雙譜分析法在風(fēng)機(jī)軸承故障診斷中的應(yīng)用

程　靜　王維慶　何　山

(新疆大學(xué)電氣工程學(xué)院1，新疆 烏魯木齊　830047； 可再生能源發(fā)電與并網(wǎng)技術(shù)教育部工程研究中心2，新疆 烏魯木齊　830047)

?

雙譜分析法在風(fēng)機(jī)軸承故障診斷中的應(yīng)用

程靜1，2王維慶1，2何山1，2

(新疆大學(xué)電氣工程學(xué)院1，新疆 烏魯木齊830047； 可再生能源發(fā)電與并網(wǎng)技術(shù)教育部工程研究中心2，新疆 烏魯木齊830047)

摘要：針對(duì)我國風(fēng)電行業(yè)裝機(jī)容量井噴式擴(kuò)大而故障診斷和運(yùn)行維護(hù)技術(shù)相對(duì)落后的現(xiàn)狀，提出了基于雙譜分析法的軸承故障診斷方法。闡述了直接和改進(jìn)兩種雙譜分析方法的原理，并利用Matlab軟件仿真，提取振動(dòng)信號(hào)的故障特征，進(jìn)行不同故障的分析判別。對(duì)比分析結(jié)果表明，采用改進(jìn)的雙譜分析方法能夠很好地檢測非線性、非高斯性振動(dòng)信號(hào)的相位耦合，便于計(jì)算機(jī)進(jìn)行軸承故障識(shí)別與診斷，提高了風(fēng)電系統(tǒng)的可靠性和安全性。

關(guān)鍵詞：雙譜分析法小波強(qiáng)制閾值消噪法風(fēng)力發(fā)電故障診斷振動(dòng)檢測Matlab仿真狀態(tài)分析

0引言

近年來，風(fēng)電行業(yè)在我國得到迅猛發(fā)展。由于風(fēng)電機(jī)組逐步由中小型、單機(jī)分布式向大型化、集中并網(wǎng)式發(fā)展[1-2]，機(jī)組的運(yùn)行維護(hù)面臨巨大挑戰(zhàn)，實(shí)時(shí)監(jiān)測、故障診斷和預(yù)警成為迫切需要解決的問題。

風(fēng)力發(fā)電機(jī)作為一種大型的旋轉(zhuǎn)機(jī)械，長期處于高山、海上等大風(fēng)、高壓、極端溫差的惡劣環(huán)境下，振動(dòng)、倒機(jī)、飛車等故障時(shí)有發(fā)生。齒輪箱作為風(fēng)機(jī)傳動(dòng)系統(tǒng)的核心部件，持續(xù)受到交變沖擊力和載荷的作用，成為故障高發(fā)部位，損壞后停機(jī)時(shí)間長、經(jīng)濟(jì)損失嚴(yán)重。目前，我國的大型風(fēng)電機(jī)組普遍帶有狀態(tài)監(jiān)測與故障診斷系統(tǒng)，具備數(shù)據(jù)采集、參數(shù)調(diào)節(jié)、設(shè)備控制、故障報(bào)警等功能，但對(duì)機(jī)組的狀態(tài)分析仍很大程度上依賴于專家的經(jīng)驗(yàn)，尚無成型的產(chǎn)品可使用。

因此，本文對(duì)齒輪箱中的滾動(dòng)軸承部件進(jìn)行振動(dòng)檢測，采用雙譜分析法提取故障信號(hào)特征，旨在為識(shí)別故障模式、建立完善的智能故障診斷系統(tǒng)提供理論依據(jù)和方法。

1雙譜分析方法

風(fēng)電機(jī)組工作在非平穩(wěn)的風(fēng)速環(huán)境中，其旋轉(zhuǎn)部件在升降速過程中包含了豐富的狀態(tài)信息，一些平穩(wěn)運(yùn)行時(shí)不易反映的故障特征將會(huì)充分表現(xiàn)出來，呈現(xiàn)非高斯、非線性特性。加上惡劣的工作環(huán)境所帶來的不可避免的背景噪聲，使信號(hào)的監(jiān)測與故障診斷受到很大程度的影響。近年來，各種頻域分析法被廣泛采用，如傅里葉變換、功率譜、倒頻譜、包絡(luò)譜、雙譜分析等[3-10]。雙譜分析法能夠利用信號(hào)的高階累計(jì)量對(duì)非高斯噪聲不敏感的特性，檢測出信號(hào)的非高斯性，并具備抑制高斯干擾、保留信號(hào)相位信息的能力，可以很好地檢測相位耦合現(xiàn)象，去除無耦合的頻率成分，便于軸承故障的診斷與分析[7]。

在一般情況下，高階累計(jì)量譜又稱為高階譜或多譜。雙譜即三階統(tǒng)計(jì)量[11-12]，表達(dá)了譜值與兩個(gè)頻率分量構(gòu)成的三個(gè)譜元之間的相關(guān)性，能夠揭示信號(hào)的非線性和非高斯性。

1.1三階累積量

設(shè){x(n)}是零均值的k階平穩(wěn)隨機(jī)過程，則這個(gè)過程的k階累積量可定義為：ckx(τ1,...,τk-1)=E{x(n),x(n+τ1),...,x(n+τk-1)}

(1)

式中：τ為延時(shí)變量；E{}為求數(shù)學(xué)期望的符號(hào)。

三階累積量為：

C3x(τ1,τ2)=E{x(n),x(n+τ1),x(n+τ2)}

(2)

實(shí)隨機(jī)過程的三階累積量有六種形式：

c3x(m,n)=c3x(n,m)=c3x(n-m,-m)=

c3x(-n,m-n)=c3x(-m,n-m)=c3x(m-n,-n)

(3)

1.2雙譜

{x(n)}的雙譜Bx(ω1,ω2)表示為：

Bx(ω2,ω2)=X(ω1)X(ω2)X*(ω1+ω2)

(4)

式中：X(ω)為信號(hào)的傅里葉變換；X(ω)為其共軛復(fù)數(shù)。

由式(3)、式(4)可知，雙譜Bx(ω1,ω2)以2π為周期，具有以下幾種對(duì)稱形式：

(5)

2雙譜分析仿真結(jié)果

在風(fēng)力機(jī)運(yùn)行過程中，由監(jiān)測系統(tǒng)對(duì)軸承的振動(dòng)信號(hào)進(jìn)行測量和數(shù)據(jù)處理。鑒于大型機(jī)組破壞性試驗(yàn)故障測試成本較高，為了提高數(shù)據(jù)的可信度，本文采用美國凱西大學(xué)電氣工程試驗(yàn)室的滾動(dòng)軸承故障模擬試驗(yàn)數(shù)據(jù)進(jìn)行分析。該試驗(yàn)平臺(tái)由電動(dòng)機(jī)、扭矩傳感器、功率測試計(jì)三部分組成。電機(jī)轉(zhuǎn)軸由待測軸承支撐，驅(qū)動(dòng)端和風(fēng)扇端軸承型號(hào)分別為SKF6205、SKF6203，兩者均為深溝球軸承，滾動(dòng)體個(gè)數(shù)分別為9個(gè)、8個(gè)，接觸角為90°。軸承的其他參數(shù)如表1所示。

表1　軸承振動(dòng)測試相關(guān)參數(shù)Tab.1　The related parameters for bearing vibration test

選用多個(gè)加速度傳感器分別安裝于機(jī)架、驅(qū)動(dòng)端和風(fēng)扇端軸承座上方，由16通道數(shù)據(jù)記錄儀測量軸承的振動(dòng)信號(hào)。試驗(yàn)采集了驅(qū)動(dòng)端軸承在1 797r/min的轉(zhuǎn)速下,在正常狀態(tài)、外圈故障、內(nèi)圈故障、滾動(dòng)體故障這四種狀態(tài)時(shí)的振動(dòng)信號(hào)，采樣頻率為12kHz。選取1 000組采樣信號(hào)進(jìn)行分析，原始信號(hào)波形如圖1所示。

圖1　四種狀態(tài)振動(dòng)信號(hào)原始波形圖Fig.1　Original waveforms of four kinds of vibration signals

由圖1可知，僅外圈故障時(shí)，振動(dòng)信號(hào)周期性較明顯，對(duì)于其他三種工況，難以判斷分析故障情況。因此，對(duì)四種不同狀態(tài)的測量數(shù)據(jù)直接進(jìn)行雙譜分析，雙譜特征圖如圖2所示。

圖2　四種狀態(tài)振動(dòng)信號(hào)的雙譜特征圖Fig.2　Dual spectrum characteristic of four kinds of vibration signals

在圖2中，四種工況的譜值都不為零，表明軸承的振動(dòng)信號(hào)具有非線性和非高斯性，因此采用傳統(tǒng)方法假定信號(hào)的線性和高斯性。同時(shí)，四種類別的雙譜特征圖具有差異性，能夠憑借人工經(jīng)驗(yàn)區(qū)分軸承故障類別。但對(duì)于計(jì)算機(jī)而言，要實(shí)現(xiàn)故障智能識(shí)別，仍存在較大難度。尤其對(duì)外圈故障與滾動(dòng)體故障，二者的非線性程度有很大相似之處，它們的雙譜特征雖有差別，但差別并不十分明顯。因此，采用一種改進(jìn)的雙譜分析方法，在提取雙譜特征之前，先對(duì)振動(dòng)信號(hào)進(jìn)行閾值消噪處理，消除信號(hào)中的干擾和噪聲，突顯各種故障特征，可便于計(jì)算機(jī)進(jìn)行故障識(shí)別。

3改進(jìn)的雙譜分析法

在雙譜分析之前，先對(duì)振動(dòng)信號(hào)進(jìn)行閾值消噪處理。常用的振動(dòng)信號(hào)消噪方法有：強(qiáng)制閾值消噪、硬閾值消噪、軟閾值消噪、自適應(yīng)閾值消噪、小波消噪等[13-14]。通過試驗(yàn)對(duì)比分析，選用小波強(qiáng)制閾值消噪法對(duì)振動(dòng)信號(hào)進(jìn)行處理，消噪后波形如圖3所示。

圖3　強(qiáng)制閾值消噪后四種狀態(tài)振動(dòng)信號(hào)波形圖Fig.3　Waveforms of four kinds of vibration signalafter forced threshold de-noising

消噪處理能夠去除信號(hào)中繁雜的噪聲和干擾，減少計(jì)算量,其雙譜特征如圖4所示。

圖4　改進(jìn)雙譜分析法的雙譜特征圖Fig.4　Dual spectrum characteristics of improved dual spectrum analysis

振動(dòng)信號(hào)經(jīng)強(qiáng)制閾值消噪處理后，再進(jìn)行雙譜分析，從圖4可以看出，軸承正常運(yùn)行時(shí)，其譜線主要存在于低頻區(qū)范圍，且分布集中;而故障的軸承譜線呈對(duì)稱的中空分布，大部分譜線集中于高頻區(qū)，占頻帶范圍較寬。對(duì)比圖2和圖4的雙譜特征圖可知，圖4中的故障特征區(qū)別十分明顯，非常有利于計(jì)算機(jī)進(jìn)行故障識(shí)別。

4結(jié)束語

由于風(fēng)機(jī)運(yùn)行時(shí)的非平穩(wěn)特性，故障信號(hào)的表現(xiàn)形式復(fù)雜、干擾因素多、耦合性強(qiáng)，僅僅通過某一種方法很難得到有效的故障特征。因此，本文采用小波強(qiáng)制閾值消噪法和雙譜分析法結(jié)合，形成一種改進(jìn)的雙譜分析法，對(duì)滾動(dòng)軸承的不同故障進(jìn)行雙譜分析。它能夠有效提取和區(qū)別各不同故障的振動(dòng)信號(hào)特征，從而為進(jìn)一步的故障模式識(shí)別、建立完善的智能故障診斷系統(tǒng)提供思路和方法。

參考文獻(xiàn)：

[1] 任永峰,安中全.雙饋式風(fēng)力發(fā)電機(jī)組柔性并網(wǎng)運(yùn)行于控制[M].北京:機(jī)械工業(yè)出版社,2011.

[2] 程啟明,程尹曼,王映斐,等.風(fēng)力發(fā)電系統(tǒng)技術(shù)的發(fā)展綜述[J].自動(dòng)化儀表,2012,33(1):1-8.

[3] 郝國文.大型風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷信息分析方法研究與應(yīng)用[D].秦皇島：燕山大學(xué),2011.

[4] 龍泉.風(fēng)電機(jī)組楚侖傳動(dòng)系統(tǒng)動(dòng)態(tài)特性及故障診斷方法研究[D].北京：華北電力大學(xué),2012.

[5] 辛衛(wèi)東.風(fēng)電機(jī)組傳動(dòng)鏈振動(dòng)分析與故障特征提取方法研究[D].北京：華北電力大學(xué),2013.

[6] 王子龍.風(fēng)電機(jī)組數(shù)據(jù)采集與故障診斷技術(shù)研究[D].沈陽：沈陽理工大學(xué),2013.

[7] 曹斌.風(fēng)電機(jī)組振動(dòng)監(jiān)測與故障診斷系統(tǒng)研究[D].廣州：廣東工業(yè)大學(xué),2014.

[8] 李飛行，王濤，張群巖.時(shí)頻分析在發(fā)動(dòng)機(jī)振動(dòng)監(jiān)測與故障診斷中的應(yīng)用[J].測控技術(shù),2011,30(2): 20-22,26.

[9] 孫斌,劉立遠(yuǎn),梁超.LILSTA和ELM算法在轉(zhuǎn)子故障診斷中的應(yīng)用[J].自動(dòng)化儀表,2014,35(3):35-38.

[10]董晶,韓捷,段非.雙譜分析在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J].微計(jì)算機(jī)信息,2010,26(1):95-96.

[11]COLLISWB,WHITEPR,HAMMONDJK.Thebispectrumandtrispectrum[J].MechanicalSystemsandSignalProcessing,1998,12(3): 375-394.

[12]楊江天,陳家驥,曾子平.基于高階譜的旋轉(zhuǎn)機(jī)械故障征兆提取[J].振動(dòng)工程學(xué)報(bào),2001,3(1):13-18.

[13]劉文藝.風(fēng)電機(jī)組振動(dòng)監(jiān)測與故障診斷研究[D].重慶:重慶大學(xué),2010.

[14]潘宏俠，蘭海龍，任海峰.基于局域波降噪和雙譜分析的自動(dòng)機(jī)故障診斷研究[J].兵工學(xué)報(bào),2014,35(7):1077-1082.

中圖分類號(hào)：TH70；TP319

文獻(xiàn)標(biāo)志碼：A

DOI:10.16086/j.cnki.issn1000-0380.201607006

ApplicationoftheDualSpectrumAnalysisMethodinFaultDiagnosisofWindTurbineBearing

Abstract：Aiming at current situation of wind power industry in China that the blowout type expanding of installed capacity and relatively backward technologies of fault diagnosis,operation and maintenance,the bearing fault diagnosis method based on dual spectrum analysis is proposed.The principles of direct and improved dual spectrum analysis are described,and Matlab software is used to simulate and the fault features of vibration signals are extracted for analyzing and judging different faults.Results of analysis and comparison show that the improved dual spectrum analysis method can well detect the phase coupling phenomenon of nonlinear and non-Gaussian vibration signal,it is easy for a computer to identify and diagnose faults of bearing,so as to improve the reliability and safety of wind power system.

Keywords:Dual spectrum analysisWavelet forced threshold de-noising methodWind power generationFault diagnosisVibration detectionMatlab simulationStatus analysis

國家自然科學(xué)基金資助項(xiàng)目(編號(hào)：51267017)；

新疆自治區(qū)高?？蒲杏?jì)劃基金資助項(xiàng)目(編號(hào)：XJEDU2014S007)；

高校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助項(xiàng)目(編號(hào)：20136501120003)。

修改稿收到日期：2015-08-24。

第一作者程靜(1980—)，女，現(xiàn)為新疆大學(xué)電力系統(tǒng)及其自動(dòng)化專業(yè)在讀博士研究生，講師；主要從事風(fēng)力發(fā)電測試及并網(wǎng)技術(shù)方向的研究。