基于边际谱优越性在风电机组轴承故障诊断应用

《基于边际谱优越性在风电机组轴承故障诊断应用》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、基于边际谱优越性在风电机组轴承故障诊断应用　　摘要：为了保障风力发电机组的安全运行，对其进行状态监测和故障诊断是非常重要的。对于非平稳信号，传统方法傅里叶变换（FFT）不能很好地进行分析。文中提出了在希尔伯特黄变换的基础上，对希尔伯特谱进行积分，求取边际谱的方法。以某台风力发电机组轴承内圈故障为例，将该方法与传统FFT，希尔伯特时频谱进行比较。结果表明，边际谱可以很好地检测轴承故障特征频率，也验证了该方法对非平稳信号分析的有效性。关键词：故障诊断；滚动轴承；非平稳信号；边际谱；希尔伯特黄变换；时频谱中图分类号：

2、TH133.3文献标识码：A文章编号：1006-4311（2013）17-0041-020引言滚动轴承是旋转机械的重要部件，同样在风力发电机组中也是核心部件。当轴承出现局部损伤时，所产生的冲击力会激励轴承座及其支撑结构，产生非平稳信号。但其特征是时频谱范围广，成分复杂，又往往淹没在噪声和无用信号之中。所以如何更好地提取故障信号的特征，就成为轴承故障诊断的核心。5时频法是一种分析时变非平稳信号的有力工具，如短时傅里叶变换（STFT）、维格纳-威尔分布（WVD）、小波变换（WT）和希尔伯特黄变换（HHT）。然而，S

3、TFT的缺点是，一旦选定窗口函数，时频窗的窗口形状是固定的，使STFT成为单一分辨率工具。维格纳-威尔分布可以解决短时傅里叶变换的问题，但存在严重的交叉干扰现象。而小波变换又限制于小波基的选择和非自适应性的问题。希尔伯特黄变换是一种有效的变换，但EMD分解后得到的希尔伯特（Hilbert）谱不能很好地刻画某一频率的特征。因此本文提出了在希尔伯特谱的基础上，得到边际谱，利用边际谱的优越性来更好地找到轴承故障特征频率。[1]1希尔伯特黄变换1.1经验模态分解对任一信号x（t）进行EMD分解的具体步骤如下：5从公式（

4、3）可以看出，边际谱是希尔伯特谱对时间的积分，因此边际谱中频率？棕i处谱线高度表示的含义是：信号中各个时刻瞬时频率？棕i（t）的幅值之和。此外，之前所了解的希尔伯特黄变换（HHT），最后得到的希尔伯特时频谱，体现的是各个时刻频率的变化情况。但对于实际工程中，比如风力发电机组的轴承故障诊断，所关心的是某一具体的频率在这段时间内是否出现或者出现的振幅大小情况，这就是时频图所不能体现的了，给工程中信号分析带来了不便。而根据上文所述，边际谱可以体现某一频率在这段时间内总振幅的情况，体现其优越性。[4]2应用实例其中D—

5、—轴承节径，d——滚动体直径，？琢——接触角，Z——滚动体个数，fi——转轴转速。本文中轴承的参数为D=39.04mm，d=7.94mm，z=9，？琢=0，转速为1297r/min。根据上文所提供的公式（5）可得，轴承内圈故障特征频率为117.05Hz。本文将会用FFT，HHT和边际谱这三种方法进行比较，验证边际谱的有效性和准确性。2.1FFT频谱图对于像轴承故障信号这样的非平稳信号，用传统的FFT方法得到的频谱图不能很好地找到故障特征频率，故障特征频率的振幅淹没在周围频率振幅之中，如图1所示。2.2希尔伯特时

6、频图对轴承故障振动信号按照公式（2）求得希尔伯特时频谱，如图2所示。从图2中可以看出希尔伯特黄变换后的Hilbert时频图，各层IMF分量频率范围波动较大（如IMF2频率范围在100Hz到200Hz之间），不能很好地体现某一个特定频率的特征。更不能体现某一频率在某段时间内振幅的情况。从而不能判别其损伤的严重程度。2.3边际谱5由于IMF2分量的频率主要集中在100Hz-140Hz左右，而这个频率范围正好对应于轴承故障特征频率。之后的各层IMF，包含的频率范围较少。由此可以得出，IMF2分量包含了感兴趣的频率段，

7、对其进行放大，根据公式（3），将IMF2层的Hilbert时频图变换为边际谱图，如图3所示。如图3所示，IMF2边际谱图最高幅值所对应的频率为118.1Hz，而118.1Hz和轴承内圈故障特征频率相符合，误差是由于实际工况所致。根据边际谱的定义，说明118.1Hz的频率在信号中是存在的，并且幅值明显高于周围其他频率的幅值，说明了该频率在信号中的强度很大。而周围频率也有谱线是因为风机运行时含有其他频率成分较多，但他们的幅值很小，不会淹没故障特征频率。所以通过边际谱基本可以判断为内圈故障。与图1的FFT频谱图相比，

8、内圈故障特征频率所对应的幅值明显增高，不会淹没在周围频率之中，能很好地识别故障信息。与图2的希尔伯特时频谱相比，能直观地体现某一特征频率，具有很强的实用性。3结束语5本文提出了一种分析非平稳信号的新方法，对希尔伯特黄变换后的希尔伯特时频谱，进行积分得到边际谱。该方法克服了传统FFT变换所不能准确分析非平稳信号的缺点。也克服了希尔伯特时频谱不能刻画某一具体频率特征的缺点。在本文中，以风力