一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法
【專利摘要】本發(fā)明公開了一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，包括如下步驟：獲取軸承的振動(dòng)信號(hào)；采用小波包分析法對(duì)振動(dòng)信號(hào)進(jìn)行三層分解，對(duì)各分解尺度下的高頻系數(shù)進(jìn)行軟閾值量化處理，并根據(jù)小波分解的最底層低頻系數(shù)和高頻系數(shù)進(jìn)行一維小波重構(gòu)；對(duì)重構(gòu)的振動(dòng)信號(hào)進(jìn)行小波包分解，提取第三層各頻帶的能量，并將各頻帶的能量構(gòu)成一個(gè)故障特征輸入向量作為BP神經(jīng)網(wǎng)絡(luò)的故障診斷輸入向量，構(gòu)建三層BP神經(jīng)網(wǎng)絡(luò)；獲取歷史故障數(shù)據(jù)的特征輸入向量樣本并將其輸入三層BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；獲取軸承實(shí)時(shí)運(yùn)行數(shù)據(jù)的故障診斷特征向量并將其輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)；實(shí)現(xiàn)對(duì)軸承故障類型的智能診斷，本發(fā)明能夠準(zhǔn)確診斷軸承故障類型并精確確定故障位置。
【專利說(shuō)明】一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，特別是涉及一種基于小波包-BP神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電機(jī)組軸承故障診斷方法。
【背景技術(shù)】
[0002]隨著風(fēng)力發(fā)電技術(shù)的發(fā)展，風(fēng)力發(fā)電機(jī)組的裝機(jī)容量不斷增加，而且不斷朝著大型化方向發(fā)展。然而，風(fēng)電行業(yè)的快速增長(zhǎng)也導(dǎo)致了風(fēng)電機(jī)組的運(yùn)行維護(hù)成本持續(xù)增高，其中軸承在雙饋風(fēng)力發(fā)電機(jī)組和直驅(qū)式風(fēng)力發(fā)電機(jī)組中都是重要部件，軸承的損壞將會(huì)直接影響整機(jī)的運(yùn)行工況。為了減少風(fēng)力發(fā)電機(jī)組的停機(jī)時(shí)間，降低機(jī)組的維護(hù)費(fèi)用，對(duì)風(fēng)力發(fā)電機(jī)組的重要軸承部件做精密的故障診斷非常有必要。然而傳統(tǒng)的基于頻譜分析的方法不僅不能準(zhǔn)確診斷軸承故障類型，且不能精確確定故障位置，已經(jīng)很難滿足需要。因此，實(shí)有必要提出一種技術(shù)手段，以解決上述問(wèn)題。

【發(fā)明內(nèi)容】

[0003]為克服上述現(xiàn)有技術(shù)存在的不足，本發(fā)明之一目的在于提供一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，其能夠準(zhǔn)確診斷軸承故障類型并精確確定故障位置。
[0004]為達(dá)上述及其它目的，本發(fā)明提出一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，包括如下步驟:
[0005]步驟一，通過(guò)安裝在軸承周邊的振動(dòng)傳感器獲取軸承的振動(dòng)信號(hào)；
[0006]步驟二，采用小波包分析法對(duì)該振動(dòng)信號(hào)進(jìn)行三層分解，對(duì)各個(gè)分解尺度下的高頻系數(shù)根據(jù)軟閾值函數(shù)選擇軟閾值進(jìn)行軟閾值量化處理，并根據(jù)小波分解的最底層低頻系數(shù)和高頻系數(shù)進(jìn)行一維小波重構(gòu)；
[0007]步驟三，對(duì)重構(gòu)的振動(dòng)信號(hào)再次進(jìn)行小波包分解，將振動(dòng)信號(hào)分解到第三層，提取第三層各頻帶的能量，并將各頻帶的能量構(gòu)成一個(gè)故障特征輸入向量，將該向量作為BP神經(jīng)網(wǎng)絡(luò)的故障診斷輸入向量，并于故障特征輸入向量形成后，構(gòu)建三層BP神經(jīng)網(wǎng)絡(luò)作為故障識(shí)別算法；
[0008]步驟四，獲取歷史故障數(shù)據(jù)的特征輸入向量樣本；
[0009]步驟五，將獲取的歷史故障數(shù)據(jù)的特征輸入向量樣本輸入新構(gòu)建的三層BP神經(jīng)網(wǎng)絡(luò)并進(jìn)行訓(xùn)練，在多次反復(fù)訓(xùn)練并達(dá)到要求的故障診斷精度后停止訓(xùn)練網(wǎng)絡(luò)，并將訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行保存；
[0010]步驟六，獲取風(fēng)力發(fā)電機(jī)軸承實(shí)時(shí)運(yùn)行數(shù)據(jù)的故障診斷特征向量；
[0011]步驟七，將獲取的故障診斷特征向量輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)；
[0012]步驟八，實(shí)現(xiàn)對(duì)軸承故障類型的智能診斷，輸出診斷結(jié)果。
[0013]進(jìn)一步地，于步驟三中，提取能量的公式為:
【權(quán)利要求】
1.一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，包括如下步驟: 步驟一，通過(guò)安裝在軸承周邊的振動(dòng)傳感器獲取軸承的振動(dòng)信號(hào)； 步驟二，采用小波包分析法對(duì)該振動(dòng)信號(hào)進(jìn)行三層分解，對(duì)各個(gè)分解尺度下的高頻系數(shù)根據(jù)軟閾值函數(shù)選擇軟閾值進(jìn)行軟閾值量化處理，并根據(jù)小波分解的最底層低頻系數(shù)和高頻系數(shù)進(jìn)行一維小波重構(gòu)； 步驟三，對(duì)重構(gòu)的振動(dòng)信號(hào)再次進(jìn)行小波包分解，將振動(dòng)信號(hào)分解到第三層，提取第三層各頻帶的能量，并將各頻帶的能量構(gòu)成一個(gè)故障特征輸入向量，將該向量作為BP神經(jīng)網(wǎng)絡(luò)的故障診斷輸入向量，并于故障特征輸入向量形成后，構(gòu)建三層BP神經(jīng)網(wǎng)絡(luò)作為故障識(shí)別算法； 步驟四，獲取歷史故障數(shù)據(jù)的特征輸入向量樣本； 步驟五，將獲取的歷史故障數(shù)據(jù)的特征輸入向量樣本輸入新構(gòu)建的三層BP神經(jīng)網(wǎng)絡(luò)并進(jìn)行訓(xùn)練，在多次反復(fù)訓(xùn)練并達(dá)到要求的故障診斷精度后停止訓(xùn)練網(wǎng)絡(luò)，并將訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行保存； 步驟六，獲取風(fēng)力發(fā)電機(jī)軸承實(shí)時(shí)運(yùn)行數(shù)據(jù)的故障診斷特征向量； 步驟七，將獲取的故障診斷特征向量輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)； 步驟八，實(shí)現(xiàn)對(duì)軸承故障類型的智能診斷，輸出診斷結(jié)果。
2.如權(quán)利要求1所述的一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，其特征在于，于步驟三中，提取能量的公式為:
3.如權(quán)利要求2所述的一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，其特征在于，步驟三中，該故障特征輸入向量為:
T = [￡:!.El.Ε:.E:..E-.Ε(:上7 ]。
4.如權(quán)利要求1所述的一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，其特征在于:于步驟六中，實(shí)時(shí)數(shù)據(jù)通過(guò)兩次小波包分析，將第三層振動(dòng)信號(hào)頻帶能量形成該故障診斷特征向量。
5.如權(quán)利要求1所述的一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，其特征在于，在步驟二中，采用小波包分析法對(duì)該振動(dòng)信號(hào)進(jìn)行三層分解的步驟為: 首先，在第一層分解中將振動(dòng)信號(hào)S分解為低頻信號(hào)LI和高頻信號(hào)Hl ； 然后，對(duì)第一層的低頻信號(hào)LI再次進(jìn)行第二層分解為相對(duì)的低頻信號(hào)LL2，和高頻信號(hào)HL2，對(duì)第一層的高頻信號(hào)Hl進(jìn)行第二層分解為相對(duì)的低頻信號(hào)LH2和高頻信號(hào)HH2 ； 以此類推分解到第三層。
6.如權(quán)利要求5所述的一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，其特征在于，小波包對(duì)振動(dòng)信號(hào)進(jìn)行i層分解的遞推公式如下:
7.如權(quán)利要求1所述的一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，其特征在于，該軟閾值函數(shù)為:
8.如權(quán)利要求7所述的一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，其特征在于:最合適的軟閾值選取方法為通過(guò)選取不同λ值后，最后比較重構(gòu)信號(hào)的去噪效果，選定去噪效果最好所對(duì)應(yīng)λ的閾值函數(shù)作為以后該振動(dòng)信號(hào)的軟閾值函數(shù)。
9.如權(quán)利要求7所述的一種風(fēng)力發(fā)電機(jī)組軸承故障診斷方法，其特征在于，在步驟二中，小波包重構(gòu)函數(shù)為:
x(t)= Σ (h(k-2t)d(i+1'2J+1)+g(k-2t)d(i+1'2J)) 其中，d(u)表示第i層中的第j個(gè)節(jié)點(diǎn)小波系數(shù)，x(t)表示去噪后的信號(hào)，g和h為軟閾值處理后得到的高頻系數(shù)和低頻系數(shù)。
【文檔編號(hào)】G01M13/04GK103900816SQ201410148405
【公開日】2014年7月2日 申請(qǐng)日期:2014年4月14日 優(yōu)先權(quán)日:2014年4月14日
【發(fā)明者】葉明星, 戴志軍, 焦斌 申請(qǐng)人:上海電機(jī)學(xué)院