基于多尺度線調(diào)頻基稀疏信號分解的風力發(fā)電機組故障診斷研究.pdf

1、隨著石化燃料不斷減少與環(huán)境保護壓力日益增大,風能的開發(fā)利用迅猛發(fā)展,風力發(fā)電機組的裝機容量迅速增加。大型風力發(fā)電機組工作的自然環(huán)境惡劣,負載變化復雜,導致了其較高的故障率。研究風力發(fā)電機的狀態(tài)監(jiān)測與故障診斷技術(shù),對于保障風力發(fā)電機的安全、穩(wěn)定運行具有重要意義。
　　 大型風力發(fā)電機組的狀態(tài)監(jiān)測與故障診斷有兩個主要特點:一是大型風力發(fā)電機組結(jié)構(gòu)復雜、故障類型多,需要建立相應的狀態(tài)監(jiān)測與故障診斷系統(tǒng)模型;二是大型風力發(fā)電機組在變轉(zhuǎn)速

2、、變負載工況下工作,監(jiān)測信號通常是頻率呈曲線變化的非平穩(wěn)信號。本文在國家高技術(shù)研究發(fā)展計劃(863計劃)項目“大型風力發(fā)電機組狀態(tài)監(jiān)控與故障診斷技術(shù)研究”(項目編號:2009AA04Z414)和國家自然科學基金項目“多尺度線調(diào)頻基稀疏信號分解方法及其在機械故障診斷中的應用研究”(項目批準號:50875078)資助下,深入研究了大型風力發(fā)電機故障診斷技術(shù),根據(jù)風力發(fā)電機組的結(jié)構(gòu)和故障特點,建立了大型風力發(fā)電機組狀態(tài)監(jiān)測與故障診斷系統(tǒng)模型,

3、針對現(xiàn)有信號處理方法時頻聚集性不夠,抗噪性不強,無法有效提取變轉(zhuǎn)速工況下大型風力發(fā)電機組非平穩(wěn)信號特征的問題,研究了基于多尺度線調(diào)頻基的稀疏信號分解方法,并將其應用于變轉(zhuǎn)速工況下風力發(fā)電機的齒輪和滾動軸承故障診斷。本文的主要研究工作有:
　　 (1)針對大型風力發(fā)電機組的結(jié)構(gòu)和故障特點,建立了風力發(fā)電機組的狀態(tài)監(jiān)測與故障診斷系統(tǒng)模型,介紹了大型風力發(fā)電機組的故障診斷技術(shù)。
　　 (2)針對現(xiàn)有信號處理方法時頻聚集性不夠,

4、抗噪性不強,無法有效提取變轉(zhuǎn)速工況下大型風力發(fā)電機組非平穩(wěn)信號特征的問題,研究了基于多尺度線調(diào)頻基的稀疏信號分解方法,該方法具有較高的時頻聚集性、分解的自適應性、表示的稀疏性和較強的抗噪能力,非常適合于非平穩(wěn)信號的分析處理。
　　 (3)針對變轉(zhuǎn)速工況下大型風力發(fā)電機組齒輪故障振動信號調(diào)制邊頻帶難以識別的問題,提出了基于多尺度線調(diào)頻基稀疏信號分解的階比分析方法。該方法可以有效地提取齒輪的嚙合分量與調(diào)制邊頻分量,從嚙合分量的時頻分

5、布曲線得到瞬時轉(zhuǎn)頻估計,將非平穩(wěn)的分量信號轉(zhuǎn)變?yōu)槠椒€(wěn)信號,進而清楚直觀地判斷齒輪故障。與傳統(tǒng)的直接對齒輪箱故障振動信號進行階比分析的方法比較,結(jié)果表明該方法抗噪性強,調(diào)制邊頻帶識別效果好,且無需轉(zhuǎn)速計。仿真算例與應用實例驗證了該方法的有效性。
　　 (4)針對變轉(zhuǎn)速工況下大型風力發(fā)電機組滾動軸承故障特征信息難以提取的問題,提出了一種基于多尺度線調(diào)頻基稀疏信號分解的廣義解調(diào)方法。該方法先采用基于多尺度線調(diào)頻基的稀疏信號分解方法分解

6、頻率呈曲線變化的多分量信號,得到瞬時頻率和瞬時幅值都具有物理意義的單分量信號及其相位函數(shù),再基于獲取的各分量信號的相位函數(shù)對原信號進行廣義解調(diào)處理,從而將非平穩(wěn)信號轉(zhuǎn)化為平穩(wěn)信號。當轉(zhuǎn)速變化時,滾動軸承故障特征頻率呈曲線變化,對滾動軸承故障振動信號進行基于多尺度線調(diào)頻基的稀疏信號分解,提取包絡(luò)信號分量,再對包絡(luò)信號分量進行廣義解調(diào),根據(jù)廣義解調(diào)后分量信號頻率成分與轉(zhuǎn)頻的關(guān)系即可判斷滾動軸承的故障部位和類型。仿真信號與軸承內(nèi)外圈故障振動信