科研之友
微信
新浪微博
Facebook
分享链接
摘要
在强烈背景噪声环境下，风电机组服役过程中主轴承局部故障所引发的振动冲击容易受到干扰，加之受到复杂多变振动传递路径的影响，导致对主轴承的故障通常难以进行准确地判别。针对这一问题，提出了一种基于奇异值分解包(SVDP)基尼指数图和自适应Richardson-Lucy解卷积(ARLD)的主轴承故障诊断方法，用于提取强烈背景噪声环境下的微弱故障特征。首先，通过设置SVDP分解层数对原始信号进行了处理，计算出了各层子分量的基尼指数，构造了SVDP基尼指数图，并从原始信号中分离出最佳子分量，提升了信号的信噪比；然后，采用鲸群优化算法(WOA)自动获取了解卷积算法的最优形态控制参量，并对最佳子分量做了解卷积处理，从而进一步抑制了子分量中的噪声干扰，强化了冲击性特征；最后，采用Teager能量算子，对解卷积信号进行了包络解调分析，并根据包络谱中特征频率谱线，识别了主轴承的故障位置；分别采用仿真信号及风电现场的工程实测信号数据，对基于SVDP基尼指数图和ARLD诊断方法的有效性和鲁棒性进行了验证。研究结果表明：采用基于SVDP基尼指数图和ARLD的故障诊断方法可以有效地提取出风电机组主轴承的故障特征频率及其多倍频成分，进而对主轴承微弱故障进行了准确判定；该方法可为实际工程中的风电机组主轴承的微弱故障诊断提供一定的参考和借鉴。
-
单位上海勘测设计研究院
