基于双重降噪与谱峭度的齿根裂纹故障诊断

《基于双重降噪与谱峭度的齿根裂纹故障诊断》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于双重降噪与谱哨度的齿根裂纹故障诊断张雪峰，徐玉秀(天津工业大学机械工程学院，天津，300387)摘要：实际齿轮箱振动信号屮一般都具有很强的噪声于扰，各种故障特征信息往往会被噪声所掩盖。为了提高信噪比.去除噪声干扰.提岀-•种双重降噪与谱悄度结合的方法。首先对源信号进行EMD分解；然后分别对各分量进行时延自相关处理，实现-•次降噪；再通过计算时延自相关后的各分量的谱悄度，进而确定包含故障特征信息的主要成分，对信号进行重构，实现二次降噪；最后，对重构信号进行傅立叶变换以进行故障诊断。将该方法应用到仿真数据和齿根裂纹的实验数据屮，分析结果表明了该方法的冇效性。关键词：风力发电机；故障诊断；

2、EMD；时延自相关；谱峭度中图分类号：TK83FaultDiagnosisofToothCrackbasedonDoubleDe-noisingandSpectrumKurtosisZhangXuefeng,XuYuxiu(SchoolofMechanicalEngineering,TianjinPolytechnicUniversity,Tianjin300387)Abstract:Theactualgearboxvibrationsignalsgenerallyhavestrongnoiseandvariousfaultcharacteristicinformationtendtob

3、ecoveredbythenoise・Amethodcombiningdoublede-noisingandspectrumkurtosiswasproposedforimprovingthesignal-to-noiseratioandremovingnoise.TheEMDmethodisfirstutilizedtodecomposesourcesignal,andthenwecanachievefirstde-noisingbydelayedautocorrelationpretreatmenttoeachcomponentrespectively;Themaincomposit

4、ionincludingthefaultcharacterinformationcanbedeterminedbycountingspectrumkurtosisofeachcomponentwhichhasbepretreatedbydelayedautocorrelation,andthenthesignalcanbereconstructedtorealizesecondaryde-noising.Finally,thereconstructedsignalwillbeprocessedbyusingthefastFouriertransformsforfaultdiagnosis

5、.Applyingthemethodtothesimulationdataandexperimentaldataofthetoothrootcrack,theanalysisresultsshowtheeffectivenessofthismethod.Keywords:Windturbine；Faultdiagnosis；EMD；Delayedautocorrelation；Spectrumkurtosis；0引言风力发电机齿轮箱是整个风力发电机的核心部件，其主要功能是将风轮在风力作用下所产生的动力传递给发电机，使其得到相应的转速，进而将风能转化为电能山。齿轮箱工作状态的止常与否将直接

6、影响整个风电机组的发电效率，严重情况下，甚至有停机的风险，造成巨大的经济损失。山于齿轮箱故障所造成的停机时间最长，造成的损失最大；因此，对风电机组齿轮箱的故障状态进行分析并建立合理的故障识别方法就显得尤为重要，而实际风力发电机由于其木身的结构以及工作环境的复杂性，往往会引起振动信号的强烈非平稳性、多対齿轮啮合时振动信号相互耦合造成的信号的非线性、低频特征频率成分受噪声污染严重等现象，这给风力发电机齿轮箱故障诊断帶來了极大的困难［2］。经验模态分解(empiricalmodedccomp-osition,EMD)方法是一种很冇力的非线性、非平稳信号分析工具，于1998年，由美国华裔工程师N

7、ordenEHuang等人首次提出g。己有许多学者尝试使用经验模态分解方法來进行故障诊断，文献［5］和⑹分别在小波降噪和神经基金项目：国家自然青年基金项目(11102134)；天津市自然科学基金重点项目(10JCZDJC23400)作者简介：张雪峰(1986-),男，无，机械振动及故障诊断通信联系人：徐玉秀，(1958-)女，教授，主要研究方向：机械振动、故障诊断、结构动力学.E-mail:xuyu@tjpu.edu.cn网络的基础