基于希尔伯特变换的风电机组齿轮箱故障诊断方法与流程

本发明涉及风力发电机，具体而言，涉及基于希尔伯特变换的风电机组齿轮箱故障诊断方法。

背景技术：

1、齿轮箱作为风电机组关键部件，由于运行环境以及工况的复杂性，易出现故障，严重威胁机组安全稳定运行。因此，对齿轮箱进行故障诊断对确保风电机组稳定运行具有重要意义。就目前而言，针对风电机组齿轮箱的故障分析方法中，重点集中在齿轮箱的振动数据的分析上，这种分析方式不仅需要大量训练数据的支撑，而且建模过程计算量大；而采用提取齿轮箱的相关时域参数以及指标，进行齿轮箱故障的初步判断，在操作上方法简单，但不能对故障精准定位。基于此，为了克服上述问题，我们设计了基于希尔伯特变换的风电机组齿轮箱故障诊断方法。

技术实现思路

1、本发明的目的在于提供基于希尔伯特变换的风电机组齿轮箱故障诊断方法，其通过结合齿轮箱的结构特点及齿轮箱的故障模式，同时采用希尔伯特变换与倒谱分析相结合的方法对齿轮箱振动数据进行分析，提取故障特征频率，同时经实例验证结果的有效性，精确定位齿轮箱的故障位置，不仅能够准确得到齿轮箱的故障频率的同时定位齿轮箱故障，实现风电机组齿轮箱的故障诊断，而且提升了齿轮箱故障预警的目的，对于齿轮箱故障诊断的研究具有重要的工程意义。

2、本发明的实施例通过以下技术方案实现：

3、基于希尔伯特变换的风电机组齿轮箱故障诊断方法，该方法的步骤包括：

4、基于振动监测装置获取齿轮箱的振动信号，根据齿轮箱的振动信号，绘制齿轮箱的振动信号随时间的变化的时域图，形成齿轮箱振动的时域信号，对齿轮箱振动的时域信号进行有效值分析，得到齿轮箱的初步故障判断结果；

5、对齿轮箱振动的时域信号进行预处理，得到齿轮箱振动的频域信号，并在齿轮箱的结构特点及齿轮箱的故障模式的基础上，结合希尔伯特变换及倒谱分析，对齿轮箱振动的频域信号进行信号解析，以获取齿轮箱的故障特征频率；

6、基于齿轮箱的故障特征频率与齿轮箱的初步故障判断结果对齿轮箱进行故障判断，并定位齿轮箱的故障位置，完成风电机组齿轮箱的故障诊断。

7、可选的，所述对齿轮箱振动的时域信号进行预处理，所述预处理方式具体为通过傅里叶变化对齿轮箱的振动信号进行预处理，将齿轮箱振动的时域信号变化为齿轮箱振动的频域信号。

8、可选的，所述齿轮箱的结构特点具体为：齿轮箱在由行星轮与平行轮相结合所构成的风电机组内部，呈一级行星两级平行的结构特点或两级行星一级平行的结构特点。

9、可选的，所述齿轮箱的故障模式具体分为齿轮故障模式、轴承故障模式及轴故障模式；

10、所述齿轮故障模式包括：磨损故障、胶合故障、断齿故障及弯曲疲劳故障；

11、所述轴承故障模式包括：磨损故障、点蚀故障及疲劳剥落故障；

12、所述轴故障模式包括：磨损故障及断裂故障。

13、可选的，所述结合希尔伯特变换及倒谱分析，对齿轮箱振动的频域信号进行信号解析，其中，所述希尔伯特变换的计算过程如下：

14、

15、

16、其中，x(t)为给定信号，y(t)为经希尔伯特变换后的信号，p为柯西主值，sgn(ω)为符号函数，h(jω)为希尔伯特变换频率，x(τ)为复值信号，τ为解析信号，t为实值信号，j为信号频率，ω为信号频域；

17、将x(t)作为实部，y(t)作为虚部，得到解析信号z(t)：

18、

19、其中，z(t)为解析信号，

20、可选的，所述倒谱分析的计算过程如下：

21、c(t)＝|f-1{lgp(f)}|

22、其中，p(f)为信号x(t)的频域函数功率谱密度函数，f为幅值谱，c(t)为倒频谱。

23、可选的，所述振动监测装置具体由分布在风电机组的各个区域且不同频率的多个振动传感器所组成；

24、其中，多个所述振动传感器分为第一频率振动传感器与第二频率振动传感器，所述第一频率振动传感器分别分布在风电机组的主轴轴承、风电机组的齿轮箱输入轴及风电机组的齿轮箱行星轮处，方向均为径向，且数量至少为1个；

25、所述第二频率振动传感器分别分布在风电机组的齿轮箱输出端高速轴、风电机组的发电机输入端及风电机组的发电机自由端处，所述第二频率振动传感器在所述风电机组的齿轮箱输出端高速轴的轴向与径向均有分布，所述第二频率振动传感器在所述风电机组的发电机输入端及风电机组的发电机自由端的分布方向均为径向，且数量至少为1个。

26、可选的，所述第二频率振动传感器的频率大于所述第一频率振动传感器。

27、本发明实施例的技术方案至少具有如下优点和有益效果：

28、本发明实施例通过结合齿轮箱的结构特点及齿轮箱的故障模式，同时采用希尔伯特变换与倒谱分析相结合的方法对齿轮箱振动数据进行分析，提取故障特征频率，同时经实例验证结果的有效性，精确定位齿轮箱的故障位置，不仅能够准确得到齿轮箱的故障频率的同时定位齿轮箱故障，实现风电机组齿轮箱的故障诊断，而且提升了齿轮箱故障预警的目的，对于齿轮箱故障诊断的研究具有重要的工程意义。

技术特征：

1.基于希尔伯特变换的风电机组齿轮箱故障诊断方法，其特征在于，该方法的步骤包括：

2.根据权利要求1所述的基于希尔伯特变换的风电机组齿轮箱故障诊断方法，其特征在于，所述对齿轮箱振动的时域信号进行预处理，所述预处理方式具体为通过傅里叶变化对齿轮箱的振动信号进行预处理，将齿轮箱振动的时域信号变化为齿轮箱振动的频域信号。

3.根据权利要求1所述的基于希尔伯特变换的风电机组齿轮箱故障诊断方法，其特征在于，所述齿轮箱的结构特点具体为：齿轮箱在由行星轮与平行轮相结合所构成的风电机组内部，呈一级行星两级平行的结构特点或两级行星一级平行的结构特点。

4.根据权利要求1所述的基于希尔伯特变换的风电机组齿轮箱故障诊断方法，其特征在于，所述齿轮箱的故障模式具体分为齿轮故障模式、轴承故障模式及轴故障模式；

5.根据权利要求1-4任一项所述的基于希尔伯特变换的风电机组齿轮箱故障诊断方法，其特征在于，所述结合希尔伯特变换及倒谱分析，对齿轮箱振动的频域信号进行信号解析，其中，所述希尔伯特变换的计算过程如下：

6.根据权利要求5所述的基于希尔伯特变换的风电机组齿轮箱故障诊断方法，其特征在于，所述倒谱分析的计算过程如下：

7.根据权利要求6所述的基于希尔伯特变换的风电机组齿轮箱故障诊断方法，其特征在于，所述振动监测装置具体由分布在风电机组的各个区域且不同频率的多个振动传感器所组成；

8.根据权利要求7所述的基于希尔伯特变换的风电机组齿轮箱故障诊断方法，其特征在于，所述第二频率振动传感器的频率大于所述第一频率振动传感器。

技术总结
本发明涉及风力发电机技术领域，具体涉及基于希尔伯特变换的风电机组齿轮箱故障诊断方法，该方法的步骤包括：基于振动监测装置获取齿轮箱的振动信号，根据齿轮箱的振动信号，绘制时域图，形成齿轮箱振动的时域信号，对齿轮箱振动的时域信号进行有效值分析，得到齿轮箱的初步故障判断结果；对齿轮箱振动的时域信号进行预处理，得到齿轮箱振动的频域信号，并在齿轮箱的结构特点及齿轮箱的故障模式的基础上，结合希尔伯特变换及倒谱分析，对齿轮箱振动的频域信号进行信号解析，以获取齿轮箱的故障特征频率；基于齿轮箱的故障特征频率与齿轮箱的初步故障判断结果对齿轮箱进行故障判断，并定位齿轮箱的故障位置，完成风电机组齿轮箱的故障诊断。

技术研发人员：高宏伟,韩汀,程宏辉,刘永胜,杨城城,张泽樑,郑不凡,耿志远,刘兴章
受保护的技术使用者：华能新能源股份有限公司山西分公司
技术研发日：
技术公布日：2024/1/15