改进变分模态分解的核电厂轴承故障诊断
2021-11-05朱少民夏虹王志超彭彬森姜莹莹张汲宇
哈尔滨工程大学学报 2021年10期
朱少民, 夏虹, 王志超, 彭彬森, 姜莹莹, 张汲宇
(1.哈尔滨工程大学 核安全与先进核能技术工业和信息化部重点实验室,黑龙江 哈尔滨 150001; 2.哈尔滨工程大学 核安全与仿真技术国防重点学科实验室,黑龙江 哈尔滨 150001)
核电厂中存在有大量的旋转机械,如各类泵、汽轮机、电机、风机等,而轴承是旋转机械中较为薄弱的环节,由于受到安装、载荷、润滑等因素的影响,轴承在运行过程中会发生各种类型的失效[1]。据统计,旋转机械的故障中30%以上来自于轴承[2],因此,需要采用有效的检测技术对核电厂轴承的运行状态进行评估。核电厂一般采用在线的方式对旋转机械的振动幅值进行监测,一旦超出阈值将采用频谱分析技术对设备的振动信号进行分析并确定故障原因[3],但是只有在故障程度发展到足够大的时候才会被检测出来,加大了被动停机的风险。因此轴承的早期故障检测是关键,并在此基础上制定预测性的维护策略。
在轴承故障早期,周期性的冲击脉冲信号非常微弱,由于环境噪声的影响,难以提取出故障特征[4]。根据工程实践经验,机械振动响应是多频特征信号的叠加,因此可以采用信号分解和滤波的方式来提取故障特征,常用的信号分解方法主要有小波分解[5]、小波包分解[6]、经验模态分解(empirical mode decomposition, EMD)[7]和局部均值分解(local mean decomposition, LMD)[8]等。但是小波和小波包是一种非自适应的分解方法,需要提前确定小波基函数和分解层数。虽然EMD和LMD能够对信号进行自适应的分解,但是模态混叠现象使其应用受到了限制。……
登录APP查看全文
