变风速条件下风力机轴承故障特征提取

2021-10-13谷晓娇刘天顺李时雨

机械与电子 2021年9期

谷晓娇，刘天顺，李时雨

(沈阳理工大学，辽宁沈阳 110159)

0 引言

轴承是风力机机械传动系统的核心部件，它的振动信号包含了丰富的状态信息，通过对其进行振动分析就可以实现轴承的故障诊断[1-2]。由于风力发电机组的工作环境具有噪声强、风速变化大的特点，会影响故障诊断的准确性[3-5]。

在强噪声环境下，常用的故障诊断方法是随机共振。随机共振(stochastic resonance，SR)的影响与系统参数有关，为了使随机共振法在工程应用中发挥出更好的效果，常将随机应变法与优化方法相结合。文献[6]采用频移尺度预处理和鱼群算法对随机共振系统参数进行同步优化，实现了齿轮故障微弱信号的提取。文献[7]将随机共振与经验模态分解相结合，基于遗传算法优化随机共振系统参数，实现了信号的自适应处理。文献[8]提出灰狼优化算法(grey wolf optimizer，GWO)，由于其具有较强的收敛性能、参数少以及易实现等优点，因此，在工程优化领域的应用非常广泛。

风力机轴承的故障诊断在变风速条件下相当复杂。故障特征频率值随风速变化而变化。每次风速变化，系统参数都需重新优化。当风速变化时，利用变尺度系数R对频率-时间尺度进行变换，便可以处理不同风速条件下的振动信号。

综上所述，本文提出了一种基于灰狼优化算法和双稳态杜芬振荡器(bistable Duffing oscillator)的随机共振的故障特征提取方法，应用到风力机轴承的故障诊断中，并用实例验证了方法的有效性。