[发明专利]一种轴承故障诊断方法

说明书

本发明涉及一种轴承故障诊断方法，其特征在于包括以下步骤：1)获取风力发电机组主轴轴承不同状态下的多组振动加速度信号数据，随机抽取若干组作为标准样本数据，其余各组作为待检测样本数据；2)对标准样本数据和待检测样本数据进行自适应分解，得到一系列固有旋转分量；3)对标准样本数据和待检测样本数据中第一个固有旋转分量的瞬时幅值和瞬时相位信息进行时域分析，并提取轴承故障特征向量；4)将提取的标准样本数据的故障特征向量输入邻近距离分类器进行训练，得到训练好的故障诊断模型；5)将提取的待检测样本数据的轴承故障特征向量输入训练好的故障诊断模型进行故障识别，得到轴承的故障状态。本发明可以广泛应用于轴承故障诊断中。

技术领域

本发明涉及设备故障诊断技术领域，特别是关于一种轴承故障诊断方法。

背景技术

风能作为最具规模开发潜力的可再生新能源，近年来发展十分迅猛。由于风电机组的运行环境较为恶劣，随着机组累计运行时间的增加，机组部件极易出现故障。因此，有必要对风力发电机组进行在线监测，以便及时地掌握机组运行状态，确保安全稳定运行。在风电机组故障中，轴承故障占很高的比例，其振动信号非常复杂。

当滚动轴承发生故障时，其振动信号具有非平稳性。由于时频分析方法能同时提供振动信号在时域和频域的局部化信息，因此可以对轴承故障信号进行分析。常用的时频分析方法包括窗口傅里叶变换、Wigner分布、小波变换和EMD等方法，但是这些方法存在一些局限性。窗口傅里叶变换的时频窗口大小是固定不变的，Wigner分布对多分量信号进行分析时会产生交叉项。小波变换虽然具有可变的时频窗口，但它不是一种自适应的信号处理方法。EMD能自适应地将复杂的多分量信号分解为若干个IMF(Intrinsic modefunction)分量之和，但该方法存在过包络、欠包络、模态混淆、端点效应及和分解速度慢等问题。

固有时间尺度分解(ITD)是Frei和Osorio提出信号处理方法，它将复杂的非平稳、非线性信号分解成若干个固有旋转分量(proper rotation component)，能够准确地提取非平稳信号的动态特性，有较高的拆解效率和频率分辨率，适合实时分析处理大量具有时变特性的非平稳信号。由于ITD没有插值和筛选过程，它获得的瞬时幅值和瞬时相位能实时反映信号的时频信息。

发明内容

针对上述问题，本发明的目的是提供一种轴承故障诊断方法，能够准确地诊断出风力发电机组轴承故障，且具有很高的计算效率。

为实现上述目的，本发明采取以下技术方案：一种轴承故障诊断方法，其特征在于包括以下步骤：1)获取风力发电机组主轴轴承不同状态下的多组振动加速度信号数据，随机抽取若干组作为标准样本数据，其余各组作为待检测样本数据；2)对标准样本数据和待检测样本数据进行自适应分解，得到一系列具有不同特征尺度的固有旋转分量；3)对标准样本数据和待检测样本数据中第一个高频固有旋转分量的瞬时幅值和瞬时相位信息进行时域分析，并提取轴承故障特征向量；4)将提取的标准样本数据的故障特征向量输入邻近距离分类器进行训练，得到训练好的故障诊断模型；5)将提取的待检测样本数据的轴承故障特征向量输入训练好的故障诊断模型进行故障识别，得到该轴承的故障状态。

所述步骤3)中，对固有旋转分量的瞬时幅值和瞬时相位信息进行时域分析，是指计算得到其瞬时幅值和瞬时相位的特征信息，其中，瞬时幅值的特征用峰峰值、峰值指标和标准偏差表示，瞬时相位的特征用峭度指标表示。

所述峰峰值、峰值指标、标准偏差和峭度指标的计算公式分别为：

峰峰值up：

峰值指标CF：