一种轴承故障诊断方法技术

本发明专利技术涉及一种轴承故障诊断方法，其特征在于包括以下步骤：1)获取风力发电机组主轴轴承不同状态下的多组振动加速度信号数据，随机抽取若干组作为标准样本数据，其余各组作为待检测样本数据；2)对标准样本数据和待检测样本数据进行自适应分解，得到一系列固有旋转分量；3)对标准样本数据和待检测样本数据中第一个固有旋转分量的瞬时幅值和瞬时相位信息进行时域分析，并提取轴承故障特征向量；4)将提取的标准样本数据的故障特征向量输入邻近距离分类器进行训练，得到训练好的故障诊断模型；5)将提取的待检测样本数据的轴承故障特征向量输入训练好的故障诊断模型进行故障识别，得到轴承的故障状态。本发明专利技术可以广泛应用于轴承故障诊断中。

A fault diagnosis method for bearing

The invention relates to a bearing fault diagnosis method, which includes the following steps: 1) obtaining the multi group vibration acceleration signal data in the different state of the spindle bearing of the wind turbine, randomly extracting a number of groups as standard sample data, the other groups as the sample data to be detected; 2) the standard sample data and the inspection. The sample data is decomposed by adaptive decomposition, and a series of intrinsic rotation components are obtained. 3) the instantaneous amplitude and the instantaneous phase information of the first inherent rotating component in the standard sample data and the sample data are analyzed in time domain, and the bearing fault feature vectors are extracted; 4) the fault feature vectors of the extracted standard sample data are extracted. The adjacent distance classifier is trained to get the trained fault diagnosis model. 5) the bearing fault feature vectors of the extracted sample data are input into the trained fault diagnosis model for fault identification, and the fault status of the bearing is obtained. The invention can be widely applied to bearing fault diagnosis.

【技术实现步骤摘要】
一种轴承故障诊断方法
本专利技术涉及设备故障诊断
，特别是关于一种轴承故障诊断方法。
技术介绍
风能作为最具规模开发潜力的可再生新能源，近年来发展十分迅猛。由于风电机组的运行环境较为恶劣，随着机组累计运行时间的增加，机组部件极易出现故障。因此，有必要对风力发电机组进行在线监测，以便及时地掌握机组运行状态，确保安全稳定运行。在风电机组故障中，轴承故障占很高的比例，其振动信号非常复杂。当滚动轴承发生故障时，其振动信号具有非平稳性。由于时频分析方法能同时提供振动信号在时域和频域的局部化信息，因此可以对轴承故障信号进行分析。常用的时频分析方法包括窗口傅里叶变换、Wigner分布、小波变换和EMD等方法，但是这些方法存在一些局限性。窗口傅里叶变换的时频窗口大小是固定不变的，Wigner分布对多分量信号进行分析时会产生交叉项。小波变换虽然具有可变的时频窗口，但它不是一种自适应的信号处理方法。EMD能自适应地将复杂的多分量信号分解为若干个IMF(Intrinsicmodefunction)分量之和，但该方法存在过包络、欠包络、模态混淆、端点效应及和分解速度慢等问题。固有时间尺度分解(ITD)本文档来自技高网...

【技术保护点】
一种轴承故障诊断方法，其特征在于包括以下步骤：1)获取风力发电机组主轴轴承不同状态下的多组振动加速度信号数据，随机抽取若干组作为标准样本数据，其余各组作为待检测样本数据；2)对标准样本数据和待检测样本数据进行ITD自适应分解，得到一系列具有不同特征尺度的固有旋转分量；3)对标准样本数据和待检测样本数据中第一个高频固有旋转分量的瞬时幅值和瞬时相位信息进行时域分析，并提取轴承故障特征向量；4)将提取的标准样本数据的故障特征向量输入邻近距离分类器进行训练，得到训练好的故障诊断模型；5)将提取的待检测样本数据的轴承故障特征向量输入训练好的故障诊断模型进行故障识别，得到该轴承的故障状态。

【技术特征摘要】
1.一种轴承故障诊断方法，其特征在于包括以下步骤：1)获取风力发电机组主轴轴承不同状态下的多组振动加速度信号数据，随机抽取若干组作为标准样本数据，其余各组作为待检测样本数据；2)对标准样本数据和待检测样本数据进行ITD自适应分解，得到一系列具有不同特征尺度的固有旋转分量；3)对标准样本数据和待检测样本数据中第一个高频固有旋转分量的瞬时幅值和瞬时相位信息进行时域分析，并提取轴承故障特征向量；4)将提取的标准样本数据的故障特征向量输入邻近距离分类器进行训练，得到训练好的故障诊断模型；5)将提取的待检测样本数据的轴承故障特征向量输入训练好的故障诊断模型进行故障识别，得到该轴承的故障状态。2.如权利要求1所述的一种轴承故障诊断方法，其特征在于：所述步骤3)中，对固有旋转分量的瞬时幅值和瞬时相位信息进行时域分析，是指计算得到其瞬时幅值和瞬时相位的特征信息，其中，瞬时幅值的特征用峰峰值、峰值指标和标准偏差表示...

【专利技术属性】
技术研发人员：安学利，潘罗平，赵明浩，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京,11