《风电轴承多源振动信号故障诊断的数据融合方法.doc》由会员分享，可在线阅读，更多相关《风电轴承多源振动信号故障诊断的数据融合方法.doc（3页珍藏版）》请在三一文库上搜索。
1、风电轴承多源振动信号故障诊断的数据融合方法发表时间：2020-07-21T07:13:26.986Z来源：中国电业(发电)2020年第6期 作者：王锌 导读轴承是风电的关键元件，在高速运转下，轴承的任何缺陷都可能引起风电的巨大故障。明阳智慧能源集团股份公司中山528400摘要：轴承是风电的关键元件f在高速运转下,轴承的任何缺陷都可能引起风电的巨大故障。本文提出了一种基于最小二乘支持向呈 机(LSEI)的特征级融合和DS证据理论的决策级融合的轴承故障诊断新方法。滚动轴承故障诊断中检测精度高r敏感特征提取困难以 及单传感器不稳走诊断系统。小波消噪技术用于去除信号噪声。用于轴承振动信号的模式识别,然
2、后根据DS证据理论进行融合处 理，以实现轴承故障的识结果表明，数据融合方法显着提高了智能方法在滚动轴承故障检测中的性能。此外,结果表明该方法可以有 擁高故障诊断的准确性。对于相关领域科硏工作者和同行业工作人员具有十分重要的参考意义。关键词:风电轴承；多源振动信号；数据融合方法1引言作为旋转机械的重要组成部分f滚动轴承在设备的精度，性能，状态和寿命中起着重要的作用。随着机械设备的广泛应用，由机械设 备轴承损坏引起的故障占很大比例，因此滚动轴承故障诊断的意义十分明显。在本研究中，振动信号是从风电轴承传输测试台收集的。并融合方法。程序的且使用时域和频域中的参数来获得特征集。用于特征融合。为了提高分类
3、精度，采用了基于DS证据理论的娄 优点是可以检测滚动轴承中的故障。2风电轴承多源振动信号故障诊断硏究现状轴承是旋转机械中的关键元素，任1可缺陷都可能导致机彳戒故障。通常，缺陷会在轴承运行期间引发并加剧。尽早发现缺陷非常重要r 因为它可以防止缺陷发展到机器的其他部分。建立了基于状态的监视(CBM )程序以改善质星检查和预测性维护。迄今为止，已经使用了 多种方法来诊断轴承缺陷。这些方法大致分为声学测呈r电流和温度监测r磨损碎片检测和振动分析。声发射(AE )被认为是最有效的基 于声的轴承健康监测技术。这是在工作负载条彳牛下,固体材料中局部应力的快速重新分布所产生的高频瞬态脉冲。AE应用的例子包括裂
4、纹 扩展，腐蚀和磨损。机器零件(例如轴承)中瞬态声波的测星和声学信号特性的分析可用于检测和走位缺陷。叶田等提出了一种基于 LMD r S'R和ELM的智能故障诊断方法。但是,滚动轴承的振动信号通常是不稳走的，代表非线性过程。严廷爰等提出了一种基于m DCPD的融合方法，用于两种信号类型的滚动轴承故障诊断。龚晓云等提出了一种新的特征频率提取方法，用于使用FCS和EEMD方法进行 齿轮故障诊断。李丿11等解决了使用DRFF技术通过使用声发射传感器和加速度计来提高齿轮箱故障诊断性能的问题。用于轴承故障检测的电流监控是相对较新的方法。它已成为用于感应电动机球轴承状态监测的有吸引力的技术。该方法
5、简单易行，可 在许多应用中使用，但该方法的主要缺点是存在噪声r并且难以将轴承故障与非机械故障区分开。另一种方法是使用红外热像仪检郦由承 的退化。轴承故障会导致旋转部件中产生过多的热量。基于热分析的轴承故障检测存在一些局限性，例如设备昂贵且难以在早期进行故障 检测。红外热像仪状态监测的综述详细讨论了各种应用。磨损碎片检测传感器还用于齿轮箱和轴承等旋转机械中的损坏检测。最常见的油 屑传感器可以检测变速箱中的异常磨损。该技术的一个缺点是它不能将故障走位在复杂的变速箱中。振动测量和分析被广泛认为是旋转机械最有效的状态诊断方法。机器的局部故障(例如,滚珠/滚子剥落或轴承中的裂痕)在每次局部 故障接触到机
6、器的另一部分时都会产生冲击脉冲。因此r可以分析由冲击脉冲产生的振动，以识别机器故障。基于振动的机器诊断的主要 优点是能够检测不同类型的分布式或局部缺陷。此外r低成本的传感器,准确的结果，简单的设置，有关损坏位置的特走信息以及可比的 损坏率是振动测量方法的其他优点。3多传感器信息算法3.1最小二乘支持向星机(LS-SVM )正确的内核功能和最佳的内核参数在LS-SVM分类器中很重要。给走训练样本集 (xl r yl ) r . , ( xi # yi) , . r ( xn , yn ) , xiGRn , yiG-lJ0回归函数显示为y ( X ) =coTX-b ( 1 )其中X= ( xl
7、 , x2 f , xn )是一个非线性变换函数f它将输入空间映射到更高维 度的空间，3= ( 31,32 ,.()是权重系数，b是阈值。基于结构风险最小化(SRM厂 总结了回归优化问题以最小化功能：伽井扌十卜曼到这个公式的约束：其中c是惩罚因子，站是松弛变里。可以通过在以下方面引入拉格朗日因数来获得炉 瞼类函埶/（X）- y «acv. xt）hf （其中J是扌立格朗曰乘数，KX，XI）是核函数。3-2D-S证据理论证据理i仑是处毋不诵宗，不宾整和不海确信息的 主要手段。假设有限的非空互斥宾8是3的框架识别 度，则Bel（A）用于表示DS证据理论中假设的養信 度，其表达公式如下：P
8、A q e.BelA） = y MB）但是，使用3el（A）1g述假i殳的信念水平并不全 面。因此,引入PI <A）（代表真实性蚤信度）来补充 描述，并且可以如下定义：V/4 u OJV（J） = 1 - HeKA）=工 m（B）为了便于判斯和决笫提出了将两个或多个不同 的BPA进行合成和合并的笆法，称为Dempster的合 并规则。假i殳E1和E2属于相同的识别睚架®、并且 相应的基本槪率分配为ml和rr2。组合规则可以描 述如下：?：叫（州）叫（B,叫M -宀八©0* M 04基于信息融合的故障诊断4.1实验装置本文的研究是基于风电轴承变速箱试验台，如图1所示。它
9、模拟了某种类型的风电轴承机构的传动方式该机构主要由电动机、齿轮 箱、驱动轮、履带轮、轴承、驱动桥和发电机组成。操作箱具有启动/停止，紧急停止,速度控制和实时参数（包括给定速度，实际频率， 输出速度,实际压力和实际电流）的功能。测试滚动轴承为351306 ,分别是普通轴承，外圈故障轴承和内圈故障轴承。图1风电轴承变速箱试验台4.2融合预测模型的结构基于LSSN和D-S证据理论的故障诊断思想可以概括如下。首先f在处理阶段应用小波消噪以去除信号噪声。然后，使用一些统计特 征参数从信号中提取有用的诊断信息。LS-STI分类器用于故障检测和分类。4.3有限元分析在下一个模块中，输入数据是加速度和负载信号
10、,输出是统计参数和信号索引。在这项研究中，信号分析是在时域和频域中进行的, 下面介绍。431时域分析时域分析由于其简单性,_直是轴承诊断的一种有吸引力的方法。最简单的方法是测呈轴承振动的整体RMS水平。但是f该技术对较 小或早期的缺陷不敏感。波峰因数是峰值加速度与RMS值的比值。正常轴承的波峰因数水平大约为5。波峰因数可以很好地指示小尺寸缺 陷。但是,当局部损伤传播时,由于RMS的增加，波峰因数的值显着下降。振动峰值也可以用作监测指标。但发现对于小尺寸缺陷不可氟峰度是第四次标准化的统计矩对应于姻的峰值。对于未损坏的轴承此数呈在彳氐频频段等于与RMS ,波峰因数和峰值进行比较， 许多研究人员发现
11、峰度值更有用。432频域分析对于轴承故障诊断，频域或频谱分析是最流行的方法。许多研究人员报告了通过光谱分析检测轴承损坏的成功结果。通常，它是在低 范围频率下进行的，缺陷是通过每个特征频率处频谱幅度的变化来识别的。泰勒制走了频谱中出现和消失的尖峰的顺序。此夕卜，他提出了 种测呈滚道上缺陷尺寸的方法。5E-44EY峯 3E-4烬21IE-*f0 246 S 1012/a 2待空囲笑室到沟贰君扳毬信号以的濒诺4.4轴承故暉诊断杠试骏台的电动札飓谢页有三沖遶动轴承，分别 是正熱 外圈故陆和内圈故漳其他袖承正常。别试 台的連度为SOOOrpm .採近实际EMU运行时的 250krr/h的速度*所有信号均
12、以10<Hz系样频奉同时 采好。頁个原怡信号的長度为40,960。处理丘的信号 包含次里数据点，不能用作分夷器的输入，因为謎 级鱸煞期期+算复杂度因上旳类器®训练粪得丰常 困軽。因鼻应用某空绕计功能以减力数堀的维数。 囹2为传感器系集到"故障振动信号以及其对应的 频谱。从图中可以看出，右分类上，频域特征参数优于 时域特征参数。因此，为了获得更高的故陣识别精度, 将通过频域特征参数获得的取障识别站杲作为DS证 堀理论的特征输入功畐蛤后的信号进行EEMD分解, 分解结果如图3所示。图3 EEMD解结呉分析每个IMF的Hilbert r根摇回转支承的频率特点及HHT中的IM
13、F是从高频到低频变化的，确走发生故障的大概频率段在C(5)、 C(6)、C(7)之中。可看到，波峰频率在18Hz处，与之前提到的理论的故障频率(1.78Hz)差别不大。说明此方棄可很好的获得故障特征频率 并应用于故障诊断中。5结束语本文提出了LS-SEI和DS证据理论来解决车由承故障诊断问题。在风电轴承传动试验合的基础上，采用信息融合方法对轴承的多源振动 信号进行了分析。实验结果表明r基于频域特征参数的LSSd做障识别更加准确。融合结果表明，特征层和决策层信息融合相结合，大大 提高了故障诊断的准确性.对轴承故障诊断具有重要意义。参考文献1汤宝平罗雷邓蕾、韩延风电机组传动系统振动监测硏究进展J振动测试与诊断丄017,37(03):417425+622.2袁倩孙冬梅.朱徐东风电轴承多源振动信号故障诊断的数据融合方法研究J.电子器件,201740(03):568-572.3胡姚刚，李辉倉兴林，宋二兵.欧阳海黎刘志祥.风电轴承性能退化建模及其实时剩余寿命预测J.中国电机工程学报.2016.36(001643 1649.4芮晓明郑辉.黄浩然风电机组变桨轴承载荷分布研究J中国电机工程学报.2013,33(32):80-87乜苏连成、李兴林李小俚张燕辽张彳卬平.风电机组轴承的状态监测和故障诊断与运行维护J轴.2012(01):47-53.