基于粒子群優(yōu)化算法的盲分離大型風(fēng)力機(jī)主軸承故障診斷研究

劉歡++王健

摘要：本文采用盲源分離中的粒子群優(yōu)化算法解決多故障源信號(hào)提取問(wèn)題和故障源信號(hào)分離等題。診斷結(jié)果表明，該方法具有可行性，從而實(shí)現(xiàn)對(duì)風(fēng)力機(jī)主軸承的故障診斷。

關(guān)鍵詞：粒子群優(yōu)化；主軸承；故障診斷

中圖分類號(hào)：TP206 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）10-0113-02

風(fēng)力機(jī)的主軸承一種特殊的軸承，使用環(huán)境惡劣，維修成本較高，要求高壽命。由于風(fēng)力機(jī)組周圍的環(huán)境惡劣，并且長(zhǎng)期處在惡劣的環(huán)境中運(yùn)行，因此風(fēng)力機(jī)主軸承故障率較高，一旦發(fā)生故障，直接和間接經(jīng)濟(jì)效益損失較大[1]。本文采用盲源分離中的粒子群優(yōu)化算法解決多故障源信號(hào)提取分離等問(wèn)題。診斷結(jié)果表明，該方法具有可行性，從而實(shí)現(xiàn)對(duì)風(fēng)力機(jī)主軸承的故障診斷。

2 基于粒子群優(yōu)化盲源分離算法風(fēng)力機(jī)主軸承故障信號(hào)實(shí)驗(yàn)研究

實(shí)驗(yàn)是在旋轉(zhuǎn)機(jī)械振動(dòng)故障轉(zhuǎn)子實(shí)驗(yàn)臺(tái)上進(jìn)行的，環(huán)境比較封閉，空間沒(méi)有干擾，假設(shè)轉(zhuǎn)子實(shí)驗(yàn)臺(tái)發(fā)生故障時(shí)，實(shí)驗(yàn)臺(tái)的振動(dòng)信號(hào)相互疊加混合，在傳遞過(guò)程中發(fā)生線性混合過(guò)程。對(duì)轉(zhuǎn)子試驗(yàn)臺(tái)進(jìn)行測(cè)試，結(jié)果可以得到圖2和圖3中的波形，都是三個(gè)傳感器采集到振動(dòng)信號(hào)的波形圖。

從圖3可以看出，可以看出采集到的信號(hào)，有些混疊不好分辨哪個(gè)是振動(dòng)信號(hào)，容易出現(xiàn)誤判，這對(duì)診斷是非常危險(xiǎn)的。因此，為了能夠捕捉到有用的有效的故障信號(hào)，采用粒子群優(yōu)化算法對(duì)采集到的信號(hào)進(jìn)行分離，分離結(jié)果分別如圖4所示。

經(jīng)過(guò)上面圖1和圖2還有圖3和圖4的對(duì)比可以看出，圖4中頻率信號(hào)比較清晰，第二個(gè)分離信號(hào)五十赫茲頻率成分，改數(shù)值是不變的，可以認(rèn)為是風(fēng)力機(jī)中電機(jī)的轉(zhuǎn)頻，第一個(gè)分離信號(hào)為軸承的故障頻率及其倍頻成分，第三個(gè)分離的頻段范圍內(nèi)特征不明顯，是干擾信號(hào)，隨機(jī)的。從圖3和圖4的結(jié)果可以看出，采用粒子群優(yōu)化算法，可以清晰地判斷出故障信號(hào)，分離結(jié)果顯著，分離的可靠性和分離精度都非常高。

3 結(jié)語(yǔ)

本文采用粒子群優(yōu)化盲源分離技術(shù)解決了主軸承故障診斷問(wèn)題。將粒子群優(yōu)化盲源分離技術(shù)應(yīng)用到基于振動(dòng)分析的主軸承診斷中，提高故障診斷精度和計(jì)算速度，對(duì)大型風(fēng)力機(jī)主軸承故障診斷具有指導(dǎo)意義。

參考文獻(xiàn)

[1]張青鋒，唐力偉，鄭海起，等.帶有齒根裂紋故障的齒輪傳動(dòng)系統(tǒng)非線性動(dòng)力學(xué)模型研究[J].振動(dòng)工程學(xué)報(bào)，2011，24（3）：294-298.

[2]徐玉秀，原培新，邢鋼.極大嫡譜法及其在滾動(dòng)軸承故障診斷中的應(yīng)用[J].機(jī)械科學(xué)與技術(shù)，2001，20（4）：571-574.

[3]朱利民，鐘秉林，賈民平.振動(dòng)信號(hào)短時(shí)分析方法及在機(jī)械故障診斷中的應(yīng)用[J].振動(dòng)工程學(xué)報(bào)，2000，13（3）：400-405.

[4]徐剛，駱志高，李明義，等.變工況運(yùn)行的機(jī)械故障診斷研究[J].機(jī)械工程學(xué)報(bào)，2001，37（12）：104-107.endprint