调函数，若是，则进入步骤S210；若否，则将r₁(t)作为新的原始信号并的返回步骤S22；

S210：重复步骤S22-S29直至获得所有的固有模态函数和一个最终的参与量r_n(t)；最终参与量r_n(t)为振动信号s(t)的平均趋势；振动信号s(t)可以表示为：

$s\left(t\right)=\underset{k=1}{\overset{n}{\Σ}}{c}_k\left(t\right)+r_n\left(t\right)---\left(6\right)$

进一步地，所述步骤S4中利用希尔伯特平方解调对调制信号进行解调处理具体过程为：

调制信号具有式(7)所示的形式：

c(t)＝f(t)s(t) (7)

其中，f(t)为故障产生的低频冲击信号，s(t)为运行中正常的高频振动信号；

构造函数X(t)和Y(t)如式(8)、(9)所示：

X(t)＝Re²(c(t))+H²[Re(c(t))] (8)

Y(t)＝Im²(c(t))+H²[Im(c(t))] (9)

其中Re表示取复值信号的实部，Im表示取复制信号的虚部；H[·]是对信号进行希尔伯特变换；

根据Bedrosian定理：

H(Re(c(t)))＝H[Re(f(t)s(t))]＝Re(f(t))H[Re(s(t))] (10)

H[Im(c(t))]＝H[Im(f(t)s(t))]＝Im(f(t))H[Im(s(t))] (11)

将式(10)、(11)分别带入式(8)、(9)可得：

X(t)＝Re²(f(t)){Re²(s(t))+H²[Re(s(t))]} (12)

Y(t)＝Im²(f(t)){Im²(s(t))+H²[Im(s(t))]} (13)

令r(t)＝s²(t)+H²[(t)]，高频振动信号s(t)的结构如式(14)、(15)所示：

Re(s(t))＝a₁cos(2πf₁t) (14)

Im(s(t))＝a₂cos(2πf₂t) (15)

则s(t)的希尔伯特变换为：

H[Re(s(t))]＝a₁sin(2πf₁t) (16)

H[Im(s(t))]＝a₂sin(2πf₂t) (17)

则可得r(t)：

$r_1\left(t\right)=a_1^2{\cos }^2\left(2{\mathrm{\πf}}_{1}t\right)+a_1^2{\sin }^2\left(2{\mathrm{\πf}}_{1}t\right)=a_1^2---\left(18\right)$

$r_2\left(t\right)=a_2^2{\cos }^2\left(2{\mathrm{\πf}}_{2}t\right)+a_2^2{\sin }^2\left(2{\mathrm{\πf}}_{2}t\right)=a_2^2---\left(19\right)$

将式(18)、(19)分别带入式(12)、(13)可得：

X(t)＝a₁ ²Re²(f(t)) (20)

Y(t)＝a₂ ²Im²(f(t)) (21)

对仅有低频部分f(t)的式(20)、(21)进行频谱分析；上述式中，t表示时间，f₁、f₂表示频率。

齿轮箱存在故障时其振动信号具有两个特点：1、故障信号比较微弱，容易被其他的信号所淹没。2、故障信号会因为故障冲击产生调制现象。

针对故障信号的上述两个特点，本发明分别应用BEMD分解和希尔伯特平方解调技术解决以上两个问题。首先应用BEMD分解将原始复值振动信号分解为一系列的复值本征模态函数IMF，能准确的检测出复值信号的相位信息；然后筛选出峭度值最大的IMF分量IMF_c，通常对应的就是故障特征分量；而后利用希尔伯特平方解调对IMF_c的进行解调，对解调后的信号的实部与虚部分别做频谱分析，比较验证频率成分是否相同；最后将频谱分析结果与齿轮箱各回转部件的回转频率对比，确定故障位置。通过本发明方法可以及时且方便地检测出故障信息，及时对齿轮箱进行维修。

本发明中采用的BEMD方法是一种数据驱动式的自适应信号处理方法。其分解过程是利用信号局部特征时间尺度信息，逐次将复值信号分解为若干个复值的固有模态函数，每个固有模态函数反应了信号中内嵌的旋转模式，且其性质完全由信号本身性质决定，于其他因素无关。该方法能够处理以傅里叶变换为基础的那些方法所不能处理的非线性非平稳的数据，且能够比EMD更高效的 来处理二维的信号，并反应出信号的相位偏移信息。。与小波变换相比，因为其基函数是由信号本身分解得到的，并不需要事先选定小波基和分解尺度，所以它是直观的、后验的和自适应的分解方法。

附图说明

下面结合附图对本发明作进一步说明：

图1为四个复值信号的时域波形图；

图2为四个复值信号直接加和后的时域波形图；

图3为对构造的复值信号进行傅里叶变换得到的频谱结果图；

图4为BEMD分解后的IMFs结果图；

图5为对解调后的信号的实部和虚部分别做频谱分析的结果图；

图6为本发明提供的一种齿轮箱故障诊断方法的流程图；

具体实施方式

该齿轮箱故障诊断方法是基于齿轮箱运行过程中所产生的振动信号进行的。齿轮箱在运行过程中无论是否存在故障都会有振动信号的产生，但是无故障和有故障时的振动信号有不同的区别。齿轮箱没有故障时，振动信号的频率成分主要是齿轮的啮合频率和轴承的自身的固有频率。当齿轮箱中的齿轮和轴承存在故障时，其运行过程中会因为故障产生冲击效应，从而使振动信号发生改变，此时振动信号的频率成分不仅有齿轮的啮合频率和轴承自身的固有频率，还会增加故障部件所在部件的回转频率。

通过三相加速度传感器测得的振动加速度信号是时域信号。如图1所示；图1中的复值信号是下面四个实部信号x(t)和四个虚部信号y(t)构造后的时域波形图，黑色实线表示的是实部信号，黑色虚线表示的是虚部信号。

$x_1\left(t\right)=e^{-{\mathrm{\αt}}_1}\sin \left(2{\mathrm{\πf}}_{1}t\right),t_1=\mathrm{mod}(t,1/f_B)$

$y_1\left(t\right)=0.6e^{-{\mathrm{\αt}}_2}\sin (2{\mathrm{\πf}}_{1}t+\mathrm{\π}/3),t_2=\mathrm{mod}(t,1/f_B+0.005)$

x₂(t)＝1.5sin(2πf₂t)，y₂(t)＝0.6sin(2πf₂t+π/3)

x₃(t)＝2sin(2πf₃t)，y₃(t)＝sin(2πf₃t+π/3)

x₄(t)＝0.4rand(n,1))，y₄(t)＝0.2rand(n,1))-0.2，n＝length(t)

其中，x₁(t)和y₁(t)为模拟轴承外圈故障信号和系统结构谐振信号的调制；x₂(t)、x₃(t)和y₂(t)、y₃(t)为周期性谐波信号成分；x₄(t)和y₄(t)为模拟噪声信号；衰减频率(与系统阻尼特性相关)α＝400；结构谐振频率f₁＝800；高速级齿轮的啮合频率f₂＝100；低速级齿轮的啮合频率f₃＝50，故障特征频率f_B＝33。

图2的信号是以上四个实部信号x(t)和四个虚部信号y(t)分别直接加和构造的复值信号的结果。黑色实线表示的是实部信号，黑色虚线表示的是虚部信号。

诊断故障需要得到的是振动信号所对应的频率值。对于简单的信号，如上面的x₂(t)、x₃(t)和y₂(t)、y₃(t)，直接进行傅里叶变换就可以得到振动信号的频率值，但是对振动信号x₁(t)和y₁(t)这种较为复杂的调制信号，直接进行傅里叶变换得到频率值是f₁＝800，但是实际中想要得到的是频率f_B＝33。对振动信号x₁(t)和y₁(t)经过解调后，再进行傅里叶变换后就能得到故障频率f_B＝33。如图3所示，是对构造的信号直接进行傅里叶变换之后的频谱图，从实部与虚部的频谱结果中都可以得到50Hz,100Hz和800Hz的频率成分，但显示不出33Hz的频率成分。

啮合频率和回转频率：假如一对啮合的齿轮对，主动轮的转速是20r/s，齿数是40，从动轮的齿数是80，那么从动轮的转速可以根据主动轮计算得出，即10r/s。啮合频率是用齿轮对中任意一个齿轮的回转频率乘以齿数，即主动轮啮合频率为20×40＝800Hz，从动轮啮合频率为10×80＝800Hz。回转频率是指单 个齿轮的回转频率，如主动轮20Hz，从动轮10Hz。这样如果故障诊断所得结果是20Hz，说明是主动轮故障；如果是10Hz，说明是从动轮故障。

故障诊断的过程就是当齿轮箱中存在故障时，确定故障频率，进而确定出故障位置的过程。

齿轮箱存在故障时其振动信号具有两个特点：

1、故障信号比较微弱，容易被其他的信号所淹没。

2、故障信号会因为故障的原因产生调制现象。

针对故障信号的上述两个特点，故障诊断方法分别应用BEMD分解和希尔伯特平方解调技术解决以上两个问题。首先应用BEMD分解将原始复值振动信号分解为一系列的复值本征模态函数IMF，在这些IMF中，峭度值最大的那个IMF通常对应的就是故障特征分量。例如从图2中的合信号很难直接找到故障特征信号，而对其进行BEMD分解后就能得到图4所示的结果。其中IMF2就是故障特征信号，他的峭度值会比其他的IMF分量的大。从而就找到了故障特征分量。然后寻找故障频率，进而确定出故障位置。用到的就是希尔伯特平方解调技术。对信号进行解调后再进行傅里叶变换就能得到故障频率，进而确定出故障位置。如图5所示，即对解调信号的实部和虚部分别进行傅里叶变换之后得到的频谱结果图，可以发现大约在33Hz左右，实部与虚部的频率幅值都达到最大值。

参阅图6右侧，本发明中的方法主要包括：信号采集、信号处理和结果显示。

参阅图6左侧，一种风电齿轮箱故障诊断方法，具体包括以下步骤：

S1：通过振动信号采集系统对风电齿轮箱的振动信号进行采集，将采集到的振动信号构造成复值信号s(t)；

S2：利用BEMD对步骤S1中构造的复值信号s(t)进行分解，得到一系列的复值固有模态函数IMFs,这些IMFs能准确的反应出复值信号的相位偏移信息；

S3：计算上述各IMF的峭度值，并选出峭度值最大的IMF分量IMF_c；

S4：利用希尔伯特平方解调对IMF_c进行解调；齿轮箱中存在故障时出现信号的调制信号具有式(7)所示的形式：

c(t)＝f(t)s(t) (7)

其中，f(t)为故障产生的低频冲击信号，s(t)为运行中正常的高频振动信号；

采用希尔伯特平方解调对调制信号进行解调处理，具体过程如下：

构造函数X(t)和Y(t)如式(8)、(9)所示：

X(t)＝Re²(c(t))+H²[Re(c(t))] (8)

Y(t)＝Im²(c(t))+H²[Im(c(t))] (9)

其中Re表示取复值信号的实部，Im表示取复制信号的虚部；H[·]是对信号进行希尔伯特变换；

根据Bedrosian定理：

H(Re(c(t)))＝H[Re(f(t)s(t))]＝Re(f(t))H[Re(s(t))] (10)

H[Im(c(t))]＝H[Im(f(t)s(t))]＝Im(f(t))H[Im(s(t))] (11)

将式(10)、(11)分别带入式(8)、(9)可得：

X(t)＝Re²(f(t)){Re²(s(t))+H²[Re(s(t))]} (12)

Y(t)＝Im²(f(t)){Im²(s(t))+H²[Im(s(t))]} (13)

令r(t)＝s²(t)+H²[(t)]，高频振动信号s(t)的结构如式(14)、(15)所示：

Re(s(t))＝a₁cos(2πf₁t) (14)

Im(s(t))＝a₂cos(2πf₂t) (15)

则s(t)的希尔伯特变换为：

H[Re(s(t))]＝a₁sin(2πf₁t) (16)

H[Im(s(t))]＝a₂sin(2πf₂t) (17)

则可得r(t)：

$r_1\left(t\right)=a_1^2{\cos }^2\left(2{\mathrm{\πf}}_{1}t\right)+a_1^2{\sin }^2\left(2{\mathrm{\πf}}_{1}t\right)=a_1^2---\left(18\right)$

$r_2\left(t\right)=a_2^2{\cos }^2\left(2{\mathrm{\πf}}_{2}t\right)+a_2^2{\sin }^2\left(2{\mathrm{\πf}}_{2}t\right)=a_2^2---\left(19\right)$

将式(18)、(19)分别带入式(12)、(13)可得：

X(t)＝a₁ ²Re²(f(t)) (20)

Y(t)＝a₂ ²Im²(f(t)) (21)

对仅有低频部分f(t)的式(20)、(21)进行频谱分析；上述式中，t表示时间，f₁、f₂表示频率。

S5：对解调后的信号的实部与虚部分别做频谱分析，比较验证频率成分是否相同。将频谱分析结果与齿轮箱各回转部件的回转频率对比，确定故障位置。

采集模块包括三相压电式加速度传感器、信号采集卡和控制器机箱，信号采集卡与传感器采用导线相连，信号采集卡通过插拔接口插接在控制器机箱上。三相压电式加速度传感器布置在箱体外壳、输出轴的前侧轴承、输入轴的前侧轴承和后侧轴承等重要位置上。

c(t)＝f(t)s(t)是对希尔伯特平方解调技术进行理论上解释，这里的c(t)是一个泛指，可以指任意一个类似于图1中x₁(t)或y₁(t)的调制信号。而IMF_c是实际应用中，齿轮箱故障时所产生的调制信号。

以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。

Claims (4)

1.一种风电齿轮箱故障诊断方法，其特征在于，所述方法包括以下步骤：

S1：通过振动信号采集系统对风电齿轮箱的振动信号进行采集，将采集到的振动信号构造成复值信号s(t)；

S2：利用BEMD对步骤S1中构造的复值信号s(t)进行分解，得到一系列的复值固有模态函数IMFs,这些IMFs能准确的反应出复值信号的相位偏移信息；

S3：计算上述各IMF的峭度值，并选出峭度值最大的IMF分量IMF_c；

S4：利用希尔伯特平方解调对IMF_c进行解调；

S5：对解调后的信号的实部与虚部分别做频谱分析，比较验证频率成分是否相同。将频谱分析结果与齿轮箱各回转部件的回转频率对比，确定故障位置。

2.根据权利要求1所述的风电齿轮箱故障诊断方法，其特征在于，所述步骤S1中的振动信号采集系统包括三相压电加速度传感器、信号采集卡和控制器机箱，信号采集卡与传感器采用导线相连，信号采集卡通过插拔接口插接在控制器机箱上。三相压电式加速度传感器布置在箱体外壳、输出轴的前侧轴承、输入轴的前侧轴承和后侧轴承上。

3.根据权利要求2所述的风电齿轮箱故障诊断方法，其特征在于，所述步骤S2中的所述的BEMD方法包括以下步骤：

S21：选取信号投影方向的数目N，并计算投影方向：

S22：计算步骤S1中得到的复制信号s(t)投影到方向上的值：

S23：找出的局部极大值和极小值点，记录下位置和数值：

S24：通过三次样条差值拟合方法对步骤S23中得到的进行插值得到包络曲线

S25：重复步骤S22-S24，直到获得所有投影方向上的包络曲线；

S26：计算步骤S25中得到的所有包络线的均值：

S27：从原始信号s(t)中减去包络线均值得到分量g₁(t)：

S28：检测g₁(t)是否满足固有模态函数的筛选停止条件，如果不满足，将g₁(t)替换成新的原始信号s(t)，并返回步骤S22；否则，将分量g₁(t)作为第一个固有模态函数分量c₁(t)，用原始信号s(t)减去第一个固有模态函数分量c₁(t)获得残余量r₁(t)：

c₁(t)＝g(t)，r₁(t)＝s(t)-c₁(t) (5)

S29：判断残余量r₁(t)是否为单调函数，若是，则进入步骤S210；若否，则将r₁(t)作为新的原始信号并的返回步骤S22；

S210：重复步骤S22-S29直至获得所有的固有模态函数和一个最终的参与量r_n(t)；最终参与量r_n(t)为振动信号s(t)的平均趋势；振动信号s(t)可以表示为：

。

4.根据权利要求3所述的风电齿轮箱故障诊断方法，其特征在于，所述步骤S4中齿轮箱存在故障时会出现信号的调制现象,调制信号具有式(7)所示的形式：

c(t)＝f(t)s(t) (7)

其中，f(t)为故障产生的低频冲击信号，s(t)为运行中正常的高频振动信号；

采用希尔伯特平方解调对调制信号进行解调处理，具体过程如下：

构造函数X(t)和Y(t)如式(8)、(9)所示：

X(t)＝Re²(c(t))+H²[Re(c(t))] (8)

Y(t)＝Im²(c(t))+H²[Im(c(t))] (9)

其中Re表示取复值信号的实部，Im表示取复制信号的虚部；H[·]是对信号进行希尔伯特变换；

根据Bedrosian定理：

H(Re(c(t)))＝H[Re(f(t)s(t))]＝Re(f(t))H[Re(s(t))] (10)

H[Im(c(t))]＝H[Im(f(t)s(t))]＝Im(f(t))H[Im(s(t))] (11)

将式(10)、(11)分别带入式(8)、(9)可得：

X(t)＝Re²(f(t)){Re²(s(t))+H²[Re(s(t))]} (12)

Y(t)＝Im²(f(t)){Im²(s(t))+H²[Im(s(t))]} (13)

令r(t)＝s²(t)+H²[(t)]，高频振动信号s(t)的结构如式(14)、(15)所示：

Re(s(t))＝a₁cos(2πf₁t) (14)

Im(s(t))＝a₂cos(2πf₂t) (15)

则s(t)的希尔伯特变换为：

H[Re(s(t))]＝a₁sin(2πf₁t) (16)

H[Im(s(t))]＝a₂sin(2πf₂t) (17)

则可得r(t)：

将式(18)、(19)分别带入式(12)、(13)可得：

X(t)＝a₁ ²Re²(f(t)) (20)

Y(t)＝a₂ ²Im²(f(t)) (21)

对仅有低频部分f(t)的式(20)、(21)进行频谱分析；上述式中，t表示时间，f₁、f₂表示频率。