一种振动故障分析方法及其系统的制作方法
【专利摘要】本发明一种振动故障分析方法及其系统，至少适用于具有转动轴承、齿轮箱、发电机的机械系统的振动故障诊断，该方法包括：小波消噪步骤、时域监测与频域诊断分析步骤、时域监测统计指标阈值的确定步骤。本发明一种振动故障分析方法及其系统，消除风力发电机组振动信号中噪声等干扰，采用时域分析进行监测与频域分析进行故障识别技术相结合，可以及时、准确、有效地对风力发电机组进行设备管理、故障诊断。
【专利说明】
一种振动故障分析方法及其系统
技术领域
[0001] 本发明涉及机械故障诊断领域，尤其涉及一种振动故障分析方法及其系统，该方 法适用于具有转动轴承、齿轮箱、发电机的振动故障监测，尤其适用于风力发电机组振动故 障诊断分析领域。
【背景技术】
[0002] 随着风力发电机技术的快速发展和日趋完善，风力发电机组的可靠性越来越高， 单机容量的不断增大，装机量也逐年增加。目前，国内风电装机突破1亿千瓦，2020年预计将 突破2亿千瓦，如此巨大的装机容量，将使风机运维市场面临一个巨大的挑战。据研究报告 显示，中国风电运行和维护市场在2015年至2022年，风场运维费用累计将高达160亿美元。 为降低运维成本，实现风力发电行业长期稳定安全健康发展，风力发电机组的状态诊断与 故障诊断也就显得越来越重要了。近几年，对风电机组故障诊断研究提出了很多方法，比 如:基于齿轮箱振动信号的时频域特征，提出采用基于建档案的两时域，即原始时域和包络 时域;三频域，即频谱、细化谱、解调谱的诊断方法;通过振动噪声诊断法，在传统的各种信 号处理方法的基础上采用时域和频域综合分析方法。
[0003] 风力发电机组中的机械部件在工作时会产生振动，如果发生故障，振动信号的能 量分布就会发生变化，振动信号是风力发电机组故障特征的载体。在风电机组故障诊断方 面，由于其结构复杂，工作环境比较恶劣，各种干扰很大，涉及问题较多，传统的故障诊断技 术不能有效的诊断出故障。
【发明内容】
[0004] 本发明的目的是针对上述【背景技术】存在的缺陷，提供一种基于小波消噪的时域和 频域的振动故障分析方法及其系统。
[0005] 为实现上述目的，本发明之一的一种振动故障分析方法，至少适用于具有转动轴 承、齿轮箱、发电机的机械系统的振动故障诊断，该方法包括:小波消噪步骤，即首先利用小 波变换将振动信号X分解到多个层级上，再针对每一层级的小波系数进行门限阈值处理，最 后通过处理后的小波系数进行振动信号X重构;时域监测与频域诊断分析步骤，即在时域内 对振动信号X至少进行滤波、放大、统计特征计算、相关性分析处理，通过时域分析，获取反 映机械系统运行状态的特征参数，为机械系统动态分析和故障诊断提供有效信息，确定机 械部件是否发生故障以及故障的严重程度;频域分析通过傅里叶变换分解为若干单一的谐 波分量，以获得振动信号X的频率结构以及各谐波和相位信息，频域分析至少用来分析故障 齿轮箱振动信号X频谱中出现的调制边频带，准确判断故障发生的部位;时域监测统计指标 阈值的确定步骤，即运用统计指标对机械系统运行状态进行监测，须为正常状态下机械系 统的振动信号X的统计指标值确定一个变化范围，当统计值超出这个范围时，则判定机械系 统特定机械部件运行失常。
[0006] 进一步地，在分析小波消噪软硬阈值的基础上，选择Daubechies小波变换对含噪 声振动信号X进行分析，以获取小波分解系数，再通过改变分解得到的各层高频系数进行信 号的小波重构实现消噪；
[0007] 进一步地，在分析小波消噪软硬阈值的基础上，选择Daubechies小波变换对含噪 声振动信号X进行分析，以获取小波分解系数，再通过改变分解得到的各层高频系数进行信 号的小波重构实现消噪。
[0008] 进一步地，利用小波阈值对振动信号X的消噪过程分为三个步骤，振动信号X的小 波分解步骤，即选择一个小波并确定小波分解的层次N(N>1，且N为自然数），然后对振动信 号X进行N层小波分解;小波分解后高频系数的阈值量化步骤，即对第1层到第N层的每一层 高频系数，选择一个阈值进行软阈值量化处理;小波的重构步骤，即根据小波分解的第N层 的低频系数和经过量化处理后的第1层到第N层的高频系数，进行振动信号X的小波重构。
[0009] 进一步地，在消噪过程中，高频系数的阈值选取软阈值形式；当小波系数的绝对值 小于给定阈值时，令其为〇;而大于阈值时，令其减去阈值，BP
[0011] 进一步地，振动故障分析方法采用通用阈值规则，即采用sqtwolog规则，设振动信 号X中噪声信号f(x)经小波分解得到η个小波系数，噪声信号的信号均方差〇,则通用阈值为
[0012] 进一步地，振动故障分析方法至少采用有效值、峰值、峰值指标、峭度系数、脉冲指 标和裕度指标对振动信号X进行时域统计分析，在机械系统正常运行情形下，利用正态分布 理论对各个参数统计指标值进行统计分析，确定各指标阈值。
[0013] 进一步地，针对采集到的振动信号X 1、X 2......X ν，计算振动烈度指标巧.为
[001 4]进一步地，针对采集到的振动信号XI、Χ2......ΧΝ，计算振动烈度指标&振动信号X 的峭度系数为
[0015] 进一步地，振动信号X的峰值指标Cf采用峰值除以均方根值的方式获得，即
其中，Xmax为峰值，即振动信号X样本绝对值最大10个数的算术平均值。
[0016] 进一步地，频域分析采用全景谱分析、细化谱分析及解调谱分析，其中，全景谱用 于观察调制边频带在整个频率域范围内的分布情况，确定出需要继续分析的局部频率，在 全景谱分析基础上，采用细化谱和解调谱提高频率分辨率和频谱分析精度，针对局部频率 进行局部放大和解调分析，准确判断故障发生的位置和类型。
[0017] 进一步地，假定机械系统正常状态下振动信号X的统计指标X服从正态分布为X~N (μ，〇2)，
[0018] 则假定机械系统正常状态下振动信号X的统计指标X的统计值y的概率密度函数为
[0019] 其中，μ为统计值分布的均值，σ为分布的标准差，假定风力发电机组正常状态下振 动信号X的统计指标X的统计值y的概率密度函数，当统计指标X的统计值y超出μ ± 3〇范围即 判定风机机械部件运行状态异常。
[0020] 本发明之二一种振动故障分析系统，至少适用于转动轴承、齿轮箱、发电机的振动 故障诊断，振动故障分析系统应用了基于小波消噪的时域和频域的振动故障分析方法。
[0021] 进一步地，所述振动故障分析系统适用于风力发电机组。
[0022] 进一步地，风力发电机组上至少布置有7个振动信号X监测点；其中，第一测点用于 监测主轴轴承的振动情况;第二测点用于监测齿轮箱输入轴承及齿轮箱的振动情况;第三 测点用于监测齿轮箱的振动情况；第四测点用于监测齿轮箱输出轴承及齿轮箱的振动情 况;第五测点用于监测发电机输入端轴承的振动情况;第六测点用于监测发电机输出端的 轴承振动情况;第七测点安装于机舱底板上，用于监测整个机舱在水平纵向和水平横向的 振动情况。
[0023] 进一步地，振动传感器采用加速度传感器。
[0024] 进一步地，第一测点至第六测点的传感器均采用压电式加速度传感器;第七测点 的传感器采用MEMS加速度传感器。
[0025]进一步地，所有监测点传感器的采样频率均为20ΚΗζ。
[0026] 综上所述，本发明一种基于小波消噪的时域和频域的振动故障分析方法及其系 统，消除风力发电机组振动信号中噪声等干扰，采用时域分析进行监测与频域分析进行故 障识别技术相结合，可以及时、准确、有效地对风力发电机组进行设备管理、故障诊断。
【附图说明】
[0027] 图1为本发明一种振动故障分析方法的流程图示意图。
[0028] 图2为本发明一种振动故障分析方法的时域参数指标诊断方法示意图。
[0029]图3为假定风力发电机组正常状态下，本发明一种振动故障分析方法中振动信号 的统计指标X的统计值X的概率密度函数。
【具体实施方式】
[0030] 为详细说明本发明的技术内容、构造特征、所达成目的及效果，以下兹例举实施例 并配合附图详予说明。
[0031] 请参阅图1，本发明之一的一种基于小波消噪的时域和频域的振动故障分析方法， 该方法适用于风力发电机组，该方法的技术方案是:基于小波变换的消噪预处理方法，并针 对小波消噪的不足进行改进，以适应风力发电机组振动信号的消噪过程。采用时域信号的 参数指标对振动故障信号进行监测；同时采用时域波形来反映振动故障信号中的冲击成 分;采用频谱分析，包括全景谱、解调谱和细化谱来反映故障频域信号的特点。
[0032] 请续参阅图1，本发明一种振动故障分析方法，该方法适用于风力发电机组，该方 法详细内容如下：
[0033] (1)小波消噪:针对小波消噪存在小波基和分解层数选取和确定、阈值方法确定等 问题，在分析小波消噪软硬阈值的基础上，选择Daubechies小波变换对含噪声振动信号进 行分析，以获取小波分解系数，再通过改变分解得到的各层高频系数进行信号的小波重构 实现消噪。
[0034]小波消噪首先利用小波变换将振动信号分解到多个尺度上，再针对每一层小波系 数进行阈值处理，最后通过处理后的小波系数进行振动信号重构。
[0035]通常情况下，振动信号X中的噪声信号多包含在具有较高频率中，在对振动信号进 行小波分解之后，再利用门限阈值等形式对所分解的小波系数进行权重处理，然后对振动 信号中的小信号再进行重构即可达到振动信号消噪的目的。
[0036]利用小波阈值对振动信号X的消噪过程分为三个步骤：
[0037]振动信号的小波分解步骤，即选择一个小波并确定小波分解的层次N(N>1，且N为 自然数），然后对振动信号X进行N层小波分解；
[0038]小波分解后高频系数的阈值量化步骤，即对第1层到第N层的每一层高频系数，选 择一个阈值进行软阈值量化处理；
[0039] 小波的重构步骤，即根据小波分解的第N层的低频系数和经过量化处理后的第1层 到第N层的高频系数，进行振动信号的小波重构。
[0040] 对振动信号中噪声信号的消噪处理，原则是要使消噪前后的振动信号具有同等的 本质信息的相似性，在消噪过程中，高频系数的阈值选取软阈值形式。当小波系数的绝对值 小于给定阈值时，令其为〇;而大于阈值时，令其减去阈值，BP
[0042]在小波阈值降消噪过程中，本发明一种振动故障分析方法采用通用阈值规则，即 采用sqtwolog规则。通用阈值规则如下:设振动信号中噪声信号f(x)经小波分解得到η个小 波系数，噪声信号的信号均方差〇,则通用阈值为
[0043] (2)时域监测与频域诊断分析:时域分析是在时域内对振动信号进行滤波、放大、 统计特征计算、相关性分析等处理，通过时域分析方法，获取反映机械系统运行状态的特征 参数，为机械系统动态分析和故障诊断提供有效信息，确定机械部件是否发生故障以及故 障的严重程度。
[0044] 请续参阅图2,振动信号的时域参数指标可以反应早期故障，对风力发电机组状态 进行监测，确定风力发电机组机械部件是否发生故障及确定故障的严重程度。
[0045] 具体实施例中，本发明至少采用有效值、峰值、峰值指标、峭度系数、脉冲指标和裕 度指标中的一种对振动信号进行时域统计分析。具体实施例中，本发明一种振动故障分析 方法对有效值、峰值、峭度系数和峰值指标进行计算，针对采集到的振动信号Χ1、 Χ2......ΧΝ，计算振动烈度指标^ (即有效值)为
[0047]振动信号X的峭度系数为
[0048]振动信号x的峰值指标Cf采用峰值除以均方根值的方式获得，
其中， Xmax为峰值，即振动信号X样本绝对值最大10个数的算术平均值。
[0049 ]有效值的稳定性较好，但对早期故障不敏感;对表面裂纹敏感，稳定性好。
[0050] 峰值在初期阶段针对诸如轴承表面剥落以及突然的外界干扰或灰尘引起的故障 比较敏感。无量纲时域参数对故障的敏感性与稳定性的比较如表1所示。
[0051] 表1时域参数对故障的敏感性与稳定性
[0053]综上分析，采用有效值、峰值、峰值指标、峭度指标、脉冲指标及裕度指标对振动信 号X进行时域统计分析，在风力发电机组正常运行情形下，利用正态分布理论对各个参数指 标值进行统计分析，确定各指标阈值。
[0054] 信号的时域和频域分析从两个不同的侧面分析振动信号X;频域分析通过傅里叶 变换分解为若干单一的谐波分量，以获得振动信号X的频率结构以及各谐波和相位信息;频 域分析主要用来分析故障齿轮箱振动信号X频谱中出现的调制边频带，准确判断故障发生 的部位，频域分析主要采用全景谱分析、细化谱分析和解调谱分析，其中，全景谱用于观察 调制边频带在整个频率域范围内的分布情况，确定出需要继续分析的局部频率，在全景谱 分析基础上，采用细化谱和解调谱提高频率分辨率和频谱分析精度，针对局部频率进行局 部放大和解调分析，准确判断故障发生的位置和类型。
[0055] (3)时域监测统计指标阈值的确定:运用统计指标对机械系统状态进行监测，须为 正常状态下机械系统振动信号的统计指标值确定一个变化范围，当统计值超出这个范围 时，则判定机械系统特定机械部件运行失常。
[0056] 请续参阅图3,具体实施例中，假定风力发电机组正常状态下振动信号X的统计指 标X服从正态分布为
[0057] X ~Ν(μ，σ2)
[0058] 则假定风力发电机组正常状态下振动信号X的统计指标X的统计值y的概率密度函 数为
[0060] 其中，μ为统计值分布的均值，σ为分布的标准差，假定风力发电机组正常状态下振 动信号的统计指标X的统计值y的概率密度函数。
[0061] 请续参阅图3，统计指标X的统计值y越靠近其均值μ，则y的概率密度越大，出现的 可能性越大；统计指标X的统计值y越远离其均值μ，则y的概率密度越小，出现的可能性越 小。具体实施例中，统计指标X的统计值y位于μ±3σ范围内的概率达到了99.74% ;而统计指 标X的统计值y位于μ±3σ范围以外的概率仅为0.26%。
[0062]对于风力发电机组运行状态的监测而言，假定正常的振动信号X的统计指标为X， 其统计值y的分布均值为μ，分布标准差为〇。当统计指标X的统计值y超出μ ± 3〇范围即判定 风机机械部件运行状态异常，依此监测原则，将一个正常运行的风力发电机组机械部件误 诊为故障的概率仅为0.26%，因此以μ±3σ作为运行异常的监测阈值。风力发电机组振动信 号X的统计指标X较小，表明风力发电机组运行状态良好、平稳，故在对风力发电机组进行振 动故障诊断过程中，无需对统计指标X设定阈值。
[0063] 本发明之二的振动故障分析系统应用了基于小波消噪的时域和频域的振动故障 分析方法.
[0064] 在具体实施例中，风力发电机组上至少布置7个振动信号X监测点。其中，第一测点 主要用于监测主轴轴承的振动情况;第二测点主要用于监测齿轮箱输入轴承及齿轮箱的振 动情况;第三测点主要用于监测齿轮箱的振动情况;第四测点主要用于监测齿轮箱输出轴 承及齿轮箱的振动情况;第五测点主要用于监测发电机输入端轴承的振动情况;第六测点 主要用于监测发电机输出端的轴承振动情况;第七测点安装于机舱底板上，主要用于监测 整个机舱在水平纵向（轴向）和水平横向（径向）的振动情况。对于振动频率较高的测点，振 动传感器采用振动加速度传感器，具体实施例中，由于第一测点、第二测点、第三测点、第四 测点、第五测点、第六测点的振动频率较高，第一测点至第六测点的传感器均采用振动加速 度传感器，并磁座方式固定，具体实施例中，第一测点至第六测点的传感器采用压电式加速 度传感器，第七测点的传感器采用MEMS加速度传感器。本发明一种振动故障分析系统所有 监测点传感器的采样频率均为20ΚΗζ。
[0065] 具体实施例中，在选取分析的数据时，采用经过统计分析的判断标准：（1)功率〉 OKW; (2) 1 OOrpm彡高速轴转速彡2000rpm。
[0066] 综上所述，本发明一种振动故障分析方法及其系统，消除风力发电机组振动信号 中噪声等干扰，采用时域分析进行监测与频域分析进行故障识别技术相结合，可以及时、准 确、有效地对风力发电机组进行设备管理、故障诊断。
[0067] 以上所述的技术方案仅为一种振动故障分析方法及其系统的较佳实施例，任何在 本发明一种振动故障分析方法及其系统基础上所作的等效变换或替换都包含在本专利的 权利要求的范围之内。
【主权项】
1. 一种振动故障分析方法，至少适用于具有转动轴承、齿轮箱、发电机的机械系统的振 动故障诊断，该方法包括： 小波消噪步骤，即首先利用小波变换将振动信号X分解到多个层级上，再针对每一层级 的小波系数进行口限阔值处理，最后通过处理后的小波系数进行振动信号X重构； 时域监测与频域诊断分析步骤，即在时域内对振动信号X至少进行滤波、放大、统计特 征计算、相关性分析处理，通过时域分析，获取反映机械系统运行状态的特征参数，为机械 系统动态分析和故障诊断提供有效信息，确定机械部件是否发生故障W及故障的严重程 度;频域分析通过傅里叶变换分解为若干单一的谐波分量，W获得振动信号X的频率结构W 及各谐波和相位信息，频域分析至少用来分析故障齿轮箱振动信号X频谱中出现的调制边 频带，准确判断故障发生的部位； 时域监测统计指标阔值的确定步骤，即运用统计指标对机械系统运行状态进行监测， 须为正常状态下机械系统的振动信号X的统计指标值确定一个变化范围，当统计值超出运 个范围时，则判定机械系统特定机械部件运行失常。2. 如权利要求1所述的一种振动故障分析方法，其特征在于:在分析小波消噪软硬阔值 的基础上，选择化ubechies小波变换对含噪声振动信号X进行分析，W获取小波分解系数， 再通过改变分解得到的各层高频系数进行信号的小波重构实现消噪。3. 如权利要求2所述的一种振动故障分析方法，其特征在于:利用小波阔值对振动信号 X的消噪过程分为Ξ个步骤，振动信号X的小波分解步骤，即选择一个小波并确定小波分解 的层次N(N>1，且N为自然数），然后对振动信号X进行N层小波分解;小波分解后高频系数的 阔值量化步骤，即对第1层到第N层的每一层高频系数，选择一个阔值进行软阔值量化处理； 小波的重构步骤，即根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N层 的高频系数，进行振动信号X的小波重构。4. 如权利要求3所述的一种振动故障分析方法，其特征在于:在消噪过程中，高频系数 的阔值选取软阔值形式；当小波系数的绝对值小于给定阔值时，令其为0;而大于阔值时，令 其减去阔值，即 、与.5. 如权利要求4所述的一种振动故障分析方法，其特征在于:振动故障分析方法采用通 用阔值规则，即采用sqtwolog规则，设振动信号X中噪声信号f(x)经小波分解得到η个小波 系数，噪声信号的信号均方差0,则通用阔值夫,6. 如权利要求1所述的一种振动故障分析方法，其特征在于:振动故障分析方法至少采 用有效值、峰值、峰值指标、峭度系数、脉冲指标和裕度指标对振动信号X进行时域统计分 析，在机械系统正常运行情形下，利用正态分布理论对各个参数统计指标值进行统计分析， 确定各指标阔值。7. 如权利要求6所述的一种振动故障分析方法，其特征在于:针对采集到的振动信号XI、 Χ2......ΧΝ，计算振动烈度指标馬为8. 如权利要求6所述的一种振动故障分析方法，其特征在于:针对采集到的振动信号XI、 X2......XN，计算振动烈度指标馬振动信号X的峭度系数为其中9. 如权利要求6、7、8任意一项所述的一种振动故障分析方法，其特征在于:振动信号X 的峰值指标Cf采用峰值除W均方根值的方式获得，目[其中，Xmax为峰值，即振动 信号X样本绝对值最大10个数的算术平均值。10. 如权利要求1所述的一种振动故障分析方法，其特征在于:频域分析采用全景谱分 析、细化谱分析及解调谱分析，其中，全景谱用于观察调制边频带在整个频率域范围内的分 布情况，确定出需要继续分析的局部频率，在全景谱分析基础上，采用细化谱和解调谱提高 频率分辨率和频谱分析精度，针对局部频率进行局部放大和解调分析，准确判断故障发生 的位置和类型。11. 如权利要求1所述的一种振动故障分析方法，其特征在于:假定机械系统正常状态 下振动信号X的统计指标X服从正态分布为X~Ν(μ，〇2)， 则假定机械系统正常状态下振动信号X的统计指标X的统计值y的概率密度函数为，一说).勺' < 00， 其中，μ为统计值分布的均值，σ为分布的标准差，假定风力发电机组正常状态下振动信 号X的统计指标X的统计值y的概率密度函数，当统计指标X的统计值y超出μ±30范围即判定 风机机械部件运行状态异常。12. -种振动故障分析系统，至少适用于转动轴承、齿轮箱、发电机的振动故障监测，其 特征在于:振动故障分析系统应用了基于小波消噪的时域和频域的振动故障分析方法。13. 如权利要求12所述的一种振动故障分析系统，其特征在于:振动故障分析系统适用 于风力发电机组。14. 如权利要求13所述的一种振动故障分析系统，其特征在于:风力发电机组上至少布 置有7个振动信号X监测点；其中，第一测点用于监测主轴轴承的振动情况;第二测点用于监 测齿轮箱输入轴承及齿轮箱的振动情况;第Ξ测点用于监测齿轮箱的振动情况;第四测点 用于监测齿轮箱输出轴承及齿轮箱的振动情况;第五测点用于监测发电机输入端轴承的振 动情况;第六测点用于监测发电机输出端的轴承振动情况;第屯测点安装于机舱底板上，用 于监测整个机舱在水平纵向和水平横向的振动情况。15. 如权利要求14所述的一种振动故障分析系统，其特征在于:振动传感器采用加速度 传感器。16. 如权利要求15所述的一种振动故障分析系统，其特征在于:第一测点至第六测点的 传感器均采用压电式加速度传感器;第屯测点的传感器采用MEMS加速度传感器。
【文档编号】G01M13/04GK106092565SQ201610405822
【公开日】2016年11月9日
【申请日】2016年6月8日
【发明人】杨滨源, 王玉, 王小康
【申请人】成都阜特科技股份有限公司