【技术实现步骤摘要】
一种应用于风电机组齿轮箱故障诊断的信号自动分解方法
[0001]本专利技术涉及风电机组齿轮箱故障诊断领域,尤其涉及一种应用于风电机组齿轮箱故障诊断的信号自动分解方法。
技术介绍
[0002]风电机组故障诊断目前主要针对机组的传动系统特别是齿轮箱,当前的诊断方法主要有以下三种:基于振动信号分析方法、故障机理建模方法、基于数据驱动的机器学习方法。
[0003]在基于故障机理建模方法中,由于风电机组负荷多变,运行环境恶劣,极易受环境因素的影响,机组故障呈现非线性等特点,对故障机理的认识较难采用一些数学方法进行准确描述,难以建立一个统一的模型对故障进行解释。
[0004]基于数据驱动的机器学习方法,尽管机器学习方法展现出强大的计算能力和特征提取能力,但是,机器学习方法往往需要对故障数据进行学习,即需要对故障数据进行打标签后将其作为训练数据,目前此类方法在实验室条件下表现出良好的效果,但真正运用于实践时,由于故障数据有限,难以学习到机组的各种故障数据,且每台机组由于安装位置和安装部件的不同,机器学习对数据的泛化能力不高导致其在实用上较难推广。
[0005]而基于振动信号分析,只需采集机组运行的振动信号,对其进行信号处理,提取信号中的故障特征即可达到诊断效果,过程简单,方法具有普适性,是当前风电机组故障诊断过程中应用最广泛最有效的方法。
[0006]在对振动信号进行数据处理时,针对风电机组齿轮箱故障振动信号的非线性和非平稳性,国外学者提出EMD(empirical mode decompositi ...
【技术保护点】
【技术特征摘要】
1.一种应用于风电机组齿轮箱故障诊断的信号自动分解方法,其特征在于,包括如下步骤:步骤1:获取齿轮箱高速轴齿轮故障振动信号f,将其定义为故障振动信号x(i=0)=f,故障振动信号初始分解次数i=0;步骤2:对故障振动信号x(i)进行VMD分解,将故障振动信号x(i)分解成一个高频信号u
h
(i)和低频信号u
l
(i);步骤3:计算高频信号u
h
(i)和低频信号u
l
(i)之间的依赖指数ρ
hl
ρ
hl(i)
和中心频率差异度f
d
(i);步骤4:基于依赖指数ρ
hl(i)
和中心频率差异度f
d
(i)的判定准则,确定分解模态u(i);步骤5:去除分解模态u(i)后,更新信号x(i+1),满足下述公式:x(i+1)=x(i)
‑
u(i)
ꢀꢀꢀꢀ
(1)其中,x(i+1)表示第i次分解后更新的故障振动信号,x(i)表示第i次分解前的故障振动信号,步骤6:循环步骤2
‑
步骤5,直至不存在欠分解和过分解问题,迭代终止;步骤7:输出信号分解过程中的所有分解模态[u(1),u(2),
……
,u(n)],完成信号自动分解。2.根据权利要求1所述的一种应用于风电机组齿轮箱故障诊断的信号自动分解方法,其特征在于:步骤3中依赖指数ρ
hl(i)
的公式为:其中i为信号分解次数,m为分解后模态向量的长度,u
h(i)
(j)表示第i次分解后的高频模态向量内的第j个值,u
l(i)
(j)表示第i次分解后的低频模态向量内的第j个值,j=1,2....m,ρ
hl(i)
是高频信号u
h
(i)和低频信号u
l
(i)之间的依赖指数,用来衡量高频信号u
h
(i)和低频信号u
l
(i)之间的依赖性,ρ
hl(i)
的范围是[
‑
1,1],表示高频信号u
h
(i)的平均值,表示低频信号u
l
(i)的平均值。3.根据权利要求2所述的一种应用于风电机组齿轮箱故障诊断的信号自动分解方法,其特征在于,步骤3中心频率差值的计算公式为:fd(i)=(fh(i)
‑<...
【专利技术属性】
技术研发人员:胡忠忠,杨志勇,李志军,陈果,黎炯,曹玲燕,卢应强,
申请(专利权)人:江苏国电南自海吉科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。