论文部分内容阅读
风能资源作为一种绿色清洁的可再生能源,对其进行有效地利用将有力地推进我国能源与产业结构调整,实现“碳达峰”与“碳中和”目标。然而,由于风力发电机长期工作于风沙、雨雪等极端环境中,其齿轮箱会不可避免地经常发生各类故障。而作为齿轮箱内部重要的零部件,高速轴轴承往往会因承受复杂变化的额外载荷而极易发生失效。严重的故障甚至可能会导致风电机组停机,造成巨大的经济损失。而且,由于风电齿轮箱的结构复杂且环境中的干扰噪声众多,这将使监测传感器所采集的振动信号中往往包含多种成分。大量干扰信息的存在将淹没本就较微弱的轴承故障特征,干扰故障的准确检测。故此,探索有效的高速轴轴承故障诊断方法对于保证风力机齿轮箱安全稳定地运行具有重要的工程意义。针对风电齿轮箱高速轴承的故障诊断问题,在形态滤波器的基本理论的基础上,本文对形态顶帽滤波器的理论与特性进行了深入研究,提出了改进的形态顶帽滤波器用来在噪声与干扰的影响下实现对轴承故障的精确检测,降低风力发电机的运维成本。本文的主要内容如下:（1）根据基本的形态腐蚀与膨胀运算,利用形态平均运算与形态顶帽运算的特性,定义了一种新的平均腐蚀膨胀顶帽运算(Average of erosion and dilation top-hat,THE＆D),并随后运用仿真信号展示了THE＆D运算具有更出色的脉冲提取性能。然后,采用统计指标来选择出提取性能最出色的结构元素尺度,建立了平均腐蚀膨胀顶帽滤波器。最后,仿真和实验信号分析结果证明了THE＆D滤波器在轴承故障特征提取方面的优越性。（2）为了从测试信号中提取出微弱的高速轴承故障特征信息,提出了最优区间加权形态顶帽乘积滤波器（Optimal interval weighted top-hat product filter,OIWTHPF）。首先,为了突出信号中的故障特征信息,根据THE＆D运算与平均闭开顶帽运算之间的乘积定义了改进的形态顶帽乘积运算（Top-hat product operation,THPO）。然后,结合频域峭度准则与信号的自相关定义了自相关峭度准则（Autocorrelation kurtosis,ACK）以评价各尺度的特征提取能力且无需准确的故障特征频率。最终,为了确定最佳的结构元素尺度范围并减少计算,借助ACK准则提出了最优区间加权方法。对采集自风力机加载试验台的齿轮箱高速轴承振动信号的分析结果表明,OIWTHPF的故障特征提取能力更加优秀。（3）为克服干扰信息对于提取性能的影响并获得一个更为清晰的检测结果,提出了Teager能量谱增强的级联组合形态顶帽乘积滤波器（Cascaded combination top-hat product filter lifted by Teager energy spectrum,CCTHPF-TES）。首先,在基本级联形态运算的基础上,为获取更完整的轴承故障信息,定义了四种级联组合形态顶帽运算(THCDE（5）OED、THCDE（5）EOD、THDCE（5）OED与THDCE（5）EOD)。然后,仿真分析结果表明THCDE（5）OED与THCDE（5）EOD的脉冲提取性能更加出色,进而采用它们构建了级联组合形态顶帽乘积运算（Cascaded combination top-hat product operation,CCTHPO）。最终,引入Teager能量谱（Teager energy spectrum,TES）以克服噪声信息对CCTHPO的干扰,提出了CCTHPF-TES。风力机齿轮箱高速轴承测试信号的分析结果表明,CCTHPF-TES的故障信息提取能力明显优于其它的改进形态滤波器。（4）结合改进的全卷积自编码器（Convolutional autoencoder,CAE）与多尺度级联组合形态顶帽乘积滤波器（Multiscale cascaded combination top-hat product filter,MCCTHPF）,提出了MCCTHPF-CAE用于风电齿轮箱高速轴承的故障分类。该方法将MCCTHPF的处理结果视为CAE模型的输入。同时,为了提升CAE的泛化能力,在模型中引入了Leaky Re LU激励函数与Dropout技术。对齿轮箱高速轴承测试数据的分析结果表明,MCCTHPF-CAE具有更高的分类精度。（5）对于所提出的THE＆D滤波器、OIWTHPF和CCTHPF-TES,通过现场实测的风力发电机齿轮箱高速轴承测试信号验证了各方法的工程实用性。而且,通过与其它现有的信号处理方法之间定性与定量的比较,展示了THE＆D滤波器、OIWTHPF和CCTHPF-TES的检测能力与特点,初步探讨了三种方法的应用场景。