基于粒子群優化算法的盲分離大型風力機主軸承故障診斷研究

劉歡++王健

摘要：本文采用盲源分離中的粒子群優化算法解決多故障源信號提取問題和故障源信號分離等題。診斷結果表明，該方法具有可行性，從而實現對風力機主軸承的故障診斷。

關鍵詞：粒子群優化；主軸承；故障診斷

中圖分類號：TP206 文獻標識碼：A 文章編號：1007-9416（2017）10-0113-02

風力機的主軸承一種特殊的軸承，使用環境惡劣，維修成本較高，要求高壽命。由于風力機組周圍的環境惡劣，并且長期處在惡劣的環境中運行，因此風力機主軸承故障率較高，一旦發生故障，直接和間接經濟效益損失較大[1]。本文采用盲源分離中的粒子群優化算法解決多故障源信號提取分離等問題。診斷結果表明，該方法具有可行性，從而實現對風力機主軸承的故障診斷。

2 基于粒子群優化盲源分離算法風力機主軸承故障信號實驗研究

實驗是在旋轉機械振動故障轉子實驗臺上進行的，環境比較封閉，空間沒有干擾，假設轉子實驗臺發生故障時，實驗臺的振動信號相互疊加混合，在傳遞過程中發生線性混合過程。對轉子試驗臺進行測試，結果可以得到圖2和圖3中的波形，都是三個傳感器采集到振動信號的波形圖。

從圖3可以看出，可以看出采集到的信號，有些混疊不好分辨哪個是振動信號，容易出現誤判，這對診斷是非常危險的。因此，為了能夠捕捉到有用的有效的故障信號，采用粒子群優化算法對采集到的信號進行分離，分離結果分別如圖4所示。

經過上面圖1和圖2還有圖3和圖4的對比可以看出，圖4中頻率信號比較清晰，第二個分離信號五十赫茲頻率成分，改數值是不變的，可以認為是風力機中電機的轉頻，第一個分離信號為軸承的故障頻率及其倍頻成分，第三個分離的頻段范圍內特征不明顯，是干擾信號，隨機的。從圖3和圖4的結果可以看出，采用粒子群優化算法，可以清晰地判斷出故障信號，分離結果顯著，分離的可靠性和分離精度都非常高。

3 結語

本文采用粒子群優化盲源分離技術解決了主軸承故障診斷問題。將粒子群優化盲源分離技術應用到基于振動分析的主軸承診斷中，提高故障診斷精度和計算速度，對大型風力機主軸承故障診斷具有指導意義。

參考文獻

[1]張青鋒，唐力偉，鄭海起，等.帶有齒根裂紋故障的齒輪傳動系統非線性動力學模型研究[J].振動工程學報，2011，24（3）：294-298.

[2]徐玉秀，原培新，邢鋼.極大嫡譜法及其在滾動軸承故障診斷中的應用[J].機械科學與技術，2001，20（4）：571-574.

[3]朱利民，鐘秉林，賈民平.振動信號短時分析方法及在機械故障診斷中的應用[J].振動工程學報，2000，13（3）：400-405.

[4]徐剛，駱志高，李明義，等.變工況運行的機械故障診斷研究[J].機械工程學報，2001，37（12）：104-107.endprint