[发明专利]一种风力发电机组轴承的在线监测与故障诊断系统

摘要

一种风力发电机组轴承的在线监测与故障诊断系统，步骤一：创建模版库：离线创建风力发电机组轴承振动模版库；步骤二：数据采集：在风电机组在线监测平台中，同步采集四个方向上的轴承的振动加速度信号，数据采集界面完成数据采集卡的配置工作；步骤三：信号初步融合：在信号采集的过程中，传感器会受到噪声和传感器自身的影响，对所采集到的信号做预处理，使所获信号能够最大限度的保留故障信息；步骤四：特征值提取：采用EMD算法将融合后的振动信号分解到不同频带内；步骤五：故障监测：分别采用BP神经网络、欧式距离的方式计算故障特征向量与振动模版的相似度，将两种方法的结果作为证据体送入D‑S证据理论中进行决策判断，并进行故障预警。

主权项

1.一种风力发电机组轴承的在线监测与故障诊断系统，其特征在于：具体包括以下几个步骤：步骤一：创建模版库：离线创建风力发电机组轴承振动模版库，包括：轴承内圈故障、轴承外圈故障、轴承滚动体故障和轴承正常状态；步骤二：数据采集：在风电机组在线监测平台中，同步采集四个方向上的轴承的振动加速度信号，数据采集界面完成数据采集卡的配置工作，具体包括：设备号的选择、通道号的选择、缓冲区大小、采样速率和采样点数；步骤三：信号初步融合：在信号采集的过程中，传感器会受到噪声和传感器自身的影响，对所采集到的信号做预处理，使所获信号能够最大限度的保留故障信息，通过相关函数加权法将同步采集的四个方向的振动加速度信号进行融合。步骤四：特征值提取：采用EMD算法将融合后的振动信号分解到不同频带内，然后计算分解后的固有模态分量IMF的能量值，公式如(1)所示：其中，n为第j个IMF的信号总长度，xjm是第j个IMF的第m个点对应的信号幅值；分别计算i个IMF的能量，则用其构成的特征向量为，公式如(2)所示：T＝[Ec1,Ec2,…,Eci]    (2)其进行归一化处理后最终的故障特征向量为，公式如(3)所示：T＝[E1,E2,…,Ei]    (3)步骤五：故障监测：分别采用BP神经网络、欧式距离的方式计算故障特征向量与振动模版的相似度，将两种方法的结果作为证据体送入D‑S证据理论中进行决策判断，并进行故障预警。