论文部分内容阅读
风电机组运行的环境非常特殊,恶劣的环境导致其极易发生故障且故障停机时间非常长。滚动轴承作为风电机组的主要部件,其故障发生率是所有部件中最高的。而且轴承的故障诊断与其振动信号具有相关性,所以对滚动轴承振动信号进行数据分析并及时诊断出滚动轴承故障,对设备的安全稳定运行具有显著的理论意义和现实意义。但同时因为在轴承早期故障中会混入很多干扰数据分析的噪声,所以在轴承故障诊断中,探索有效的去除信号噪声和故障诊断的方法一直是主要的研究方向。 本文针对传统小波降噪效果不好的问题提出了一种改进的小波阈值去噪方法。首先针对传统小波降噪在阈值选择中存在的分解尺度变化会影响降噪效果的问题,对阈值选择方法进行改进;其次将传统的软、硬阈值函数各自的优势进行结合,设计出一种新的阈值函数;最后在MATLAB中进行仿真验证。结果证明了改进的小波阈值去噪方法可以有效去除信号中的噪声,为轴承故障特征的提取打下坚实的基础。同时针对FEEMD(Fast Ensemble Empirical Mode Decomposition)分解后的IMF存在虚假分量的问题,利用相关系数法对FEEMD方法进行改进,改进后的FEEMD可简单快捷的判断出本征模态函数的虚假分量,消除虚假分量对故障诊断所造成的影响。随后利用Hilbert包络解调法对分离出的有效IMF分量进行包络解调分析,可以很好的提取出信号的特征频率。 最后在风力涡轮机动力传动故障诊断综合实验台(WTDS)上采集轴承不同故障的振动数据,对本文所提出的基于小波阈值降噪和 FEEMD的轴承故障诊断方法进行实验验证。结果表明该方法可以有效的提取出轴承的故障特征频率,实现对轴承内外圈和滚动体故障的准确诊断。