風機軸承狀態監測與故障診斷

   石家莊風機廠 石家莊風機 石家莊市風機廠 石家莊風機維修 石家莊風機銷售
運用本文提出的 Wigner-Ville 時頻譜熵和 PFPE 方法對不同工況下風力發電機軸承端振動信號進行分析，結果如圖 5-5 和 5-6 所示。可以看出，不同 PF 分量對應著不同的熵值，體現了振動信號的在不同特征時間尺度上的細節特征，且隨著 PF 分解階數的增加，熵值呈遞減趨勢，說明振動信號復雜度逐漸降低。還可以發現，不同轉速工況下風力發電機軸承端振動信號的熵相差不大。因此，使用 Wigner-Ville 譜熵和 PFPE 值對風力發電機軸承運行狀態進行監測分析，不會因轉速的變化而有太大的差別。這也說明了本文提出的方法對轉速變化具有較好的魯棒性，也為進一步分析不同工況下不同故障狀態或情形提供了有效參考。
慮到 22kW 風機實驗平臺組裝成本較高，如果在該平臺上人為設置故障，不僅危險性高、損壞性大，而且需要專業的隊伍及裝備拆卸，提高了維修成本。因此本文基于風機齒輪箱軸承運行特點及振動特征分析，搭建簡易齒輪箱軸承故障實驗平臺，來模擬風機齒輪箱軸承在不同轉速工況下的運行狀態及故障情況。
如圖 5-7 所示，實驗平臺由變頻器、電機、齒輪箱、聯軸器等組成，振動測試系統由加速度傳感器、信號采集儀及 PC 機等組成，實驗空載運行。電機為三相異步電機，額定功率為 1.1kW，額定轉速為 1410r/min，用于驅動減速齒輪箱。減速齒輪箱型號為 PM250，減速比為 10.35。變頻器用于調節電機轉速。傳感器為 PCB 公司的ICP352C33 加速度傳感器，安裝在減速器殼體，用以測取振動信號。數據采集系統為東方噪聲振動研究所的 8 通道 INV3018C 數據采集儀，用以采集和存儲傳感器測得的振動數據。
本文以風機軸承狀態監測與故障診斷為背景，針對風機軸承非平穩、非線性故障特征難以提取的問題，引入局部均值分解瞬態信號分解技術和信息熵特征定量描述方法，從時頻瞬態能量特征描述和非線性特征分析角度，分別結合時頻分析方法——Wigner-Ville 分布和非線性動力學參數方法——排序熵，提出了振動信號瞬態能量特征提取和非線性特征定量描述的方法，并將所研究的方法應用到風機軸承故障診斷實驗中。本文所做的工作如下：
(1)  從信號的多尺度時頻分析角度和信息熵角度，研究了局部均值分解方法和信息熵特征定量描述方法。通過仿真信號驗證了 LMD 的自適應分解特性，并對軸承實測振動信號進行分析，通過與直接利用 FFT 相比，發現利用 PF 分量進行幅值譜分析可以更好的發現軸承故障特征頻率。同時，利用數值仿真信號對排序熵進行了分析。
(2)  利用 LMD、Wigner-Ville 分布和信息熵相結合，提出了一種瞬態能量特征提取方法——Wigner-Ville 譜熵，并基于最小二乘支持向量機建立智能故障診斷模型。基于典型實驗平臺和風機軸承故障模擬平臺分別進行實驗，驗證了該方法能有效實現軸承內圈、外圈、滾動體和復合故障等不同故障類型的自動分類。
(3)  基于風機軸承信號的非線性動力學特性，提出了一種基于 LMD 的多尺度排序熵的非線性特征提取方法，討論了影響排序熵性能的參數如嵌入維數等的選取問題，該方法有效刻畫了軸承振動信號非線性復雜度特征，并通過典型實驗平臺和風機軸承故障診斷實驗驗證分析，實現了對軸承內圈不同故障程度的有效識別。
本文針對風機軸承振動信號特征提取問題，運用局部均值分解方法，從瞬態能量特征提取和非線性特征分析兩個角度提供了新的特征提取方法，為風機軸承及其它機械部件狀態監測和故障診斷提供了有效理論方法。需要進一步研究的問題有：
(1)  針對 LMD 的一些缺點，如端點處理問題、局部均值函數和包絡估計函數的平滑問題、噪聲對 PF 瞬時頻率的影響問題，還需進一步研究有效的處理方法。
(2)  由于實驗條件限制，本文提出的方法僅對風機軸承故障模擬實驗平臺進行了驗證，還需要在工程實際應用中做進一步驗證。