基于VMD與不同包絡階次構造的風電機組滾動軸承故障診斷

王建國，林語桐，田野，杜鵬，張培焱，辛紅偉，武英杰

?

基于VMD與不同包絡階次構造的風電機組滾動軸承故障診斷

王建國1，林語桐1，田野2，杜鵬3，張培焱4，辛紅偉1，武英杰1

（1．東北電力大學自動化工程學院，吉林省 吉林市 132012；2．吉林中電投新能源有限公司，吉林省 長春市 130012；3．長嶺中電投第二風力發電有限公司，吉林省 松原市 131500；4．國網襄陽市襄州區供電公司，湖北省 襄陽市 441100）

針對風電機組變工況滾動軸承故障診斷問題，將變分模態分解(variational mode decomposition，VMD)與計算階比跟蹤(computed order tracking，COT)、逆包絡階次譜(reversed sequence squared envelope spectrum，RE-SES)2種方法結合進行包絡階次分析；將非平穩的時間域信號轉換成平穩的角度域信號，再經包絡法找出滾動軸承故障特征信息。仿真與實驗結果表明，VMD結合RE-SES包絡階次法可以更加有效地提取出調幅信號中的調制階次，并且VMD濾波可以使得故障特征階次更加凸顯，易于故障識別，為風電機組變速工況下的滾動軸承故障診斷提供參考。

風電機組；非平穩信號；計算階比跟蹤(COT)；包絡階次；變分模態分解(VMD)；逆包絡階次譜(RE-SES)；軸承故障診斷

0 引言

風電機組根據風速變工況運行。滾動軸承作為風電機組的基本部件，也是最易損壞的部件之一。若軸承某些細微的損傷性故障或異常不及時檢測并排除，就可能造成整個系統失效、癱瘓，甚至導致災難性后果。滾動軸承振動存在著不確定性因素和非線性作用機制，因此，風電機組滾動軸承狀態監測與故障診斷具有重要意義。

階比分析可以對變速工況旋轉機械設備狀態進行監測，對旋轉設備故障有一定的識別能力，具有很廣闊的應用前景[1]。欒軍英[2]指出旋轉機械工況的診斷，由于信號頻率成分多變，會產生“頻率模糊”現象；而階次跟蹤分析法通過等角度采樣將轉頻歸一，完成同步采樣；研究結果表明，計算階比跟蹤(computed order tracking，COT)技術在變速旋轉機械故障診斷過程中更具優勢，避免了頻率模糊等問題。Borghesanin等[3]提出了逆包絡階次譜(reversed sequence squared envelope spectrum，RE-SES)方法，首先應用Hilbert變換求包絡信號，再利用COT技術進行角度域的重采樣；研究結果表明，在負載復雜多變的情況下，RS-SES可以有效地對時間信號進行計算及重采樣，該方法具有較高的計算效率及有效性。姜戰偉[4]提出參數優化變分模態分解(parameter optimized variational mode decomposition，POVMD)與包絡階次譜的故障診斷方法；采用POVMD分解變轉速滾動軸承振動信號，利用角度域重采樣處理時變信號，轉化為平穩信號后利用Hilbert變換求得包絡信號進行階比分析，讀取故障特征信息；研究結果表明，該方法能夠實現變轉速滾動軸承的故障診斷，且效果明顯。武英杰[5]針對具有非平穩特性的振動信號，提出角度域變分模態分解方法，通過COT技術，實現角度域VMD分解；該方法能夠處理大范圍內的非平穩信號，并且有效地拓寬了VMD的使用范圍，診斷出變速工況下的軸承內圈、外圈及滾動體故障等。本文提出VMD濾波與RS-SES方法相結合，即先VMD濾波，再求信號包絡，最后進行角度域重采樣的故障診斷方法。

針對風電機組運行工況復雜多變，滾動軸承故障振動信號幅值波動較大，將基于VMD算法與不同包絡階次構造的方法進行對比分析，并通過滾動軸承故障診斷進行實驗分析。

1 包絡階次構造

階比分析技術對非平穩信號的處理具有特殊意義，將時間域信號采樣轉換為角度域信號進行等角度重新采樣，將非平穩的時間域信號轉換成平穩的角度域信號，不僅可以抑制與轉速無關的頻率成分和隨機噪聲，消除“頻譜模糊”現象，還可使得與轉速有關的故障特征頻率更加清晰可辨。為了實現階比分析，在數據采集階段需保證等轉角間隔采樣，從而保證采樣頻率能夠隨著轉速變化，以確保階比分析對信號直接和真實的反映。

包絡法作為故障診斷中較為常用的一種方法，對沖擊振動的敏感程度較高。在包絡信號中，可得到沖擊頻率與沖擊強度，并從該沖擊振動中找出振源，突出軸承故障特征信號，提高信噪比，為軸承故障診斷分析提供較理想的數據。

1.1 COT包絡階次

采用常規采集儀與軟件編程結合就可以實現階比跟蹤，具有不再需要添加其他硬件的優點。首先對采集的轉速脈沖與時域振動信號設定脈沖閾值及角域度的重采樣；計算脈沖發生時刻，選用數字跟蹤濾波器將高于所需的階比信號濾除，計算等角度時間序列，然后再通過擬合曲線的方式確定各等角度時刻的幅值；經過重采樣后的角域度信號可近似為平穩信號，經過加窗處理后可防止信號的泄漏；最后將角度域信號進行快速傅里葉變換(fast Fourier transformation，FFT)分析得到包絡階比譜。COT包絡階次流程[6]如圖1所示。

圖1 COT包絡階次流程圖

1.2 RS-SES包絡階次

在風電機組變工況情況下，由于轉速的變化影響振動信號，使得故障性特征信息的脈沖信號采集難度加大。因此，本文提出了在時域信號上直接采用Hilbert變換解調的方法，求得包絡線，再通過低通濾波器得到所需的濾波信號；利用計算階比跟蹤技術，使得風電機組振動信號與轉速脈沖信號相結合，實現包絡線信號的角度域重采樣；對角度域包絡線進行FFT，最終得到包絡階次譜，并進行分析。基于RS-SES的包絡階次譜求取流程[3]如圖2所示。

圖2 RS-SES流程圖

2 VMD算法

通過引入2次懲罰因子和拉格朗日乘法算子()，確保信號的重構精度、使得約束條件保持其嚴格性，增廣的拉格朗日表達式如下：

VMD具體算法如下：

步驟3）更新：

3 仿真分析

3.1 COT-VMD仿真

COT具有采用常規采集儀與軟件編程結合就可實現階比跟蹤，不再需要添加其他硬件的優點，為方便仿真研究，選用計算階比跟蹤與VMD結合，進行MATLAB仿真，從而拓展VMD的使用范圍。

信號采樣頻率為1 000 Hz，仿真時間選為4 s，原信號時域波形如圖3所示，信號具有很明顯的非平穩特性。

等角度采樣，首先對采集的轉速脈沖與時域振動信號設定脈沖閾值及角域度的重采樣，計算脈沖發生時刻及等角度的時間序列，通過擬合曲線的方式確定等角度時刻的幅值。基于3次樣條插值和2次曲線的特點，本文采用3次樣條插值擬合進行等角度采樣后確定幅值，利用2次曲線描述角度與時間的關系。

圖3 非平穩信號

Fig. 3 Nonstationary signal

圖4 轉速脈沖序列

圖5 角度域信號

將信號進行COT-VMD分解，如圖6所示，1對應的4階模態，2對應的2階模態，3對應的1階模態，3個不同階次的模態被成功提取出來。

圖6 角度域信號VMD

3.2 基于RS-SES方法的仿真

基于RS-SES方法的包絡階次主要分為求取包絡信號和角度域重采樣2部分，下面利用MATLAB對這2個信號之和進行仿真，說明基于RE-SES方法的包絡階次過程及其特性。

圖7 仿真信號及轉速脈沖

綜上分析，2種方法均可應用于對非平穩信號的處理，但基于RS-SES的包絡階次法更簡單、有效地提取出調幅信號中的調制階次，對數據的計算量較小。

4 風電機組變速工況軸承故障診斷應用

利用旋轉機械振動及故障模擬實驗平臺，獲取實驗數據。其中實驗平臺傳動系統由三相交流變頻電機、皮帶傳動輪、傳動軸、聯軸器、軸承及旋轉軸構成，如圖9所示。位于旋轉軸左側為正常軸承，相反，故障軸承位于旋轉軸右側。為了模擬實際工程中變速工況下滾動軸承的故障情況，使發電機轉速從低速增加到1470r/min，由光電轉速脈沖傳感器測量其轉速。

故障軸承型號為6205深溝球軸承，設定振動信號采樣頻率為12800Hz，其故障特征頻率見表1，為軸承轉頻。

圖8 2個掃頻信號之和的解調結果

圖9 變速實驗平臺示意圖

下面選用滾動軸承內圈故障下采集的振動信號，分別對比COT-VMD與VMD濾波-RS-SES包絡階次2種方法所得的包絡階次譜進行對比分析。

表1 滾動軸承故障特征頻率

4.1 COT-VMD

對內圈故障數據進行試驗分析，由于內圈故障位置隨轉速不斷變化，且當故障點位于軸承豎直方向最下方位置時引起的沖擊最大，在豎直方向最上方位置時引起的沖擊最小，因此，內圈振動信號是部件固有高頻信號(載波)、內圈故障信號(調制波)和轉速信號(調制波)三者調制的結果，其角度域VMD及對應的包絡譜如圖10所示，其各模態包絡譜均出現了明顯的2倍轉頻階次與接近內圈故障特征的階次5.398，由此驗證了內圈故障的存在。

4.2 VMD濾波-RS-SES包絡階次

對內圈故障包絡信號進行低通濾波，根據濾波定階理論[8]，包絡信號的角度域重采樣間隔設定為π/15，即角度域采樣頻率為30Hz。內圈故障角度域包絡信號及階次譜如圖11所示，可以看出，角度域包絡中的趨勢項受到顯著抑制，包絡階次譜中的故障階次5.351得以凸顯。

綜上對比分析，采用極值點包絡階次法可明顯找出與內圈故障特征接近的階次：而利用COT-VMD得到的包絡譜在分析故障階次時易被其他信號干擾，其內圈故障特征不易被找出。結果表明，極值點包絡階次法可以更有效、簡單地提取出調幅信號中的調制階次，并且VMD濾波可以使得故障特征階次更加凸顯，易于故障識別，為風電機組變速工況下的滾動軸承故障診斷提供參考[9-12]。

圖10 內圈故障角度域VMD及包絡階次譜

圖11 內圈故障角度域信號及包絡階次譜

5 結論

1）基于COT-VMD的變速工況滾動軸承故障診斷方法可以成功提取軸承故障特征，且將多個包含故障信息的各模態提取出來，但時域內利用COT對數據的計算量較大。

2）基于VMD濾波和RS-SES包絡階次方法的滾動軸承故障診斷方法能夠更加清晰、有效地提取風電機組變速工況下的滾動軸承故障特征，且計算效率優于COT-VMD方法。

[1] 左翔，朱留存，朱悅灝．階比分析在旋轉機械運行狀態監測中的應用[J]．中國設備工程，2017(13)：85-86．

[2] 康海英，欒軍英，鄭海起，等．基于階次跟蹤和經驗模態分解的滾動軸承包絡解調分析[J]．機械工程學報，2007，43(8)：119-122．

[3] Borghesanin P，Ricci R，Chatterton S，et al．A new procedure for using envelope analysis for rolling element bearing diagnostics in variable operating conditions [J]．Mechanic Systems and Signal Processing，2013，38(1)：23-35．

[4] 姜戰偉，鄭近德，潘海洋，等．POVMD與包絡階次譜的變工況滾動軸承故障診斷[J]．振動、測試與診斷，2017，37(3)：609-616．

[5] 武英杰．基于變分模態分解的風電機組傳動系統故障診斷研究[D]．北京：華北電力大學，2016．

[6] 劉科偉．轉機械階比分析研究與軟件實現[D]．南京：南京航空航天大學，2008．

[7] Dragomiretskiy K，Zosso D．Variational mode decomposition[J]．IEEE Transactions on Signal Processing，2014，62(3)：531-544．

[8] 郝高巖，劉永強，廖英英．一種基于改進階次包絡譜的滾動軸承故障診斷算法[J]．振動與沖擊，2016，25(15)：144-148．

[9] 孔德同，賈思遠，王天品，等．基于振動分析的風力發電機故障診斷方法[J]．發電與空調，2017，38(1)：54-58．

[10] Abboud D，Antoni J，Sieg-Zieba S，et al．Envelope analysis of rotating machine vibrations in variable speed conditions：a comprehensive treatment[J]．Mechanical Systems and Signal Processing，2017(84)：200-226．

[11] 丁康，米林，王志杰．解調分析在故障診斷中應用的局限性問題[J]．振動工程學報，1997，10(1)：13-20．

[12] Muralidharan A，Sugumaran V，Soman K P，et al．Detection of gear faults in variable rotating speed using variational mode decomposition(VMD)[J]．Mechanics and Industry，2015，10(1)：55-80．

(責任編輯 車德競)

Fault Diagnosis of Rolling Bearingof Wind Turbine Based on VMD andDifferent Envelope Order Structure

WANG Jianguo1, LIN Yutong1, TIAN Ye2, DU Peng3, ZHANG Peiyan4, XIN Hongwei1, WU Yingjie1

(1. School of Electrical Engineering and Automation, Northeast Electric Power University, Jilin 132012, Jilin Province, China; 2. Jilin CPI New Energy Co., Ltd., Changchun 130012, Jilin Province, China; 3. Changling Zhongdiantou Second Wind Power Co. Ltd., Songyuan 131500, Jilin Province, China; 4. State Grid Xiangyang City Xiangzhou District Power Supply Company, Xiangyang 441100, Hubei Province, China)

In order to identify the faults of rolling bearing of wind turbines, the variational modal decomposition (VMD) was combined with two methods, including calculation order tracking (COT) and reversed sequence squared envelope spectrum (RE-SES), to carry out the envelope order analysis. The non-stationary signals in time domain were converted into stationary signals in angle domain by equal angle sampling. And the bearing fault characteristic information was obtained by envelope method. The results show that the modulation order of amplitude modulation signal can be extracted more effectively by VMD combined with RE-SES envelope order method. The VMD filter could make the fault feature order more prominent, and it is easy to identify the fault, and it provide reference for the fault diagnosis of rolling bearing of wind turbine under variable speed condition.

wind turbine generator; non-stationary signal; computed order tracking (COT); the envelope order; variational mode decomposition (VMD); reversed sequence squared envelope spectrum (RE-SES); bearing fault diagnosis

2017-12-11。

王建國(1963)，男，博士，教授，博士生導師，研究方向為旋轉機械故障診斷、電站特殊參數測量等，397625835@qq.com。

吉林省科技發展計劃重大科技招標專項(20150203001SF)。

Project Supported by Science & Technology Development Plan of Jilin Province (20150203001SF).

10.12096/j.2096-4528.pgt.2018.011