Hilbert―Huang变换在风力发电机主轴轴承故障诊断中的应用

本资料包含pdf文件1个，下载需要1积分

Application of Hilbert-Huang Transform in W ind Turbine S M ainshaftBearing Fault DiagnosisChen Wen-jing，Wu Jin-qiang(Institute of Mechanical Engineering，Xinjiang University，Urumchi 830047，China)Abstract：When the wind turbine mainshaft beating breakdown，theequency of shock and vibration induced by defectis very complicated and time interval between two adjacent impacts is very smal1.General time domain analysis and fre-quency domain analysis is dificult to achieve the desired efect.Apply the Hilbert-Huang transform to wind turbine Smainshaft bearing fault diagnosis.It employs the plenty of inform ation of bearing embodied in Hilbert spectrum for faultdiagnosis.The results show that this method based on Hilbea-Huang transform can efectively diagnose the faults ofbearing。

Key words：mainshaft bearing；fault diagnosis；Hilbert-huang transform ；wind turbine；Hilbea spectrum目前，所有安装的风力发电机中，75% -80%的主轴轴承采用滚动轴承 J。滚动轴承是旋转机械中广泛应用的关键部件，也是容易产生故障的部件。经统计，轴承故障中的40%与污染和润滑有关；30%与安装有关；20%与过载或制造质量有关 - 。

轴承发生故障时，会产生-系列冲击振动，2个相邻冲击之间的时间间隔-般很小，因此，如果要检测出每个冲击振动，则需要所采用的时频分收稿日期：2012-10-26；修回日期：2013-03-15基金项目：新疆维吾尔自治区高等学衅研计划科学研究重点项 目(XJEDU2009102)作者简介：陈文静(1986-)，女，山东泰安人，硕士，研究方向为风机故障诊断。

析方法具有很好的时域和频域分辨率。但传统的时频分析方法往往受到测不准原理的制约，很难在时域和频域同时达到很高的分辨率 J。而Hil-bert-Huang变换 (HHT)是-种新的具有 自适应的时频分析方法，它可以根据信号的局部时变特性进行自适应的时频分解 ，消除人为的因素，克服传统方法中用无意义的谐波分量来表示非平稳、非线性信号的缺陷，并可得到很高的时频分辨率和良好的时频聚集性，非常适合对非平稳、非线性信号进行分析 J。下文对 Hilbert-Huang变换在风力发电机主轴轴承故障诊断方面的应用进行了探索性研究。

1 基于经验模式分解的 Hilbert谱HHT的基本思想是通过经验模式分解 (em-· 60· 《轴承)2013.No.6pirical mode decomposition，EMD)的方法，将信号分解成-系列的本征模函数(intrinsic mode func-tion，IMF)，得到的 IMF是近似单频率成分的信号，即在每个时刻信号只有 1个频率成分，对每个IMF进行 Hilbert变换即可得到其瞬时频率，由于EMD是完备的，因此组合起每个 IMF的瞬时频率就可以得到整个信号的 Hilbert谱 。

HHT中最关键的是 EMD的步骤，EMD基于以下假设方法：任何信号均由不同的固有振动模态组成，每-模态不论是线性或是非线性的，其极值点数和零交叉点数相同；在相邻的两个零交叉点之间只有-个极值点；任何 2个模态之间是相互独立的。EMD的具体步骤如图1所示。

图 1 EMD的步骤通过EMD得到信号 (t)的IMF并对其进行Hilbert变换，将信号表示为式中：a 和 ∞ 均为常量。这里忽略了残余分量， 因为它是-个单调函数或常量。虽然在进行Hilbert变换时可以把残余分量看做长周期的波动，但残余分量的能量较大时也会影响到其他有用分量的分析，而且-般小能量的高频部分才是本研究感兴趣的信息，因此，在做变换时-般把不是 IMF的成分都略去。(1)式可以看做广义的Fourier变换，式中幅值和频率随时间变化的特性不仅大大提高了信号的分解效率，而