基于KA和DRT的风电齿轮箱故障诊断

摘要

结合解调共振技术(DRT)在风力发电机组齿轮箱故障诊断中的应用，采用谱峭度分析(KA)选择滤波参数(FPs)。基于该方法，可根据峰度最大化原则自动选择帧数。通过在变负载条件下改变轴转速，变速箱的固有频率(NF)会发生变化，影响故障检测的准确性。因此，通过对变速器的仿真，研究了外载荷对变速器NF的影响。此外，采用快速峰度图(FK)与共振解调技术相结合的方法对齿轮箱故障信号进行了仿真处理。结果表明，该变速器的FD是通过修正因运行负荷变化而引起的NF偏移来实现的。

1.介绍

对于宽频带故障信号，可诱发系统的固有振动。即宽带(WB)故障信号会使结构与传感器自身产生共振，形成NV模式;它还必须包括故障源信号、被测结构系统的NV信号和传感器本身的实际振动信号。信号分析需要选择一个高频(HF)， NV作为工作目标，利用带通滤波器(BPF)分离出NB，然后通过包络检测分离出故障信息，从而通过频谱分析诊断系统故障。在选择BPF的过程中，BPF的中心频率(CF)应该等于相应的NF。然而，这种人工方法在实际应用中存在一定的局限性。Zhang等[1]研究了解调共振技术的特点，并将其应用于动力客车和客运列车转向架的车外故障诊断。Barszcz和Sawalhi [2提出了一种将EEMD自适应降噪与自适应共振解调相结合的滚动轴承故障诊断方法。在对实模型和非阻尼模型的分析中，系统的质量和刚度的变化会对NF和振型产生影响。对于齿轮的FD，载荷和转速的变化会产生动态旋转预应力，从而导致齿轮系统固有频率的改变。在峰度图研究中，Wang对轴承FD进行了仿真和实验验证[3.];他们成功地将FK算法应用到DR上。McDonald等[4]，采用声发射的方法，将SVD和FK算法应用于轴承FD中，解决了传统DR中参数选择困难的问题。Heidari等人[5将基于LMD的谱峭度(SK)方法应用于齿轮故障诊断;在此过程中，利用LMD得到信号的不同时域分布，然后确定不同通道在时域的最大峰度，根据峰度最大化原则确定FPs。然而，在诊断过程中很少考虑操作条件的影响。考虑工况的影响，可以提高诊断的准确性。本文通过对风力发电机齿轮箱预应力模式的计算，研究了不同载荷和转速对齿轮箱NF的影响。采用SK分析方法验证了CF中BPF和DRT中BW的自动采集方法。信号谱峰度指标能反映信号频率，反映瞬态冲击强度，能达到自适应的效果;简化了包络分析;诊断结果更加准确。

2.预应力对齿轮固有模态的影响

在进行预应力模型分析时，利用荷载的变化确定初始应力，在进行预应力模态分析之前需要进行静力结构分析[7，则方程可表示为 在(1)，刚度矩阵(SM)和是外部荷载矩阵来确定结构分析的应力SM吗；考虑预应力的模态分析方程可表示为[8]： 和分别为基于静力分析的应力位移和预应力效应矩阵。在变速箱中，齿轮传动系统在可变负载条件下的输入速度会发生变化。对于风力发电机来说，叶轮是由风能驱动，获得机械能拖动齿轮箱，带动发电机轴高速旋转[9];由风冲击引起的额外质量和转速变化将产生旋转预应力，并改变NF [10］．因此，针对某变速箱，建立了变速箱的传动模型;在考虑系统惯性和预应力的前提下，研究了转速等因素对NF和振动模态的影响;计算齿轮在不同转速下的NFs和振动模式，分别为100 RPM、500 RPM、800 RPM、1200 RPM、1500 RPM、5000 RPM、10000 RPM。表格1显示齿轮在不同速度下的前10个NFs。表格1表明，每一阶的NF也随操作速度的变化而变化。

表格1表明动态旋转预应力会引起NF的变化。因此，为保证FD结果的准确性，需要考虑变负载对系统NF的影响。对于变速箱系统来说，由于系统的随机特性，变速箱的输入轴转速和负载都是动态的，会影响NFs的特性，因此在分析时需要考虑实际频率的变化。

3.RD和颗

3．1.RDT

RDT是在振动检测与分析技术的基础上发展起来的一种方法，它是基于DR原理对冲击FD进行的[11］．一般来说，对于带WB的故障信号，在结构的NF处强度会有很大的提高，并且可以通过滤波器将高频和NV分离出来。通过分析带通滤波后的信号包络，可以得到频率与故障影响一致的脉冲。经过包络处理后，对信号进行滤波，去除残留的高频干扰信号，保留低频故障信号分量。通过与计算部件的特征频率相比较，利用功率谱分析可以判断出故障的具体原因。DR的基本原理是[12)如下:分离高频振动，由于宽频带信号在加速度传感器谐振频率处大大增强，设计了CF等于NF的BPF来分离高频NB;对滤波后的谐振信号进行包络解调，得到频率等于故障信号的脉冲序列;采用低通滤波(LPF)对包络检测信号进行滤波，去除高频噪声信号，保留低频信号;分析功率谱和故障特征，从而提取故障特征。对于BPF的设计，需要正确确定中心频率和BW，以获得准确的分析结果。然而，人工确定BPF参数的方法具有很大的挑战性和局限性。采用FK算法实现BPF设计参数的优化，大大提高了诊断效率和准确率。

３．２．颗

SK的基本思想是计算每个频率线的峰度值，从而找出频带的影响。峰度绝对值越大，故障越严重。

计算公式如下[13]： 在(4)，为振动信号的时频域复包络，是时间窗口，SK指数何时为零是静止信号吗当有噪声信号时是非平稳信号吗干扰。方程(5)显示了SK的计算: 在(5)，为式中信噪比的倒数。方程(5)显示较大的将导致不能反映冲击特征的SK指数缩小。”因此，引入峰度图进行分析。最基本的想法是是由以及频率分辨率，这与dr中BPF的CF和BW的选择原理是相同的。因此，在谐振解调的BPF参数的选择上采用了峰度算法。对于峰度图算法，构造BW为1/4的滤波模型， 在(6)和(7)，，,分别为截止频率为1/8的LPF、HPF和LPF。通过滤波信号通过LPF和HPF，是第一个的短时间傅里叶变换系数吗过滤器的再次用作过滤输入的图层。是的短时间傅里叶变换CF在哪里频率分辨率是和。

3．3．将FK应用于DR

使用而不是在(1)， 通过FK计算，SK指数达到最大值，得到CF和频率分辨率。采用SK指数作为DR中BPF的CF和频率分辨率，通过滤波分析得到故障特征频率[14］．

4.过滤CF校准

自动捕获的滤波器的CF接近结构的NF;根据实际结构的NF对滤波器CF进行修改，可以使结果更加准确。首先，在计算系统的NF时，计算系统的质量和SM，并将SM分为时变SM和平均SM。因此，采用平均熵值来求系统的NF值，用时变熵值作为系统的参数。根据以上参数，NF可计算为[15］．为了更准确地测量系统的NF值，有必要对结构进行振动试验。根据实测的幅频曲线，确定系统的NF和阻尼比。数字1展示了测试装置。

励磁机对NF理论值附近的不同频率进行激励，参照图中NF的理论值，幅值达到最大值时为系统的NF2［16］．激励装置逐渐增加被测部位的激励频率，随着频率的增加，被测部位的幅值在300hz ~ 550hz之间逐渐增大，当激励频率大于550hz时，样品的幅值逐渐减小。因此，试件的振幅在550 Hz时达到最大值，由此推断被测部件的NF约为550 Hz。

通过测量系统的NF，提取NV峰度最大值的高频值作为BPF的CF，进而提取故障特征频率，判断故障特征。而系统的NF是在无应力状态下测量的，谐振解调是在有应力的一定工作条件下测量的;为了得到更准确的结果，在谐振解调时需要排除频率增量。随着阶数的增加，NF的补偿值增大，各阶的补偿值也随着预应力的增加而增大。预应力越大，需要补偿的差异就越大。

5.模拟研究

5．1.建立故障模型

模型应该建立符合下列关系1.5 MW风力发电机齿轮箱的典型案例:环的模量,行星齿轮,太阳齿轮必须相同,以确保轮系可以正确的装配关系(6］．在仿真研究中，切断行星齿轮的一个齿，模拟整个齿断裂故障。

5.2。信号仿真

模型导入ADAMS，材料性能为45钢，密度为公斤/毫米^3.，则弹性模量为N /毫米²，泊松比为0.29。接触参数设置如下:采用基于IMPACT函数的接触法确定接触力，采用ADAMS库函数中的IMPACT函数ADAMS/Solver计算接触力;参数设置原则如下:规定了材料刚度;刚度值越高，积分解越困难;指数力用于计算材料刚度对瞬时应力的贡献值。取大于或等于1.5的值，范围将大于或等于1。橡胶的值为2甚至3，而金属的值通常从1.3到1.5;定义范围大于等于0的接触材料的阻尼特性，通常取刚度值的0.1% ~ 1%;穿透值定义为全阻尼。当侵彻量为零时，阻尼系数为零;ADAMS/Solver利用三个STEP函数求解两点之间的阻尼系数。它的范围大于等于0。模拟进行空载条件下,输入速度设置为60 RPM,仿真时间是1 s,步长为0.001,平均价值的输出轴转速为2125 RPM,理论输出平均速度是每分钟2130转,错误率为0.23%。这证明了仿真模型的准确性。通过如图所示的优化过程，可以得到时域中的冲击信号3.。

在故障模拟信号中加入随机噪声，信噪比为−9 db。这说明背景噪声能量远大于故障冲击信号，故障信号被噪声信号淹没，故障线路的实际影响很难观察。在实际应用中更接近于实际测量信号。带噪声的振动信号时域波形如图所示4。

5.3。仿真和验证

信号计算如图所示4，计算得到的地图如图所示5。

从图中可以看出5CF为375.1 Hz，频谱峰度指数最大，对应的频率分辨率为25.6 Hz。利用375.1 Hz和25.6 Hz作为谐振解调的CF和BW对模拟信号进行滤波;滤波后信号在时域的包络图如图所示6；其频谱如图所示7。根据谐振解调结果的频谱，可以得到仿真信号在工作速度为1500rpm时的故障频率为27.6 Hz，如图所示7。

数字8显示最终的解调频谱在不同的转速2000 RPM, 2500 RPM, 5000 RPM，和10000 RPM。

当行星齿轮转速分别为2500 RPM、5000 RPM、2000 RPM、10000 RPM时，故障频率分别为36.5 Hz、41.8 Hz、86.9 Hz、172.3 Hz，如图所示8。在SK计算过程中，对帧频固有频率进行修正后，重新计算故障频率。图中给出了各转速下的故障特征频率9。从图中可以看出9当转速为2000rpm、1500rpm、2500rpm、5000rpm、10000rpm时，修正的相应故障频率为25.4 Hz、34.8 Hz、41.9 Hz、84.6 Hz、168.2 Hz。然后根据故障特征频率计算公式，得到不同转速下的故障特征频率理论值，并与未修正故障特征频率、修正故障特征频率和理论值进行比较。从结果可以看出，修正后的故障特征频率曲线更接近理论值。修正值与理论值的误差为1.86%。由此可知，在一定程度上，修正后的频率值与理论值之间的误差更小，诊断结果更准确。

6.总结

本文研究了旋转预应力对风力机齿轮箱NF的影响，并将FK算法应用于共振解调中分析旋转机械的影响。结果表明，该方法可以自动获取BPF的中心频率和带宽。通过分析发现，预应力对CF有一定的影响，自动获得中心频率后，消除了预应力对中心频率的影响;分析表明，该解调结果对于齿轮箱状态监测和FD更准确。

相互竞争的利益

作者宣称没有相互竞争的利益。

参考文献

1. 张旭东，康建平，“一种改进的峭度图及其在轴承故障诊断中的应用”，冲击和振动文章编号385412,22页，2015。视图:出版商的网站|谷歌学术搜索
2. T. Barszcz和N. Sawalhi，“使用最小熵反卷积的滚动轴承故障检测增强”，音响档案，第37卷，第2期2，页131-141,2012。视图:出版商的网站|谷歌学术搜索
3. 董国栋，“基于峭度图快速计算的共振解调在滚动轴承故障特征提取中的应用”，振动与冲击学报，第32卷，第2期1, pp. 35-48, 2013。视图:谷歌学术搜索
4. 赵青，“最大相关峭度反卷积及其在齿轮切齿故障检测中的应用”，机械系统和信号处理，第33卷，第237-255页，2012。视图:出版商的网站|谷歌学术搜索
5. M. Heidari, H. Homaei, H. Golestanian，和A. Heidari，“基于小波支持向量机、最小二乘支持向量机和小波包变换的齿轮箱故障诊断”，Vibroengineering杂志第18卷第2期2, pp. 860-875, 2016。视图:谷歌学术搜索
6. “基于动力学和可靠性的风力机齿轮传动系统参数优化设计”，秦德兴，王建军，“基于动力学和可靠性的风力机齿轮传动系统参数优化设计”，机械工程学报，第44卷，第5期。7，第24-31页，2008。视图:出版商的网站|谷歌学术搜索
7. 蔡林，马思生，杨伟，“多约束条件下重型机械主轴的有限元建模与模态分析”，机械工程学报，第48卷，第48期3，页165-173,2012。视图:出版商的网站|谷歌学术搜索
8. 邱旭东，韩青，褚飞，“风力发电齿轮传动系统动力学分析综述，”机械工程学报，第50卷，第5期。11, pp. 23-36, 2014。视图:出版商的网站|谷歌学术搜索
9. 陈昕，李建军，李斌，“风力发电机组状态监测与故障诊断技术的研究与应用，”机械工程学报，第47卷，第47期。9，第45-52页，2011。视图:出版商的网站|谷歌学术搜索
10. “基于ANSYS的混流泵转轮动态特性分析”，“基于ANSYS的混流泵转轮动态特性分析”，水资源与电力第28卷第2期10, pp. 107-108, 2010。视图:谷歌学术搜索
11. H. Endo和R. B. Randall，“利用最小熵反褶积滤波器增强基于自回归模型的齿轮故障检测技术”，机械系统和信号处理第21卷第2期2，页906-919,2007。视图:出版商的网站|谷歌学术搜索
12. J. Antoni和R. B. Randall，“光谱峰度:在旋转机器振动监测和诊断中的应用”，机械系统和信号处理，第20卷，第2期。2、2006年。视图:出版商的网站|谷歌学术搜索
13. F. Combet和L. Gelman，“基于谱峭度的齿轮信号早期损伤检测的最佳滤波”，机械系统和信号处理，第23卷，第2期。3，第652-668页，2009。视图:出版商的网站|谷歌学术搜索
14. J. Antoni，“暂态故障检测峰度图的快速计算”，机械系统和信号处理第21卷第2期1，页108-124,2007。视图:出版商的网站|谷歌学术搜索
15. 胡慧，王军，钱松，李勇，沈南，闫国栋，“冲击载荷下磁流变减振器的动力学建模及其滑模控制，”机械工程学报，第47卷，第47期。13，第84-91页，2011。视图:出版商的网站|谷歌学术搜索
16. H. Endo, R. B. Randall，和C. Gosselin，“齿轮齿圆角区剥蚀与裂纹的鉴别诊断:实验验证，”机械系统和信号处理，第23卷，第2期。3，第636-651页，2009。视图:出版商的网站|谷歌学术搜索

版权

版权所有©2016 Mohammad Heidari。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。