一种振动故障分析方法及其系统技术方案

本发明专利技术一种振动故障分析方法及其系统，至少适用于具有转动轴承、齿轮箱、发电机的机械系统的振动故障诊断，该方法包括：小波消噪步骤、时域监测与频域诊断分析步骤、时域监测统计指标阈值的确定步骤。本发明专利技术一种振动故障分析方法及其系统，消除风力发电机组振动信号中噪声等干扰，采用时域分析进行监测与频域分析进行故障识别技术相结合，可以及时、准确、有效地对风力发电机组进行设备管理、故障诊断。

【技术实现步骤摘要】

本专利技术涉及机械故障诊断领域，尤其涉及一种振动故障分析方法及其系统，该方法适用于具有转动轴承、齿轮箱、发电机的振动故障监测，尤其适用于风力发电机组振动故障诊断分析领域。
技术介绍
随着风力发电机技术的快速发展和日趋完善，风力发电机组的可靠性越来越高，单机容量的不断增大，装机量也逐年增加。目前，国内风电装机突破1亿千瓦，2020年预计将突破2亿千瓦，如此巨大的装机容量，将使风机运维市场面临一个巨大的挑战。据研究报告显示，中国风电运行和维护市场在2015年至2022年，风场运维费用累计将高达160亿美元。为降低运维成本，实现风力发电行业长期稳定安全健康发展，风力发电机组的状态诊断与故障诊断也就显得越来越重要了。近几年，对风电机组故障诊断研究提出了很多方法，比如：基于齿轮箱振动信号的时频域特征，提出采用基于建档案的两时域，即原始时域和包络时域；三频域，即频谱、细化谱、解调谱的诊断方法；通过振动噪声诊断法，在传统的各种信号处理方法的基础上采用时域和频域综合分析方法。风力发电机组中的机械部件在工作时会产生振动，如果发生故障，振动信号的能量分布就会发生变化，振动信号是风力发电机组故障特征的载体。在风电机组故障诊断方面，由于其结构复杂，工作环境比较恶劣，各种干扰很大，涉及问题较多，传统的故障诊断技术不能有效的诊断出故障。
技术实现思路
本专利技术的目的是针对上述
技术介绍
存在的缺陷，提供一种基于小波消噪的时域和频域的振动故障分析方法及其系统。为实现上述目的，本专利技术之一的一种振动故障分析方法，至少适用于具有转动轴承、齿轮箱、发电机的机械系统的振动故障诊断，该方法包括：小波消噪步骤，即首先利用小波变换将振动信号x分解到多个层级上，再针对每一层级的小波系数进行门限阈值处理，最后通过处理后的小波系数进行振动信号x重构；时域监测与频域诊断分析步骤，即在时域内对振动信号x至少进行滤波、放大、统计特征计算、相关性分析处理，通过时域分析，获取反映机械系统运行状态的特征参数，为机械系统动态分析和故障诊断提供有效信息，确定机械部件是否发生故障以及故障的严重程度；频域分析通过傅里叶变换分解为若干单一的谐波分量，以获得振动信号x的频率结构以及各谐波和相位信息，频域分析至少用来分析故障齿轮箱振动信号x频谱中出现的调制边频带，准确判断故障发生的部位；时域监测统计指标阈值的确定步骤，即运用统计指标对机械系统运行状态进行监测，须为正常状态下机械系统的振动信号x的统计指标值确定一个变化范围，当统计值超出这个范围时，则判定机械系统特定机械部件运行失常。进一步地，在分析小波消噪软硬阈值的基础上，选择Daubechies小波变换对含噪声振动信号x进行分析，以获取小波分解系数，再通过改变分解得到的各层高频系数进行信号的小波重构实现消噪；进一步地，在分析小波消噪软硬阈值的基础上，选择Daubechies小波变换对含噪声振动信号x进行分析，以获取小波分解系数，再通过改变分解得到的各层高频系数进行信号的小波重构实现消噪。进一步地，利用小波阈值对振动信号x的消噪过程分为三个步骤，振动信号x的小波分解步骤，即选择一个小波并确定小波分解的层次N(N﹥1，且N为自然数)，然后对振动信号x进行N层小波分解；小波分解后高频系数的阈值量化步骤，即对第1层到第N层的每一层高频系数，选择一个阈值进行软阈值量化处理；小波的重构步骤，即根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N层的高频系数，进行振动信号x的小波重构。进一步地，在消噪过程中，高频系数的阈值选取软阈值形式；当小波系数的绝对值小于给定阈值时，令其为0；而大于阈值时，令其减去阈值，即 w λ = s i g n ( w ) ( | w | - λ ) , | w | ≥ λ 0 , | w | < λ . ]]>进一步地，振动故障分析方法采用通用阈值规则，即采用sqtwolog规则，设振动信号x中噪声信号f(x)经小波分解得到n个小波系数，噪声信号的信号均方差σ，则通用阈值为进一步地，振动故障分析方法至少采用有效值、峰值、峰值指标、峭度系数、脉冲指标和裕度指标对振动信号x进行时域统计分析，在机械系统正常运行情形下，利用正态分布理论对各个参数统计指标值进行统计分析，确定各指标阈值。进一步地，针对采集到的振动信号x1、x2......xN，计算振动烈度指标为进一步地，针对采集到的振动信号x1、x2......xN，计算振动烈度指标振动信号x的峭度系数为其中进一步地，振动信号x的峰值指标Cf采用峰值除以均方根值的方式获得，即其中，xmax为峰值，即振动信号x样本绝对值最大10个数的算术平均值。进一步地，频域分析采用全景谱分析、细化谱分析及解调谱分析，其中，全景谱用于观察调制边频带在整个频率域范围内的分布情况，确定出需要继续分析的局部频率，在全景谱分析基础上，采用细化谱和解调谱提高频率分辨率和频谱分析精度，针对局部频率进行局部放大和解调分析，准确判断故障发生的位置和类型。进一步地，假定机械系统正常状态下振动信号x的统计指标X服从正态分布为X～N(μ,σ2)，则假定机械系统正常状态下振动信号x的统计指标X的统计值y的概率密度函数为其中，μ为统计值分布的均值，σ为分布的标准差，假定风力发电机组正常状态下振动信号x的统计指标X的统计值y的概率密度函数，当统计指标X本文档来自技高网...

【技术保护点】
一种振动故障分析方法，至少适用于具有转动轴承、齿轮箱、发电机的机械系统的振动故障诊断，该方法包括：小波消噪步骤，即首先利用小波变换将振动信号x分解到多个层级上，再针对每一层级的小波系数进行门限阈值处理，最后通过处理后的小波系数进行振动信号x重构；时域监测与频域诊断分析步骤，即在时域内对振动信号x至少进行滤波、放大、统计特征计算、相关性分析处理，通过时域分析，获取反映机械系统运行状态的特征参数，为机械系统动态分析和故障诊断提供有效信息，确定机械部件是否发生故障以及故障的严重程度；频域分析通过傅里叶变换分解为若干单一的谐波分量，以获得振动信号x的频率结构以及各谐波和相位信息，频域分析至少用来分析故障齿轮箱振动信号x频谱中出现的调制边频带，准确判断故障发生的部位；时域监测统计指标阈值的确定步骤，即运用统计指标对机械系统运行状态进行监测，须为正常状态下机械系统的振动信号x的统计指标值确定一个变化范围，当统计值超出这个范围时，则判定机械系统特定机械部件运行失常。

【技术特征摘要】
1.一种振动故障分析方法，至少适用于具有转动轴承、齿轮箱、发电机的机械系统的振动故障诊断，该方法包括：小波消噪步骤，即首先利用小波变换将振动信号x分解到多个层级上，再针对每一层级的小波系数进行门限阈值处理，最后通过处理后的小波系数进行振动信号x重构；时域监测与频域诊断分析步骤，即在时域内对振动信号x至少进行滤波、放大、统计特征计算、相关性分析处理，通过时域分析，获取反映机械系统运行状态的特征参数，为机械系统动态分析和故障诊断提供有效信息，确定机械部件是否发生故障以及故障的严重程度；频域分析通过傅里叶变换分解为若干单一的谐波分量，以获得振动信号x的频率结构以及各谐波和相位信息，频域分析至少用来分析故障齿轮箱振动信号x频谱中出现的调制边频带，准确判断故障发生的部位；时域监测统计指标阈值的确定步骤，即运用统计指标对机械系统运行状态进行监测，须为正常状态下机械系统的振动信号x的统计指标值确定一个变化范围，当统计值超出这个范围时，则判定机械系统特定机械部件运行失常。2.如权利要求1所述的一种振动故障分析方法，其特征在于：在分析小波消噪软硬阈值的基础上，选择Daubechies小波变换对含噪声振动信号x进行分析，以获取小波分解系数，再通过改变分解得到的各层高频系数进行信号的小波重构实现消噪。3.如权利要求2所述的一种振动故障分析方法，其特征在于：利用小波阈值对振动信号x的消噪过程分为三个步骤，振动信号x的小波分解步骤，即选择一个小波并确定小波分解的层次N(N﹥1，且N为自然数)，然后对振动信号x进行N层小波分解；小波分解后高频系数的阈值量化步骤，即对第1层到第N层的每一层高频系数，选择一个阈值进行软阈值量化处理；小波的重构步骤，即根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N 层的高频系数，进行振动信号x的小波重构。4.如权利要求3所述的一种振动故障分析方法，其特征在于：在消噪过程中，高频系数的阈值选取软阈值形式；当小波系数的绝对值小于给定阈值时，令其为0；而大于阈值时，令其减去阈值，即5.如权利要求4所述的一种振动故障分析方法，其特征在于：振动故障分析方法采用通用阈值规则，即采用sqtwolog规则，设振动信号x中噪声信号f(x)经小波分解得到n个小波系数，噪声信号的信号均方差σ，则通用阈值为6.如权利要求1所述的一种振动故障分析方法，其特征在于：振动故障分析方法至少采用有效值、峰值、峰值指标、峭度系数、脉冲指标和裕度指标对振动信号x进行时域统计分析，在机械系统正常运行情形下，利用正态分布理论对各个参数统计指标值进行统计...

【专利技术属性】
技术研发人员：杨滨源，王玉，王小康，
申请(专利权)人：成都阜特科技股份有限公司，
类型：发明
国别省市：四川;51