hilbert—huang变换在风力发电机主轴轴承故障诊断中应用

《hilbert—huang变换在风力发电机主轴轴承故障诊断中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学兔兔www.xuetutu.com!曼二2鱼轴承2013年6期Bearing2013．No．659—62CN4l一1148／THHilbert—Huang变换在风力发电机主轴轴承故障诊断中的应用陈文静，吴金强(新疆大学机械工程学院，乌鲁木齐830047)摘要：风力发电机主轴轴承发生故障时，缺陷引发的冲击振动出现的频率一般比较复杂，2个相邻冲击之间的时间间隔一般很小，普通的时域统计分析和频域分析方法很难达到理想的分析效果。将Hilbert—Huang变换引入风力发电机主轴轴承故障诊断。利用由Hilbea能量谱反映出的信息来对风机主轴轴承进行故障诊断，结果表明，基于Hilbert—

2、Huang变换的分析方法能更为有效地诊断轴承的故障。关键词：主轴轴承；故障诊断；Hilbert—Huang变换；风力发电机；Hilbert能量谱中图分类号：TH133．33文献标志码：B文章编号：1000—3762(2013)06—0059一o4ApplicationofHilbert—HuangTransforminWindTurbineSMainshaftBearingFaultDiagnosisChenWen—jing，WuJin—qiang(InstituteofMechanicalEngineering，XinjiangUniversity，Urumchi830047，

3、China)Abstract：Whenthewindturbinemainshaftbeatingbreakdown，the~equencyofshockandvibrationinducedbydefectisverycomplicatedandtimeintervalbetweentwoadjacentimpactsisverysmal1．Generaltimedomainanalysisandfre-quencydomainanalysisisdificulttoachievethedesiredefect．ApplytheHilbert—Huangtransformtow

4、indturbineSmainshaftbearingfaultdiagnosis．ItemploystheplentyofinformationofbearingembodiedinHilbertspectrumforfaultdiagnosis．TheresultsshowthatthismethodbasedonHilbea—Huangtransformcanefectivelydiagnosethefaultsofbearing．Keywords：mainshaftbearing；faultdiagnosis；Hilbert—huangtransform；windturb

5、ine；Hilbeaspectrum目前，所有安装的风力发电机中，75％一80％析方法具有很好的时域和频域分辨率。但传统的的主轴轴承采用滚动轴承J。滚动轴承是旋转机时频分析方法往往受到测不准原理的制约，很难械中广泛应用的关键部件，也是容易产生故障的在时域和频域同时达到很高的分辨率J。而Hil—部件。经统计，轴承故障中的40％与污染和润滑bert—Huang变换(HHT)是一种新的具有自适应有关；30％与安装有关；20％与过载或制造质量有的时频分析方法，它可以根据信号的局部时变特关一。性进行自适应的时频分解，消除人为的因素，克服轴承发生故障时，会产生一系列冲击振动，2传统方法中用无

6、意义的谐波分量来表示非平稳、个相邻冲击之间的时间间隔一般很小，因此，如果非线性信号的缺陷，并可得到很高的时频分辨率要检测出每个冲击振动，则需要所采用的时频分和良好的时频聚集性，非常适合对非平稳、非线性信号进行分析J。下文对Hilbert—Huang变换在收稿日期：2012—10—26；修回日期：2013—03—15风力发电机主轴轴承故障诊断方面的应用进行了基金项目：新疆维吾尔自治区高等学校科研计划科学研究探索性研究。重点项目(XJEDU2009102)作者简介：陈文静(1986一)，女，山东泰安人，硕士，研究方1基于经验模式分解的Hilbert谱向为风机故障诊断。E—mail：c

7、henwenjing654123@163．com。HHT的基本思想是通过经验模式分解(em—学兔兔www.xuetutu.com·60·《轴承)2013．No．6piricalmodedecomposition，EMD)的方法，将信号是IMF的成分都略去。(1)式可以看做广义的分解成一系列的本征模函数(intrinsicmodefunc-Fourier变换，式中幅值和频率随时间变化的特性tion，IMF)，得到的IMF是近似单频率成分的信不仅大大提高了信号的分解效率，而且还使分解