基于LabVIEW的风电机组滚动轴承故障诊断系统及其仿真
基于虚拟仪器技术的滚动轴承故障检测系统的研究的开题报告
基于虚拟仪器技术的滚动轴承故障检测系统的研究的开题报告一、选题背景及研究意义滚动轴承是机械设备中常见的关键部件之一，其故障对于设备的稳定运行会产生重大的影响。
因此，在实际生产中，对滚动轴承的故障检测具有十分重要的意义。
传统的滚动轴承故障检测方法需要耗费大量的时间和人力，且数据采集精度和实时性较差。
而虚拟仪器技术的出现，为滚动轴承故障检测带来了新的思路和技术手段，可以有效地提高故障检测的精度和效率。
因此，本课题旨在基于虚拟仪器技术，设计并开发一套滚动轴承故障检测系统，能够对滚动轴承进行快速准确的故障检测，从而实现设备的安全稳定运行。
二、研究内容及研究方法1.研究内容（1）识别滚动轴承的故障类型。
通过虚拟仪器技术获取滚动轴承的振动信号，并利用信号处理技术进行故障特征提取和分析，实现对滚动轴承的故障类型识别。
（2）设计并开发系统。
基于虚拟仪器技术，设计并开发一套滚动轴承故障检测系统。
该系统包括数据采集、信号处理、特征提取、故障诊断等模块，能够快速准确地识别滚动轴承的故障类型，提高检测精度和效率。
2.研究方法本课题采用以下方法：（1）理论研究：对滚动轴承的工作原理和故障诊断技术进行深入研究。
（2）实验研究：通过实验采集不同工况下滚动轴承的振动信号，并进行信号处理和特征提取，分析故障特征和识别故障类型。
（3）系统设计与开发：基于虚拟仪器技术，设计并开发一套滚动轴承故障检测系统，实现全自动化、快速准确地识别滚动轴承的故障类型。
三、预期成果1.滚动轴承故障检测方法的优化，提高检测精度和效率。
2.设计并开发一套滚动轴承故障检测系统，实现全自动化、快速准确地识别滚动轴承的故障类型。
四、研究计划及进度安排1.研究计划：（1）前期准备：2021年5月～2021年6月，主要完成背景和意义的调研和分析，细化选题。
（2）理论研究和实验研究：2021年6月～2022年3月，主要完成滚动轴承的工作原理和故障诊断技术的理论研究，并进行实验研究，采集滚动轴承的振动信号，进行信号处理和特征提取。
基于虚拟仪器的滚动轴承振动故障诊断系统
承工 作表 面出 现 问题会 使 轴 承旋 转 精 度 丧 失 ， 加 增
振 动 噪声 和旋转 阻力 ， 以致滚 动体 受到 阻滞 和卡 死 ， 造成 整个 机械 系统运 行 失常． 因此 ， 对轴 承 的故 障检 测是 诊断 技术 领域 发 展 的 重 点． 统 仪 器采 用 硬 件 传 或 固化 的软件 来 实现 ， 功 能 固定 ， 户不 能 改 变 ， 其 用
［ 摘
要 ］介 绍 了小 波 变 换 在 滚 动 轴 承 故 障 特 征 提 取 中 的 应 用 ． 合 小 波 变 换 研 制 了 一 套 滚 动 轴 承 故 障 诊 断 结
虚 拟 仪 器 系 统 ． 过 对 滚 动 轴 承 振 动 信 号 的小 波 变 换 分 析 ， 提 取 滚 动 轴 承 运 行 状 态 的 特 征 向量 ， 析 滚 动 轴 通 可 分 承 的振 动信 号 ， 断 轴 承 的 故 障 ． 诊 ［ 键 词 ］小 波 变换 ；滚 动 轴 承 ；故 障 诊 断 ；虚拟 仪 器 ； 动 信 号 关 振 ［ 图 分 类 号 ］ＴＨＩ ３ ＴＰ ８ 中 ３ 。 １２ ［ 献标识码］ Ａ 文 ：
１ ２ 软 件 部 分 ．
软 件设 计 是 整 个 系统 中的 重要 部 分 ， 在采 集 到
只是 为 了解 决 信号 的输 人 、 出 ， 输 软件 才是 整个 仪器 系统 的关键 ． 何 使 用者 都 可 通 过 修 改 软 件 方便 地 任
改变 、 增减 仪器 的功 能 和规 模 ． 外 ， 户 还 可根 据 此 用
１ ０ ± ３ ／ ｎ ５０ ０ ｒ ｍｉ．
型 虚 拟 仪 器 ． 大 采 样 频 率 为 １ ０Ｍ Ｈｚ 上 升 时 间 最 ０ ，
基于LabVIEW的倒频谱与包络谱分析在风电机组齿轮箱故障诊断中的应用
（ １ ）
１ 风 电机 组齿轮 箱 内部结构 与故 障振动模 型 １ ． １ 风 电机组 齿轮箱 内部 结构 由于发 电机转 速 与 叶 轮转 速 不 一 致 ， 作 为增 速 装置 的 齿 轮 箱 在 风 电机 组 中就 显 得 非 常 必 要
式中 （ ｔ ） —— 测 得 的时域振 动信号 ；
齿 轮 的啮合 频 率 ；
—
平 均计 算 的结 果 ， 受 载荷 影 响 小且 计 算 值 相 对稳
定， 有效 排除 了载荷 波 动对故 障判 别 的干扰 。
２ ． ２ Ｈ ｉ ｌ ｂ ｅ ｒ ｔ 解 包络 原理
—
第 ｍ 阶 啮 合 频 率 谐 波 分 量 的 相
位。
齿轮 存 在分布 缺 陷或损 伤 时振动 信号 发生 变
损、 点蚀及 滚 动 轴承 的疲 劳 剥 落 ） 就会 有周 期 性
低 速 大 齿
脉 冲 冲击 力 ， 从 而产生 振动信 号调制 现象 ， 在频 谱
上表 现 为啮合频 率或 固有频率 两侧 出现均 匀 的调 制 边频 带 … 。倒 频 谱 能识 别 幅值 谱 上 的 周 期 结
构， 分 离和提 取难 以识别 的密 集调 制 信 号 的周 期
图１ 齿 轮 箱 结 构
因工业现 场被 测 试 条件 和 分 析技 术 所 限 ， 齿
轮 的振动是 目前 公 认 的最 佳 征 兆提 取 量 ， 它 对齿
轮箱 的状态 变化反 应迅速 、 真实 又全 面 。因此 ， 研
成分； 而包络解 调分析 能从信 号 中提取调 制信 息 ，
分 析其 强度和 频率 ， 再 结合齿 轮箱 的振 动特性 ， 就
究齿 轮与齿 轮 箱 的振 动机 理 ， 分 析 其振 动 信 号 的
基于LabVIEW的旋转机械故障诊断系统
2017年19期工艺创新科技创新与应用Technology Innovation and Application基于LabVIEW 的旋转机械故障诊断系统张娴，史朋波*，张江涛（河北工程大学机械与装备工程学院，河北邯郸056038）引言近年来，虚拟仪器软件开发平台在机械设备领域的成功应用，对机械关键部件的人工智能化故障诊断起到推动作用。
本文结合虚拟仪器设备和AIC9000转子试验仪器搭建平台，研究一套应用LabVIEW 软件、MATLAB 软件和EMD 方法的旋转机械设备状态监测、分析系统。
从实际工况出发，对设备监测故障预判有一定的指导作用。
1LabVIEW 数据采集系统试验台搭建：有AIC9000多功能转子试验台、布点8组传感器、调理信号组件和LabVIEW 虚拟仪器设备。
系统的程序设计基于NI-LabVIEW ，实现对AIC9000转子设备及相关诊断仪器的改进设计，易于设备的升级和维护。
AIC 多功能转子系统和LabVIEW 主机：Model:PXle -1078，PRODUCT OF MALAYSIA 。
1.1搭建LabVIEW 平台将8通道传输接口与调理信号模块连接，数字采集卡、信号处理卡等模块化的PXI 板卡插入虚拟仪器主机箱中，机箱连接显示器。
1.2LabVIEW 软件程序设计在程序框图窗口编程，程序汇编数据流设计包括通道设置→定时设置→触发设置→信息采集→分析设置→记录设置等。
数据流向即为LabVIEW 软件程序执行的顺序，按箭头方向依次连接各程序框图节点，其中信号采集部分和分析部分是信号调理、振动诊断并分析等最为重要。
1.3DAQ 数据采集程序设计采用NI-DAQmx 编程，常用数据采集VI 有DAQmx 创建虚拟通道VI 、DAQmx 读取VI 、DAQmx 写入VI 、DAQmx 定时VI 、DAQmx 触发VI 、DAQmx 开始任务VI 、DAQmx 清除任务VI 等。
2经验模态分解法(EMD )旋转机械相关的传统故障诊断方法准确度较低，结合经验猜测估计得出大概故障类型及部位。
浅谈基于岭回归的RVPMCD滚动轴承故障诊断方法
浅谈基于岭回归的RVPMCD滚动轴承故障诊断方法本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！1 引言滚动轴承作为旋转机械中的重要零部件，其运行状态的好坏将直接影响整个机械设备的性能、寿命、功能以及效率，因此提高轴承可靠性，及时准确检测出轴承故障已变得越来越重要。
滚动轴承故障诊断实质上是一个模式识别的过程，而分类器的设计又是模式识别中的关键，因此，分类器的设计是滚动轴承故障诊断中的重中之重。
目前在故障诊断中应用比较广泛的分类器有神经网络和支持向量机等，但它们本身都存在一些固有的缺陷。
更应被指出的是，这两种模式识别方法都忽略了所提取特征值之间的内在关系。
然而，在机械故障诊断中所提取的所有或部分特征值之间大都具有一定的内在关系，而且这种内在关系在不同的系统或类别(相同的系统在不同的工作状态下)间具有明显的不同。
因此，可以对各个特征值之间的相互内在关系建立数学模型，对于不同的类别可以得到不同的数学模型，从而可以采用这些数学模型对被测试样本的特征值进行预测，把预测结果作为分类的依据，进一步进行模式识别。
基于此，近来有学者提出了一种新的模式识别方法——基于多变量预测模型的模式识别(Variable PredictiveModel based Class Discriminate，VPMCD)方法，同时还将该方法与神经网络、支持向量机等其他模式识别方法进行了对比，结果验证了VPMCD方法的有效性和优越性。
但是，该方法是采用最小二乘回归进行参数估计，最小二乘回归的本质是建立在自变量之间不存在高度线性相关的假定基础上，而在实际情况中自变量之间总是存在着一定的线性相关性，当中心化形式的自变量矩阵中的列向量接近线性相关时(也称之为复共线关系)，最小二乘估计可能会出现某些自变量的回归系数与实际问题很不符合的异常现象，导致拟合精度下降，最终导致建立的预测模型达不到分类要求。
滚动轴承故障诊断优化仿真研究
的采集不足 ， 如大型机械设备 ， 一旦发生故 障 ， 会导致停 机 就
故障 ， 因此不可能有很 多 的故 障样 本 ， 家诊 断系统 和人 工 专
神经 网络 等是基 于经验 风险 最小化 原理 的人 工智 能分类 系 统， 要求 训练样本足够多 ， 当样本数量 比较小时 ， 这些方 法 出 现过 拟合 现象 ， 泛化 能力 比较 差 ， 障诊 断效果 比较 差 ， 故 精
度 低 ］ 。
收稿 日期 ：０ ｌ一１ ２ 修 回 日期 ：０ ２— ２—１ ２ １ ２— ５ ２１ ０ ３
－－ －— —
２０ —— ２ ． ． —
小 波包 变换是一种改进 的小波变换方 法 ， 可以对非 平稳
部分信 号。 ３ ２ 故障特征信号 的提 取 ．
性信号进行 多层次分解 ， 能够有效地提取 非平稳 信号 的时频 特征 。针对 滚动轴承 故障 信号具 有非 平稳 性 和样本 数据 小 的特点 ， 为提高 了滚 动 轴承 故障 诊断 的精度 ， 出一种 基于 提 小 波包 （ ｖｌ ａｋｔＷＰ 和最小 二乘 支 持 向量 机 （ ｅｓ Ｗａｅ ｔ ｃｅ， ） ｅＰ Ｌ ａｔ Ｓ ｕｒｓＳ ｐｏ ｅｔｒＭａｈｎ ， Ｓ Ｖ 的滚 动 轴 承故 障诊 ｑ ａ ｕ ｐ￣Ｖ ｃ ｃ ｉｅ Ｌ Ｓ Ｍ） ｅ ｏ
法， 温度法检测对滚动轴承 速度 、 载荷 和润滑变 化十分敏感 ， 但是对早期点蚀 、 落 、 剥 轻微 磨损则 不 能检测 到 。油样 分
析 法 只 适 用 于 润 滑 油 滚 动 轴 承 ， 有 很 大 的 局 限 性 。滚 动 具
轴承故障诊断是一个模式识别 的多分类 问题 ， 核心就是如 其
第２卷 第 期 ９ ６
文章编号 ：０ ６— ３ ８ ２ １ ）６—０ ０ １０ ９ ４ （ ０ ２ ０ ２ ２—０ ４
风力发电机轴承振动监测故障诊断
风力发电机轴承振动监测故障诊断发布时间：2021-10-31T13:52:56.538Z 来源：《福光技术》2021年16期作者：周寅忱陈康乐[导读] 它把风的动能转变为风轮轴的机械能，发电机在风轮轴的带动下旋转发电。
国华（哈密）新能源有限公司新疆哈密 839000摘要：利用振动监测技术对风场发电机轴承进行实时监测，能够在一定程度上及时准确地评定轴承的运行状态，为轴承故障预判提供依据。
因此，对风力发电机轴承振动监测故障诊断进行探讨具有重要的意义。
关键词：风力发电机；轴承；振动；监测；故障诊断1风力发电机风力发电机是将风能转换为机械功，机械功带动转子旋转，最终输出交流电的电力设备。
风力发电机一般由风轮、发电机、调向器、塔架、限速安全机构和储能装置等构件组成。
风力发电机的工作原理比较简单，风轮在风力的作用下旋转，它把风的动能转变为风轮轴的机械能，发电机在风轮轴的带动下旋转发电。
2风力发电机轴承振动在线监测技术应用2.1在线监测技术目前主流机型以双馈型机组为主，其占有绝大部分的市场份额。
双馈型机组的典型故障主要发生在主控系统、传动系统、发电系统、电气及偏航变桨等关键设备，其中发电机作为机组的核心设备，对其进行轴承故障预判和诊断对保障机组可靠运行尤为重要。
通过在发电机驱动端和非驱动端轴承座位置处安装振动传感器，可监测轴承径向和轴向振动信号。
利用振动传感器采集轴承运行时的振动信号，经数据处理获得轴承运行的特征频率参数，对比轴承运行转速条件下的各组成结构的异常特征频率，判定轴承的运行状况。
发电机零部件结构和配合的复杂性，机组对中情况对轴承运行状态的影响，以及振动监测时出现的偶然因素影响，使得在线监测故障判定存在一定的难度。
故此，现阶段采用的振动在线监测技术在一定程度上仅能从监测到的振动信号进行分解和提取，以进一步抽取表征故障特征的信息量，从而对发电机轴承的运行状态、故障潜在点及发生点进行识别和诊断。
2.2轴承状态异常判别发电机轴承故障特性是一个逐渐发展的过程，即从初级故障状态随着缺陷损伤的加剧而逐渐加重，直至轴承使用寿命的终止。
基于支持向量机的风电机组主轴轴承故障诊断
基于支持向量机的风电机组主轴轴承故障诊断黄元维【摘要】主轴轴承是风电机组的重要部件之一。
通常主轴轴承故障诊断方法主要是基于振动信号和温度信号以及润滑油成分分析等。
这里利用支持向量机建立了风电机组发电机输出功率模型，输入量为风速、变桨角度、风向角与机舱角偏差；输出量为发电机输出有功功率。
在相同输入条件下，当主轴轴承存在磨损等故障时，发电机输出有功功率将随故障的逐步加重而逐渐减小，发电机输出有功功率实际值与预测值之间的残差将超出正常的阈值。
这里以某风电场风机主轴轴承实际故障进行了仿真验证。
%Spindle bearing is one of the main failure parts in wind generator. At present, mostly fault diagnosis methods of spindle bearing are based on vibration signal, temperature signal and composition analysis of lubricating oil, etc. In this paper, using svm to establish model. Its input variables include wind speed, blade angle and the deviation of wind angle and plane angle. The output variable is the power of generator. Under the condition of the same inputs, there is bearing failure such as wear and tear of main spindle, along with the gradually increasing of the fault, the output power of generator will fall. Residuals between power of generator actual value and predictive value will be beyond the normal threshold. In this paper, there will be a simulation and verification based on real fault of spindle bearing in a wind turbine.【期刊名称】《仪器仪表用户》【年(卷),期】2016(023)011【总页数】5页(P88-91,92)【关键词】风电机组;主轴轴承;故障诊断;支持向量机【作者】黄元维【作者单位】江西省特种设备检验检测研究院，南昌 330000【正文语种】中文【中图分类】TM315风电机组运行条件恶劣，故障频发。
从仿真到现实的多层级虚实域适应的滚动轴承故障诊断方法
从仿真到现实的多层级虚实域适应的滚动轴承故障诊断方法目录一、内容描述 (2)1.1 研究背景 (3)1.2 研究意义 (4)1.3 国内外研究现状及发展动态 (5)二、仿真与现实世界中的滚动轴承故障特征分析 (6)2.1 滚动轴承在仿真与现实世界中的基本原理 (7)2.2 滚动轴承常见故障类型及其特征 (8)2.3 振动信号在故障诊断中的应用 (10)三、基于仿真的滚动轴承故障诊断方法 (11)3.1 仿真模型的建立 (12)3.2 故障特征的提取与识别 (13)3.3 仿真结果的分析与验证 (14)四、基于现实世界的滚动轴承故障诊断方法 (15)4.1 实验平台的搭建 (16)4.2 故障特征的提取与识别 (17)4.3 实验结果的验证与分析 (19)五、多层级虚实域适应的滚动轴承故障诊断方法 (20)5.1 虚实融合的故障特征提取策略 (22)5.2 基于多层级划分的故障诊断模型 (23)5.3 仿真实验与实际应用的效果对比 (24)六、结论与展望 (25)6.1 研究成果总结 (27)6.2 研究不足与局限 (28)6.3 未来发展方向与展望 (29)一、内容描述本研究旨在提出一种从仿真到现实的多层级虚实域适应的滚动轴承故障诊断方法。
该方法首先通过仿真平台对滚动轴承进行故障建模和分析，然后将仿真结果与实际运行中的滚动轴承进行比较，以识别出可能存在的故障模式。
通过对实际运行中的滚动轴承进行实时监测和数据采集，利用机器学习和数据挖掘技术对故障模式进行进一步分析和诊断。
根据诊断结果，对滚动轴承进行有效的维修和保养，以降低故障发生的风险，提高设备的可靠性和安全性。
滚动轴承故障建模和仿真：通过建立数学模型和有限元仿真软件，对滚动轴承的结构、材料特性、润滑条件等因素进行分析，预测可能出现的故障模式。
实际运行中的滚动轴承监测和数据采集：通过安装传感器和采集设备，实时获取滚动轴承的运行状态、温度、振动等参数，为后续的故障诊断提供数据支持。
风电机组轴承智能故障诊断系统研究
风电机组轴承智能故障诊断系统研究关键词：风电机组;滚动轴承;故障诊断引言风能产业作为二十一世纪的朝阳产业，同时也是可持续充分发展的绿色经济。
世界各国己把风力发电看作是缓解未来能源短缺必不可少的一项措施。
目前风力发电在中国、印度、加拿大、巴西等国家己成为发电的有效途径之一[fll。
利用风能发电在我国沿海、内蒙、新疆、青海等区域己初见成效并且形成了绿色电力经济产业。
风能作为一种新型清洁能源产业，对于改善能源的结构、促进经济结构的转型、推动环境友好型社会的建设具有十分重要的意义。
中国风能专委会公布了2016年中国新增和累计风电装机容量统计数据。
在2016年，全国新增装机容量大约2337万千瓦，相比2015年下降了24%;中国累计装机容量接近1.69亿千瓦，相比2015年增长了16%。
虽然新增装机容量有所下滑，但是从总的装机容量来看，全国累计装机容量呈持续快速增长的良好发展趋势。
1风电机组故障诊断国内外研究现状国内监测技术的发展还相对比较落后，特别是对塔架和机舱运行状态的监测，大多数还停留在理论分析阶段，在实际工程中用到的监测设备基本都是从国外引进的。
随着国内装机容量的持续快速增长和对风电机组监测设备的需求也在不断地加大，从而引起了国内各大高校对风电设备监测系统研发的积极性。
上海交通大学风力发电研究中心的余慎思等提出了一种利用自概率学习模型的故障评估方法对风电机组的异常状态进行了有效监测;华北电力大学武英杰等提出了一种基于变模态分解的故障诊断方法，并将其应用到风力发电机传動系统的不平衡故障诊断中去，试验结果表明此方法可以有效地识别出机组因为不平衡而引起的故障，并且还可以有效地降低噪声和避免经验模态分解（EmpiricalModeDecomposition，EMD）中由冲击引起的模态混叠;华北电力大学控制与计算机工程学院的张建付等对采集来的风机轴承振动信号做小波包变换提取出特征参数并将其输入到长短时记忆网络有效地识别出了机组轴承的常见故障，证明了此方法的有效性.2风电机组轴承的故障及关键诊断技术2.1信号采集模块的关键技术信号采集模块主要涉及传感器和数据采集卡类型的选择，在选取数据采集卡时一定要注意采样频率、分辨率和I/O通道数等各项指标。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
等１ ｃｔ （ ｄｓｒ 一ｏ ｏ ￣
（ ２ ）
滚动体缺陷频率为 ：
常用的信号幅域统计参数包括有效值 、 峭度 、 峰值
因数 、 态指 标 、 偏 峭度 指标 、 度 因数 、 冲 因数 、 裕 脉 峰 态 因数等 ．
厂 － ｃ ｂ （告ｓ ＝ 一。 ２
式 中： ｚ——滚动体个数 ； ｄ ——滚动体直径； Ｄ— — 轴承节 径 ； 径 向方 向接触角 ；
果， 因此包络分析又称为解调分析． 通过对包络信 号进行频率分析 ， 能比较精确地确定故障发生的
部 位 和层 次 ．
希尔 伯特 解包 络 的原理就 是让 测 试信号 产生
一
个 ９。 Ｏ 的相移 ， 从而与原信号构成一个解析信
小波 函数的平移 和伸缩构成 的． 与傅里叶变换相 比， 小波 变换 是 时 间 （ 间 ） 率 的局 部 化 分 析 ， 空 频 它通过伸缩平移运 算对信号 （ 函数 ） 逐步进行多 尺度细化 ， 最终达到高频处时间细分 ， 低频处频率
文章编号 ：１０ ４ ２ （０ １ ０ ０ ６— ７ ９ ２ １ ）６—０ ６ ０ ５ ３— ５
基 于 Ｌ ｂ Ｉ Ｗ 的风 电机 组 滚 动 轴承 ａＶＥ 故 障诊 断 系统 及 其 仿 真
徐浩凇 ， 郑小 霞
（ 上海电力学院 电力与 自动化工程学 院 ， 上海 ２０ ９ ） ０ ００
ｅ ｖ ｌｐ ｐ ｃｒｍ ｎ ｌｓｓ ｉ ｄｔｒ ｉｅｒｌｎ ｅ ｒｎ ａ ｌ ｄａ ｎ ｓ ｙｔｍ ｎ Ｌ ｂ Ｅ ５ ｉ ｎ ｅｏ ｅｓ ｅ ｔｕ ａ ａｙ ｉ ；ｗ ｎ ｕ ｂｎ ｏｌ ｇ ｂ ａｉ ｇｆｕｔ ｉｇ ｏｉ ｓｓｅ ｉ ａ ＶＩ Ｗ ８ ｓ ｉ ｓ
．
Ｅ ｍａｌ － ｉ：
基金项 目：上海市教委重 点学 科建设项 目（５ ３ １ ； 海市重 点科技 攻关计 划项 目（ ０ ５ ２ ０ ） 上 海市人才 发 Ｊ１０ ） 上 １１０ ０ １０ ； １ 展基 金（ ０ １５ ２ ０ ） 上海市教委科 研创新项 目（ ２ １ ６ ） １ ｌ０ ０ １０ ； Ｚ ０ ０— ４
率诊断故障是一种有效 的方法Ｈ ． 】
由于结构 、 运行 特 性不 同 ， 各零部 件有 不 同的
特征频率． 滚动轴承 的特征频率 （ 即接触激 发的
１ 基 于 特 征 参数 滚 动 轴 承 故 障 诊 断
对于一个有损伤 的轴承 ， 当滚动体接触点进 人缺陷区时， 就会发生机械冲击 ， 冲击脉冲幅度与
．
上
海
电
力
学
院
学
报
Ｌ ｂ ｉ 参 数设 置较 为复杂 ． ａｖ Ｗ ｅ
本文 采用 基于 特征参 数 的滚动轴 承故 障诊 断
２ １ 滚 动轴承 特征 频率 ． 滚动 轴 承 的 异 常 振 动 频率 由 转 子 的 旋 转 速
方法 ， 依据振动信号 的峭度指标 、 峰值因数 、 偏态 因数等参数对滚动轴承的内圈 、 外圈 、 滚动体进行 故障识别 ， 并提 出了希尔伯特包络谱分析的滚动 轴承故障诊断方 法， 该方法在小波变换求得高频 系数的基础上， 用希尔伯特变换求取振动信号 的 包 络谱 ， 而 确 定 轴 承 的故 障类 型． Ｌｂ ＩＷ 从 在 ａＶＥ ８５ ． 环境下开发了基于特征参数和希尔伯特包络 谱分析法的风 电机组滚动轴承故障诊断系统． 故 障诊 断实 验结 果 表 明 ， 系统 能 够有 效 、 速 、 该 快 准
确地 对滚 动轴 承 内圈 、 圈 、 动体 故障进 行识 别 外 滚 并报 警 ．
度、 损伤部位的形态 ， 以及轴承元件的固有振动频
率 所 决定 ． 子 的旋 转速 度 越 高 、 伤 越严 重 ， 转 损 其
振动频率就越高． 滚动轴承故障的振动特征是 ： 当
发 生异 常 时 ， 频谱 丰 富 ， 会只产 生单一 的特 定频 不 率 ， 频率分 量 的幅值 显 著增大 ． 各 由于轴 承元件 的 固有 频 率较 高 ， 常在 ｌＸ１。 ×１ ｚ内 ， 通 ０ ～ｌ ０Ｈ 一 旦某 种 元件 出 现异 常 激 发该 种 固有 频 率 ， 谱 中 频 就 会 出现高频 成 分． 因此 ， 轴 承元件 的 固有 频 利用
号 ， 出的解析信号就构成了包络． 求 希尔伯特解包
络 的原理 如 图 Ｊ 示 ． 所
细分 ， 自动适应时频信号分析的要求 ， 能 从而可聚 焦到信号的任意 细节 ， 解决 了傅里叶变换 中存在
ｆｕｌ ｄ ａ ｎ ｓｓ ａ ｔ ｉ ｇ ｏ ｉ
滚动 轴 承是 风 力 发 电 机 组 的关 键 部 件 之 一 ，
其 中最重要的齿轮箱滚动轴承和发电机滚动轴承 都属于经 常发生故 障的部 件 ． ¨ 因此 ， 研究 滚动
轴 承 的故 障诊 断对 风 电机组 正 常运行 具有 重要 意
Ａｂ ｔ ａ ｔ Ｔ ｅ ｆ ｕ ｔ ｉ ｇ ｏ ｉ ｍｅ ｈ ｄ ｒ ｃ ｉｖ ｄ ｂ ｓ ｄ ｏ ｈ ｒ ｃ ｅ ｓｉ ａ ａ ｔｒ ｎ ｌ ｅｔ ｓｒ ｃ ： ｈ ａ ｌ ｄ ａ ｎ ｓｓ ｔ ｏ ｓａ ｅａ ｈ ｅ ｅ ａ ｅ ｎ ｃ ａ ａ ｔｒ ｔ ｐ ｒ ｍｅ ｅｓ ａ ｄ Ｈｉ ｒ ｉ ｃ ｂ
．
ｄ ｖ ｌｐ ｄ ｅ ｅｏ ｅ ．Ｔ ｅ ｒ ｓ ｌ ｆｆｕ ｔ ｉｇ ｏ ｉ ｈ ｗ ｔ ａ ｅ ｓ ｓｅ ｃ ｎ ｅ ｉｉｎ ｌ ｑ ｉｋ ｙ ａ ｄ ａ ｃ ｒ ｔｌ ｈ ｅ ｕ ｔ ｏ ｌ ｄ ａ ｎ ｓｓｓ ｏ ｔ ｙ ｔ ｍ ａ ｆ ｃ ｅ ｔ ｓ ａ ｈ ｔ ｈ ｙ ｕ ｃ ｌ ｎ ｃ ｕ ａ ｅｙ
中图分类号 ：Ｔ １ ；Ｈ１３ ３ Ｍ３ ５ Ｔ ３ ．３ 文献标 志码 ：Ａ
Ｆａ ｌ Ｄｉ ｇ ｏ ｉ ｓｅ ｆＷ ｉ ｄ Ｔｕ ｂ ｎ ｌ ｎ ｕ ｔ ａ ｎ ｓｓＳｙ ｔｍ ｏ ｎ ｒ ｉ ｅ Ｒｏｌ ｇ ｉ Ｂｅ ｒｎ ｓ ｄ ｏ ｂ ＥＷ ｎｄ Ｓ ｍ ｕ ａ ｉｎ ａ ｉ ｇ Ｂａ ｅ ｎ Ｌａ ＶＩ ａ ｉ ｌ ｔｏ
，
ｉ ｅ ｔ ｙ ａ ｄ ａ ａｍ ｏ ｌ ｇ ｂ ａ ｎ ｎ ｅ ｉ ｇ ｕ ｅ ｉｇ，ｒ ｌ ｎ ｏ ｙ ｆ ｕ ｔ ｄ ｎ ｉ ｎ ｌｒ ｒ ｌ ｎ ｅ ｒ ｇ ｉ ｎ ｒｒ ，ｏ ｔｒｒ ｆ ｉ ｉ ｎ ｎ ｏ ｌ ｇ ｂ ｄ ａ ｌ ｉ ｓ
．
Ｋｅ ｒ ｓ ｙ ｗｏ ｄ ： ｗ ｎ ｕ ｂ ｎ ｉ ｄ ｔ ｒ ｉｅ；ｒ ｌ ｎ ｅ ｒｎ ；ｃ ａ ａ ｔｒ ｔ ａ ａ ｔｒ；ｅ ｖ ｌｐ ｐ ｃ ｒ ｍ ｎ ｌｓｓ ｏｌ ｇ ｂ ａ ｉ ｇ ｈ ｒ ｃ ｅ ｉ ｉ ｐ ｒ ｍｅ ｅ ｉ ｓｃ ｎ ｅｏ ｅｓ ｅ ｔ ｕ ａ ａｙｉ ；
损 伤程 度成 正 比． 由于 冲击 力 的变动 幅度很 大 ， 且 带 有较 大 的随机 噪音 ， 因此 ， 波 形特征 参数 来表 用
基 频 ） 以根据 轴 承 元件 之 间滚 动 接触率值 往 用 往十 分接 近测 量 数值 ， 此在 诊 断前 总 是 将其 先 因
得到其包络谱 ，由包络谱获得故 障特征信息． 由
此可结合小波分析和希尔伯特变换二者的优点对 轴承进行故障诊断．
徐浩凇 ， ： 等 基于 Ｌｂ ＩＷ 的风电机组滚动轴承故 障诊断 系统 及其仿真 ａＶＥ
５５ ６
对 信号 的 自适应 性 ， 能识 别振 动信 号的突变 成
分 ． 小波 变换 的 基 本 思 想 与 傅 里 叶 变 换 是 一 致 的 ， 也是用一 族 函数 去 表示 信号 或 函数 ， 族 它 这一 函数 称 之为小 波 函数 系． 波 函数 系 是 由一基 本 小
由于伴随轴承故障的发生 、 发展 ， 往往会引起
收 稿 日期 ：２ １ — ７— ４ ０ １ ０ ０
通讯作者简 介：郑小 霞（ ９ ８一） 女 ， １７ ， 博士 ， 教授． 副 山东烟 台人 ． 主要 研 究 方向 为风 电故 障诊 断与 优 化
ｚ ｘａ ｘａ １ ６ ｔ ｍ． ｈ ｉｏ ｉ ＠ ２ ． ｏ
计算 出来 ， 并以此作为诊断的依据． 对于外圈固定 的轴 承 ， 可运用 下 列 公 式计 算 出各元 件 的故 障特
征 频率 ． 内圈 （ 滚 道 ） 陷频 率为 ： 外 缺
＝
示冲击波形幅度 能有效反映轴承 的故障状态 ， 这 是 轴承 故 障检测 中的常用方 法 ｊ ． 由于滚动轴承振动信号是随机 的， 其本身不
— —
（ ３ ）
２ 基 于 希 尔 伯 特 包 络 谱 分 析 的 滚 动
轴 承 故 障诊 断
由于滚动轴承振动信号 的不平稳特性 ， 合理
—
—
轴 的旋 转 频率 ．
２ ２ 小 波变换 ．
地选择信号处理方法对于确保故障诊断系统 的精
确性很重要． 不准确的信号分析会导致故障诊断
系统多次错误报警 ， 降低故障诊断的准确性 ． 小波分析具有对信号的 自适应性 ， 能识别振 动信号 的突变成分 ； 振动信号经希尔伯特变换后
第２ ７卷第 ６期
２１ ０ １年 ｌ ２月
上
海
电 力 学 院
学
报
Ｖ １２ ｏ ． ７， Ｎｏ ６ ． Ｄｅ ． ２ １ ｃ ０ １
Ｊ ｕ ａ ｏ Ｓ ａ ｇ ａ Ｕｎ ｖ ｒｉｙ ｏ Ｅｌ ｃｒｃ Ｐ ｗｅ ｏｒ ｌ ｆ ｎ ｈ ｎｈ ｉ ｉ ｅ ｓｔ ｆ ｅ ｔｉ ｏ ｒ
对非平稳信号进行分析时， 高频信号需要采 用小时间窗 ， 而低频信号需要采用大时间窗 ， 即窗 口大小应随频率变化而改变 ， 但加窗傅立 叶变换 无法实现这一功能． 小波分析是一科 窗 口大小 固 ｔ 定但其时频窗可 以改变的时频局部化分析方法 ， 在低频部分具有较高的频率分辨率和较低的时问 分辨率 ， 在高频部分具有较高的时间分辨率和较 低 的频率分辨率． 正是这种特性 ， 使小波分析具有
能 直观 地反 映 系统状态 的变 化 ， 通过 统计分 析 ， 但 可 以找 到反 映其 统 计 规 律 的特 征 量 ． 信 号 的幅 在