基于譜峭度的風電機組軸承故障診斷技術及應用

潘巧波，曹 力，唐媛媛

(1.華電電力科學研究院有限公司，杭州 310030；2. 華電東營能源有限公司，山東 東營 257100)

0 引 言

軸承在工作中需要承受風輪產生的巨大推力，承擔著減小旋轉摩擦及確保回轉精度的作用，是主傳動鏈中的關鍵部件，在不規則或重載的循環應力的惡劣工況下，容易發生點蝕、磨損、變形等故障，嚴重時會影響整機的安全可靠工作。另外，發電機是風電機組的重要大部件，軸承的健康狀態直接關系到發電機的運行性能，因而很有必要對軸承故障診斷技術進行探索并予以工程應用[1-3]。

現行的主流診斷技術主要通過振動信號分析實現，比如頻譜分析、包絡譜分析等。由于軸承復雜的工況導致信號干擾成分過多，故障特征往往淹沒于背景噪聲中，這時需要通過降噪處理或增強特征進行識別。長期以來大量科研人員針對軸承振動故障診斷開展了相關研究，對不同信號分析方法都進行了一定程度的改進。文獻[4-5]研究了小波分析中的不同閾值確定方法，指出軟閾值方法中小波系數存在偏差以及硬閾值方法存在的不連續缺陷。文獻[6-7]提出了一種小波閾值除噪方法。Huang提出了一種經驗模式分解(Empirical mode decomposition，EMD)方法，能將信號分離為本征模式分量，進而提取關鍵特征[8]。Smith研究并提出了一種局部均值分解(Local mean decomposition，LMD)方法，該方法分解精度高[9]。文獻[10]論述了盲源分離，該預處理方法能排除對先驗知識的依賴，在分離多類型故障耦合的信號方面有著良好表現。

譜峭度(Spectral Kurtosis，SK)診斷的本質是將SK方法里計算的最大峭度值作為狀態監測的關鍵指標，根據最大峭度值所在SK曲線確定濾波器的中心頻率及帶寬，將信號濾波后進行分析[11-12]。文中采用此方法對生產實際中風電機組振動信號進行處理分析，以得出相關診斷結果。

1 基于SK的軸承故障診斷方法

譜峭度由Dwyer在1983年首次提出[13]，改善了峭度指標，通過計算所有譜線上信號的非平穩性來確定非平穩特征所在的位置，這樣能很好地消除噪聲背景的影響。設信號X(t,f)為信號x(t)的短時傅里葉變換，其階譜矩為

式中：〈·〉表示時間平均算子，t和f分別為時間和頻率。

進一步地將譜峭度定義為能量歸一化的四階譜矩，可得

式中：S4X(f)為信號x(t)的四階譜累積量；S2X(f)為信號x(t)的二階譜累積量。

譜峭度反映了信號偏離高斯過程的情況，譜峭度越大，說明偏離高斯越大。平穩高斯背景噪聲信號占主要頻率段的譜峭度很小，而暫態沖擊信號占主要頻率段的譜峭度相對較大。這也是通過譜峭度檢驗實現暫態沖擊故障信號識別的原理。

假定實測振動信號為z(t)，它由故障信號y(t)及噪聲信號n(t)組成。

z(t)=y(t)+n(t)

當滾動軸承發生局部故障時會發生沖擊，整個系統發生共振，故障信號y(t)的一般模型可表示為

式中：h(t)為單個脈沖的脈沖響應；Ak和τk分別代表第k個脈沖的幅值和出現時間。

實測振動信號z(t)的譜峭度為

式中，ρ(f)為信噪比倒數，用噪聲n(t)的二階譜矩S2n(f)與故障信號y(t)的二階譜矩S2y(f)比表示,在信噪比高的頻帶有KZ(f)≈KX(f)。

以此體現了譜峭度方法在信號預處理中良好的濾波效果，即某處信噪比高，就表示實測振動信號的譜峭度和故障信號的譜峭度大致相同，從而確定最佳濾波頻帶。

2 風機發電機軸承故障分析

選取的研究對象為中國華電集團內蒙古區域所屬某風場機組。由于振動廠家監測報告無法確定23號機組和173號機組故障部位，因而對兩臺機組進行著重分析。23號機組和173號機組型號為華銳SL1500/82，雙饋機型，葉輪直徑為82 m。

2.1 23號機組故障分析

系統采集的23號風電機組發電機驅動端原始振動信號如圖1所示，采樣頻率為5 120 Hz。

圖1 23號風機發電機驅動端原始振動信號

從原始信號圖中無法識別發電機軸承的有關故障頻率特征。對信號進行譜峭度分析后得到三維譜峭度圖如圖2所示。

圖2 23號機組振動信號譜峭度圖

峭度圖表示選取不同的窗口長度Nw=20，21，22計算得到的峭度分布。由圖2可知，當fc=1 920，Nw=2.6時取得最大峭度值k=4.77。根據此參數設計濾波器對原始信號進行濾波處理，得到相關結果如圖3所示。

圖3 23號機組振動信號圖

對比原始信號，濾波后的信號可以看到明顯特征：濾波后時域波形中沖擊間隔約為0.13 s，濾波后的包絡譜中明顯存在以73.75 Hz為基頻的譜線，剛好對應發電機軸承外圈特征頻率，表明沖擊可能由發電機軸承外圈損傷引起。振動廠家監測報告如表1所示，表明23號風機發電機軸承出現早期磨損。可看出傳統信號分析一定程度也能診斷某些軸承類故障，但是無法定位故障發生的位置。

表1 風電機組振動在線監測分析報告(23號機組部分)

2.2 173號機組故障分析

系統采集的173號風電機組發電機驅動端原始振動信號如圖4所示，采樣頻率為5 120 Hz。

原始波形中除了能看見少量毛刺成分以外不能看出其他明顯的故障特征。進行峭度分析并繪制分析圖，如圖5所示。

由圖5可知，當fc=1 440，Nw=3時取得最大峭度值k=3.29。根據上述數據設計濾波器對原始信號進行處理，結果如圖6所示。

圖4 173號風機發電機驅動端原始振動信號

圖5 173號機組振動信號譜峭度圖

圖6 173號機組振動信號圖

對比原始信號，濾波后的信號可以看到明顯特征：濾波后時域波形中沖擊間隔約為0.04 s，濾波后的包絡譜中明顯存在以28 Hz為基頻的譜線，轉頻至3倍頻到4倍頻之間存在高幅值譜線及其倍頻，剛好對應發電機軸承滾動體特征頻率，表明發電機軸承滾動體可能發生磨損。而上述特征在原始信號的包絡譜中并不明顯。振動廠家監測報告如表2所示，表明173號風機發電機軸承可能出現早期磨損但并未具體定位故障位置。說明譜峭度方法相比傳統分析方法更準確，不易受復雜背景噪聲的影響。

表2 風電機組振動在線監測分析報告(173號機組部分)

3 結 語

在應用譜峭度對風機振動信號進行分析的過程中，確定合適濾波器的有關參數并對原始振動信號進行預處理，濾波后的信號表現出明顯的故障特征。現場案例研究應用表明，在風機發電機軸承故障診斷中，使用譜峭度分析方法能準確、有效地找到故障原因和故障部位。該技術在風電機組故障診斷工作中具有一定的推廣意義。