基于粒子群优化算法的盲分离大型风力机主轴承故障诊断研究
2017-12-21刘欢王健
刘欢++王健
摘要:本文采用盲源分离中的粒子群优化算法解决多故障源信号提取问题和故障源信号分离等题。诊断结果表明,该方法具有可行性,从而实现对风力机主轴承的故障诊断。
关键词:粒子群优化;主轴承;故障诊断
中图分类号:TP206 文献标识码:A 文章编号:1007-9416(2017)10-0113-02
风力机的主轴承一种特殊的轴承,使用环境恶劣,维修成本较高,要求高寿命。由于风力机组周围的环境恶劣,并且长期处在恶劣的环境中运行,因此风力机主轴承故障率较高,一旦发生故障,直接和间接经济效益损失较大[1]。本文采用盲源分离中的粒子群优化算法解决多故障源信号提取分离等问题。诊断结果表明,该方法具有可行性,从而实现对风力机主轴承的故障诊断。
2 基于粒子群优化盲源分离算法风力机主轴承故障信号实验研究
实验是在旋转机械振动故障转子实验台上进行的,环境比较封闭,空间没有干扰,假设转子实验台发生故障时,实验台的振动信号相互叠加混合,在传递过程中发生线性混合过程。对转子试验台进行测试,结果可以得到图2和图3中的波形,都是三个传感器采集到振动信号的波形图。
从图3可以看出,可以看出采集到的信号,有些混叠不好分辨哪个是振动信号,容易出现误判,这对诊断是非常危险的。因此,为了能够捕捉到有用的有效的故障信号,采用粒子群优化算法对采集到的信号进行分离,分离结果分别如图4所示。
经过上面图1和图2还有图3和图4的对比可以看出,图4中频率信号比较清晰,第二个分离信号五十赫兹频率成分,改数值是不变的,可以认为是风力机中电机的转频,第一个分离信号为轴承的故障频率及其倍频成分,第三个分离的频段范围内特征不明显,是干扰信号,随机的。从图3和图4的结果可以看出,采用粒子群优化算法,可以清晰地判断出故障信号,分离结果显著,分离的可靠性和分离精度都非常高。
3 結语
本文采用粒子群优化盲源分离技术解决了主轴承故障诊断问题。将粒子群优化盲源分离技术应用到基于振动分析的主轴承诊断中,提高故障诊断精度和计算速度,对大型风力机主轴承故障诊断具有指导意义。
参考文献
[1]张青锋,唐力伟,郑海起,等.带有齿根裂纹故障的齿轮传动系统非线性动力学模型研究[J].振动工程学报,2011,24(3):294-298.
[2]徐玉秀,原培新,邢钢.极大嫡谱法及其在滚动轴承故障诊断中的应用[J].机械科学与技术,2001,20(4):571-574.
[3]朱利民,钟秉林,贾民平.振动信号短时分析方法及在机械故障诊断中的应用[J].振动工程学报,2000,13(3):400-405.
[4]徐刚,骆志高,李明义,等.变工况运行的机械故障诊断研究[J].机械工程学报,2001,37(12):104-107.endprint