[发明专利]一种风电机组主轴故障的诊断方法

说明书

本发明提出了一种风电机组主轴故障的诊断方法，包括振动信号采集、VMD变分模态分解、敏感因子评估、信号重构、VPMCD故障诊断，通过对风机振动信号进行VMD分析，将信号分解成一组不同频率的模态分量，由于故障特征通常只出现在特定的频段，因此采用敏感因子对模态分量进行评估分析，筛选包含故障特征的分量，排除噪声干扰分量，进而重构信号，凸显故障信息；然后提取重构信号的特征值构成特征识别向量，结合VPMCD方法通过建立特征值内在关系进行故障诊断，避免了传统分类器主观参数选择和寻优过程，缩短了故障诊断时间。

技术领域

本发明涉及故障诊断技术领域，尤其涉及风电机组主轴故障诊断，具体涉及一种风电机组主轴故障的诊断方法。

背景技术

随着我国对非化石能源着重发展，风力发电的装机容量逐年增长。其中，直驱风力发电机因发电效率高、维护成本低、电网接入性能优异等优点，逐步成为主流趋势。然而，由于风电场多位于恶劣环境，运行工况复杂，导致机组运行部件容易损坏，尤其是主轴发生故障，如果未能及时发现处理，将直接引起停机事故，造成巨大损失。因此，近年来很多学者对风机主轴故障诊断进行深入研究，取得了丰富成果。有的利用经验模态分解(empiricalmode decomposition，EMD)实现风电机组滚动轴承故障特征的提取；有的将局部均值分解(local mean decomposition，LMD)和近似熵结合，对滚动轴承故障类型进行分类；有的针对LMD方法的模态混叠问题，加入自适应高频谐波，成功提取轴系的不平衡故障特征。EMD和LMD方法均属于递归模式分解，这种分解模式存在端点效应，导致包络发生形变，造成分解的不准确，成为此类方法分析处理信号的局限。

发明内容

为了解决上述的技术问题，本发明提供一种风电机组主轴故障的诊断方法，其目的在于，提供一种能够自动识别主轴故障类别的诊断方法，解决故障诊断过程中分类不准确的问题。

本发明提供一种风电机组主轴故障的诊断方法，包括：

步骤1，振动信号采集：

通过安装在风电机组主轴座上的传感器获取振动信号；

步骤2，VMD变分模态分解：

对所述振动信号进行VMD变分模态分解，得到多个不同频率下的模态分量；

步骤3，敏感因子评估：

计算每个模态分量的敏感因子，评估每个模态分量包含故障特征程度；

步骤4，信号重构：

剔除噪声干扰，重构信号，计算各重构信号的特征向量，构建模态分析向量；

步骤5，VPMCD故障诊断：

用预测模型对所述模态分析向量进行故障识别，计算主轴状态VPM的误差平方和，以最小值为判定进行分类识别；

其中，VMD为变分模态分解，VPMCD为变量预测模型的模式识别，所述主轴状态包括正常、外圈故障、内圈故障、滚动体故障。

作为本发明进一步的改进，步骤1中所述传感器为加速度传感器。

作为本发明进一步的改进，步骤2具体包括：

步骤201，将所述振动信号分解为K个单分量模态函数，所述单分量模态函数为限带内禀模态函数：

其中，f(t)为振动信号，u_k(t)为第k个限带内禀模态函数，第A_k(t)为包络线， 为相位函数，t为时间；

步骤202，估算每个单分量模态函数的频率带宽，建立变分约束模型：