【技术实现步骤摘要】
一种风力发电机高速齿轮磨损故障趋势预测方法及系统
[0001]本专利技术涉及一种机械设备故障预测
，特别是关于一种风力发电机高速齿轮磨损故障趋势预测方法及系统。
技术介绍
[0002]大型旋转设备的大部分故障是具有时间依存性的、可预知的趋势性故障,采用科学有效的故障预测方法往往能够揭示故障的发展变化，有利于避免设备恶性事故的发生。
[0003]故障趋势预测是避免发生恶性事故并实现机电设备的现代预知维护的关键技术。风力发电机组常年工作在变工况条件下，基于能量形式的旋转部件故障特征量常常与其他噪声信息耦合在一起，导致故障趋势无法有效预测。
技术实现思路
[0004]针对上述问题，本专利技术的目的是提供一种风力发电机高速齿轮磨损故障趋势预测方法及系统，其能对风力发电机组的故障趋势进行有效的预测。
[0005]为实现上述目的，本专利技术采取以下技术方案：一种风力发电机高速齿轮磨损故障趋势预测方法，其包括：采集风力发电机高速齿轮振动信号，构建混合信息模型，采用独立成分分析方法从混合信号中分离出各独...
【技术保护点】
【技术特征摘要】
1.一种风力发电机高速齿轮磨损故障趋势预测方法，其特征在于，包括：采集风力发电机高速齿轮振动信号，构建混合信息模型，采用独立成分分析方法从混合信号中分离出各独立成分信息的近似成分，并以纯净的近似故障源信号特征为依据找到有用成分；根据近似故障源信号与故障源信号互为相似形，估计相似形放大倍数值域；确定连续且单向变化的放大倍数值域与旋转部件故障程度的对应关系，建立故障程度判别标准，结合高速齿轮全生命周期故障源信号能量变化趋势图，对故障程度及趋势做出判断及预测。2.如权利要求1所述风力发电机高速齿轮磨损故障趋势预测方法，其特征在于，所述混合信息模型为：x＝As+ε其中，x为风力发电机高速齿轮振动信号；A∈R
M
×
L
为混合矩阵，M<L，R表示实数矩阵，M表示实数矩阵的列数，L表示实数矩阵的行数；s∈R
L
表示源信号，且各个源信号之间完全相互独立；ε表示加性噪声。3.如权利要求1所述风力发电机高速齿轮磨损故障趋势预测方法，其特征在于，所述并以纯净的近似故障源信号特征为依据找到有用成分，包括：在独立成分分析结果中包含有用特征信号，该有用特征信号为故障源信号的近似信号；逐一检测分离后纯净的近似故障源信号的统计特征量，利用先验知识对统计特征量进行验证，当故障源信号波形振幅不为零，且波形突变频率与齿轮转频正相关时，则为所需有用成分。4.如权利要求3所述风力发电机高速齿轮磨损故障趋势预测方法，其特征在于，所述纯净的近似故障源信号是故障源信号的相似形，将纯净的近似故障源信号放大或缩小预设倍数θ能得到故障源信号。5.如权利要求1所述风力发电机高速齿轮磨损故障趋势预测方法，其特征在于，所述根据近似故障源信号与故障源信号互为相似形，估计相似形放大倍数值域，包括：根据故障源信号向量和纯净的近似故障源信号向量的倍数θ关系，计算故障源信号能量；对相似形倍数θ进行正态总体均值区间估计，得到倍数θ的均值置信区间，根据该置信区间及故障源信号能量得到故障源信号的能量区间。6.如权利要求5所述风力发电机高速齿轮磨损故障趋势预测方法，其特征在于，所述确定...
【专利技术属性】
技术研发人员：赵西伟，张煜，吴国新，蒋章雷，
申请(专利权)人：北京信息科技大学，
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。