李宇恒,蒋章雷,梁 好,毕浩程

(北京信息科技大学 现代测控技术教育部重点实验室,北京 100192)

0 引 言

在全球的风电机组累计装机容量快速增长的背景下,由部件故障导致的机组停机事故频发。其中,造成停机最大时间的故障主要集中在风电机组的齿轮箱传动系统[1]。由此可见,齿轮和轴承是风电机组故障高发部件。因此,对风电机组发生各种异常状态或故障进行及时、有效的监测是非常必要的。

风力发电机组的传动系统多采用行星齿轮箱,且行星齿轮箱结构复杂、运行工况多变,齿轮啮合特征频率、零部件的旋转特征频率、故障特征频率等多个频率之间存在着大量的耦合情况。故对行星齿轮箱的故障特征提取一直存在着很大的困难。如今,行星齿轮箱的状态诊断、趋势预测研究及相关研究已成为国内外科学研究中的一个热点课题。

秦嗣峰等人[2]提出了基于Vold-Kalman滤波和高阶能量分离的方法,准确识别了信号中的时变频率成分,解决了频率离散的行星齿轮箱振动信号单分量分解问题。祝文颖等人[3]提出了迭代Hilbert变换与Fourier变换相结合的信号解调分析方法,实现了对敏感分量的幅值解调和频率解调,提取出了行星齿轮箱振动信号中的故障信息,实现了对行星齿轮箱故障的准确诊断。隆勇等人[4]对平均后的振动信号进行了加窗分离;然后,对分离的振动信号进行了VMD分解,并选取了包含故障的特征分量;最后,对选取的特征分量进行了Hilbert解调分析,实现了行星轮故障特征提取。……