一种基于eemd和广义s变换的风电齿轮箱故障诊断方法
【专利摘要】本发明提供了一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法，以解决现有技术在故障诊断过程中容易产生虚假信号和假频的问题，包括以下步骤：利用加速度传感器对风电齿轮箱进行测量，获得振动加速度信号x(t)；利用EEMD对信号x(t)进行分解，得到一系列本征模态函数IMF；计算并选出峭度值最大的IMF分量IMFc；对IMFc进行广义S变换，得到时频谱图；对广义S变换时频谱图进行分析，在广义S变换时频谱图上得到冲击周期，然后转换为故障频率，再将频谱分析结果与齿轮箱各回转部件的回转频率对比，确定故障位置。本发明中通过EEMD分解以及广义S变换，可以准确找出故障位置，克服了现有技术在故障诊断过程中容易产生虚假信号和假频的缺陷。
【专利说明】
一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法
技术领域
[0001 ]本发明涉及机械工程技术领域，特别涉及基于EEMD和广义S变换的风电齿轮箱故 障诊断方法。
【背景技术】
[0002] 风能是一种清洁的永续能源，与传统能源相比，其具有使用便捷、可再生、成本低、 无污染等特点，因此风力发电逐渐成为许多国家可持续发展战略的重要组成部分，发展潜 力巨大。随着风电机组的广泛安装使用，风力发电机的故障也成为一个不容忽视的问题。风 力发电机组大多安装在戈壁滩、海岛、高山等风口处，自然条件恶劣，再加上气流的不稳定 性，导致风电机组长期处于复杂的交变载荷下工作，机组故障时有发生。故障统计结果显 示，齿轮箱是风电机组中故障率最高的部件之一，齿轮箱的状态监测与故障诊断已迫在眉 睫。如果没有及时检测到故障，很容易导致风电齿轮箱的损坏，维修十分困难，吊装维修费 用高，严重影响风场的经济效益，因此，风电齿轮箱故障诊断具有重要的意义。
[0003] 在传动过程中，齿轮箱的主要部件轴承、齿轮和轴受弯曲载荷、振动载荷等的作 用，所以极易发生故障。齿轮箱的故障诊断即从振动信号中提取故障特征，若齿轮箱发生故 障，其振动信号的能量分布就会发生变化，对该振动信号进行时频分析，提取故障特征，由 此提出行之有效的诊断方法。常用的时频分析方法有短时傅里叶变换、Gabor变换和小波变 换等，时频分辨率是衡量这些方法优劣和时频聚集性能的重要指标。短时傅里叶变换和 Gabor变换使用的都是大小固定的滑动窗口，不能精确分解周期比时间窗大的低频信号，并 且高频的时频分辨率比较差。小波变换虽能自适应地反映低频和高频成分，但小波基函数 一旦选定，分析所有数据都必须用此小波函数，将造成信号能量的泄漏，产生较多虚假谐 波。
【发明内容】
[0004] 本发明提供了一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法，以解决现 有技术在故障诊断过程中容易产生虚假信号和假频的问题。
[0005] 为了解决上述技术问题，本发明通过以下技术方案实现:一种基于EEMD和广义S变 换的风电齿轮箱故障诊断方法，包括以下步骤：
[0006] A、利用加速度传感器对风电齿轮箱进行测量，获得振动加速度信号x(t);
[0007] B、利用EEMD对信号x(t)进行分解，得到一系列本征模态函数頂F;
[0008] C、计算上述各頂F的峭度值，并选出峭度值最大的頂F分量頂Fc;
[0009] D、对IMFC进行广义S变换，得到时频谱图；
[0010] E、对广义S变换时频谱图进行分析，在广义S变换时频谱图上得到冲击周期，然后 转换为故障频率，再将频谱分析结果与齿轮箱各回转部件的回转频率对比，确定故障位置。
[0011] 进一步，所述采集模块包括压电式加速度传感器、信号采集卡和控制器机箱，信号 采集卡与传感器采用导线相连，信号采集卡通过插拔接口插接在控制器机箱上。
[0012] 进一步，压电式加速度传感器布置在箱体外壳、输出轴的前侧轴承、输入轴的前侧 轴承和后侧轴承上。这些位置为出现故障频率较高的部位，压电式加速传感器安装在这些 位置或其它重要位置上，方便检测出重要部位是否存在故障。
[0013] 进一步，在步骤D中，对信号进行广义S变换，具体步骤如下：
[0014] a、设函数h(t)eL2(R)，L2(R)表示能量有限函数空间，则信号h(t)的一维S变换定 义如式(1):
[0016] 式中：h(t)表示时间序列，τ表示时移因子，σ表示尺度因子，t表示时间，f表示频 率。
[0017] 其中高斯窗函数g(t)如式(2):
[0019] b、对广义S变换的高斯窗函数进行改造，直接引入调节参数k，如式(3):
[0021] c、得到改进后的广义S变换，所述表达式如式(4):
[0023]此时，高斯窗函数g(i，f)相应变为式(5):
[0025]其中，S(T，f)为广义S变换之后的信号;h(t)为平方可积函数;k为调节因子且k取 值为2~10,在k取值为2~10时，当调节因子k增大时，窗函数的宽度会向外进行延拓，且相 应窗函数的幅值变小;反之，窗函数的宽度则向内收缩，相应窗函数的幅值变大。k超出这个 范围时，冲击信号不明显，不容易辨识。
[0026] 进一步，k取值为4~6。处理效果更好。
[0027]相对现有技术，本发明的优点是:本发明中采用的EEMD是一种数据驱动式的自适 应信号处理方法。其分解过程是从信号本身的特征时间尺度出发，基函数是由本身分解所 得到的，是直观、直接、自适应以及后验的，该方法摆脱了传统信号处理中对平稳信号的假 设，从根本上解决了无法处理非平稳信号的束缚。EEMD克服了传统小波变换在处理非线性、 非平稳信号时，在分辨率上会出现模糊、不清晰和谱结构精确度低等问题，在处理非线性和 非平稳信号方面具有独特的优势。本发明中结合另一种方法是广义S变换，它是在短时傅里 叶变换和连续小波变换的基础上提出的信号处理方法。广义S变换是一种可逆的时频分析 方法，它保持了信号的绝对相位信息，其时频分辨率随着频率发生变化，可以根据分析信号 的时频特征不同而自动地调节窗函数的宽度，以便达到最佳的时频分辨率，对非平稳信号 中不同信号分量有着更强的区分能力。两种方法相互协调，先采用EEMD对原始信号进行筛 分，对原始信号进行了提取和降噪;这解决了广义S变换受噪声干扰影响较大的缺点；筛分 的信号为非平稳信号且噪声较小，干扰因素较少，广义S变换对非平稳信号处理能力较强， 能很好地处理此类信号，且处理结果简单直观，提高信噪比和抗干扰能力，增强故障诊断的 精度。本发明中通过EEMD分解以及广义S变换，可以准确找出故障位置，克服了现有技术在 故障诊断过程中容易产生虚假信号和假频的缺陷。
【附图说明】
[0028]下面结合附图对本发明作进一步说明：
[0029]图1为本发明的流程图；
[0030]图2为本发明中五个信号的时域波形图；
[0031 ]图3为本发明中五个信号直接加和后的时域波形图；
[0032]图4为本发明中EEMD分解后的结果图；
[0033] 图5为本发明中故障特征量的广义S变换时频谱图；
[0034] 图6为故障特征量的标准S变换时频谱图。
【具体实施方式】
[0035] 参阅图1，一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法，包括以下步骤： [0036] A、信号采集卡通过压电式加速度传感器对风电齿轮箱进行信号采集，获得 [0037]振动加速度信号x(t);
[0038] B、利用EEMD对信号X (t)进行分解，得到一系列本征模态函数頂F;
[0039] C、计算上述各IMF的峭度值，并选出峭度值最大的IMF分量頂F。，IMF。含有故障特 征；
[0040] D、对含有故障特征的分量IMF。进行广义S变换，得到时频谱图；
[0041 ] E、对广义S变换时频谱图进行分析，在广义S变换时频谱图上得到冲击周期，然后 转换为故障频率，再将频谱分析结果与齿轮箱各回转部件的回转频率对比，确定故障位置 并显示结果。
[0042] 在步骤D中，对信号进行广义S变换，具体步骤如下：
[0043] a、设函数h(t)eL2(R)，L2(R)表示能量有限函数空间，则信号h(t)的一维S变换定 义如式(1):
[0045] 式中：h(t)表示时间序列，τ表示时移因子，σ表示尺度因子，t表示时间，f表示频 率，信号处理是要把信号分成实部和虚部，i表示虚部。
[0046]其中高斯窗函数g(t)如式(2):
[0048] b、对广义S变换的高斯窗函数进行改造，直接引入调节参数k，如式(3)，
[0050] C、得到改进后的广义S变换，所述表达式如式(4):
[0052]此时，高斯窗函数gb，f)相应变为式(5):
[0054]其中，S(T，f)为广义S变换之后的信号;h(t)为平方可积函数;k为调节因子，k取值 为4~6时，广义S变换时频谱图如图5所示，冲击特征比较明显，在其它范围时，冲击特征比 较模糊;k在2~10时，当调节因子k增大时，窗函数的宽度会向外进行延拓，且相应窗函数的 幅值变小;反之，窗函数的宽度则向内收缩，相应窗函数的幅值变大。
[0055] d、依据步骤c得到的改进广义S变换对含有故障特征的IMF。进行处理分析，找出故 障信号广义S变换时频能量谱图，得到冲击特征，计算得到故障频率。
[0056] 采集模块包括压电式加速度传感器、信号采集卡和控制器机箱，信号采集卡与传 感器采用导线相连，信号采集卡通过插拔接口插接在控制器机箱上。压电式加速度传感器 布置在箱体外壳、输出轴的前侧轴承、输入轴的前侧轴承和后侧轴承上。
[0057] 下面结合附图对本发明作进一步的解释说明：
[0058] 齿轮箱存在故障时其振动信号具有两个特点：1、故障信号比较微弱，容易被其他 的信号所淹没。2、广义S变换受噪声干扰影响较大。
[0059]针对故障信号的上述两个特点，故障诊断方法分别应用EEMD分解和广义S变换解 决以上两个问题。首先应用EEMD分解将原始振动信号分解为一系列本征模态函数頂F，在这 些IMF中，峭度值最大的頂F通常对应的就是故障特征分量。例如从图3中的合成信号很难直 接找到故障特征信号，而对其进行EEMD分解后就能得到图4所示的结果。其中IMF1的峭度值 最大，所以该頂F1即是故障特征信号。对故障信号进行广义S变换，在广义S变换时频谱图上 可得到冲击周期，就可得到故障频率，进而确定出故障位置。
[0060] 该齿轮箱故障诊断方法是基于齿轮箱运行过程中所产生的振动信号进行的。齿轮 箱在运行过程中无论是否存在故障都会有振动信号的产生，但是无故障和有故障时的振动 信号有不同的区别。齿轮箱没有故障时，振动信号的频率成分主要是齿轮的啮合频率和轴 承的自身的固有频率。当齿轮箱中的齿轮和轴承存在故障时，其运行过程中会因为故障产 生冲击效应，从而使振动信号发生改变，此时振动信号的频率成分不仅有齿轮的啮合频率 和轴承自身的固有频率，还会增加故障部件所在部件的回转频率。
[0061] 通过加速度传感器测得的振动加速度信号是时域信号，图2为以下五个信号的时 域波形图：
[0062] .η (/) = sin(2;?·.")^ = mod(，J/./")。
[0063] X2(t) = sin(2fJT2t)。
[0064] X3(t) =0 · 8sin(2f3：nt)。
[0065] X4(t) = sin(2f4：nt)。
[0066] X5(t) = 0 · 16rand(n，1)，n = length(t)。
[0067] 其中，X1(t)为轴承外圈故障信号和系统结构谐振信号的调制；X2(t)和X3(t)、 X4 (t)为周期性谐波信号成分;x5(t)为模拟噪声信号;衰减频率与系统阻尼特性相关，衰减频 率为α = 400;结构谐振频率fi = 3500Hz;高速级齿轮的啮合频率f2 = 450Hz;中速级齿轮的啮 合频率f3 = 150Hz，低速级齿轮的啮合频率f4 = 48Hz，故障特征频率fB = 33Hz。
[0068] 诊断故障需要得到的是振动信号所对应的频率值。对于简单的信号，如上面的X2 (t)和X3(t)、X4(t)，直接进行傅里叶变换就可以得到振动信号的频率值，但是对振动信号xl (t)这种较为复杂的调制信号，直接进行傅里叶变换得到频率值是f^iSOOHz，但是实际中 想要得到的是fB = 33Hz这个频率。对振动信号经过EEMD筛分后，从图3中的合成信号很难直 接找到故障特征信号，而对其进行EEMD分解后就能得到图4所示的结果，其中IMF1的峭度值 最大，所以该IMF1即是故障特征信号。再进行广义S变换后，如图5所示，在时频谱图上频率 轴约3500Hz处出现明显的周期性冲击特征，从对应的时频谱矩阵中找出频率为3500Hz处的 信号周期，其周期A X为0.034s，就能得到故障频率fB = 33Hz。
[0069] 啮合频率和回转频率:假如一对啮合的齿轮对，主动轮的转速是20r/s，齿数是40， 从动轮的齿数是80,那么从动轮的转速可以根据主动轮计算得出，即10r/s。啮合频率是用 齿轮对中任意一个齿轮的回转频率乘以齿数，即主动轮啮合频率为20X40 = 800Hz，从动轮 啮合频率为10 X80 = 800Hz。回转频率是指单个齿轮的回转频率，如主动轮20Hz，从动轮 10Hz。这样如果故障诊断所得结果是20Hz，说明是主动轮故障；如果是10Hz，说明是从动轮 故障。故障诊断的过程就是当齿轮箱中存在故障时，确定故障频率，进而确定出故障位置的 过程。
[0070] 通过图5为本发明中广义S变换时频谱图；图6为故障特征量的标准S变换时频谱 图；图5和图6中，纵向轴为频率轴，横向轴2为时间轴。通过图5和图6的对比，可以明显看出， 在频率轴约3500Hz处，广义S变换时频谱图中冲击特征比较明显，容易识别;而常规S变换即 k取1时，在各个冲击点处分布不清，时频聚集性不如广义S变换，且广义S变换的时频分辨率 明显高于标准S变换的时频分辨率。
[0071] 风机故障信号为冲击信号，具有冲击周期，当k大于10时，广义S变换时频谱图无法 找到明显的冲击特征。
【主权项】
1. 一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法，其特征是:包括以下步骤： A、 利用加速度传感器对风电齿轮箱进行测量，获得振动加速度信号x(t); B、 利用EEMD对信号x(t)进行分解，得到一系列本征模态函数頂F; C、 计算上述各頂F的峭度值，并选出峭度值最大的頂F分量頂Fc; D、 对IMF。进行广义S变换，得到时频谱图； E、 对广义S变换时频谱图进行分析，在广义S变换时频谱图上得到冲击周期，然后转换 为故障频率，再将频谱分析结果与齿轮箱各回转部件的回转频率对比，确定故障位置。2. 根据权利要求1所述的一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法，其特 征是:所述采集模块包括压电式加速度传感器、信号采集卡和控制器机箱，信号采集卡与传 感器采用导线相连，信号采集卡通过插拔接口插接在控制器机箱上。3. 根据权利要求2所述的一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法，其特 征是:压电式加速度传感器布置在箱体外壳、输出轴的前侧轴承、输入轴的前侧轴承和后侧 轴承上。4. 根据权利要求1所述的一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法，其特 征是:在步骤D中，对信号进行广义S变换，具体步骤如下： a、 设函数h(t)eL2(R)，L2(R)表示能量有限函数空间，则信号h(t)的一维S变换定义如 式⑴：式中:h (t)表示时间序列，τ表示时移因子，σ表示尺度因子，t表示时间，f表示频率。 其中高斯窗函数g(t)如式(2):b、 对广义S变换的高斯窗函数进行改造，直接引入调节参数k，如式(3)，c、 得到改进后的广义S变换，所述表达式如式(4):此时，高斯窗函数g(T，f)相应变为式(5):其中，S(T，f)为广义S变换之后的信号;h(t)为平方可积函数;k为调节因子且k取值为2 ~10ο5. 根据权利要求4所述的一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法，其特 征是:依据步骤c得到的改进广义S变换对IMF。进行处理分析，找出故障信号广义S变换后时 频能量谱图，得到冲击特征，计算得到故障频率。6. 根据权利要求4所述的一种基于EEMD和广义S变换的风电齿轮箱故障诊断方法，其特 征是:k取值为4~6。
【文档编号】G01M13/02GK105865776SQ201610169043
【公开日】2016年8月17日
【申请日】2016年3月23日
【发明人】陈换过, 易永余, 陈培, 沈建洋, 陈文华, 李剑敏, 黄春邵, 钱佳诚, 陈特, 俞杭
【申请人】浙江理工大学