[发明专利]齿轮箱故障诊断方法及装置

说明书

技术领域

本发明涉及风电技术领域，特别是涉及一种基于多尺度小波分析和希尔伯特变换的面向多故障的新型齿轮箱故障诊断方法及装置。

背景技术

近年来，风力发电技术在新能源领域得到了迅速发展。由于风电机组的运行环境恶劣，当机组发生故障时设备维修工作困难，因此平时要加强对风电机组的主动维护，避免被动维修带来的困难。而齿轮箱是风电机组中的重要部件之一，众所周知，齿轮箱故障在整个风电机组机械故障中占有很大比例，是一种常见故障，因此对齿轮箱的故障检测显得极为重要。在现有风电机组维修体系中，大多数仍然采用事后维修和定期维修的方式，这容易造成大量人力物力的浪费。

为了提高整台风机的可靠性，降低整机的运行维护成本，延长风机的盈利时间，需要提供一种面向多故障且能及时有效判断出故障类型的齿轮箱故障诊断方法。

发明内容

本发明的目的在于，提供一种齿轮箱故障诊断方法，基于多尺度小波分析和希尔伯特变换，利用故障发生前期微弱的故障征兆，用小波降噪技术滤除齿轮箱振动信号中的噪声，然后对信号进行多尺度小波分解，通过分析低频重构信号，来预测是否将要产生故障，如果确定故障将要发生，再对高频重构信号进行希尔伯特变换，通过分析能量包络谱相应的波形参数值来判定预测故障的类型，实现简单、有效的对齿轮箱故障进行诊断。

为达到上述目的，本发明提供了一种齿轮箱故障诊断方法，包括以下步骤：（1）采用小波降噪法对齿轮箱的振动信号数据进行去噪处理；（2）对去噪后的振动信号进行多尺度小波分解，得到不同分解尺度信号的分解图形；（3）进行多尺度小波重构，分别得到低频重构信号和高频重构信号；（4）将所述低频重构信号与预先获取的同一尺度无故障状态下的低频重构信号比较，若有差异且差异有增大趋势，则判定有发生故障的趋势。

进一步，步骤（1）中小波降噪法的小波函数选为sym5，采用极大极小软阈值去噪。

步骤（2）中进一步对去噪后的振动信号进行以db5为小波函数的5层小波分解。

所述方法在步骤（4）判定有发生故障的趋势之后进一步包括：（5）对所述高频重构信号进行希尔伯特变换得到相应包络谱；（6）将所述包络谱与预先获取的同一尺度无故障状态下的高频重构信号的希尔伯特变换包络谱比较，判断将要产生的故障的类型。

为达到上述目的，本发明还提供了一种齿轮箱故障诊断装置，包括：去噪模块、小波分解模块、小波重构模块以及第一比较模块；所述去噪模块采用小波降噪法对齿轮箱的振动信号数据进行去噪处理；所述小波分解模块与所述去噪模块相连，用于对经过所述去噪模块去噪后的振动信号进行多尺度小波分解，得到不同分解尺度信号的分解图形；所述小波重构模块与所述小波分解模块相连，用于对所述小波分解模块获取的分解图形进行多尺度小波重构，分别得到低频重构信号和高频重构信号；所述第一比较模块与所述小波重构模块相连，用于将所述小波重构模块重构的低频重构信号与预先获取的同一尺度无故障状态下的低频重构信号比较，若有差异且差异有增大趋势，则判定有发生故障的趋势。

进一步，所述去噪模块中小波降噪法的小波函数选为sym5，采用极大极小软阈值去噪。

所述小波分解模块进一步对去噪后的振动信号进行以db5为小波函数的5层小波分解。

所述装置进一步包括变换模块以及第二比较模块；所述变换模块分别与所述第一比较模块以及小波重构模块相连，用于在所述第一比较模块判定有发生故障的趋势后，对所述小波重构模块重构的高频重构信号进行希尔伯特变换得到相应包络谱；所述第二比较模块与所述变换模块相连，用于将所述变换模块获取的包络谱与预先获取的同一尺度无故障状态下的高频重构信号的希尔伯特变换包络谱比较，判断将要产生的故障的类型。

本发明齿轮箱故障诊断方法及装置的优点是：利用故障发生前期微弱的故障征兆，首先用小波降噪技术滤除齿轮箱振动信号中的噪声，然后对信号进行多尺度小波分解，通过分析低频重构信号，来预测是否将要产生故障，如果确定故障将要发生，再对高频重构信号进行希尔伯特变换，通过分析能量包络谱相应的波形参数值来判定预测故障的类型。简单、有效的实现面向多故障的齿轮箱故障诊断，提高整台风机的可靠性，降低整机的运行维护成本，延长风机的盈利时间。

附图说明

图1是本发明齿轮箱故障诊断方法的流程图；

图2是本发明齿轮箱故障诊断装置的架构示意图。

具体实施方式