【技术实现步骤摘要】
本专利技术属于振动信号处理和故障诊断方法领域,尤其涉及一种针对风力发电机组齿轮箱的振动信号处理步骤及故障诊断方法。
技术介绍
风力发电机组昂贵的运行维护费用是阻碍风电产业快速发展的重要因素之一。随着风电单机容量不断增大,风力发电机组的体积和轮毂高度也不断增大,内部的传动系统受力情况更加复杂,由于风力发电机组故障而引起的事故常有发生,造成巨大的经济损失。齿轮箱位于风力发电机机舱内,是风力发电机传动动力的主要部件和连接主轴和发电机的重要枢纽,它具有结构紧凑、传递精度高、传递力矩大等特点,是风力发电机正常高效运行的保障。齿轮箱内部结构和受力情况复杂,并且常在变工况、变载荷等复杂环境下工作,因此齿轮箱部件在长时间运行过程中极易老化损伤,产生各类故障。因此,研究一套可行的齿轮箱故障诊断方法具有重要意义。盲源分离技术是目前齿轮箱故障诊断领域较常采用的方法。齿轮箱的故障诊断的实质就是从齿轮箱各部位的振动数据中推断出是否发生故障以及发生故障情况下故障的具体类型。在上述诊断过程中,源信号的数目以及和源信号的信号特征都是未知的,即满足盲源特点,因此将盲源分离技术引入故障诊断是十分适合的并已存在相当多的成功应用案例。然而,现有的盲源分离技术仍然存在一定的局限性:一方面,目前的盲源分离算法大多针对超定或者正定情况,即要求观测信号数目大于或等于源信号数目,对欠定情况(观测信号数目小于源信号数目)下的盲源分离研究。但在很多情况下,这一条件并不满足,从而造成分离出的源信号仍然存在一定的混叠,影响最终的诊断结果。另一方面,真实的齿轮箱故障信号具有非平稳、非线性等特点,现有方法对处理这种 ...
【技术保护点】
基于振动信号盲源分离和稀疏成分分析的风电机组齿轮箱故障诊断方法,其特征在于:步骤(1),从安装在齿轮箱内的m个传感器上获取振动信号,并设振动信号矩阵为X=[x1,x2,...xm],其中任意一路传感器信号xi都为T维向量,即xi∈RT,表示每一路信号有T个采样点,并记采样频率为Fs;步骤(2)选取任意一路传感器信号xi,对其进行EMD分解,分离出的q个本征模态函数及余量rq,得到本征模态函数IMF矩阵C,IMF矩阵C=[c1,c2,...cq,rq]。步骤(3)计算IMF矩阵C的自相关矩阵RC=CCT;步骤(4)将协方差矩阵进行奇异值分解,由于协方差矩阵为q×q维矩阵,因此得到协方差矩阵q个奇异值,奇异值构成的集合记为{λ1,λ2,...λq}。步骤(5)取奇异值的自然对数{logλ1,logλ2,...logλq},并对该集合进行K均值聚类,分类数为2,将含数值较大的一类记为G1,数值较小的一类记为G2;步骤(6)统计G1中的元素个数n,将其作为源数目的估计;步骤(7)选取短时傅立叶变换长度L≥64,窗口重叠长度为将各传感器振动信号{x1,x2,...xm}分段,并将各段信号依次进行 ...
【技术特征摘要】
1.基于振动信号盲源分离和稀疏成分分析的风电机组齿轮箱故障诊断方法,其特征在于:步骤(1),从安装在齿轮箱内的m个传感器上获取振动信号,并设振动信号矩阵为X=[x1,x2,...xm],其中任意一路传感器信号xi都为T维向量,即xi∈RT,表示每一路信号有T个采样点,并记采样频率为Fs;步骤(2)选取任意一路传感器信号xi,...
【专利技术属性】
技术研发人员:杨强,胡纯直,颜文俊,杨茜,黄淼英,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。