基于包络谱的风电机组轴承故障诊断方法及设备技术

本发明专利技术公开了一种基于包络谱的风电机组轴承故障诊断方法及设备，属于低速风机用滚动轴承故障诊断技术领域，其中故障诊断方法首先搜索与特征故障频率相关的谐波包络谱，并根据识别的谐波谱峰数量及其与周围噪声的显著性对数据集进行评分，通过监测该分值的变化来检测轴承状态变化并确定故障位置。本发明专利技术技术方案可以对典型轴承缺陷类型能进行准确的诊断。案可以对典型轴承缺陷类型能进行准确的诊断。案可以对典型轴承缺陷类型能进行准确的诊断。

【技术实现步骤摘要】
slewing bearing in wind turbines,International Journal of Fatigue,2018,111,233
‑
242.
[0011][6]钟先友，田红亮，赵春华，陈保家，陈法法.基于迭代滤波和快速峭度图的滚动轴承微弱故障特征提取[J].振动与冲击,2018,37(9):190
‑
195.
[0012][7]丁雪娟,王红星.基于阶次窄带包络分析的直驱风机轴承微弱故障诊断[J].噪声与振动控制,2016,36(03):159
‑
163.
[0013][8]Mishra,C.,Samantaray,A.K.,Chakraborty,G.(2016).Rolling element bearing defect diagnosis under variable speed operation through angle synchronous averaging of wavelet de
‑
noised estimate.Mechanical Sy本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于包络谱的风电机组轴承故障诊断方法，其特征在于：接收风电机组轴承的振动信号频谱，搜索所述振动信号频谱中与已知的轴承特征故障频率相关的风电机组轴承转动频率各阶次下的谐波包络谱，根据各谐波包络谱中谐波谱峰与周围噪声的显著性对所述振动信号频谱评分。2.根据权利要求1所述的风电机组轴承故障诊断方法，其特征在于：所述振动信号频谱为根据所述风电机组轴承一个时刻的振动信号数据集的角度域重采样振动信号V
ot
(t)去除与故障无关的稳态振动分量V
s
(t)后的异步振动信号V
as
(t)的频谱。3.根据权利要求2所述的风电机组轴承故障诊断方法，其特征在于：所述振动信号数据集为包含振动信号V(t)、位置信号θ(t)和基准轴速度θ(ref)的时间域采样数据集。4.根据权利要求1至3任一项所述的风电机组轴承故障诊断方法，其特征在于，搜索所述振动信号频谱中与一已知的轴承特征故障频率相关的风电机组轴承转动频率指定阶次下谐波包络谱的方法包括步骤：以所述振动信号频谱包络线上各个局部最小值作为分离频率，将所述振动信号频谱划分为若干窄带；根据所述轴承特征故障频率在各个窄带内的谐波频率确定该谐波频率的第一阶次范围，在振动信号频谱上第一阶次范围内搜索该窄带中的谐波谱峰峰值M
h
；根据所述轴承特征故障频率在各个窄带内的谐波频率确定该谐波频率的第二阶次范围，计算在振动信号频谱上第二阶次范围内的所述谐波谱峰周围的平均噪声N。5.根据权利要求4所述的风电机组轴承故障诊断方法，其特征在于，所述谐波谱峰峰值M
h
与其周围平均噪声N比较具有显著性的判断依据为：当谐波谱峰对应的特征故障频率f
c
的子频段频率f
sb
为零时，M
h
>T即视为该谐波谱峰具有显著性；T为由平均噪声N决定的阈值；当谐波谱峰对应的特征故障频率f
c
由子频段频率f
sb
进行调幅时，M

【专利技术属性】
技术研发人员：李宏峰，王芳，仇伟杰，单卫民，王勇，刘保安，李乾，胡小桢，杜彦巍，刘鹏，李少鹏，
申请(专利权)人：国网河北省电力有限公司国网河北省电力有限公司石家庄供电分公司石家庄思凯电力建设有限公司，
类型：发明
国别省市：