基于fm分量?jī)?yōu)化選取和hilmann譜分析的風(fēng)電機(jī)組早期故障診斷方法

基于fm分量?jī)?yōu)化選取和hilmann譜分析的風(fēng)電機(jī)組早期故障診斷方法

0循環(huán)平穩(wěn)解調(diào)滾動(dòng)軸承是風(fēng)壓機(jī)的重要部件。由于機(jī)組工作環(huán)境條件惡劣,溫度濕度的影響以及由于風(fēng)況的變化引起的軸承載荷變化使得軸承極易發(fā)生故障。對(duì)軸承的早期故障診斷及故障趨勢(shì)預(yù)測(cè)可以盡早發(fā)現(xiàn)故障并安排檢修,從而保證風(fēng)電機(jī)組有效穩(wěn)定運(yùn)行。西北工業(yè)大學(xué)廖明夫［1］對(duì)滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行了自適應(yīng)共振解調(diào)分析,提取軸承的故障信息。RandallRB［2］根據(jù)滾動(dòng)軸承損傷性沖擊故障的循環(huán)平穩(wěn)特性,利用循環(huán)平穩(wěn)解調(diào)成功地分離了齒輪和軸承故障。華北電力大學(xué)王曉龍［3］,針對(duì)電動(dòng)機(jī)的滾動(dòng)軸承故障問(wèn)題,提出了基于EEMD和Teager能量算子解調(diào)的診斷新方法。浙江大學(xué)郭艷平［4］介紹了基于EMD和散度指標(biāo)的滾動(dòng)軸承故障診斷新方法,通過(guò)計(jì)算故障特征量的J-散度和KL-散度來(lái)判斷故障類(lèi)型和描述故障程度。目前來(lái)看,共振解調(diào)方法是工程中常用的滾動(dòng)軸承故障振動(dòng)信號(hào)分析方法,但是該方法存在兩個(gè)問(wèn)題:(1)必須事先通過(guò)沖擊試驗(yàn)來(lái)確定高頻共振頻率;(2)帶通濾波器的中心頻率和帶寬固定不變。EMD在軸承故障特征提取中的應(yīng)用可自適應(yīng)地提取故障沖擊信號(hào),避免了共振解調(diào)中心頻率選擇和多個(gè)固有頻率共存的問(wèn)題。但目前EMD在風(fēng)電機(jī)組軸承中的應(yīng)用仍存在一些問(wèn)題需要研究,對(duì)于變工況造成的頻率成分變化問(wèn)題和IMF分量選取的問(wèn)題。此背景下,本文提出基于角域信號(hào)IMF分量?jī)?yōu)化選取的風(fēng)電機(jī)組軸承早期故障診斷的方法,將階比重采樣后獲得的角域信號(hào)進(jìn)行EMD分解,根據(jù)互相關(guān)系數(shù)準(zhǔn)則和峭度準(zhǔn)則選取包含故障信息的IMF分量,再利用時(shí)頻譜和邊際譜提取故障特征,實(shí)現(xiàn)風(fēng)電機(jī)組軸承的早期故障診斷。1故障表現(xiàn)及診斷分析滾動(dòng)軸承4個(gè)階段的頻譜特征如下:(1)噪聲和溫度正常,可用超聲、振動(dòng)尖峰能量聲發(fā)射測(cè)量出來(lái),振動(dòng)總量較小,無(wú)離散的軸承故障頻率尖峰。(2)輕微的軸承故障,軸承工作噪聲略增大,溫度正常,開(kāi)始出現(xiàn)軸承部件的固有頻率,一般在500~2000Hz范圍內(nèi)。本階段中后期表現(xiàn)為在固有頻率附近出現(xiàn)邊頻。(3)可以聽(tīng)到噪聲,溫度略有升高,出現(xiàn)滾動(dòng)軸承故障頻率及其諧波頻率。故障進(jìn)一步擴(kuò)展時(shí),出現(xiàn)較多的滾動(dòng)軸承故障頻率的諧波頻率,并且邊帶頻率的數(shù)量增多。(4)軸承工作時(shí)的噪聲強(qiáng)度改變,溫度明顯升高,這一階段影響1倍頻,并引起其他倍頻分量的增大,軸承故障頻率和固有頻率開(kāi)始消失被隨機(jī)振動(dòng)或噪聲所代替［5］。通過(guò)研究軸承各故障階段的特點(diǎn),由圖1發(fā)現(xiàn)在軸承發(fā)生早期故障時(shí),振動(dòng)信號(hào)是最先有所反應(yīng)的。由于振動(dòng)信號(hào)對(duì)于軸承早期故障的敏感性好,本文選用振動(dòng)分析方法來(lái)進(jìn)行軸承的早期故障診斷。軸承故障的第一階段故障信號(hào)表現(xiàn)不明顯,雖然可以通過(guò)用超聲、振動(dòng)尖峰能量聲發(fā)射測(cè)量出來(lái),但是這是一個(gè)不能在線診斷的方法,且診斷精度也不能保證。根據(jù)第二階段特點(diǎn),局部故障產(chǎn)生的沖擊振動(dòng)會(huì)激起軸承系統(tǒng)各部件的高頻固有振動(dòng),從而導(dǎo)致幅值調(diào)制現(xiàn)象,低頻調(diào)制信號(hào)的頻率與滾動(dòng)軸承發(fā)生局部故障的類(lèi)型有關(guān),因此,只要能夠找出低頻調(diào)制的頻率就可以判斷出軸承哪一部件發(fā)生了故障。2次曲線擬合的計(jì)算階比跟蹤技術(shù)變速恒頻風(fēng)力發(fā)電機(jī)的轉(zhuǎn)速一直隨風(fēng)速變化,采集到的振動(dòng)信號(hào)中主要的頻率成分受轉(zhuǎn)速的影響而不斷發(fā)生變化。傳統(tǒng)的頻譜分析方法對(duì)非平穩(wěn)信號(hào)進(jìn)行分析時(shí)會(huì)產(chǎn)生明顯的頻率混疊現(xiàn)象。為了更好地對(duì)旋轉(zhuǎn)機(jī)械的非平穩(wěn)信號(hào)進(jìn)行分析,揭示其頻率隨時(shí)間變化的規(guī)律,提出階比分析技術(shù)來(lái)準(zhǔn)確的提取故障頻率［6］。傳統(tǒng)的階比分析方法有硬件階比跟蹤技術(shù)和計(jì)算階比跟蹤技術(shù),硬件階比跟蹤技術(shù)會(huì)受到現(xiàn)場(chǎng)安裝條件的限制且需要昂貴的相關(guān)設(shè)備,也不利于虛擬儀器的開(kāi)發(fā)。而現(xiàn)有的計(jì)算跟蹤技術(shù)也存在一些問(wèn)題,或者精度不高,或者計(jì)算效率低。在總結(jié)了現(xiàn)有計(jì)算階比跟蹤技術(shù)的基礎(chǔ)上,本文提出二次曲線擬合的計(jì)算階比重采樣。其基本思想是假定轉(zhuǎn)子在短時(shí)間內(nèi)(至少連續(xù)3個(gè)脈沖間隔)是勻角加速運(yùn)動(dòng),根據(jù)已知的3個(gè)脈沖時(shí)刻值,求出二次曲線的系數(shù),得到二次曲線方程,進(jìn)而得到階比重采樣時(shí)刻,最后根據(jù)重采樣時(shí)刻對(duì)原始振動(dòng)信號(hào)重采樣,得到準(zhǔn)平穩(wěn)的角域信號(hào)。通常,為了確定重采樣的時(shí)間點(diǎn)首先要計(jì)算等角度發(fā)生的時(shí)刻序列,假設(shè)轉(zhuǎn)子在短時(shí)間內(nèi)是勻角加速度運(yùn)動(dòng),轉(zhuǎn)過(guò)的角度θ可表示為:式中:b0,b1,b2為待定系數(shù);已知連續(xù)3個(gè)脈沖的到達(dá)時(shí)刻值t1,t2,t3。設(shè)定兩個(gè)脈沖之間轉(zhuǎn)過(guò)的角度為將式(2)代入式(1)中求解系數(shù)b0,b1,b2,可得任意轉(zhuǎn)角下θ所對(duì)應(yīng)的時(shí)刻t,則重采樣時(shí)刻的基本計(jì)算公式為式中:tk是轉(zhuǎn)過(guò)角位置為θk時(shí)所對(duì)應(yīng)的時(shí)間。通過(guò)二次曲線擬合計(jì)算階比重采樣時(shí)刻的方法,可適用于轉(zhuǎn)速變化較大或精度要求較高的場(chǎng)合,本文中使用的二次曲線擬合方法滿(mǎn)足精度要求。3風(fēng)景設(shè)備的早期故障診斷3.1emd噪聲準(zhǔn)則經(jīng)驗(yàn)?zāi)Ｊ椒纸獾闹饕枷胧前岩粋€(gè)時(shí)間序列的信號(hào)分解為不同尺度的基本模式分量,它是由美國(guó)學(xué)者Huang［7］于1998年首次提出的。通過(guò)把一個(gè)時(shí)間序列的信號(hào)經(jīng)過(guò)EMD,分解為一組IMF分量,然后把某些有用的IMF分量進(jìn)行組合,便可構(gòu)成高通、低通、帶通濾波器。但是多數(shù)的降噪應(yīng)用都是將EMD得到的高頻分量作為噪聲直接去除,很多情況下有可能將有用的信號(hào)成分去除。對(duì)滾動(dòng)軸承而言,與故障有關(guān)的沖擊信號(hào)通常都處于較高頻率段,所以上述方法對(duì)滾動(dòng)軸承降噪行不通,因此有必要對(duì)EMD降噪準(zhǔn)則進(jìn)行討論。本文結(jié)合前人的研究成果及滾動(dòng)軸承故障信號(hào)具有沖擊的特征,提出了兩條降噪準(zhǔn)則?；诨ハ嚓P(guān)的偽分量的判定由于插值誤差、邊界效應(yīng)以及過(guò)分解等原因,在EMD分解中常會(huì)出現(xiàn)偽分量,即與原始信號(hào)無(wú)關(guān)的分量,這些偽分量所含有的頻率成分存在與特征頻帶重合的可能,所以應(yīng)該采取辦法將其辨別出來(lái),予以剔除。文獻(xiàn)中提出了一種基于互相關(guān)的偽分量判定方法,通過(guò)IMF與原始信號(hào)之間的互相關(guān)系數(shù)來(lái)判定IMF的真?zhèn)?各IMF與原信號(hào)的相關(guān)性約等于各IMF的自相關(guān);而偽分量與原信號(hào)的相關(guān)性很小。因此,從分解后各IMF與原信號(hào)的相關(guān)性分析中,可以看出各IMF的真?zhèn)?。定義分解出的各IMF與原信號(hào)的互相關(guān)系數(shù)為:式中:Rs，cj(τ)為各IMF與原始信號(hào)的互相關(guān);Rs(τ)為原始信號(hào)的自相關(guān)。把分解后各IMF與原信號(hào)的相關(guān)系數(shù)的大小作為評(píng)定各IMF是否為偽分量的指標(biāo)。復(fù)雜沖擊成分的特征峭度指標(biāo)是描述波形尖峰度的一個(gè)無(wú)量綱參數(shù),峭度指標(biāo)K的定義為:式中:μ為信號(hào)x的均值;σ為信號(hào)x的標(biāo)準(zhǔn)差。當(dāng)信號(hào)近似服從正態(tài)分布時(shí),其峭度指標(biāo)約為3,而當(dāng)信號(hào)存在較多沖擊成分時(shí),峭度指標(biāo)明顯增大。當(dāng)滾動(dòng)軸承正常運(yùn)轉(zhuǎn)時(shí),其振動(dòng)信號(hào)的幅值分布接近于正態(tài)分布,因此其峭度指標(biāo)約等于3。當(dāng)滾動(dòng)軸承發(fā)生局部故障時(shí),由故障引起的沖擊振動(dòng)信號(hào)明顯偏離正態(tài)分布,且峭度指標(biāo)越大說(shuō)明信號(hào)中沖擊成分所占的比重越多,而滾動(dòng)軸承故障信息往往包含于這些沖擊成分較多的幅值調(diào)制信號(hào)中。當(dāng)某些IMF的峭度指標(biāo)大于3時(shí),說(shuō)明這些IMF中含有較多的沖擊成分,即原信號(hào)分解后較多的故障沖擊成分保留在這些IMF中。對(duì)這些IMF進(jìn)行重構(gòu),得到的合成信號(hào)其峭度指標(biāo)有著明顯的提高,故障越明顯,提高程度越大。3.2hilber時(shí)間-距離譜對(duì)EMD分解后得到的本征模態(tài)函數(shù)ci(t)進(jìn)行Hilbert變換,可以獲得Hilbert時(shí)頻譜和邊際譜,算法如下［9］:(1)赫爾伯特變換(2)結(jié)構(gòu)分析功能(3)瞬時(shí)率(4)設(shè)置h，t振幅譜(5)根據(jù)振幅譜，hilber擴(kuò)展家譜可以得到4提取和診斷錯(cuò)誤特征的方法4.1故障復(fù)雜性分析信號(hào)的邊際譜,反映了周期性的故障特征沖擊成分及其劇烈程度,這時(shí)需要一個(gè)合適的指標(biāo),來(lái)準(zhǔn)確描述軸承的工作狀況和故障類(lèi)型。當(dāng)軸承分別在內(nèi)圈、外圈和滾動(dòng)體部位出現(xiàn)故障時(shí),在邊際譜中相應(yīng)的故障階次處會(huì)出現(xiàn)峰值,所以選取能表征故障類(lèi)型的故障特征頻率(依次表示fo,fi,fr)處的幅值為特征量,表示為M=[Afo,Afi,Afr]。通過(guò)處理實(shí)測(cè)振動(dòng)數(shù)據(jù)計(jì)算得出各個(gè)故障位置下的標(biāo)準(zhǔn)特征量,外圈,內(nèi)圈和滾動(dòng)體故障的標(biāo)準(zhǔn)特征量分別為Mo,Mi,Mr。計(jì)算實(shí)時(shí)的特征量和Mo,Mi,Mr的馬氏距離即可判斷故障位置。4.2角域穩(wěn)態(tài)信號(hào)的合成通過(guò)上述分析,利用基于角域信號(hào)IMF分量?jī)?yōu)化選取的提取滾動(dòng)軸承早期故障信息可以總結(jié)為以下幾個(gè)步驟:(1)對(duì)采集的振動(dòng)信號(hào)進(jìn)行等角域重采樣,轉(zhuǎn)化為角域穩(wěn)態(tài)信號(hào)。(2)對(duì)角域信號(hào)進(jìn)行EMD分解,得到一組IMF分量。(3)計(jì)算各IMF與原信號(hào)的互相關(guān)系數(shù)。(5)取互相關(guān)系數(shù)和峭度指標(biāo)均較大時(shí)對(duì)應(yīng)的IMF,將這些IMF相加,重構(gòu)得到合成信號(hào)。(6)對(duì)重構(gòu)信號(hào)進(jìn)行Hilbert變換,可以獲得Hilbert邊際譜,根據(jù)邊際譜中的故障特征頻率可以得出特征矩陣,計(jì)算實(shí)時(shí)的特征量和Mo,Mi,Mr的馬氏距離即可判斷故障位置。5深度分析和重構(gòu)信號(hào)的模擬本文在風(fēng)力發(fā)電機(jī)組實(shí)驗(yàn)臺(tái)上進(jìn)行了軸承故障實(shí)驗(yàn),實(shí)驗(yàn)臺(tái)(如圖2所示)主要由調(diào)速電機(jī)、齒輪箱與發(fā)電機(jī)組成,利用調(diào)速電機(jī)控制轉(zhuǎn)子轉(zhuǎn)速模擬變工況狀態(tài)。軸承座上裝有加速度傳感器,用來(lái)采集軸承的振動(dòng)加速度信號(hào),采樣頻率為8192Hz。采樣點(diǎn)數(shù)為16384個(gè)。發(fā)電機(jī)軸承為圓柱滾子軸承,軸承型號(hào)為NJ2326,其內(nèi)環(huán)故障特征頻率fi=8.3794fn;外環(huán)故障特征頻率fo=5.6522fn;滾動(dòng)體故障特征頻率fr=4.9802fn;fn為齒輪箱高速軸的旋轉(zhuǎn)頻率。試驗(yàn)時(shí)將轉(zhuǎn)子由800r/min加速到1200r/min。通過(guò)線切割的方式在外圈開(kāi)淺槽來(lái)模擬軸承外圈早期故障,為驗(yàn)證該方法對(duì)淺槽深度的要求,固定淺槽寬度為0.2mm,試驗(yàn)參數(shù)設(shè)定如表1所示。以第三組實(shí)驗(yàn)為例介紹本文的實(shí)驗(yàn)處理方法,圖3是原始信號(hào)時(shí)域圖,槽深為0.3mm。由圖中可以看出:信號(hào)的幅值隨著輸入軸轉(zhuǎn)速的升高而逐漸增大,說(shuō)明齒輪箱的振動(dòng)信號(hào)與輸入軸的轉(zhuǎn)速有直接的關(guān)系。同時(shí),該信號(hào)為一個(gè)非平穩(wěn)的過(guò)程信號(hào),信號(hào)中包含的頻率隨轉(zhuǎn)速的不斷變化,需要對(duì)其進(jìn)行角域重采樣轉(zhuǎn)化成角域的準(zhǔn)平穩(wěn)信號(hào)。圖3中下圖是對(duì)原始振動(dòng)信號(hào)進(jìn)行角域重采樣后的信號(hào),與圖3中上圖的原始時(shí)域信號(hào)相比,其穩(wěn)定性已大為改善。圖4是對(duì)重采樣后的角域信號(hào)進(jìn)行的EMD分解圖,槽深為0.3mm。按照從高頻到低頻的順序排列。計(jì)算各IMF與原信號(hào)的互相關(guān)系數(shù)及各自峭度指標(biāo)如表2所示。由表2可以得出C1,C2,C3的峭度指標(biāo)大于3且相關(guān)系數(shù)較大,提取這3個(gè)IMF分量重構(gòu)信號(hào),圖5是重構(gòu)后的角域信號(hào),槽深為0.3mm,圖中可以看出,時(shí)域波形沖擊成分更明顯,保留了高頻共振成分,也減少了低頻干擾的影響。對(duì)重構(gòu)信號(hào)進(jìn)行Hilbert變換獲得圖6的Hilbert邊際譜,Hilbert邊際譜可以看出信號(hào)的幅值隨階比的變化情況,根據(jù)邊際譜獲得待檢樣本特征矩陣為M1=(5.6522,0.3751,0.1568),分別計(jì)算M1和Mo,Mi,Mr的馬氏距離為do=0.256,di=5.278,dr=4.954,其中do最小,因此可以判斷該軸承外圈存在早期故障。圖6中槽深為0.3mm。而試驗(yàn)1和2中由于淺槽深度較淺,從邊際譜圖中不能檢測(cè)出故障頻率,如圖7和8所示。故得出結(jié)論:本文提出的中風(fēng)電機(jī)組的軸承早期故障診斷方法對(duì)軸承損傷的淺槽深度要求為0.3mm。6故障振動(dòng)信號(hào)分析(1)風(fēng)力發(fā)電機(jī)軸承在變工況環(huán)境下工作,利用階比分析方法能夠解決傳統(tǒng)的頻譜分析法難以克服的“頻率模糊”現(xiàn)象,將