APP下载

基于粒子群优化算法的盲分离大型风力机主轴承故障诊断研究

2017-12-21刘欢王健

数字技术与应用 2017年10期
关键词:故障诊断

刘欢++王健

摘要:本文采用盲源分离中的粒子群优化算法解决多故障源信号提取问题和故障源信号分离等题。诊断结果表明,该方法具有可行性,从而实现对风力机主轴承的故障诊断。

关键词:粒子群优化;主轴承;故障诊断

中图分类号:TP206 文献标识码:A 文章编号:1007-9416(2017)10-0113-02

风力机的主轴承一种特殊的轴承,使用环境恶劣,维修成本较高,要求高寿命。由于风力机组周围的环境恶劣,并且长期处在恶劣的环境中运行,因此风力机主轴承故障率较高,一旦发生故障,直接和间接经济效益损失较大[1]。本文采用盲源分离中的粒子群优化算法解决多故障源信号提取分离等问题。诊断结果表明,该方法具有可行性,从而实现对风力机主轴承的故障诊断。

2 基于粒子群优化盲源分离算法风力机主轴承故障信号实验研究

实验是在旋转机械振动故障转子实验台上进行的,环境比较封闭,空间没有干扰,假设转子实验台发生故障时,实验台的振动信号相互叠加混合,在传递过程中发生线性混合过程。对转子试验台进行测试,结果可以得到图2和图3中的波形,都是三个传感器采集到振动信号的波形图。

从图3可以看出,可以看出采集到的信号,有些混叠不好分辨哪个是振动信号,容易出现误判,这对诊断是非常危险的。因此,为了能够捕捉到有用的有效的故障信号,采用粒子群优化算法对采集到的信号进行分离,分离结果分别如图4所示。

经过上面图1和图……

登录APP查看全文

猜你喜欢

故障诊断
基于包络解调原理的低转速滚动轴承故障诊断
ILWT-EEMD数据处理的ELM滚动轴承故障诊断
冻干机常见故障诊断与维修
基于EWT-SVDP的旋转机械故障诊断
数控机床电气系统的故障诊断与维修
基于改进的G-SVS LMS 与冗余提升小波的滚动轴承故障诊断
改进的奇异值分解在轴承故障诊断中的应用
基于LCD和排列熵的滚动轴承故障诊断
基于KPCA和PSOSVM的异步电机故障诊断
基于WPD-HHT的滚动轴承故障诊断