【技术实现步骤摘要】
一种风电机组主轴承故障类型诊断方法及系统
本专利技术涉及新能源发电领域，具体涉及一种风电机组主轴承故障类型诊断方法及系统。
技术介绍
随着风电不断发展，主轴承作为风电机组重要部件之一，其复杂生产过程的监控与运维等存在诸多问题：首先是风电机组主轴承振动的难识别性，风电机组主轴承是一类低速重载旋转设备，其振动信号微弱，即使是故障造成的冲击信号也易淹没在各类背景噪声以及其他机械设备传递的振动信号中，如何放大并提取主轴承特征信号，是风电主轴承状态监测与故障诊断工作的重要部分。其次是风电机组主轴承运行的非平稳性，风电机组主轴承是一个非线性、非平稳性的复杂旋转部件。对非平稳性较强的运行过程，如果采用针对准平稳性系统的处理方法，结果将会和预期产生很大的偏差。当风电机组主轴承发生故障时，由于其主轴承振动的难识别性和非平稳性，造成了风电机组故障排除难的问题，无法准确获取主轴承故障的类型，从而对后期的维修和检查工作造成影响。目前，大部分风电机组运行的转速区间为6～20r/min，主轴以及主轴承都处于低速状态，其故障冲击力对整个重载设备而言十分微弱，难以激发强烈的振动，其冲击信号的幅值小，不易识别；同时，主轴及主轴承运行转速的多变性，也导致频率混叠严重，无法获取准确的信号频率故障特征。
技术实现思路
为了解决现有技术中所存在的无法准确判断风电机组主轴承故障类型的问题，本专利技术提供了一种风电机组主轴承故障类型诊断方法及系统。本专利技术提供的技术方案是：一种风电机组主轴承故障类型诊断方法，包括：<...
【技术保护点】
1.一种风电机组主轴承故障类型诊断方法，其特征在于，包括：/n将预先采集的故障信号通过Teager能量算子公式增强故障峰值信号，得到放大信号；/n将所述放大信号作为输入量进行阶比分析，并得到主轴承特征频率；/n将所述主轴承特征频率与预先设定的故障特征频率进行比对，确定故障类型。/n
【技术特征摘要】 【专利技术属性】
1.一种风电机组主轴承故障类型诊断方法，其特征在于，包括：
将预先采集的故障信号通过Teager能量算子公式增强故障峰值信号，得到放大信号；
将所述放大信号作为输入量进行阶比分析，并得到主轴承特征频率；
将所述主轴承特征频率与预先设定的故障特征频率进行比对，确定故障类型。
2.如权利要求1所述的方法，其特征在于，所述将预先采集的故障信号通过Teager能量算子算法增强故障峰值信号，得到放大信号，包括：
将预先采集的故障信号进行时间离散处理，得到故障离散信号；
将所述故障离散信号通过Teager能量算子公式进行增强，得到放大信号。
3.如权利要求2所述的方法，其特征在于，所述Teager能量算子公式，如下所示：
ψ(y(n))＝y2(n)-y(n-1)y(n+1)
其中，n为第n个采样周期点；y(n)为第n个采样点信号能量幅值。
4.如权利要求1所述的方法，其特征在于，所述将所述放大信号作为输入量进行阶比分析，并得到主轴承特征频率，包括：
将所述放大信号由时域序列转换为等角度采样角域序列；
将所述等角度采样角域序列利用插值法进行转换，得到平稳角域信号；
将所述平稳角域信号进行阶比谱分析，得到主轴承特征频率。
5.如权利要求4所述的方法，其特征在于，所述将所述角域序列利用插值法进行转换，得到平稳角域信号，包括：
将所述等角度采样角域序列和预先获取的等时间间隔采样角域序列，按照预设判断条件计算式，筛选出构建平稳角域信号的等角度采样角域序列；
根据所述等角度采样角域序列构建平稳角域信号。
6.如权利要求5所述的方法，其特征在于，所述预设判断条件计算式，如下式所示：
(θj'-θi)×(θj'-θi+1)<＝0；
其中，θi表示为等时间间隔采样下的角度序列，θj'为重构的等角度间隔采样下的角度序列。
7.如权利要求5所述的方法，其特征在于，所述根据所述等角度采样角域序列构建平稳角域信号，如下式所示：
式中，y'i表示平稳角域信号；θi表示为等时间间隔采样下的角度序列，θ'j为重构的等角度间隔采样下的角度序列，yi表示为等时间采用线性插值的方法重构等角度间隔采样下的角域信号。
8.如权利要求4所述的方法，其特征在于，所述将所述放大信号作为输入量进行阶比分析，并得到主轴承特征频率，之前还包括：
将所述故障信号与转速信号进行同步采集，得到旋转周期内振动数据点固定的故障信号。
技术研发人员：徐婷，马晓晶，付德义，王瑞明，薛扬，于雪松，毕然，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，
类型：发明
国别省市：北京;11
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。