[发明专利]利用时间序列峰值搜索的风电齿轮振动信号阶次分析方法

说明书

本发明公开了一种利用时间序列峰值搜索的风电齿轮振动信号阶次分析方法，包括以下步骤：步骤S1，将原始振动信号进行带通滤波生成参考信号；步骤S2，搜索参考信号峰值生成等角增量时间序列步骤S3，通过插值重采样将S2所得序列生成细化等角增量时间序列t(mΔθ)；步骤S4，利用细化时间序列t(mΔθ)将源信号y(mΔt)通过插值重采样转换称为角域信号y(mΔθ)：步骤S5，对角域重采样信号y(mΔθ)实施傅里叶变换生成阶次谱，进行阶次谱分析。所述方法有效降低了时间角位移关系函数的误差，使阶次谱能量聚集度和频率特征辨识度明显提高，适用于风电齿轮箱振动信号频谱分析和故障诊断。

技术领域

本发明涉及动态信号处理领域，具体涉及一种利用时间序列峰值搜索的风电齿轮振动信号阶次分析方法。

背景技术

风力发电是一种节能环保的发电技术，可以一定程度缓解煤炭等化石能源的消耗压力，减少环境污染。风电齿轮箱作为风力发电机组的核心部件，其运行的安全可靠性决定了风力发电机组的使用寿命、维护成本和经济效益。

风电齿轮箱多为行星齿轮系和定轴齿轮系复合传动的齿轮箱，其在高速重载及变速变载的恶劣条件下运行，故障率较高；风电机组体积庞大且安装在偏远地区，维护成本占发电效益的20％以上。为提高机组的可靠性降低维护成本，通过采集风电行星齿轮箱的振动信号进行处理，提取其中的齿轮箱信号特征并与故障特征进行比对的故障诊断的方法应运而生并快速发展。

因风电齿轮箱结构复杂且通常在变速工况下运行，故其振动信号表现出复杂的非平稳性，频谱能量分散、特征模糊，不利于机械状态分析和故障诊断。阶次跟踪方法将时域信号变换到角域或阶次域进行谱分析可提高频谱特征辨识度。域变换过程需要获取时间角位移函数作为域变换的参考函数，现有典型阶次跟踪分析方法获取时间角位移函数包含两个主要中间步骤即通过时频分析方法提取瞬时转速(IAS)和对所提取的瞬时转速积分求取瞬时角位移，而这两个中间步骤容易引入误差，因此对于实际风电现场很多复杂振动信号，通过现有方法得到的阶次谱能量集中度与信号谱特征常不能完全满足谱特征分析的需要。

发明内容

本发明的目的是针对现有技术中阶次跟踪法存在的问题，提供了一种新的利用时间序列峰值搜索的风电齿轮振动信号阶次分析方法，所述方法省略了现有阶次分析方法的求取瞬时频率和通过对瞬时频率积分求取角位移的两个容易产生误差的中间步骤，提高了时间角位移函数的精度，降低了阶次跟踪分析域变换过程的误差，因此进一步有效提高了阶次谱能量集中度和信号谱特征辨识度。

本发明的目的可以通过如下技术方案实现：

一种利用时间序列峰值搜索的风电齿轮振动信号阶次分析方法，包括以下步骤：

步骤S1、将原始振动信号进行带通滤波生成参考信号；

步骤S2、搜索并采集参考信号各峰值点的时间标签，生成等角增量时间序列等效于时间-角位移关系函数，其中n＝1,2,...,N，N表示单位角位移增量的总个数，为单位角位移增量；

步骤S3、将等角增量时间序列插值重采样生成细化等角增量时间序列t(mΔθ)，其中m＝1,2,...,M，单位角位移增量细化为Δθ，M表示单位角位移增量Δθ的总个数，NM；并使细化后的等角增量时间序列采样长度与原始振动信号y(mΔt)采样长度相同；

步骤S4、利用细化等角增量时间序列t(mΔθ)将原始振动信号y(mΔt)通过插值重采样转换为角域重采样信号y(mΔθ)；

步骤S5、对角域重采样信号y(mΔθ)实施傅里叶变换生成阶次谱，进行阶次谱分析。

进一步地，步骤S1中，首先对原始振动信号进行频谱分析，以确定带通滤波器的中心频率及带宽后，再进行带通滤波生成参考信号。

进一步地，步骤S1中的带通滤波器选择频率响应曲线较平坦的巴特沃斯滤波器。