基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统制造方法及图纸

本发明专利技术公开一种基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统，通过获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；输出所述齿轮箱典型故障，可以用于基于风力发电机组齿轮箱运行过程中的音频数据对齿轮箱故障进行诊断，使得检测的准确性进一步提升。升。升。

【技术实现步骤摘要】
基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统


[0001]本专利技术涉及故障检测
，尤其涉及一种基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统。

技术介绍

[0002]齿轮箱作为双馈风力发电机组的核心传动零部件，在风电机组传动结构中，通过齿轮箱的增速作用把风力推动叶轮的低速旋转，提高至发电机的高转速要求，从而有效地将风能转化成电能。风电齿轮箱为高速重载齿轮箱，由于风场风资源影响，其受力十分复杂，在前期设计阶段要充分考虑载荷、风速、风向突变、强阵风、地理环境等因素对齿轮箱的影响。齿轮箱主要由内齿圈、行星轮、太阳轴、齿轮、齿轮轴、轴承、箱体等构件组成，通过不同的传动结构实现动力输出。
[0003]风电齿轮箱常见的故障有齿轮箱振动和声音异常，齿轮箱故障的产生主要集中在轴承、带齿件、螺栓等。相对运动是齿轮箱产生振动和声音的来源，齿轮和轴承是齿轮箱传递运动的主要零部件，因此，齿轮箱振动和声音异常的原因主要有齿轮断齿、齿面上有磕碰划伤、齿轮运转过程中造成的胶合和点蚀、齿轮箱长期停置齿面产生锈蚀、轴承质量问题、联轴器不对中、动平衡量太大、齿轮箱内部零件摩擦干涉等因素。在风电齿轮箱故障检测中，通常采用振动信号进行监测与诊断，而基于声音信号的齿轮箱故障诊断研究相对较少，现有的基于齿轮箱声音识别齿轮箱典型故障的方案尚不成熟，检测的准确性有待进一步提升。

技术实现思路

[0004]本专利技术的目的在于提供一种基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统，以解决现有的基于齿轮箱声音识别齿轮箱典型故障的方案尚不成熟，检测的准确性有待进一步提升的问题。
[0005]第一方面，本专利技术提供一种基于齿轮箱声音识别齿轮箱典型故障的方法，包括：
[0006]获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；
[0007]对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；
[0008]将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；
[0009]输出所述齿轮箱典型故障。
[0010]进一步地，对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理，包括：
[0011]采用掩膜信号法抑制风力发电机组齿轮箱运行过程中的音频数据存在的模态混叠。
[0012]进一步地，对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理，包括：
[0013]对音频数据的时域信号进行角域重采样，将基于定时间间隔的采样方法采集的时
域非稳态信号转换为等角度间隔的角域稳态信号；
[0014]对所述角域稳态信号进行倒谱分析，得到阶次倒谱图。
[0015]进一步地，将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障的步骤中，采用以下方法构建风力发电机组齿轮箱故障声音模型：
[0016]建立风力发电机组齿轮箱的音频数据在共振频带内的齿轮故障调幅
‑
调频模型；
[0017]根据所述齿轮故障调幅
‑
调频模型，推导出时变转速工况下，风力发电机组齿轮箱齿轮故障时，声音信号的时变故障频率特征，所述时变故障频率特征包括时变边带在共振频率两侧的分布规律，以将风力发电机组齿轮箱运行过程中的音频数据的时变边带信息与时变故障频率特征进行对比分析，检测及定位齿轮故障。
[0018]第二方面，本专利技术提供一种基于齿轮箱声音识别齿轮箱典型故障的装置，包括：
[0019]获取单元，用于获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；
[0020]处理单元，用于对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；
[0021]识别单元，用于将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；
[0022]输出单元，用于输出所述齿轮箱典型故障。
[0023]进一步地，所述处理单元用于：
[0024]采用掩膜信号法抑制风力发电机组齿轮箱运行过程中的音频数据存在的模态混叠。
[0025]进一步地，所述处理单元包括：
[0026]重采样子单元，用于对音频数据的时域信号进行角域重采样，将基于定时间间隔的采样方法采集的时域非稳态信号转换为等角度间隔的角域稳态信号；
[0027]倒谱分析子单元，用于对所述角域稳态信号进行倒谱分析，得到阶次倒谱图。
[0028]进一步地，基于齿轮箱声音识别齿轮箱典型故障的装置还包括：构建单元，所述构建单元采用以下方法构建风力发电机组齿轮箱故障声音模型：
[0029]建立风力发电机组齿轮箱的音频数据在共振频带内的齿轮故障调幅
‑
调频模型；
[0030]根据所述齿轮故障调幅
‑
调频模型，推导出时变转速工况下，风力发电机组齿轮箱齿轮故障时，声音信号的时变故障频率特征，所述时变故障频率特征包括时变边带在共振频率两侧的分布规律，以将风力发电机组齿轮箱运行过程中的音频数据的时变边带信息与时变故障频率特征进行对比分析，检测及定位齿轮故障。
[0031]第三方面，本专利技术提供一种基于齿轮箱声音识别齿轮箱典型故障的系统，包括：声音传感器和处理器，所述声音传感器设置于风力发电机组运齿轮箱；
[0032]所述声音传感器，用于采用定时间间隔的采样方法采集风力发电机组齿轮箱运行过程中的音频数据；
[0033]所述处理器，用于获取风力发电机组齿轮箱运行过程中的音频数据；对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；输出所述齿轮箱典型故障。
[0034]本专利技术的有益效果如下：本专利技术提供的一种基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统，通过获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；输出所述齿轮箱典型故障，可以用于基于风力发电机组齿轮箱运行过程中的音频数据对齿轮箱故障进行诊断，使得检测的准确性进一步提升。
附图说明
[0035]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本专利技术实施例提供的基于齿轮箱声音识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于齿轮箱声音识别齿轮箱典型故障的方法，其特征在于，包括：获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；输出所述齿轮箱典型故障。2.如权利要求1所述的方法，其特征在于，对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理，包括：采用掩膜信号法抑制风力发电机组齿轮箱运行过程中的音频数据存在的模态混叠。3.如权利要求1所述的方法，其特征在于，对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理，包括：对音频数据的时域信号进行角域重采样，将基于定时间间隔的采样方法采集的时域非稳态信号转换为等角度间隔的角域稳态信号；对所述角域稳态信号进行倒谱分析，得到阶次倒谱图。4.如权利要求1所述的方法，其特征在于，将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障的步骤中，采用以下方法构建风力发电机组齿轮箱故障声音模型：建立风力发电机组齿轮箱的音频数据在共振频带内的齿轮故障调幅
‑
调频模型；根据所述齿轮故障调幅
‑
调频模型，推导出时变转速工况下，风力发电机组齿轮箱齿轮故障时，声音信号的时变故障频率特征，所述时变故障频率特征包括时变边带在共振频率两侧的分布规律，以将风力发电机组齿轮箱运行过程中的音频数据的时变边带信息与时变故障频率特征进行对比分析，检测及定位齿轮故障。5.一种基于齿轮箱声音识别齿轮箱典型故障的装置，其特征在于，包括：获取单元，用于获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法...

【专利技术属性】
技术研发人员：程施霖，李晓东，提威，李金鹏，陈野，董宸希，沙少飞，张文杰，张鸾月，
申请(专利权)人：北京中拓新源科技有限公司，
类型：发明
国别省市：