EMD分解和支持向量機(jī)技術(shù)在風(fēng)電齒輪箱早期

1、近年來，國內(nèi)外風(fēng)力發(fā)電機(jī)故障率最高的部件當(dāng)數(shù)齒輪箱。 齒輪箱的狀態(tài)監(jiān)測與故障診斷已迫在眉睫。以代表風(fēng)電齒輪箱 的行星齒輪箱為試驗(yàn)平臺，對其早期故障進(jìn)行研究。1 方法理論 1 1 基本方法 沒有缺陷的正常齒輪，其振動主要是由于齒輪自身的剛度 等引起的。正常齒輪由于剛度的影響，其波形為周期性的衰減波 形。其低頻信號具有近似正弦波的嚙合波形。正常齒輪的信號反 映在功率上，有嚙合頻率及其諧波分量，且以嚙合頻率成分為 主，其高次諧波依次減小；同時，在低頻處有齒輪軸旋轉(zhuǎn)頻率及 其高次諧波。齒輪發(fā)生磨損時，導(dǎo)致齒側(cè)間隙增大，通常會使其正弦波式 的嚙合波形遭到破壞。齒面磨損時，嚙合頻率及其諧波分量，在 頻譜圖

2、上的位置保持不變，但其幅值大小發(fā)生改變，而且高次諧 波幅值相對增大。根據(jù)以上理論可知，齒輪發(fā) 生磨損后，主要特征是嚙合頻率 及其諧波分量幅值大小改變。EMD 分解能夠提取出我們 關(guān)注的信號分量。通過對 EMD 分解后各個分 量進(jìn)行時頻分析，提取出最接近 嚙合頻率的分量。對每個分量求 均值，然后將此值作為特征參數(shù) 輸入向量機(jī)中進(jìn)行訓(xùn)練分類。12 EMD 分解 局域波分解是建立在瞬時 頻率的基礎(chǔ)上，把復(fù)雜的非平穩(wěn) 信號表示成有限多個基本模式 分量。假設(shè)原始信號 X(t) 表示包 含多個振蕩模式的非平穩(wěn)信號， Ci 表示信號 X(t) 的基本模式分量，其中i表示第i個基本模式分量(i= 1, 2,

3、3, , n),當(dāng)從原始信 號中獲得第一個基本模式分量 C1 后，把原始信號與該分量的差 值 r1 作為待分解信號，然后依據(jù)基本模式分量的的定義繼續(xù)分 解，直到滿足一定的分析要求而止。每個基本模式分量是幅度、頻率調(diào)制的，因此對于非平穩(wěn)信 號通過基于基本模式分量的展開，得到了一個可變幅度與可變 頻率的信號描述方法，打破了固定幅度和固定頻率的傅立葉變 換的限制。從信號分解基函數(shù)理論角度來說，局域波分解的基是 一種自適應(yīng)廣義基，因?yàn)樵谛盘柗纸庵?，基函?shù)(基本模式分量) 依賴于信號本身特征，而不是預(yù)先選定的，因此這種分解方法更 能體現(xiàn)信號自身特性。圖 2 為 20Hz 下正常信號的 emd 分解后提取

4、的分量。圖 2 為 20HZ 下正常信號分量提取圖13 EMD 單分量提取基于 LabVIEW 中的時頻工具包開發(fā)出時頻分析系統(tǒng)。這樣 就能夠快速得到要找的單分量。EMD 分解和支持向量機(jī)技術(shù)在風(fēng)電齒輪箱早期 齒輪磨損故障診斷中的應(yīng)用 白亞紅王奉濤（大連理工大學(xué)機(jī)械工程學(xué)院振動工程研究所，遼寧大連116024）Early Recognition Based on EMD and Support Vector Machine for Wind Power Gear Box Failure 摘要 針對目前風(fēng)電機(jī)組齒輪箱故障率很高， 特別是對兆瓦級風(fēng)電機(jī)組齒輪箱早期齒輪故障缺乏有 效診斷經(jīng)驗(yàn)的現(xiàn)狀，

5、提出EMD 分解和支持向量機(jī)技術(shù)方法相結(jié)合的故障診斷方法，以行星齒輪箱為試驗(yàn)平臺，充分 利用兩種方法的各自優(yōu)勢，對風(fēng)電機(jī)組齒輪箱的齒輪早期故障診斷進(jìn)行研究。 關(guān)鍵詞：早期故障， EMD 分解，支持向量機(jī) AbstractThe current wind turbine gear box failure rate is high,especially lack an effective early diagnosis way for the megawatt class wind turbine gear box fault From the gear box unit and the inpu

6、t excitation characteristics of the internal structure,EMD and Support Vector Machine is gaved,with making full use of their advantages,can realize the early diagnosis of the wind turbine gearbox fault Keywords:early failure,EMD,support vector machine圖 1 磨損故障診斷方法流程圖工業(yè)控制計算機(jī)2010 年第 23 卷第 2 期圖 3 時頻分析系統(tǒng)

7、界面14 SVM 法SVM 方法是從線性可分情況下的最優(yōu)分類面提出的。為了 容易理解而又不失一般性，以二維數(shù)據(jù)的兩類分類問題作為例子 來闡述支持向量機(jī)的工作機(jī)理。圖 4 顯示了一系列兩個不同類型 的數(shù)據(jù)點(diǎn)，其中圓代表一類樣本，而方塊代表另外一類樣本。圖 4 支持向量機(jī)兩類分類的示意圖 在兩個不同屬性的類之間，支持向量機(jī)找出一個線性的分 類面并按照下面的準(zhǔn)則來放置它：盡量把樣本準(zhǔn)確無誤的分開 并且使分類間隔最大，即分類面和各類中最近的點(diǎn)距離最大。也 就是說支持向量機(jī)定義的邊界線代表了一個給定類別數(shù)據(jù)的極 限位置。2 試驗(yàn)與驗(yàn)證以 20Hz 的頻率下運(yùn)轉(zhuǎn)的行星齒輪箱為例來說明。采樣頻率 設(shè)為 65

8、536Hz ，負(fù)荷狀態(tài)為全載，有三種工礦：正常狀態(tài)、輕度磨 損、較重磨損三種狀態(tài)。每種狀態(tài)取200 個樣本，共 600 個樣本。圖 5 為三種狀態(tài)下的均值分布圖。該圖表示在齒輪箱在不 同狀態(tài)下按照本課題所給方法計算的到得均值分布圖。其中“”號表示正常狀態(tài)時的均值分布，“”號為輕度磨損時的均值分布，另外“”號則代表正常狀態(tài)下的均值分布。從圖中可以 看出三種狀態(tài)是可以區(qū)分開來的。圖 5 20Hz 信號不同狀態(tài)下均值分布圖 下面把提取的三個特征值作為輸入?yún)?shù)輸入到支持向量機(jī) 進(jìn)行訓(xùn)練。取三種狀態(tài)前 50 組數(shù)據(jù)（即每種狀態(tài)各 50 個樣本） 作為訓(xùn)練樣本，即訓(xùn)練樣本有 150 個樣本，每個樣本有三個

9、輸入 值（重心的縱橫坐標(biāo)值及重心值） ，三種狀態(tài)的訓(xùn)練目標(biāo)分別用 1、2和 3來表示。進(jìn)行訓(xùn)練和測試之前，要對用來進(jìn)行訓(xùn)練以及 測試的樣本進(jìn)行規(guī)一化處理，規(guī)一化就是使訓(xùn)練樣本的每一個 輸入?yún)?shù)都在 1 與 1 之間，而用來測試的樣本參數(shù)與之成比例 對應(yīng)。用訓(xùn)練樣本得到的模型對測試樣本進(jìn)行檢驗(yàn)，其結(jié)果如表 1 所示。表 1 20Hz 支持向量分類結(jié)果 從測試結(jié)果來看，該模型對 20Hz 正常狀態(tài)的判斷正確率 達(dá)到 80，輕度磨損也達(dá)到了 82 67，較重磨損正確率更是高 達(dá) 8667。在 15Hz 和 25Hz 的判斷中其總體正確率也分別達(dá) 到了 85和 8667，達(dá)到了很好的識別效果，其分析的準(zhǔn)確率 還是很令人滿意的。3 結(jié)束語 由以上分析可知， EMD 和 SVM 分析方法相結(jié)合的故障診 斷方法，對風(fēng)電機(jī)組齒輪箱為代表的行星齒輪箱的早期故障中 具有代表性質(zhì)的齒輪磨損進(jìn)行識別分類是非常有效的。這種方 法還可以推廣到其它的設(shè)備和部件早期故障狀態(tài)識別。此外該 方法的進(jìn)一步的學(xué)習(xí)和研究將在以后的過程中進(jìn)行。參考文獻(xiàn)1 別峰峰基于局域波時頻譜的往復(fù)機(jī)故障智能診斷若干方法研究D 大連：大連理工大學(xué)， 2008：9 102 鄒巖崑局域波分析的理論方法研究及應(yīng)用D 大連：大連理工大 學(xué)， 2004：9 10:3