一种风电机组行星齿轮箱故障诊断方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107907327A(43)申请公布日2018.04.13(21)申请号201711122369.X(22)申请日2017.11.14(71)申请人上海电力学院地址200090上海市杨浦区平凉路2103号(72)发明人李东东周文磊赵耀郑小霞王浩边晓燕(74)专利代理机构上海科盛知识产权代理有限公司31225代理人宣慧兰(51)Int.Cl.G01M13/02(2006.01)权利要求书1页说明书5页附图4页(54)发明名称一种风电机组行星齿轮箱故障诊断方法(57)摘要本发明涉及一种风电机组行星齿轮箱故障诊断方法，包括以下步骤：1、利用奇异值差分谱法对采集的振动信号中的高频冲击信号和噪声信号的复合分量进行提取；S2、对采集的振动信号添加白噪声进行N次EEMD分解，得到一系列本征模态函数，其中，白噪声的添加准则为：3、计算步骤2得到的本征模态函数的分形维数，得到对应的分形维数曲线；4、将分形维数曲线与正常信号和不同实际故障曲线对比，根据曲线相似度判定振动信号所属的故障位置和故障类型。与现有技术相比，本发明使EEMD方法分解过程可以自适应设定白噪声大小和分解次数，解决了传统EEMD模态混叠和参数设定的盲目性问题，具有分解效果好、分解效率高等优点。CN107907327ACN107907327A权利要求书1/1页1.一种风电机组行星齿轮箱故障诊断方法，其特征在于，包括以下步骤：S1、利用奇异值差分谱法对采集的振动信号中的高频冲击信号和噪声信号的复合分量进行提取；S2、对采集的振动信号添加白噪声进行N次EEMD分解，得到一系列本征模态函数，其中，白噪声的添加准则为：e表示添加白噪声的标准差，表示经过奇异值差分谱法提取出的高频冲击分量和噪声分量信号复合分量的标准差；S3、计算步骤S2得到的本征模态函数的分形维数，得到对应的分形维数曲线；S4、将分形维数曲线与正常信号和不同故障实际曲线对比，根据曲线相似度判定振动信号所属的故障位置和故障类型。2.根据权利要求1所述的一种风电机组行星齿轮箱故障诊断方法，其特征在于，所述白噪声e的添加准则为：3.根据权利要求1所述的一种风电机组行星齿轮箱故障诊断方法，其特征在于，所述EEMD分解的次数N为：其中，ε表示允许分解误差。4.根据权利要求3所述的一种风电机组行星齿轮箱故障诊断方法，其特征在于，所述允许分解误差ε为2％。5.根据权利要求1所述的一种风电机组行星齿轮箱故障诊断方法，其特征在于，所述分形维数的计算方法为通过最小二乘法计算信号的网格维数。6.根据权利要求1所述的一种风电机组行星齿轮箱故障诊断方法，其特征在于，所述步骤S4具体包括：S41、将第一层分形维数曲线与正常信号和表示不同故障位置的实际曲线对比，若与第一层分形维数曲线最相似的实际曲线为故障曲线，则将其对应的故障位置作为振动信号所属的故障位置，进行步骤S42，否则判定振动信号为正常信号，结束判定；S42、将第二层分形维数曲线与已确定故障位置的不同故障类型的实际曲线对比，将最相似的实际曲线对应的故障类型作为振动信号所属的故障类型。7.根据权利要求1所述的一种风电机组行星齿轮箱故障诊断方法，其特征在于，所述故障位置包括：行星轮和太阳轮。8.根据权利要求1所述的一种风电机组行星齿轮箱故障诊断方法，其特征在于，所述故障类型包括：断齿、点蚀、磨损和缺齿。2CN107907327A说明书1/5页一种风电机组行星齿轮箱故障诊断方法技术领域[0001]本发明涉及风电机组故障检测领域，尤其是涉及一种风电机组行星齿轮箱故障诊断方法。背景技术[0002]行星齿轮箱是风电机组中重要部件。由于其本身结构复杂，且经常处在复杂多变的运行工况下。导致风电机组的行星齿轮箱是风电机组中故障率最高的部件之一，且其故障引起停机时间最长。所以对于该部件实现准确、迅速的故障定位具有极大研究意义。[0003]在众多故障检测方法中，EMD方法作为一种全新的、创造性的信号时频处理方法，对于非线性、非平稳信号的分析的效果显著，所以在风电故障检测中使用率极高，并且取得了较好的实际应用效果。但当信号的极值点分布不均匀时，EMD分解易导致“过冲”、“欠冲”现象，进而造成模态混叠现象。[0004]为了解决模态混叠问题针对上述缺陷，研究人员提出了EEMD方法，从解决极值点分布问题出发，通过在初始信号中添加高斯白噪声来使极值点分布均匀化，以达到减小模态混叠影响提高分解效果的目地。该方法在一定程度上改善了模态混叠现象，但添加噪声所需两个重要参数即白噪声标准差和总体平均次数均需人为经验选择，由于掺杂了人为经验干预，大大影响了分解效果以及方法的自适应性。另一方面，分形维数作为衡量信号分形特征的手段，与信号的频率和振幅关系密切，该方法