《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于SVDP基尼指数图和ARLD的风电机组主轴承微弱故障诊断

作者：黄祥声,孙秋菊,汤筱茅,等. 日期：2023-08-14/span> 浏览：1244 查看PDF文档

基于SVDP基尼指数图和ARLD的风电机组

主轴承微弱故障诊断*

黄祥声1,孙秋菊1,汤筱茅2,钟茗秋3

(1.上海勘测设计研究院有限公司,上海 200000;2.长江三峡集团福建能源投资有限公司,福建福州 350000;

3.福建省新能海上风电研发中心有限公司,福建福州 350000)

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。

关键词:背景噪声;滚动轴承故障诊断;奇异值分解包基尼指数图方法;鲸群优化算法;自适应RichardsonLucy解卷积;工程实测信号;鲁棒性

中图分类号:TH133.3;TM315文献标识码:A文章编号:1001-4551(2023)06-0803-12

本文引用格式:

黄祥声,孙秋菊,汤筱茅,等.基于SVDP基尼指数图和ARLD的风电机组主轴承微弱故障诊断［J］.机电工程,2023,40(6):803-814.

HUANG Xiang-sheng, SUN Qiu-ju, TANG Xiao-mao, et al. Weak fault diagnosis of wind turbine main bearing based on SVDP Gini index image and ARLD［J］.Journal of Mechanical & Electrical Engineering, 2023,40(6):803-814.