基于多传感器信息融合的变工况行星齿轮箱故障诊断方法

摘要

本发明属于旋转机械故障诊断技术领域，尤其涉及一种基于多传感器信息融合的变工况行星齿轮箱故障诊断方法，特别适用于变工况复杂风电行星齿轮箱的故障诊断方法。包括以下步骤：（1）根据行星齿轮箱结构特点及诊断难度，选取合适的振动测点布置位置和传感器类型，制定采集方案；（2）根据阶比重构技术，将振动信号进行预处理，将非线性、非平稳的时域信号转化为具有平稳性的角域信号；将等时间间隔采样的非平稳振动时域信号转化为具有平稳特性的角域振动信号；（3）多传感器信息的融合；（4）将行星齿轮箱的故障按分布故障和局部故障进行划分；（5）故障模式识别的方法；（6）进行验证。本发明诊断效果准确率高，实用性强。

主权项

基于多传感器信息融合的变工况行星齿轮箱故障诊断方法，其特征在于：包括以下步骤：(1)行星齿轮箱不同于传统定轴齿轮箱，根据其结构的特点及诊断的难度，选取合适的振动测点布置位置和传感器类型，制定出合理的行星齿轮箱振动信号采集方案；(2)根据阶比重构技术，将处于变工况的风电行星齿轮箱传感器所采集的振动信号进行预处理，将非线性、非平稳的时域信号转化为具有平稳性的角域信号，避免使用硬件方式实现等角度采样的昂贵成本；采用线性插值方法的非平稳振动时域信号的阶比重构技术，将等时间间隔采样的非平稳振动时域信号转化为具有平稳特性的角域振动信号，保证行星齿轮箱振动角域信号的整周期性；(3)多传感器信息的融合；传感器振动信号中含有重要的故障诊断信息，而无量纲指标可以标征行星齿轮箱的运行状态，不会受工况变化的影响，在步骤(2)的基础上，对传感器所采集的振动信号经阶比重构后的角域信号提取出传统无量纲指标和新无量纲指标，作为故障诊断的特征参数；(4)根据行星齿轮箱的结构特点，将行星齿轮箱的故障按分布故障和局部故障进行划分，通过行星齿轮箱的结构和故障机理分析，推出不同故障模式的故障特征频率，对行星齿轮箱处于正常、一级行星轮系太阳轮局部故障、一级行星轮系太阳轮分布故障三个状态下的振动信号进行简单介绍；(5)故障模式识别的方法；由于行星齿轮箱的结构复杂，简单的故障诊断方法难以进行精确诊断；传统的BP神经网络广泛的应用于齿轮的故障诊断中，但在输入信息不精确或不确定时，神经网络的精确性大大降低，因此采用遗传算法优化BP神经网络作为行星齿轮箱故障诊断方法；(6)在步骤(2)、(3)、(4)、(5)的基础上，以华锐SL1500风电行星齿轮箱为研究对象，进行验证，表明：不同传感器测点包含的故障信息不够完全，很难以单一传感器测点的故障信息进行行星齿轮箱的故障诊断，多传感器信息融合的方法较单一传感器的方法的诊断效果更好，准确率更高。