基于盲源分離的風機軸承的故障特征提取方法研究.pdf

1、近年來，我國風力發(fā)電產(chǎn)業(yè)發(fā)展迅速，但高額的運行維修成本一直是影響風電場經(jīng)濟性的重要因素之一。軸承是風電機組傳動系統(tǒng)的重要部件，對其運行狀態(tài)進行實時監(jiān)測和故障診斷，有利于提高機組運行穩(wěn)定性和減少風電場維修費用。本文將盲源分離技術(shù)應用于風機軸承的故障診斷中，詳細地研究了基于盲源分離的故障特征提取方法，最后通過對實測的風機軸承振動數(shù)據(jù)進行分析，驗證了方法的有效性和可行性。具體工作如下：
　?。?）系統(tǒng)地研究了三種常用的盲源分離方法，即

2、ICA算法、FastICA算法和基于最大信噪比的盲源分離算法。對三種算法進行MATLAB仿真實驗，利用分離性能指標對三種算法的仿真分離結(jié)果進行了評價和比較，得出FastICA算法具有在較短時間內(nèi)獲得較好的分離精度的特點，因此確定使用基于FastICA的盲源分離算法對風機軸承振動數(shù)據(jù)進行分析。
　?。?）理想的盲源分離方法往往假設(shè)噪聲可以忽略不計，但在實際應用中，風電機組結(jié)構(gòu)復雜、滾動軸承故障特征信號易受正常信號和現(xiàn)場噪聲的干擾而不

3、易識別。針對上述問題，在理想FastICA算法的基礎(chǔ)上，將小波包絡(luò)解調(diào)分析和盲源分離技術(shù)相結(jié)合，提出一種新的故障特征提取方法。該方法首先對原始振動信號進行包絡(luò)解調(diào)分析和小波去噪，有效抑制信號的高頻干擾，再采用FastICA算法對得到的小波包絡(luò)解調(diào)信號進行分離。實例分析表明，該方法能從復雜的混合信號中有效分離出軸承的正常信號和故障特征信息，實現(xiàn)了風機軸承振動信號特征的有效提取。
　?。?）針對工程中軸承故障診斷因條件限制僅能進行單一

4、通道信號采集的情況，提出了基于EMD-FastICA的單一通道盲源分離算法。該算法首先通過總體經(jīng)驗模式分解將信號分解為多個IMF分量，并將觀測信號和其IMF分量組合成為一個虛擬的多通道觀測信號；再使用源數(shù)估計 SVD方法估計該虛擬多通道觀測信號的源信號數(shù)目，根據(jù)源信號的數(shù)目對觀測信號及其 IMF分量進行重組；最后利用FastICA算法對重組后的虛擬多通道觀測信號進行分離。運用該算法對實驗平臺的風機齒輪箱軸承的振動數(shù)據(jù)進行分析，有效地提取