风电机组传动链故障振动信号降噪方法技术

一种风电机组传动链故障振动信号降噪方法，他主要包括传输、得到波形图、计算、重构波形图和定位的步骤，优化经验小波变换、峭度、相关系数与奇异值分解相结合的新型故障振动信号联合降噪算法，首先利用经验小波变换结合频带边界探索手段完成频谱频带划分配优化，并得到固有模态分量，其次，利用峭度

【技术实现步骤摘要】
风电机组传动链故障振动信号降噪方法


[0001]本专利技术属于风电机组信号处理及降噪
，涉及一种风电机组传动链故障振动信号降噪方法。

技术介绍

[0002]风能作为一种清洁无污染的可再生能源，随着风电场的大规模建设，风电机组设备的故障率与运维成本高的问题日益突出，特别是风电机组中传动链的故障率偏高与停机周期长，严重影响发电质量，增加风电场运维和检修成本，给风电场带来巨大的损失。
[0003]风电机组传动链关键部件主要包括齿轮箱、轴承、发电机、叶片等，其中关键性能量传动部件(齿轮箱、轴承)故障率占整个风力发电机组的60％左右，占风电机组全寿命故障停机时间的20％。振动分析是反映风电机组传动链故障信号的主要状态监测手段。由于故障振动信号多为非平稳、非线性的调制信号，实际工况中，由于风电机组传动链具有架设环境恶劣、结构复杂、载荷多变以及冲击频繁的特点，噪声干扰严重，振动信号的传输路径复杂等因素导致故障振动信号信噪比低，故障信息被掩盖，故障振动信号存在不同的噪声扰动且不易去除。
[0004]目前，风电机组传动链故障振动信号传统分解降噪方法通常采用以下两种：小波变换，经验模态分解。小波变换其优点是具有多分辨率的特点，但处理振动信号时，母小波系数一旦确定将无法更换，且存在不同的小波基对应不同计算结果的问题；经验模态分解应用对象为非平稳、非线性信号，应用于振动信号时，经分解得到若干本征模函数与单个残余量。但经验模态分解在本征模函数的瞬时频率计算过程中，出现无法用科学依据解释的负频率，缺乏理论验证，同时因为收敛条件不合理、出现过包络以及欠包络的问题导致模态混叠、端点效应。
[0005]近年来，经验小波变换因其具有可靠的理论支持，同时能有效地提取固有模态分量，经验小波变换在电力、机械等领域的故障诊断系统中应用越来越广泛。但其缺点是仅用经验小波变换分解得到的固有模态分量大多数情况下无法有效筛选，各分量依然包含较大噪声且频率成分复杂，同时需要人为确定分割频带的个数，频带个数的分解过度或选择不当会产生模态混叠，从而破坏振动信号周期冲击特征的完整性。
[0006]由此可见，传统的风电机组传动链故障振动信号分解降噪方法存在固有缺点：
[0007]1)分解的固有模态分量数量大，无法有效筛选，导致无效时频分量对结果产生干扰。
[0008]2)分解的固有模态分量包含较大噪声且存在虚假频率，影响故障频率识别。
[0009]3)存在模态混叠与端点效应问题。

技术实现思路

[0010]本专利技术所要解决的技术问题是提供一种风电机组传动链故障振动信号降噪方法，基于经验小波变换结合峭度、相关系数与奇异值分解的风电机组传动链振动信号联合降噪
方法，解决传统分解降噪方法存在的模态混叠、虚假频率、端点效应、分量多噪声大与计算量大的工业应用瓶颈，实现风电机组传动链故障振动信号的有效去噪处理。
[0011]为解决上述技术问题，本专利技术所采用的技术方案是：一种风电机组传动链故障振动信号降噪方法，包括如下步骤：
[0012]步骤1，传输，在风电机组启动后，第一接触器处于工作状态，第二接触器将振动风电机组传动链的振动数据传输至终端；
[0013]步骤2，得到波形图，将采集的风电机组传动链振动数据经傅里叶变换得到振动信号时频波形图；优化经验小波变换按照边界探索手段进行频谱频带分配，并得到振动信号的固有模态分量时频波形图；
[0014]步骤3，计算，通过峭度与相关系数的计算，筛选固有模态分量中峭度值大与相关系数高的分量作为主分量；
[0015]步骤4，重构波形图，主分量进行Hankel矩阵构造，同时经奇异值分解对主分量进行降噪，并重构得到降噪后的风电机组传动链振动信号时频波形图；
[0016]步骤5，定位，将风电机组传动链重构后的故障振动信号时频波形进行包络调解，观察并精准定位故障特征频率。
[0017]在步骤2中，针对原始信号进行傅里叶变换，将信号的傅里叶谱归一化到[0,π]范围内，获得频域信号x(n)，第k个频域窗p
k
的频域信号为：
[0018][0019]式中，为窗左边界频率与扩展第i次后的右边界频率。
[0020]在步骤3中，针对信号进行傅里叶逆变换，计算峭度指标，继而对频域窗的右边界进行单次右平移可得：
[0021][0022]式中，f
b
为扩展的频带。
[0023]在步骤3中，根据峭度指标与进行频带扩展循环步骤，计算相邻i
‑
1，i，i+1峭度指标，若i≥max(i
‑
1，i+1)，则表明在i峭度指标对应的频率范围内存在最强频率周期冲击成分，即最优宽度的共振频带所在位置。
[0024]在步骤3中，为第k次频带进行i次扩展后分割对应的边界频率，根据可得其对应的边界频率：
[0025][0026]可得左边界更新频率：
[0027][0028]重复上述步骤，当频带满足下式时，实现频带范围搜索。
[0029][0030]该分割方法将[0,π]区间内分成n个带宽不等的频带，每个频带带宽可以表示为Λ
n
＝[ω
n
‑1,ω
n
]，不同频带之间过渡带定义为T
n
＝2τ
n
。
[0031]在步骤3中，经验小波变换的细节系数w
x
(n,t)以及近似系数w
x
(0,t)分别为x与小波函数和尺度函数的内积：
[0032][0033][0034]信号x(t)的重构公式为：
[0035][0036]式中，与分别为φ
n
(t)与的傅里叶变换函数；F
‑1表示傅里叶逆变换；<>为内积运算。
[0037]在步骤3中，相关系数的样本X和样本Y的计算公式为：
[0038][0039]式中，R为相关系数；Cov(X,Y)为样本X和样本Y的协方差；是样本X的方差，样本Y的方差。
[0040]峭度计算公式为：
[0041][0042]式中，K为峭度值；x
Ave
为信号x的均值；σ为信号x的标准差。
[0043]在步骤4中，对矩阵A进行奇异值分解，得下式：
[0044][0045]式中，u
i
∈Q
m
×1，v
i
∈Q1×
n
，i＝1,2,3，
…
，q。
[0046]本专利技术的有益效果在于：
[0047]优化后的经验小波变换既解决了传统经验小波变换频谱频带划分不理想的问题，也解决了传统时频处理方法存在的模态混叠、端点效应、参数设置等问题，较大程度上抑制频带混叠现象。
[0048]峭度
‑
相关系数准则的结合，能较好提取风电机组传动链的故障振动特征信号，有效筛选经经验小波变换分解的固有模态分量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组传动链故障振动信号降噪方法，其特征是，包括如下步骤：步骤1，传输，在风电机组启动后，第一接触器处于工作状态，第二接触器将振动风电机组传动链的振动数据传输至终端；步骤2，得到波形图，将采集的风电机组传动链振动数据经傅里叶变换得到振动信号时频波形图；优化经验小波变换按照边界探索手段进行频谱频带分配，并得到振动信号的固有模态分量时频波形图；步骤3，计算，通过峭度与相关系数的计算，筛选固有模态分量中峭度值大与相关系数高的分量作为主分量；步骤4，重构波形图，主分量进行Hankel矩阵构造，同时经奇异值分解对主分量进行降噪，并重构得到降噪后的风电机组传动链振动信号时频波形图；步骤5，定位，将风电机组传动链重构后的故障振动信号时频波形进行包络调解，观察并精准定位故障特征频率。2.根据权利要求1所述的风电机组传动链故障振动信号降噪方法，其特征是：在步骤2中，针对原始信号进行傅里叶变换，将信号的傅里叶谱归一化到[0,π]范围内，获得频域信号x(n)，第k个频域窗p
k
的频域信号为：式中，为窗左边界频率与扩展第i次后的右边界频率。3.根据权利要求2所述的风电机组传动链故障振动信号降噪方法，其特征是：在步骤3中，针对信号进行傅里叶逆变换，计算峭度指标，继而对频域窗的右边界进行单次右平移可得：式中，f
b
为扩展的频带。4.根据权利要求3所述的风电机组传动链故障振动信号降噪方法，其特征是：在步骤3中，根据峭度指标与进行频带扩展循环步骤，计算相邻i
‑
1，i，i+1峭度指标，若i≥max(i
‑
1，i+1)，则表明在i峭度指标对应的频率范围内存在最强频率周期冲击成分，即最优宽度的共振频带所在位置。5.根据权利要求3所述的风电机组传动链故障振...

【专利技术属性】
技术研发人员：张潮海，张旭，鲁杰，
申请(专利权)人：南京别费尔德科技有限公司，
类型：发明
国别省市：