基于提升格式小波變換風電振動監測系統研究

王 馳，姚志壘

（江蘇大學 電氣信息工程學院，鎮江 212000）

風力發電作為新興的清潔能源具備可再生、無污染等優點，并因此在國內越來越受到開發商的關注，并且可以確定，未來風電的主要發展方向就是海上風電。國家已制定宏偉的未來海上風電發展規劃，從渤海灣到海南島，將建立世界覆蓋范圍最廣、質量和技術水平最高的世界級海上風電場群。在最新的《2016年中國風電裝機容量統計》報告中顯示，2016年，全國新增154臺，裝機總量59×104kW，同比2015年增長64%，截止2016年，我國總裝機容量超過163×104kW，新增海上裝機超過“十二五”時期的任何一年。所以我國不僅累計總量世界第一，新增裝機總量也居于世界第一。

與此同時，風電設備制造業也相繼出現了無序的惡意競爭、少量設備技術水平質量不達標等問題。齒輪箱、葉片、變槳軸承等在內的風機部件都是風電機組的易損壞部件，亟需在風力發電機組各零部件的設計、生產、運輸、安裝、維護等各個環節嚴格進行相關性能和質量檢驗與測試，進而使風電機組的質量得到有效保障，從而可靠、安全、穩定地運行。

振動監測及故障診斷就是指在風電機組運行的同時，對風電機組的關鍵零部件進行振動監測和實時分析，發現并跟蹤設備故障，降低風力發電機組重大事故風險率，節約其運行維護費用，提高設備利用效率。

由于我國對風電機組的振動監測及故障診斷系統仍然處在最初步的研究階段，應用也不是十分廣泛，而且齒輪箱、發電機等關鍵零部件運行過程中的頻率相對復雜，風電機組自身構造具有相對的復雜性，所以，目前國內振動信號分析一般采用一些如時域統計分析、傅里葉變換等簡單的分析方法，并不能完全發現風力發電機組的潛在故障，亟需研究合適的振動信號分析方法，提高對故障的識別率。

所以探索構造一種更為精確的正交分解方法成了人們迫切需要解決的問題。在此基礎上，依托于傳統的多分辨分析，一種新的變換方法被提了出來——提升格式小波變換。這種變換方法不是僅僅針對某個頻段進行處理，而是將全頻帶進行層次劃分，不僅使得頻率的分辨率更加精細，更是在對高頻帶、大數據信號的處理上進行了優化。

1 提升格式小波變換原理和構造

1.1 提升格式小波變換原理

傳統的變換由于完全基于傅里葉變換，從而導致小波變換后的信號具有浮點且部分信號無法重構，這樣小波變換后所得到的數據就會因為丟失數據而變得不精確，存在誤差。Sweldens在對傳統小波進行充分研究，總結以上缺陷之后，在1994年提出了新的小波構造方案——提升格式（lifting scheme，也稱作第二代小波）。新提出的小波變換運用子表達式，能夠實現信號的完全重構，對于非線性的和自適應的變換都十分適用。變換后所得出的結果在近似和細節部分上都做了相應的處理，浮點的操作減少也使得計算機在速度和結果精度上都有了很大程度的提高，減小了存放數據結果的系統內存。提升格式來構造小波不但適用于傳統小波的構造，還適用于某些具備新特性的小波，只要通過對預測算子和更新算子的設計就可以實現。正因為新的小波構造方法具備上述優點，所以相對于傳統構造小波方式，提升格式小波在風電機組的振動監測及故障診斷中更加適用[1]。信號的分解和重構過程都分為3個階段，分別是分裂、預測、更新階段以及反更新、反預測和合并階段，算法的具體過程如圖1所示（P和U分別為預測算子和更新算子）[2-3]。提升格式小波變換算法如圖1所示。

圖1 提升格式小波變換算法Fig.1 Wavelet transform algorithm improve format

提升格式小波變換分解過程如下[1]：

分裂就是對原始信號序列X=｛sj，j∈Z｝進行分解，分成兩個部分，一個是奇樣本序列Xo，另一個是偶樣本數列 Xe，其中，奇數樣本 Xo是用 sj，2k+1來表達，偶數樣本Xe是用sj，2k來表達，這樣便有

預測一般來說，奇數序列和偶數序列之間的相關性會隨著信號局部相關性的提高而增強，所以，在一定的精準范圍內，利用一個已知序列是可以預測出另一個序列的。例如，根據已知偶數樣本Xe來預測未知的奇數樣本Xo，就是將實際值與預測值兩者之間的差值dj-1定義為初始值Xj在運用提升格式小波變換方法后所得到的高頻信號（即細節信號），也就是

式中：P 是 N 點的預測器，預測系數是 p1，p2，…，pN，N是預測器系數的個數。

更新在高頻信號的基礎上更新偶樣本。利用信號變換過程中低階消失矩陣的不變性，通過個高頻信號的運用，讓設定的偶樣本序列Xe進行更新，這樣更新信號序列就是初始信號在提升格式小波分解后所需要的低頻信號（即逼近信號）sj-1，即：

式中：U是M點的更新器，更新器系數是u1，u2，…，uM，M是更新器系數的個數。

把信號分解進行逆向操作就是信號的重構。信號重構包括反更新、反預測和合并3個部分。

反更新：

反預測：

合并：

1.2 提升格式小波構造

拉格朗日多項式是預測算子設計的依據。首先是在一個區間中選取N個互異點，然后就根據這N個點構造N-1階拉格朗日多項式，下面是假設N=4，構造拉格朗日多項式 f（x）為

根據理論，參數 sj，k與參數 φj，k（x）是相互對應的。 選定 4 個預測器，任意給定序數 sj，k，δj，k，dj，k=0，根據小波重構可得：

根據Lagrange插值多項式等間隔采樣的特點，將預測值 sj+1，2k+1看成是多項式系數，改進式（8）為

插值邊界采用補零延拓。采用上述的迭代方法進行10次迭代后就得到三次對稱插值尺度函數。當 N=2，4，6，8時尺度函數如圖 2所示。

圖2 插值細分構造的尺度函數Fig.2 Interpolation function of the scale of the segment structure

首先假定所構造小波函數是M-1階消失矩陣，而小波在信號變換前后的低階消失矩陣具有不變性，那么在構造函數時要考慮先設計更新算子，即小波函數：

寫成離散形式為

若消失矩陣為 1，3，5，7， 那么所對應的 M=2，4，6，8，將值代入式（11），再結合反更新和反預測公式便得到相對應M值下的更新算子。最后根據序列 dj，k＝δj，k的提升反變換結果進行插值的迭代細分運算，最后求得小波函數，如圖3所示。

圖3 插值細分構造的小波函數Fig.3 Interpolation subdivision wavelet function structure

2 風力發電機組振動監測系統

2.1 傳感器部分

風機測點的選取是實際工作狀況來決定的，選取能夠反映出真實振動狀況的部位，盡可能地靠近軸承承載區部分，軸承到傳感器之間應該有堅實的金屬、測點要求布置在軸承的垂直方向上。根據頻率特征，選擇傳感器類型及參數如表1所示。測點布置如圖4所示。

2.2 數據采集系統

結合風電振動數據采集要求以及現場工作環境要求，搭建風電振動數據采集儀如圖5所示。

表1 傳感器選擇Tab.1 Sensor selection

圖4 振動測試點的布置Fig.4 Vibration test point arrangement

圖5 測試振動數據采集系統Fig.5 Vibration data acquisition system test

通過信號調理芯片CY8C29466將振動信號所摻雜的高頻干擾信號剔除和放大便于后續電路的數據處理，通過軟件和JTAG口設置CY8C29466為低通濾波器，放大倍數為20；氣象信號中速采樣芯片MAX195設置成采樣頻率200 kS/s，聲學信號高速采樣芯片ADS5422設置采樣頻率為10 MS/s；TMS320V5402 控制 CY8C29466、MAX195和ADS5422這些芯片實時采集數據并實現對采集后的數據信號進行提升格小波分析及濾波；USB接口控制器CY8C27443芯片負責與上位機及時通訊。

3 風力發電機組振動監測數據分析

通過對某風電場風力發電機組傳動鏈進行現場振動測試，并依據VDI 3834進行數據分析，采用普通濾波方法以及提升格小波分析方法進行分析。

3.1 普通濾波方法

從振動加速度時域統計值、偏度指標及峭度指標來看，主軸軸軸承、齒輪箱輸入端測點均未超標。

風機的主軸、齒輪箱輸入端，0.1 Hz～10 Hz振動時域數據的統計值 （5 min時間長度，4組平均，每組電機輸入端轉頻約28 Hz）如表2所示，時域數據如圖6所示。

從表2可以看出，這2個測點的均方根統計值，最大 5.023424 m/s2，遠小于 7.5 m/s2（VDI 3834 正常運行限值）；從時域波形中，振動沖擊不是很明顯，屬于比較健康的運行狀態。

表2 振動測點位置及統計值Tab.2 Vibration measuring point position and statistics

圖6 主軸軸承、齒輪箱輸入端測點振動加速度時域數據Fig.6 Main shaft bearing，gear box，the input point vibration acceleration time domain data

3.2 提升格式小波分析方法

對上述數據采用提升格式小波分析方法，風機的主軸、齒輪箱輸入端，0.1 Hz～10 Hz振動時域數據的統計值（5 min時間長度，4組平均，每組電機輸入端轉頻約28 Hz）見表3，時域數據見圖7。

表3 振動測點及統計值Tab.3 Vibration measuring point position and statistics

圖7 主軸軸承、齒輪箱輸入端測點振動加速度時域數據Fig.7 Main shaft bearing，gear box，the input point vibration acceleration time domain data

從表3可以看出，這 2個測點的均方根統計值，最大 8.94453 m/s2，大于 7.5 m/s2（VDI 3834 正常運行限值）；從時域波形中，振動沖擊很明顯，屬于故障運行狀態，但必須進行修復。

4 結語

振動監測及故障診斷是目前對風電機組進行運行保護的一種實用方法，針對普通數據濾波方法無法準確辨別風電機組實際工作中故障，提出采用提升格式小波變換方法進行數據濾波及分析，基于此搭建了風電機組傳動鏈振動監測系統平臺，在實際運用中效果明顯，對推動風電現場振動監測工作具有重要意義。

[1]江金壽.基于提升格式小波包變換和神經網絡機翼盒段多損傷檢測研究[D].浙江：浙江理工大學，2010.

[2]單巧美.基于PCB-Rogowski線圈的光電式電流互感器的關鍵技術研究[D].河北：燕山大學，2014.

[3]劉鳳陵.基于提升小波的地震勘探數據壓縮研究[D].山東：青島大學，2012.