雙譜分析法在風機軸承故障診斷中的應用

程　靜　王維慶　何　山

(新疆大學電氣工程學院1，新疆 烏魯木齊　830047； 可再生能源發電與并網技術教育部工程研究中心2，新疆 烏魯木齊　830047)

?

雙譜分析法在風機軸承故障診斷中的應用

程靜1，2王維慶1，2何山1，2

(新疆大學電氣工程學院1，新疆 烏魯木齊830047； 可再生能源發電與并網技術教育部工程研究中心2，新疆 烏魯木齊830047)

摘要：針對我國風電行業裝機容量井噴式擴大而故障診斷和運行維護技術相對落后的現狀，提出了基于雙譜分析法的軸承故障診斷方法。闡述了直接和改進兩種雙譜分析方法的原理，并利用Matlab軟件仿真，提取振動信號的故障特征，進行不同故障的分析判別。對比分析結果表明，采用改進的雙譜分析方法能夠很好地檢測非線性、非高斯性振動信號的相位耦合，便于計算機進行軸承故障識別與診斷，提高了風電系統的可靠性和安全性。

關鍵詞：雙譜分析法小波強制閾值消噪法風力發電故障診斷振動檢測Matlab仿真狀態分析

0引言

近年來，風電行業在我國得到迅猛發展。由于風電機組逐步由中小型、單機分布式向大型化、集中并網式發展[1-2]，機組的運行維護面臨巨大挑戰，實時監測、故障診斷和預警成為迫切需要解決的問題。

風力發電機作為一種大型的旋轉機械，長期處于高山、海上等大風、高壓、極端溫差的惡劣環境下，振動、倒機、飛車等故障時有發生。齒輪箱作為風機傳動系統的核心部件，持續受到交變沖擊力和載荷的作用，成為故障高發部位，損壞后停機時間長、經濟損失嚴重。目前，我國的大型風電機組普遍帶有狀態監測與故障診斷系統，具備數據采集、參數調節、設備控制、故障報警等功能，但對機組的狀態分析仍很大程度上依賴于專家的經驗，尚無成型的產品可使用。

因此，本文對齒輪箱中的滾動軸承部件進行振動檢測，采用雙譜分析法提取故障信號特征，旨在為識別故障模式、建立完善的智能故障診斷系統提供理論依據和方法。

1雙譜分析方法

風電機組工作在非平穩的風速環境中，其旋轉部件在升降速過程中包含了豐富的狀態信息，一些平穩運行時不易反映的故障特征將會充分表現出來，呈現非高斯、非線性特性。加上惡劣的工作環境所帶來的不可避免的背景噪聲，使信號的監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、包絡譜、雙譜分析等[3-10]。雙譜分析法能夠利用信號的高階累計量對非高斯噪聲不敏感的特性，檢測出信號的非高斯性，并具備抑制高斯干擾、保留信號相位信息的能力，可以很好地檢測相位耦合現象，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，高階累計量譜又稱為高階譜或多譜。雙譜即三階統計量[11-12]，表達了譜值與兩個頻率分量構成的三個譜元之間的相關性，能夠揭示信號的非線性和非高斯性。

1.1三階累積量

設{x(n)}是零均值的k階平穩隨機過程，則這個過程的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為延時變量；E{}為求數學期望的符號。

三階累積量為：

C3x(τ1,τ2)=E{x(n),x(n+τ1),x(n+τ2)}

(2)

實隨機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)為信號的傅里葉變換；X(ω)為其共軛復數。

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

(5)

2雙譜分析仿真結果

在風力機運行過程中，由監測系統對軸承的振動信號進行測量和數據處理。鑒于大型機組破壞性試驗故障測試成本較高，為了提高數據的可信度，本文采用美國凱西大學電氣工程試驗室的滾動軸承故障模擬試驗數據進行分析。該試驗平臺由電動機、扭矩傳感器、功率測試計三部分組成。電機轉軸由待測軸承支撐，驅動端和風扇端軸承型號分別為SKF6205、SKF6203，兩者均為深溝球軸承，滾動體個數分別為9個、8個，接觸角為90°。軸承的其他參數如表1所示。

表1　軸承振動測試相關參數Tab.1　The related parameters for bearing vibration test

選用多個加速度傳感器分別安裝于機架、驅動端和風扇端軸承座上方，由16通道數據記錄儀測量軸承的振動信號。試驗采集了驅動端軸承在1 797r/min的轉速下,在正常狀態、外圈故障、內圈故障、滾動體故障這四種狀態時的振動信號，采樣頻率為12kHz。選取1 000組采樣信號進行分析，原始信號波形如圖1所示。

圖1　四種狀態振動信號原始波形圖Fig.1　Original waveforms of four kinds of vibration signals

由圖1可知，僅外圈故障時，振動信號周期性較明顯，對于其他三種工況，難以判斷分析故障情況。因此，對四種不同狀態的測量數據直接進行雙譜分析，雙譜特征圖如圖2所示。

圖2　四種狀態振動信號的雙譜特征圖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，表明軸承的振動信號具有非線性和非高斯性，因此采用傳統方法假定信號的線性和高斯性。同時，四種類別的雙譜特征圖具有差異性，能夠憑借人工經驗區分軸承故障類別。但對于計算機而言，要實現故障智能識別，仍存在較大難度。尤其對外圈故障與滾動體故障，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，采用一種改進的雙譜分析方法，在提取雙譜特征之前，先對振動信號進行閾值消噪處理，消除信號中的干擾和噪聲，突顯各種故障特征，可便于計算機進行故障識別。

3改進的雙譜分析法

在雙譜分析之前，先對振動信號進行閾值消噪處理。常用的振動信號消噪方法有：強制閾值消噪、硬閾值消噪、軟閾值消噪、自適應閾值消噪、小波消噪等[13-14]。通過試驗對比分析，選用小波強制閾值消噪法對振動信號進行處理，消噪后波形如圖3所示。

圖3　強制閾值消噪后四種狀態振動信號波形圖Fig.3　Waveforms of four kinds of vibration signalafter forced threshold de-noising

消噪處理能夠去除信號中繁雜的噪聲和干擾，減少計算量,其雙譜特征如圖4所示。

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

振動信號經強制閾值消噪處理后，再進行雙譜分析，從圖4可以看出，軸承正常運行時，其譜線主要存在于低頻區范圍，且分布集中;而故障的軸承譜線呈對稱的中空分布，大部分譜線集中于高頻區，占頻帶范圍較寬。對比圖2和圖4的雙譜特征圖可知，圖4中的故障特征區別十分明顯，非常有利于計算機進行故障識別。

4結束語

由于風機運行時的非平穩特性，故障信號的表現形式復雜、干擾因素多、耦合性強，僅僅通過某一種方法很難得到有效的故障特征。因此，本文采用小波強制閾值消噪法和雙譜分析法結合，形成一種改進的雙譜分析法，對滾動軸承的不同故障進行雙譜分析。它能夠有效提取和區別各不同故障的振動信號特征，從而為進一步的故障模式識別、建立完善的智能故障診斷系統提供思路和方法。

參考文獻：

[1] 任永峰,安中全.雙饋式風力發電機組柔性并網運行于控制[M].北京:機械工業出版社,2011.

[2] 程啟明,程尹曼,王映斐,等.風力發電系統技術的發展綜述[J].自動化儀表,2012,33(1):1-8.

[3] 郝國文.大型風電機組傳動系統故障診斷信息分析方法研究與應用[D].秦皇島：燕山大學,2011.

[4] 龍泉.風電機組楚侖傳動系統動態特性及故障診斷方法研究[D].北京：華北電力大學,2012.

[5] 辛衛東.風電機組傳動鏈振動分析與故障特征提取方法研究[D].北京：華北電力大學,2013.

[6] 王子龍.風電機組數據采集與故障診斷技術研究[D].沈陽：沈陽理工大學,2013.

[7] 曹斌.風電機組振動監測與故障診斷系統研究[D].廣州：廣東工業大學,2014.

[8] 李飛行，王濤，張群巖.時頻分析在發動機振動監測與故障診斷中的應用[J].測控技術,2011,30(2): 20-22,26.

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

[10]董晶,韓捷,段非.雙譜分析在旋轉機械故障診斷中的應用[J].微計算機信息,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.基于高階譜的旋轉機械故障征兆提取[J].振動工程學報,2001,3(1):13-18.

[13]劉文藝.風電機組振動監測與故障診斷研究[D].重慶:重慶大學,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機故障診斷研究[J].兵工學報,2014,35(7):1077-1082.

中圖分類號：TH70；TP319

文獻標志碼：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

國家自然科學基金資助項目(編號：51267017)；

新疆自治區高校科研計劃基金資助項目(編號：XJEDU2014S007)；

高校博士學科點專項科研基金資助項目(編號：20136501120003)。

修改稿收到日期：2015-08-24。

第一作者程靜(1980—)，女，現為新疆大學電力系統及其自動化專業在讀博士研究生，講師；主要從事風力發電測試及并網技術方向的研究。