本發(fā)明涉及故障診斷，尤其涉及一種基于時頻平面期望最大化的風(fēng)電機(jī)組傳動鏈故障診斷方法。

背景技術(shù)：

1、風(fēng)力發(fā)電機(jī)是現(xiàn)代可再生能源利用中的重要設(shè)備，廣泛應(yīng)用于全球各地的風(fēng)力發(fā)電場。隨著全球?qū)η鍧嵞茉葱枨蟮牟粩嘣黾樱L(fēng)力發(fā)電機(jī)的數(shù)量和規(guī)模也在迅速增長。風(fēng)力發(fā)電機(jī)通常安裝在高海拔、環(huán)境惡劣的地區(qū)，這使得風(fēng)機(jī)傳動鏈關(guān)鍵零部件的可靠性和壽命尤為重要。在變轉(zhuǎn)速等復(fù)雜工況下，風(fēng)力發(fā)電機(jī)的葉片受到短暫而頻繁的沖擊，使得傳動鏈?zhǔn)艿浇蛔兊妮d荷，對其工作壽命造成極大的影響。因此，有效監(jiān)測風(fēng)力發(fā)電機(jī)傳動鏈的運行狀態(tài)，可以提高運行可靠性，防止重大安全事故發(fā)生。風(fēng)力發(fā)電機(jī)傳動鏈主要由主軸及支撐軸承(直驅(qū)式)、增速齒輪箱(雙饋式)等旋轉(zhuǎn)部件組成。目前風(fēng)力發(fā)電機(jī)傳動鏈故障診斷面臨兩個突出問題：1)由于轉(zhuǎn)速等不斷變化，導(dǎo)致了故障特征具有典型的時變性和非平穩(wěn)性；2)由于主軸轉(zhuǎn)速較低，使得傳動鏈上關(guān)鍵零部件的故障特征頻率處于較低的頻段，同時弱故障信號容易被強(qiáng)噪聲淹沒，造成了早期弱故障辨識難度大，變轉(zhuǎn)速和弱故障特征提取困難。

2、因此，提供一種基于時頻平面期望最大化的風(fēng)電機(jī)組傳動鏈故障診斷方法，采集風(fēng)電機(jī)組傳動鏈在變轉(zhuǎn)速條件下的振動信號，實現(xiàn)風(fēng)機(jī)傳動鏈關(guān)鍵零部件服役狀態(tài)的準(zhǔn)確表征，準(zhǔn)確獲得不同分量信號的瞬時幅值和瞬時頻率，實現(xiàn)對風(fēng)機(jī)傳動鏈故障的早期檢測和故障診斷，是非常必要的。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提出了一種采用柱形mems傳感器采集風(fēng)電機(jī)組傳動鏈在變轉(zhuǎn)速條件下的振動信號、提取譜圖零點并進(jìn)行無監(jiān)督分類以實現(xiàn)信號的去噪預(yù)處理、準(zhǔn)確獲得不同分量信號的瞬時幅值和瞬時頻率的基于時頻平面期望最大化的風(fēng)電機(jī)組傳動鏈故障診斷方法。

2、本發(fā)明提供了一種基于時頻平面期望最大化的風(fēng)電機(jī)組傳動鏈故障診斷方法，包括如下步驟：

3、s1；在風(fēng)電機(jī)組的傳動鏈配置柱形mems加速度傳感器，通過柱形mems加速度傳感器采集風(fēng)機(jī)傳動鏈的振動信號；

4、s2：采用基于譜圖零點無監(jiān)督分類方法，采集風(fēng)電機(jī)組運行時的振動信號和轉(zhuǎn)速信號，利用短時傅里葉變換將振動信號生成時間-頻率表示，提取譜圖零點并進(jìn)行無監(jiān)督分類，實現(xiàn)振動信號的降噪處理；

5、s3：基于時頻平面期望最大化下的多分量信號估計方法，在去噪后的振動信號的時域平面上精確估計多分量信號的瞬時頻率和瞬時幅值；

6、s4：進(jìn)行階次譜分析，識別風(fēng)電機(jī)組傳動鏈的振動信號特征，實現(xiàn)變轉(zhuǎn)速下的風(fēng)電機(jī)組傳動鏈的故障診斷。

7、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，所述柱形mems加速度傳感器包括柱形的底座、質(zhì)量塊和若干極板，底座的表面開設(shè)有滑槽，滑槽沿著底座的軸向方向延伸設(shè)置；質(zhì)量塊嵌設(shè)在滑槽內(nèi)，并與滑槽內(nèi)表面滑動連接；質(zhì)量塊的兩端分別設(shè)置有錨點，錨點的一端與質(zhì)量塊固定連接，錨點的另一端朝著遠(yuǎn)離質(zhì)量塊的方向延伸，錨點貼合在底座的表面并與底座滑動連接；質(zhì)量塊兩側(cè)的非端部位置對稱設(shè)置有若干梳齒，若干梳齒沿著底座的軸向方向間隔設(shè)置，若干梳齒的一端與質(zhì)量塊固定連接，若干梳齒的另一端朝著遠(yuǎn)離質(zhì)量塊的方向延伸，梳齒與底座的表面滑動連接，相鄰的梳齒之間、梳齒與錨點之間間隔設(shè)置；若干極板固定設(shè)置在相鄰的梳齒之間的底座表面，極板相對于底座的位置保持不變；風(fēng)機(jī)傳動鏈產(chǎn)生加速度時，質(zhì)量塊帶動錨點和若干梳齒沿著底座的軸向滑動，改變梳齒與相鄰極板的間距，從而產(chǎn)生電流信號，采樣電流信號的大小并轉(zhuǎn)換為風(fēng)機(jī)傳動鏈在變轉(zhuǎn)速條件下的振動信號。

8、優(yōu)選的，步驟s2中所述實現(xiàn)振動信號的降噪處理，具體內(nèi)容包括：

9、將風(fēng)機(jī)傳動鏈的振動信號轉(zhuǎn)換為時間-頻率表示，使用高斯窗函數(shù)對振動信號進(jìn)行分段處理，窗口在振動信號上滑動，得到每個時間窗口對應(yīng)的頻譜信息，將各窗口對應(yīng)的頻譜信息進(jìn)行組合，得到整個振動信號的時間-頻率譜圖；

10、尋找時間-頻率譜圖中的零點，根據(jù)零點的性質(zhì)，對零點進(jìn)行分類為ss類、sn類和nn類；

11、完成零點分類后，在時頻平面上，選取ss類、sn類零點進(jìn)行delaunay三角剖分，獲取時頻平面中信號域的估計，利用反短時傅里葉變換對信號域估計內(nèi)的振動信號進(jìn)行重建，得到無噪聲振動信號的估計值。

12、進(jìn)一步優(yōu)選的，尋找時間-頻率譜圖中的零點，根據(jù)零點的性質(zhì)，對零點進(jìn)行分類，是設(shè)置閾值γ，凡是時間-頻率譜圖的譜圖值低于閾值的點視為零點，閾值γ的確定方式為：γ＝μx-k0σx，其中μx為譜圖值的均值，σx為譜圖值的標(biāo)準(zhǔn)差，k0是調(diào)整因子；根據(jù)零點的性質(zhì)，將零點分為三類：1)ss類：信號-信號零點；2)sn類：信號-噪聲零點；3)nn類：噪聲-噪聲零點；假定進(jìn)行n次噪聲模擬，得到n個時間-頻率譜圖，定義零點i在不同噪聲模擬中的位置為(tki，fki)，k＝1，2，...，n，對于每個零點i，計算零點在不同噪聲模擬中的位置變化量di：其中共同代表了零點i在第n次噪聲模擬中的平均位置，分別取δss和δnn為位置變化量di的閾值，δss為覆蓋信號-信號零點位置變化量的第一個峰值的右側(cè)偏移值，δnn為覆蓋噪聲-噪聲零點位置變化量的第二個峰值的左側(cè)偏移值，零點分類的規(guī)則為：ss類＝{i|di≤δss}、nn類＝{i|di≥δnn}以及sn類＝{i|δss≤di≤δnn}。

13、更進(jìn)一步優(yōu)選的，調(diào)整因子k0的取值為2.5。

14、更進(jìn)一步優(yōu)選的，所述獲取時頻平面中信號域的估計，利用反短時傅里葉變換對信號域估計內(nèi)的振動信號進(jìn)行重建，得到無噪聲振動信號的估計值，具體內(nèi)容是，完成零點分類后，在時頻平面上，選擇ss類和sn類零點進(jìn)行delaunay三角剖分，零點的分布和對應(yīng)三角形的集合特性被用于識別信號域，三角剖分的邊長lij的計算公式為：i，j表是兩個不同的零點，(ti，fi)和(tj，fj)分別是兩個零點的位置；引入權(quán)重因子ωij使三角剖分同時考慮零點的密度和幾何距離，其中ρ(t，f)是零點在時間-頻率平面上的局部密度，通過權(quán)重因子得到三角剖分的每條邊的加權(quán)邊長l′ij，l′ij＝ωij·lij，動態(tài)調(diào)整每條邊的有效長度；對于每個三角剖分的三角形，如果任一條邊的加權(quán)邊長大于預(yù)設(shè)邊長閾值則認(rèn)為三角形屬于信號域；將邊長大于邊長閾值的三角形聚集在一起，得到時間-頻率平面中信號域的估計：基于得到的時間-頻率平面中的信號域估計，利用反短時傅里葉變換對信號域內(nèi)的信號進(jìn)行重建，計算得到無噪聲信號的估計值

15、再進(jìn)一步優(yōu)選的，步驟s3的內(nèi)容為：

16、s31、期望步驟：計算振動信號的期望值，將具有多分量的無噪聲信號估計值表示為：k＝1，2，...，m，ak(t)是第k個分量的瞬時幅值，φk(t)是瞬時相位，n(t)是噪聲；然后采用蒙特卡羅采樣估計后驗分布，從先驗分布中生成m個樣本θ(i)，這里的上標(biāo)i表示不同的時刻，假設(shè)觀測信號在每個時間點t上是獨立的，對于每個樣本θ(i)，計算無噪聲信號的估計值的似然函數(shù)值t＝1，2，3，...，t，再計算每個樣本的權(quán)重然后使用加權(quán)平均的方法，估計后驗分布的期望值：

17、s32、最大化步驟：在得到符合實際振動信號特征的期望值后，需要更新瞬時頻率和幅值的估計值。首先，帶入上文求得的振動信號特征的期望值，最大化期望的對數(shù)似然函數(shù)，找到最優(yōu)的瞬時頻率和幅值：其中θ(t+1)表示第t+1次迭代后的參數(shù)估計，利用最大化期望后的結(jié)果，更新瞬時頻率和幅值的參數(shù)：

18、

19、其中是第t+1次迭代后的瞬時相位，為第t次迭代后的k個分量的瞬時幅值，η為學(xué)習(xí)率；

20、s33、為了確保參數(shù)估計的穩(wěn)定性和準(zhǔn)確性，需要重復(fù)期望步驟s31和最大化步驟s32，直到參數(shù)估計收斂，參數(shù)估計的收斂條件為|θ(t+1)-θ(t)|＜ε，θ(t)是第t次迭代后的參數(shù)估計，ε為收斂閾值；最后提取每個信號分量的瞬時頻率和瞬時幅值作為下一步階次譜分析的輸入條件。

21、更進(jìn)一步的優(yōu)選的，步驟s4的內(nèi)容為：完成了對振動信號的信號分量的瞬時頻率和瞬時幅值的提取后，獲取信號特征分類和轉(zhuǎn)速特征分類的瞬時頻率f(t)和ff(t)，利用瞬時頻率f(t)和ff(t)對變轉(zhuǎn)速信號進(jìn)行特征提取，根據(jù)變轉(zhuǎn)速信號特征提取的結(jié)果，實現(xiàn)風(fēng)力發(fā)電機(jī)傳動鏈的故障診斷。

22、再進(jìn)一步的優(yōu)選的，利用瞬時頻率f(t)和ff(t)對變轉(zhuǎn)速信號進(jìn)行特征提取，是采用階比分析方法，定義階比l為轉(zhuǎn)速的倍數(shù)，根據(jù)階比的大小，表征風(fēng)電機(jī)組傳動鏈的不同的故障類型和故障位置。

23、優(yōu)選的，所述相鄰梳齒的間隙大于質(zhì)量塊在滑槽內(nèi)的滑動距離。

24、本發(fā)明提供的基于時頻平面期望最大化的風(fēng)電機(jī)組傳動鏈故障診斷方法，相對于現(xiàn)有技術(shù)，具有以下有益效果：

25、(1)本發(fā)明通過采集風(fēng)電機(jī)組傳動鏈在變轉(zhuǎn)速條件下的振動信號，實現(xiàn)風(fēng)機(jī)傳動鏈關(guān)鍵零部件服役狀態(tài)的準(zhǔn)確表征，為后續(xù)的時頻分析提供有效的數(shù)據(jù)支撐；其次，提出了基于譜圖零點無監(jiān)督分類方法，通過采集風(fēng)機(jī)運行時的振動和轉(zhuǎn)速信號，利用短時傅里葉變換生成時間頻率表示，提取譜圖零點并進(jìn)行無監(jiān)督分類以實現(xiàn)信號的去噪預(yù)處理；然后，提出了時頻平面期望最大化算法下的多分量信號估計方法，用于準(zhǔn)確獲得不同分量信號的瞬時幅值和瞬時頻率，實現(xiàn)對非平穩(wěn)工況下多組分振動信號時頻特征的高分辨率時頻表示；最終，從上述時頻分析方法獲得的強(qiáng)可讀性時頻平面中提取轉(zhuǎn)頻和故障特征成分的時頻脊線，利用階次譜分析的手段，實現(xiàn)對風(fēng)機(jī)傳動鏈故障的早期檢測和故障診斷；

26、(2)提供了一種柱形mems傳感器的結(jié)構(gòu)，相比現(xiàn)有傳感器的平面結(jié)構(gòu)，能夠限制質(zhì)量塊的自由度，使其僅能沿圓柱軸向移動，限制質(zhì)量塊在其他方向的移動，從而消除測量干擾，多個貼合在圓柱體表面的圓環(huán)狀極板和圓環(huán)形梳齒，梳齒跟隨質(zhì)量塊在圓柱表面上下移動，確保電容量僅因極距變化而變化，同時避免了遮蓋面積變化對測量的影響，確保了測量的精確性和穩(wěn)定性。