基于经验模态分解的风电轴承早期故障诊断研究-论文.pdf

《基于经验模态分解的风电轴承早期故障诊断研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4l卷第2期凳鼋蠢Vo1．41No．2EastChirlaEIectricPower2013年2月Feb．2013基于经验模态分解的风电轴承早期故障诊断研究郑小霞，徐浩凇，符杨(上海电力学院电力与自动化工程学院，上海200090)摘要：介绍了采用基于经验模态分解EMD包络谱的滚动轴承早期故障诊断方法。该方法先用EMD将原始时域信号分解为若干个平稳的固有模态函数IMF之和，然后求出包含主要故障信息的多个IMF分量的包络谱，通过包络谱频率来判断滚动轴承的故障类型。对滚动轴承内圈故障振动信号的分析结果表

2、明，基于经验模态分解包络谱的故障诊断方法能够比传统的Ffvr频谱更加及时准确的提取滚动轴承的故障特征，利于提早发现故障隐患。关键词：滚动轴承；经验模态分解；包络谱；FFYr频谱；故障诊断作者简介：郑小霞(1978一)，博士，副教授，主要从事风力发电及故障诊断。中图分类号：TM315文献标志码：A文章编号：1001．9529(2013)02-0471．o4基金项目：国家高技术研究发展计划(2012AA051703，2012AA051707)；上海市教委重点学科建设项目(J51301)EarlyFaul

3、tDiagnosisofWindTurbineRollingBearingBasedonEmpiricalModeDecompositionZHENGXiao—xia，XUHao—song，FUYqng(CollegeofElectricPowerandAutomationEngineering，ShanghaiUniversityofElectricPower，Shanghai200090，China)Abstract：Thispaperintroducesaneadyfaultdiagnosis

4、approachofrdlingbearingbasedonempiricalmodedecom—position(EMD)andenvelopespectrum．ThemethodfirstlydecomposestheoriginaltimedomainSignalintoSeveralintrinsicmodefunctionswithEMD，thenfindstheenvelopespectrumcomposedofanumberofIMFsaswellasthemainfaultinfor

5、mation，andfinallydeterminesthetypeofrollingbearingfaultthroughtheenvelopespectrumfequen—cy．Theanalysisresultofroilingbearinginnerringfaultvibrationsignalshowsthatthisproposedmethodcanextractfaultcharacteristicsofrollingbearingmoretimelyandaccuratelytha

6、ntraditionalFFTspectrum．conducivetodetec—tingthehiddenfaultsearlier．Keywords：rollingbearing；empiricalmodedecomposition；envelopespectrum；FFTrspectrum；faultdiagnosisFoundationitems：NationalHigh—teehR&DProgramofChina(2012AA051703，2012AA051707)；KeyDiscipli

7、neConstructionProgramofShanghaiEducationCommission(J51301)风电作为一种可再生的绿色环保能源，越来由于受到噪声以及非平稳信号的影响，如何越受到国内外的关注。欧洲的风电已经比较成准确提取故障特征信息一直是滚动轴承故障诊断熟，在中国风电近些年的发展也是十分迅速。风中关键的问题_J，传统的诊断技术仅仅是通过力发电机组主要由偏航系统、变桨系统、齿轮箱、振动信号的时域或频域特征来提取特征向量进行发电机和驱动减速机等组成，其中滚动轴承都是故障识别。而事实上

8、，当滚动轴承发生故障时，其其重要部件。滚动轴承作为风力发电机组的关键振动信号的幅值往往受到调制并表现出非平稳特部件之一，其运行工作状况也受到普遍的关注。征。因此在滚动轴承的故障诊断中，如何从非平由于风力发电机组常年在野外无人的地区工稳信号中提取故障特征信息就十分关键。作，其工作环境条件恶劣，温度湿度的影响以及由本文将经验模态分解(EmpiricalModeDe—于风况的变化引起的轴承载荷变化使得轴承极易composition，简称EMD)用于风电机组轴承的早期发生故障