一種基于盲源分離的風力機主軸承故障診斷方法
【專利摘要】一種基于盲源分離的風力機主軸承故障診斷方法，涉及一種軸承故障診斷方法，當多個源信號在未知混合路徑的情況下混疊后，采集的信號很難確定故障類型。依據(jù)最小互信息目標函數(shù)，利用不同源之間的非平穩(wěn)特性可提取故障特征。假設源信號相互統(tǒng)計獨立為前提，因為各個信號來自不同的信號源，信號混合特點有非線性和時滯性。本發(fā)明通過小波分析對聲發(fā)射信號進行提取，對風力發(fā)電機主軸承的聲發(fā)射信號進行了分離，實現(xiàn)了對風力機主軸承聲發(fā)射故障信號的特征提取?？捎行駝有盘柌杉^程中混入的噪聲，同時分離未知個數(shù)的故障源，為風力機主軸承故障識別診斷提供理論依據(jù)。
【專利說明】-種基于盲源分離的風力機主軸承故障診斷方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種軸承故障診斷方法，特別是涉及一種基于盲源分離的風力機主軸 承故障診斷方法。

【背景技術(shù)】
[0002] 風力機主軸承的疲勞、裂紋等故障，是由于滾動軸承在運轉(zhuǎn)過程中經(jīng)常受到交變 載荷作用，使軸承金屬件內(nèi)部產(chǎn)生位錯運動和塑性變形，首先產(chǎn)生疲勞裂紋源，然后沿著最 大切應力方向向金屬內(nèi)部擴展，當擴展到某一臨界尺寸時就會發(fā)生瞬時斷裂。而疲勞磨損 是由于循環(huán)接觸壓應力周期性地作用在摩擦表面上，使表面材料疲勞而產(chǎn)生微粒脫落的現(xiàn) 象。這種故障的發(fā)生過程是在初期階段，金屬內(nèi)晶格發(fā)生彈性扭曲；當晶格的彈性應力達 到臨界值后，開始出現(xiàn)微觀裂紋，微觀裂紋再進一步擴展，就會在軸承的內(nèi)、外圈滾道上出 現(xiàn)麻點、剝落等疲勞損壞故障。保持架斷裂處在軸承轉(zhuǎn)動過程中會與滾動體及內(nèi)外滾道或 斷裂部分之間相互摩擦碰撞，導致聲發(fā)射現(xiàn)象。這些故障的發(fā)生與發(fā)展，都伴隨著聲發(fā)射信 號的產(chǎn)生。各種材料聲發(fā)射的頻率范圍很寬，金屬材料聲發(fā)射頻率可達幾十到幾百兆赫，其 信號的強度差異一般只有幾微伏。由于滾動軸承的故障信息較微弱，而背景噪聲強，因此與 傳統(tǒng)的振動信號分析法比較，用聲發(fā)射法進行故障監(jiān)測診斷精確。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種基于盲源分離的風力機主軸承故障診斷方法，本發(fā)明 通過小波分析對聲發(fā)射信號進行提取，對風力發(fā)電機主軸承的聲發(fā)射信號進行了分離，實 現(xiàn)了對風力機主軸承聲發(fā)射故障信號的特征提取。可有效消除振動信號采集過程中混入的 噪聲，同時分離未知個數(shù)的故障源，為風力機主軸承故障識別診斷提供理論依據(jù)。
[0004] 本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的： 一種基于盲源分離的風力機主軸承故障診斷方法，所述方法包括： 滾動軸承聲發(fā)射信號的小波分析：聲發(fā)射信號的高靈敏度很高，但是容易受到干擾，實 際工程中，聲發(fā)射信號采集過程中受到周圍環(huán)境噪聲的影響，而噪聲的時域特征可能隨機 地分布在整個采樣時間；所以，有必要對聲發(fā)射信號進行預先處理或結(jié)合其他方法進行消 噪；小波重構(gòu)聲發(fā)射信號排除了其它信號的干擾，更能表征聲發(fā)射源信息；為提高時域分 辨率可以通過小波的重構(gòu)算法，對每個小波分別進行重構(gòu)，重構(gòu)的方法包括多分辨率分析、 小波頻帶能量特征的提取，提取風力機主軸承聲發(fā)射信號的特征，在風力機試驗臺正常運 轉(zhuǎn)情況下采集主軸承聲發(fā)射信號的時域波形圖和功率譜圖，采用db3小波基對聲發(fā)射信號 進行7層小波分解，分解后的各層的能量分布不均，其中d3和最d4層對原信號最為接近， 最能反映出原信號的本質(zhì)特征，其他各層分解的信號與原信號差別都較大，為源信號在不 同頻段范圍的細節(jié)信號，風力機主軸承的聲發(fā)射信號的能譜主要集中在d3和d4層，為風 力機主軸承聲發(fā)射信號的提取提供了依據(jù)。
[0005] 所述的一種基于盲源分離的風力機主軸承故障診斷方法，所述聲發(fā)射源信息，包 括連續(xù)小波變換、離散小波變換、小波分解的信號重構(gòu) 所述的一種基于盲源分離的風力機主軸承故障診斷方法，所述小波分解的信號重構(gòu)， 原信號經(jīng)小波分解后得到的各個小波表示信號所包含的不同的頻率段，這些小波的頻帶相 鄰，帶寬一樣，小波分解對信號頻率劃分這個特性可以應用于信號的濾波。
[0006] 所述的一種基于盲源分離的風力機主軸承故障診斷方法，所述多分辨率分析，基 于多分辨率分析的快速小波變換是利用正交小波基將信號分解為不同尺度下的各個分量， 其實現(xiàn)過程相當于重復使用一組高通和低通濾波器對時間序列信號進行逐步分解，高通濾 波器產(chǎn)生信號的高頻細節(jié)分量，低通濾波器產(chǎn)生信號的低頻粗略分量，濾波器得到的2個 分量所占頻帶寬度相等。
[0007] 所述的一種基于盲源分離的風力機主軸承故障診斷方法，其特征在于，所述小波 頻帶能量特征的提?。?第一步：對聲發(fā)射信號進行多尺度小波分解；發(fā)射信號采樣頻率為100 kHz，為使基頻 fh=50 Hz位于最低子頻帶的中心，對各聲發(fā)射信號進行db3小波的7層分解，得到高頻小波 系數(shù)dl-d7和低頻小波系數(shù)a7,其對應的頻帶范圍分別為：50- 100kHz，25-50kHz，12. 5- 25kHz, 6. 25-12. 5kHz, 3. 125- 6. 25kHz, L 5625- 3. 125kHz,和 0- I. 5625kHz， 第二步：求各頻帶的總能量，即：

【權(quán)利要求】
1. 一種基于盲源分離的風力機主軸承故障診斷方法，其特征在于，所述方法包括： 滾動軸承聲發(fā)射信號的小波分析：聲發(fā)射信號的高靈敏度很高，但是容易受到干擾，實 際工程中，聲發(fā)射信號采集過程中受到周圍環(huán)境噪聲的影響，而噪聲的時域特征可能隨機 地分布在整個采樣時間；所以，有必要對聲發(fā)射信號進行預先處理或結(jié)合其他方法進行消 噪；小波重構(gòu)聲發(fā)射信號排除了其它信號的干擾，更能表征聲發(fā)射源信息；為提高時域分 辨率可以通過小波的重構(gòu)算法，對每個小波分別進行重構(gòu)，重構(gòu)的方法包括多分辨率分析、 小波頻帶能量特征的提取，提取風力機主軸承聲發(fā)射信號的特征，在風力機試驗臺正常運 轉(zhuǎn)情況下采集主軸承聲發(fā)射信號的時域波形圖和功率譜圖，采用db3小波基對聲發(fā)射信號 進行7層小波分解，分解后的各層的能量分布不均，其中d3和最d4層對原信號最為接近， 最能反映出原信號的本質(zhì)特征，其他各層分解的信號與原信號差別都較大，為源信號在不 同頻段范圍的細節(jié)信號，風力機主軸承的聲發(fā)射信號的能譜主要集中在d3和d4層，為風 力機主軸承聲發(fā)射信號的提取提供了依據(jù)。
2. 根據(jù)權(quán)利要求1所述的一種基于盲源分離的風力機主軸承故障診斷方法，其特征在 于，所述聲發(fā)射源信息，包括連續(xù)小波變換、離散小波變換、小波分解的信號重構(gòu)。
3. 根據(jù)權(quán)利要求1所述的一種基于盲源分離的風力機主軸承故障診斷方法，其特征在 于，所述小波分解的信號重構(gòu)，原信號經(jīng)小波分解后得到的各個小波表示信號所包含的不 同的頻率段，這些小波的頻帶相鄰，帶寬一樣，小波分解對信號頻率劃分這個特性可以應用 于信號的濾波。
4. 根據(jù)權(quán)利要求1所述的一種基于盲源分離的風力機主軸承故障診斷方法，其特征在 于，所述多分辨率分析，基于多分辨率分析的快速小波變換是利用正交小波基將信號分解 為不同尺度下的各個分量，其實現(xiàn)過程相當于重復使用一組高通和低通濾波器對時間序列 信號進行逐步分解，高通濾波器產(chǎn)生信號的高頻細節(jié)分量，低通濾波器產(chǎn)生信號的低頻粗 略分量，濾波器得到的2個分量所占頻帶寬度相等。
5. 根據(jù)權(quán)利要求1所述的一種基于盲源分離的風力機主軸承故障診斷方法，其特征在 于，所述小波頻帶能量特征的提?。?第一步：對聲發(fā)射信號進行多尺度小波分解；發(fā)射信號采樣頻率為100 kHz，為使基頻 fh=50 Hz位于最低子頻帶的中心，對各聲發(fā)射信號進行db3小波的7層分解，得到高頻小波 系數(shù)dl-d7和低頻小波系數(shù)a7,其對應的頻帶范圍分別為：50- 100kHz，25-50kHz，12. 5- 25kHz, 6. 25-12. 5kHz, 3. 125- 6. 25kHz, L 5625- 3. 125kHz,和 0- I. 5625kHz， 第二步：求各頻帶的總能量，即：
其中k為采樣點數(shù)；
第四步：歸一化處理；為便于分析，對向量進行如下處理：
【文檔編號】G01M13/04GK104374575SQ201410681970
【公開日】2015年2月25日 申請日期:2014年11月25日 優(yōu)先權(quán)日:2014年11月25日
【發(fā)明者】劉歡, 高淑芝, 王健, 趙立杰, 郭爍 申請人:沈陽化工大學