一種風機傳動系統(tǒng)故障特征提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種機械故障特征提取方法，特別是關(guān)于一種在變工況條件下風機發(fā) 電機傳動系統(tǒng)產(chǎn)生故障時的風機傳動系統(tǒng)故障特征提取方法。
【背景技術(shù)】
[0002] 目前，風電機組是連續(xù)運行大功率變負荷機組，機組通常在惡劣環(huán)境下運行，風 速、風向等造成工況變化，極易造成傳動系統(tǒng)出現(xiàn)損壞，并導(dǎo)致惡性事故經(jīng)常發(fā)生。同時機 組通常安裝在邊遠地區(qū)，維修時零部件體積龐大且懸于高空，吊裝更換困難，風電產(chǎn)業(yè)中故 障及維修是機組運行與維護成本居高不下的重要原因。近年隨著機組數(shù)量迅速增大，故障 快速增加，經(jīng)濟損失突出，產(chǎn)業(yè)迫切需要能發(fā)現(xiàn)早期故障及隱患，采用預(yù)知維護，減少惡性 事故發(fā)生。
[0003] 風力發(fā)電設(shè)備正常工作于變化的風況條件下，以往基于能量形式的故障特征量容 易被風況變化（導(dǎo)致氣動載荷變化）、噪聲等干擾，其數(shù)值變化趨勢不能有效地反映機組故 障變化趨勢，甚至風況、噪聲等變化信息徹底淹沒故障變化信息，因此傳統(tǒng)的基于能量形式 特征量的故障趨勢預(yù)示方法并不能有效地揭示風力發(fā)電旋轉(zhuǎn)機械故障發(fā)展趨勢。
[0004] 經(jīng)現(xiàn)有資料分析表明，國內(nèi)外的風力發(fā)電旋轉(zhuǎn)機械監(jiān)測、診斷與維護研宄主要有 以下問題：1、研宄工作主要圍繞風力發(fā)電旋轉(zhuǎn)機械狀態(tài)監(jiān)測方法及發(fā)生故障后的故障種類 與程度的識別，缺少故障發(fā)展趨勢預(yù)示及故障維修時間預(yù)測方法研宄。2、故障診斷方法常 常應(yīng)用于風電機組已經(jīng)發(fā)生故障造成停機的時候，沒有產(chǎn)生事故預(yù)防作用。3、故障預(yù)警方 法沒有考慮風速風向變化對故障特征量的影響，仍以振動烈度、頻譜幅值等能量形式的特 征量的發(fā)展趨勢預(yù)測評估機組運行狀態(tài)。事實上，風速風向等風況變化產(chǎn)生載荷變化，使得 能量形式特征量的變化規(guī)律呈現(xiàn)很強的非線性、隨機性特征，不易預(yù)測。并且風況變化時， 能量形式特征量的數(shù)值變大不一定就表明機組故障發(fā)生惡化，此時監(jiān)測系統(tǒng)易產(chǎn)生錯誤報 警。因此基于能量形式特征量不能長期有效預(yù)測風力發(fā)電旋轉(zhuǎn)機械故障發(fā)展趨勢。

【發(fā)明內(nèi)容】

[0005] 針對上述問題，本發(fā)明的目的是提供一種風機傳動系統(tǒng)故障特征提取方法，該方 法能準確將各種融合在一起的故障特征信息分離、提取、分析，具有較高的故障特征識別精 度，解決了故障趨勢預(yù)測隨機不確定性、非線性等關(guān)鍵技術(shù)問題。
[0006] 為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：一種風機傳動系統(tǒng)故障特征提取方 法，其包括以下步驟：（1)利用現(xiàn)有的旋轉(zhuǎn)機械遠程在線樣本采集及傳輸實驗平臺獲取現(xiàn) 場風機傳動系統(tǒng)的實測數(shù)據(jù)，通過設(shè)置在風電機組旋轉(zhuǎn)部件上的多個傳感器采集到多個通 道的振動信號X i (t)，i = 1、2、…n，其中，η為傳感器個數(shù)；（2)根據(jù)獨立成分分析方法對 振動信號Xi (t)進行盲源分離，得到原始獨立振動信號源h (t)的近似信號源h (t)，j = 1、 2、…!^⑶根據(jù)近似信號源h(t)構(gòu)造信號矩陣Zbxa，并壓縮該信號矩陣Zbxa獲取新的信 號特征矩陣Z' qXa; (4)將新的信號特征矩陣Z' qXa放大并方陣化，構(gòu)造特征向量T :①取 常數(shù)矩陣Baxq為：
【主權(quán)項】
1. 一種風機傳動系統(tǒng)故障特征提取方法，其包括以下步驟： (1) 利用現(xiàn)有的旋轉(zhuǎn)機械遠程在線樣本采集及傳輸實驗平臺獲取現(xiàn)場風機傳動系統(tǒng) 的實測數(shù)據(jù)，通過設(shè)置在風電機組旋轉(zhuǎn)部件上的多個傳感器采集到多個通道的振動信號 Xi(t)，i = l、2、…n，其中，η為傳感器個數(shù)； (2) 根據(jù)獨立成分分析方法對振動信號Xi (t)進行盲源分離，得到原始獨立振動信號源 Sj(t)的近似信號源yj(t)，j = 1、2、...m; (3) 根據(jù)近似信號源t(t)構(gòu)造信號矩陣Zbxa，并壓縮該信號矩陣Zbxa獲取新的信號特 征矩陣Z' qXa; (4) 將新的信號特征矩陣Z' qXa放大并方陣化，構(gòu)造特征向量T : ① 取常數(shù)矩陣Baxq為： V
y 其中，e取[2,5]之間的整數(shù)； ② 令Z" =Z^ qXaB，獲得元素個體被放大的最終特征方陣Z" qX(1，令行列式|λΕ-Ζ" =0,則得到特征方陣Ζ" _的特征值λ η λ2··· ，并構(gòu)造特征向量T = (X1, λ2··· λ); (5) 對近似信號源t(t)進行小波包分解，獲得分解系數(shù)，并構(gòu)造系數(shù)向量P ; (6) 根據(jù)步驟（4)、步驟（5)中獲得的特征向量T= (λ1; λ 2··· λ^)和系數(shù)向量P計算 各向量元素的方差DT與DP ; (7) 根據(jù)各向量元素的方差DT與DP計算得到故障角Θ的正切值tan Θ，利用正切值 tan Θ對風機傳動系統(tǒng)故障特征進行評估與預(yù)測。
2. 如權(quán)利要求1所述的一種風機傳動系統(tǒng)故障特征提取方法，其特征在于：所述步驟 ⑶中，獲取所述新的信號特征矩陣Z' qXa包括以下步驟： ① 假設(shè)近似信號源h (t)個數(shù)為a，向量Y為b維，構(gòu)造信號矩陣Zbxa為： ② 取常數(shù)矩陣AqxbS : V/
iJ 其中，q $
③ 令Z' =AqxbZbxa，則信號矩陣Zbxa元素個數(shù)被壓縮，進而獲得新的信號特征矩陣 ZrqXa〇
3. 如權(quán)利要求1所述的一種風機傳動系統(tǒng)故障特征提取方法，其特征在于：所述步驟 (2)中，基于所述獨立成分分析方法的盲源分離方法如下： ① 假設(shè)有η個振動信號Xi (t)，且η個振動信號Xi (t)的向量形式用X'表示；i = 1、 2、"·η ; ② 對η個振動信號Xi(t)的向量X'進行中心化處理，即令X' -Ε[Χ' ]=Χ"，使其 均值為〇 ; ③ 根據(jù)ICA算法中的白化公式對向量X"進行白化處理，進而得到向量X ; ④ 根據(jù)ICA算法中的分離矩陣W和向量X構(gòu)造出原始獨立振動信號源Sj (t)的近似信 號源y」(t)的向量Y = WX。
4. 如權(quán)利要求2所述的一種風機傳動系統(tǒng)故障特征提取方法，其特征在于：所述步驟 (2)中，基于所述獨立成分分析方法的盲源分離方法如下： ① 假設(shè)有η個振動信號Xi (t)，且η個振動信號Xi (t)的向量形式用X'表示；i = 1、 2、"·η ; ② 對η個振動信號Xi(t)的向量X'進行中心化處理，即令X' -Ε[Χ' ]=Χ"，使其 均值為〇 ; ③ 根據(jù)ICA算法中的白化公式對向量X"進行白化處理，進而得到向量X ; ④ 根據(jù)ICA算法中的分離矩陣W和向量X構(gòu)造出原始獨立振動信號源Sj (t)的近似信 號源y」(t)的向量Y = WX。
5. 如權(quán)利要求1~4任一項所述的一種風機傳動系統(tǒng)故障特征提取方法，其特征在于： 所述步驟（5)中，構(gòu)造所述系數(shù)向量P包括以下步驟： ① 假設(shè)尺度數(shù)為j，則原始空間被分解成W個子空間，將子空間統(tǒng)一標記為 <、％1、吣…Jf72A其中，表示分解末節(jié)點的低頻部分，表示分解末節(jié)點的 高頻部分，其中P = 〇、1、2…2H-1 ;令每一個子空間的正交歸一基為，則有：
其中，hjk)和Ill (k)分別是與尺度函數(shù)和小波函數(shù)對應(yīng)的正交鏡像濾波器 (QMF)的系數(shù)，和分別是空間中的一組正交歸一基，且有 wX，1 =Wf; ② 在小波包的分解中，在節(jié)點（j+l，P)處的小波包系數(shù)由下式給出：
式中的 A,(々）=& (―々)，)=/?ι (-/f); ③ 在節(jié)點（j，P)處的小波包系數(shù)巧^由下式重建： d階d]認k)*h"(k) + d冗、(Jc)*fh(k)， 式中，4?(岣和#;+1(々）分別和CO)每兩個點插入一個零后所得到的序 列； ④ 由末層節(jié)點的小波包分解系數(shù)< 0；)構(gòu)造系數(shù)向量P : p = (?…~丨）。
6. 如權(quán)利要求1~4任一項所述的一種風機傳動系統(tǒng)故障特征提取方法，其特征在于： 所述步驟（7)中，利用所述正切值tan Θ對所述風機傳動系統(tǒng)故障特征進行評估與預(yù)測步 驟如下： ① 計算風機傳動系統(tǒng)在正常工作條件下的各向量元素的方差〇1；與DPtl，則故障角Θ的 正切值tan Θ為：
其中，各向量元素的方差DT與DP是在隨機狀態(tài)下獲得的，利用tan Θ在值域 (-OO，OO )上單調(diào)遞增這一<性質(zhì)將區(qū)間（-〇〇，〇〇 )再細分成許多個小區(qū)間：(-〇〇，α ]、 [α，β )…[τ，〇〇 )，α、β和τ分別表示各個區(qū)間的節(jié)點； ② 根據(jù)已有故障信息再將這些小區(qū)間確定為反映不同故障特征故障程度的故障區(qū)間， 當再次獲得新tan Θ值時，根據(jù)其所在區(qū)間判斷風機傳動系統(tǒng)的故障類型、故障程度及預(yù) 估故障發(fā)展趨勢。
7. 如權(quán)利要求5所述的一種風機傳動系統(tǒng)故障特征提取方法，其特征在于：所述步驟 (7)中，利用所述正切值tan Θ對所述風機傳動系統(tǒng)故障特征進行評估與預(yù)測步驟如下： ① 計算風機傳動系統(tǒng)在正常工作條件下的各向量元素的方差〇1；與DPtl，則故障角Θ的 正切倌tan Θ為：
其中，各向量元素的方差DT與DP是在隨機狀態(tài)下獲得的，利用tan Θ在值域 (-OO，OO )上單調(diào)遞增這一<性質(zhì)將區(qū)間（-〇〇，〇〇 )再細分成許多個小區(qū)間：：(-〇〇，α ]、 [α，β )…[τ，〇〇 )，α、β和τ分別表示各個區(qū)間的節(jié)點； ② 根據(jù)已有故障信息再將這些小區(qū)間確定為反映不同故障特征故障程度的故障區(qū)間， 當再次獲得新tan Θ值時，根據(jù)其所在區(qū)間判斷風機傳動系統(tǒng)的故障類型、故障程度及預(yù) 估故障發(fā)展趨勢。
【專利摘要】本發(fā)明涉及一種風機傳動系統(tǒng)故障特征提取方法，其步驟：獲取現(xiàn)場風機傳動系統(tǒng)的實測數(shù)據(jù)，通源；根據(jù)近似信號源構(gòu)造信號矩陣，并壓縮該信號矩陣獲取新的信號特征矩陣；將新的信號特征矩陣放大并方陣化，構(gòu)造特征向量；對近似信號源進行小波包分解，獲得分解系數(shù)并構(gòu)造系數(shù)向量；根據(jù)特征向量和系數(shù)向量計算各向量元素的方差；根據(jù)方差計算得到故障角的正切值，對風機傳動系統(tǒng)故障特征進行評估與預(yù)測過設(shè)置在風電機組旋轉(zhuǎn)部件上的多個傳感器采集到多個通道的振動信號；根據(jù)獨立成分分析方法對振動信號進行盲源分離，得到原始獨立振動信號源的近似信號。本發(fā)明解決了故障趨勢預(yù)測隨機不確定性、非線性問題，能廣泛在旋轉(zhuǎn)機械故障趨勢預(yù)測中應(yīng)用。
【IPC分類】G01M13-02
【公開號】CN104634566
【申請?zhí)枴緾N201510029960
【發(fā)明人】徐小力, 吳國新, 左云波, 蔣章雷, 趙西偉
【申請人】北京信息科技大學
【公開日】2015年5月20日
【申請日】2015年1月21日