双谱分析法在风机轴承故障诊断中的应用

程　静　王维庆　何　山

(新疆大学电气工程学院1，新疆 乌鲁木齐　830047； 可再生能源发电与并网技术教育部工程研究中心2，新疆 乌鲁木齐　830047)



双谱分析法在风机轴承故障诊断中的应用

程静1，2王维庆1，2何山1，2

(新疆大学电气工程学院1，新疆 乌鲁木齐830047； 可再生能源发电与并网技术教育部工程研究中心2，新疆 乌鲁木齐830047)

摘要：针对我国风电行业装机容量井喷式扩大而故障诊断和运行维护技术相对落后的现状，提出了基于双谱分析法的轴承故障诊断方法。阐述了直接和改进两种双谱分析方法的原理，并利用Matlab软件仿真，提取振动信号的故障特征，进行不同故障的分析判别。对比分析结果表明，采用改进的双谱分析方法能够很好地检测非线性、非高斯性振动信号的相位耦合，便于计算机进行轴承故障识别与诊断，提高了风电系统的可靠性和安全性。

关键词：双谱分析法小波强制阈值消噪法风力发电故障诊断振动检测Matlab仿真状态分析

0引言

近年来，风电行业在我国得到迅猛发展。由于风电机组逐步由中小型、单机分布式向大型化、集中并网式发展[1-2]，机组的运行维护面临巨大挑战，实时监测、故障诊断和预警成为迫切需要解决的问题。

风力发电机作为一种大型的旋转机械，长期处于高山、海上等大风、高压、极端温差的恶劣环境下，振动、倒机、飞车等故障时有发生。齿轮箱作为风机传动系统的核心部件，持续受到交变冲击力和载荷的作用，成为故障高发部位，损坏后停机时间长、经济损失严重。目前，我国的大型风电机组普遍带有状态监测与故障诊断系统，具备数据采集、参数调节、设备控制、故障报警等功能，但对机组的状态分析仍很大程度上依赖于专家的经验，尚无成型的产品可使用。

因此，本文对齿轮箱中的滚动轴承部件进行振动检测，采用双谱分析法提取故障信号特征，旨在为识别故障模式、建立完善的智能故障诊断系统提供理论依据和方法。

1双谱分析方法

风电机组工作在非平稳的风速环境中，其旋转部件在升降速过程中包含了丰富的状态信息，一些平稳运行时不易反映的故障特征将会充分表现出来，呈现非高斯、非线性特性。加上恶劣的工作环境所带来的不可避免的背景噪声，使信号的监测与故障诊断受到很大程度的影响。近年来，各种频域分析法被广泛采用，如傅里叶变换、功率谱、倒频谱、包络谱、双谱分析等[3-10]。双谱分析法能够利用信号的高阶累计量对非高斯噪声不敏感的特性，检测出信号的非高斯性，并具备抑制高斯干扰、保留信号相位信息的能力，可以很好地检测相位耦合现象，去除无耦合的频率成分，便于轴承故障的诊断与分析[7]。

在一般情况下，高阶累计量谱又称为高阶谱或多谱。双谱即三阶统计量[11-12]，表达了谱值与两个频率分量构成的三个谱元之间的相关性，能够揭示信号的非线性和非高斯性。

1.1三阶累积量

设{x(n)}是零均值的k阶平稳随机过程，则这个过程的k阶累积量可定义为：ckx(τ1,...,τk-1)=E{x(n),x(n+τ1),...,x(n+τk-1)}

(1)

式中：τ为延时变量；E{}为求数学期望的符号。

三阶累积量为：

C3x(τ1,τ2)=E{x(n),x(n+τ1),x(n+τ2)}

(2)

实随机过程的三阶累积量有六种形式：

c3x(m,n)=c3x(n,m)=c3x(n-m,-m)=

c3x(-n,m-n)=c3x(-m,n-m)=c3x(m-n,-n)

(3)

1.2双谱

{x(n)}的双谱Bx(ω1,ω2)表示为：

Bx(ω2,ω2)=X(ω1)X(ω2)X*(ω1+ω2)

(4)

式中：X(ω)为信号的傅里叶变换；X(ω)为其共轭复数。

由式(3)、式(4)可知，双谱Bx(ω1,ω2)以2π为周期，具有以下几种对称形式：

(5)

2双谱分析仿真结果

在风力机运行过程中，由监测系统对轴承的振动信号进行测量和数据处理。鉴于大型机组破坏性试验故障测试成本较高，为了提高数据的可信度，本文采用美国凯西大学电气工程试验室的滚动轴承故障模拟试验数据进行分析。该试验平台由电动机、扭矩传感器、功率测试计三部分组成。电机转轴由待测轴承支撑，驱动端和风扇端轴承型号分别为SKF6205、SKF6203，两者均为深沟球轴承，滚动体个数分别为9个、8个，接触角为90°。轴承的其他参数如表1所示。

表1　轴承振动测试相关参数Tab.1　The related parameters for bearing vibration test

选用多个加速度传感器分别安装于机架、驱动端和风扇端轴承座上方，由16通道数据记录仪测量轴承的振动信号。试验采集了驱动端轴承在1 797r/min的转速下,在正常状态、外圈故障、内圈故障、滚动体故障这四种状态时的振动信号，采样频率为12kHz。选取1 000组采样信号进行分析，原始信号波形如图1所示。

图1　四种状态振动信号原始波形图Fig.1　Original waveforms of four kinds of vibration signals

由图1可知，仅外圈故障时，振动信号周期性较明显，对于其他三种工况，难以判断分析故障情况。因此，对四种不同状态的测量数据直接进行双谱分析，双谱特征图如图2所示。

图2　四种状态振动信号的双谱特征图Fig.2　Dual spectrum characteristic of four kinds of vibration signals

在图2中，四种工况的谱值都不为零，表明轴承的振动信号具有非线性和非高斯性，因此采用传统方法假定信号的线性和高斯性。同时，四种类别的双谱特征图具有差异性，能够凭借人工经验区分轴承故障类别。但对于计算机而言，要实现故障智能识别，仍存在较大难度。尤其对外圈故障与滚动体故障，二者的非线性程度有很大相似之处，它们的双谱特征虽有差别，但差别并不十分明显。因此，采用一种改进的双谱分析方法，在提取双谱特征之前，先对振动信号进行阈值消噪处理，消除信号中的干扰和噪声，突显各种故障特征，可便于计算机进行故障识别。

3改进的双谱分析法

在双谱分析之前，先对振动信号进行阈值消噪处理。常用的振动信号消噪方法有：强制阈值消噪、硬阈值消噪、软阈值消噪、自适应阈值消噪、小波消噪等[13-14]。通过试验对比分析，选用小波强制阈值消噪法对振动信号进行处理，消噪后波形如图3所示。

图3　强制阈值消噪后四种状态振动信号波形图Fig.3　Waveforms of four kinds of vibration signalafter forced threshold de-noising

消噪处理能够去除信号中繁杂的噪声和干扰，减少计算量,其双谱特征如图4所示。

图4　改进双谱分析法的双谱特征图Fig.4　Dual spectrum characteristics of improved dual spectrum analysis

振动信号经强制阈值消噪处理后，再进行双谱分析，从图4可以看出，轴承正常运行时，其谱线主要存在于低频区范围，且分布集中;而故障的轴承谱线呈对称的中空分布，大部分谱线集中于高频区，占频带范围较宽。对比图2和图4的双谱特征图可知，图4中的故障特征区别十分明显，非常有利于计算机进行故障识别。

4结束语

由于风机运行时的非平稳特性，故障信号的表现形式复杂、干扰因素多、耦合性强，仅仅通过某一种方法很难得到有效的故障特征。因此，本文采用小波强制阈值消噪法和双谱分析法结合，形成一种改进的双谱分析法，对滚动轴承的不同故障进行双谱分析。它能够有效提取和区别各不同故障的振动信号特征，从而为进一步的故障模式识别、建立完善的智能故障诊断系统提供思路和方法。

参考文献：

[1] 任永峰,安中全.双馈式风力发电机组柔性并网运行于控制[M].北京:机械工业出版社,2011.

[2] 程启明,程尹曼,王映斐,等.风力发电系统技术的发展综述[J].自动化仪表,2012,33(1):1-8.

[3] 郝国文.大型风电机组传动系统故障诊断信息分析方法研究与应用[D].秦皇岛：燕山大学,2011.

[4] 龙泉.风电机组楚仑传动系统动态特性及故障诊断方法研究[D].北京：华北电力大学,2012.

[5] 辛卫东.风电机组传动链振动分析与故障特征提取方法研究[D].北京：华北电力大学,2013.

[6] 王子龙.风电机组数据采集与故障诊断技术研究[D].沈阳：沈阳理工大学,2013.

[7] 曹斌.风电机组振动监测与故障诊断系统研究[D].广州：广东工业大学,2014.

[8] 李飞行，王涛，张群岩.时频分析在发动机振动监测与故障诊断中的应用[J].测控技术,2011,30(2): 20-22,26.

[9] 孙斌,刘立远,梁超.LILSTA和ELM算法在转子故障诊断中的应用[J].自动化仪表,2014,35(3):35-38.

[10]董晶,韩捷,段非.双谱分析在旋转机械故障诊断中的应用[J].微计算机信息,2010,26(1):95-96.

[11]COLLISWB,WHITEPR,HAMMONDJK.Thebispectrumandtrispectrum[J].MechanicalSystemsandSignalProcessing,1998,12(3): 375-394.

[12]杨江天,陈家骥,曾子平.基于高阶谱的旋转机械故障征兆提取[J].振动工程学报,2001,3(1):13-18.

[13]刘文艺.风电机组振动监测与故障诊断研究[D].重庆:重庆大学,2010.

[14]潘宏侠，兰海龙，任海峰.基于局域波降噪和双谱分析的自动机故障诊断研究[J].兵工学报,2014,35(7):1077-1082.

中图分类号：TH70；TP319

文献标志码：A

DOI:10.16086/j.cnki.issn1000-0380.201607006

ApplicationoftheDualSpectrumAnalysisMethodinFaultDiagnosisofWindTurbineBearing

Abstract：Aiming at current situation of wind power industry in China that the blowout type expanding of installed capacity and relatively backward technologies of fault diagnosis,operation and maintenance,the bearing fault diagnosis method based on dual spectrum analysis is proposed.The principles of direct and improved dual spectrum analysis are described,and Matlab software is used to simulate and the fault features of vibration signals are extracted for analyzing and judging different faults.Results of analysis and comparison show that the improved dual spectrum analysis method can well detect the phase coupling phenomenon of nonlinear and non-Gaussian vibration signal,it is easy for a computer to identify and diagnose faults of bearing,so as to improve the reliability and safety of wind power system.

Keywords:Dual spectrum analysisWavelet forced threshold de-noising methodWind power generationFault diagnosisVibration detectionMatlab simulationStatus analysis

国家自然科学基金资助项目(编号：51267017)；

新疆自治区高校科研计划基金资助项目(编号：XJEDU2014S007)；

高校博士学科点专项科研基金资助项目(编号：20136501120003)。

修改稿收到日期：2015-08-24。

第一作者程静(1980—)，女，现为新疆大学电力系统及其自动化专业在读博士研究生，讲师；主要从事风力发电测试及并网技术方向的研究。