基于子空間方法的風(fēng)機(jī)齒輪箱故障預(yù)測算法(1)

風(fēng)機(jī)廠石家莊風(fēng)機(jī)廠石家莊風(fēng)機(jī)石家莊市風(fēng)機(jī)廠石家莊風(fēng)機(jī)維修石家莊風(fēng)機(jī)銷售

為了減少風(fēng)機(jī)齒輪箱嚴(yán)重故障的發(fā)生．提出了一種基于隨機(jī)子空間識(shí)別方法的齒輪箱故障預(yù)測算法。該算法首先建立齒輪箱的隨機(jī)狀態(tài)空間模型．并利用正常運(yùn)行時(shí)的振動(dòng)監(jiān)測數(shù)據(jù)計(jì)算模型的參數(shù)矩陣的特征值，并將其作為參考特征值：然后將由實(shí)際振動(dòng)數(shù)據(jù)所求得的特征值與參考特征值進(jìn)行比較，如果兩者誤差很小，則說明齒輪箱正常，反之則異常。為了減少計(jì)算量．引入均方根誤差(RMSE)作為齒輪箱故障判別指標(biāo)，并利用統(tǒng)計(jì)過程控制(SPC)原理定義該指標(biāo)的閾值。
最后．對(duì)一臺(tái)實(shí)際風(fēng)機(jī)的振動(dòng)監(jiān)測數(shù)據(jù)進(jìn)行仿真，結(jié)果表明了所提出算法的有效性。風(fēng)力發(fā)電是當(dāng)前發(fā)展最為迅速的一種綠色能源，據(jù)中國風(fēng)能協(xié)會(huì)的數(shù)據(jù)統(tǒng)計(jì)．2012年底我國風(fēng)電并網(wǎng)總裝機(jī)容量60．83 GW．躍居世界第一：發(fā)電量為100．4 TW．h，已經(jīng)超過核電的98．2 TW．h．成為繼煤電和水電之后的第三大主力電源。風(fēng)電場一般坐落在廣闊的偏遠(yuǎn)地區(qū)．受到惡劣的自然環(huán)境因素影響．再加上風(fēng)機(jī)自身制造工藝和技術(shù)發(fā)展的不完善．這些因素都會(huì)增加風(fēng)電機(jī)組發(fā)生故障的風(fēng)險(xiǎn)．且維修時(shí)往往很困難．造成風(fēng)電場后期的運(yùn)行維修費(fèi)用居高不下。據(jù)統(tǒng)計(jì)．對(duì)于一臺(tái)設(shè)計(jì)壽命為20 a的750 kW風(fēng)機(jī)．它的運(yùn)行和維修費(fèi)用將占整個(gè)發(fā)電成本的25％～30％，占其投資費(fèi)用的75％～90％㈠。作為風(fēng)機(jī)傳動(dòng)系統(tǒng)的關(guān)鍵部件．齒輪箱的任務(wù)是將風(fēng)輪在風(fēng)力作用下所產(chǎn)生的動(dòng)力傳遞給發(fā)電機(jī)。雖然風(fēng)機(jī)齒輪箱的制造工藝已較為成熟．故障率不高．然而一旦故障其修復(fù)過程很復(fù)雜．是造成風(fēng)電機(jī)組停機(jī)時(shí)間最長的故障之一∞：。齒輪箱的故障一般是由輪齒損壞和軸承磨損造成的．在其故障發(fā)生之前．會(huì)有一段漸變的發(fā)展過程．在這個(gè)過程中會(huì)出現(xiàn)一些故障征兆信號(hào)。如果能提前識(shí)別出這些故障征兆．盡早采取措施，就可以避免演變?yōu)閲?yán)重故障。
振動(dòng)分析是一種有效的狀態(tài)檢測方法．尤其對(duì)于旋轉(zhuǎn)機(jī)械設(shè)備㈠。如廣泛應(yīng)用于齒輪箱、軸承等風(fēng)機(jī)部件振動(dòng)故障檢測的頻譜分析：s、小波變換黟和Hilbert．Huang變換：粥]等時(shí)頻分析技術(shù)，其中Hilben．Huang變換在處理旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)上要比前2種方法更為有效，但其缺點(diǎn)是耗時(shí)長[9=。另外，還有一些基于模型的故障診斷算法。如隱Markov模型。支持向量機(jī)[12]和神經(jīng)網(wǎng)絡(luò)算法．13]等．它們一般都需要從振動(dòng)信號(hào)中提取特征．并對(duì)數(shù)學(xué)模型進(jìn)行訓(xùn)練．以實(shí)現(xiàn)對(duì)振動(dòng)趨勢的預(yù)測和故障識(shí)別。在過去的二十多年里．子空間識(shí)別方法應(yīng)用于振動(dòng)信號(hào)故障分析的發(fā)展也很快[14彤]．特別是對(duì)建筑物[16]和旋轉(zhuǎn)設(shè)備[17]等都有較多的應(yīng)用．但目前用于風(fēng)電機(jī)組振動(dòng)信號(hào)故障預(yù)測的研究還較少。該方法的特點(diǎn)是，直接在時(shí)域里分析數(shù)據(jù)建立模型．并識(shí)別相應(yīng)的參數(shù)．不僅具有良好的數(shù)值穩(wěn)定性和簡易性．而且狀態(tài)空間方程的形式非常適合于預(yù)測、濾波、估計(jì)和控制[18]。1 問題的描述子空間方法是一種利用已知數(shù)據(jù)建立多變量的線性狀態(tài)空間模型的黑盒子識(shí)別方法．非常適合于振動(dòng)信號(hào)的建模分析。隨機(jī)子空間的線性狀態(tài)空間模型描述如下：p警州t(1)【K=C墨+n、’其中，墨E Rn和K∈Rf分別為在離散時(shí)刻七的狀態(tài)量和系統(tǒng)的輸出量；’．，。E Rn和nE Rf分別為系統(tǒng)噪聲和測量噪聲．一般為不可觀的向量：AER一為系統(tǒng)矩陣，描述系統(tǒng)的動(dòng)態(tài)行為；CE剛m為系統(tǒng)輸出矩陣。
本文利用子空間方法進(jìn)行基于振動(dòng)信號(hào)的風(fēng)電機(jī)組齒輪箱故障預(yù)測。其基本思路為：首先，建立形如式(1)所示的齒輪箱隨機(jī)狀態(tài)空間模型：然后，利用正常運(yùn)行振動(dòng)監(jiān)測數(shù)據(jù)估計(jì)線性模型的參數(shù)矩陣A和C．并計(jì)算出系統(tǒng)穩(wěn)態(tài)運(yùn)行時(shí)矩陣A的特征值．將其作為齒輪箱線性動(dòng)態(tài)系統(tǒng)的參考特征值。當(dāng)齒輪箱穩(wěn)態(tài)運(yùn)行時(shí)．由實(shí)時(shí)振動(dòng)數(shù)據(jù)計(jì)算出的特征參數(shù)．與系統(tǒng)矩陣A的參考特征值誤差很小：而當(dāng)齒輪箱處于異常狀態(tài)時(shí)．求得的系統(tǒng)矩陣A的特征值會(huì)偏離參考特征值．這樣就可以實(shí)現(xiàn)對(duì)齒輪箱異常狀態(tài)的識(shí)別。當(dāng)特征值較多時(shí)，為避免對(duì)每個(gè)特征值都進(jìn)行比較，定義了均方根誤差這個(gè)總體評(píng)價(jià)指標(biāo)，通過該指標(biāo)可以從數(shù)值上直觀識(shí)別出齒輪箱的故障狀態(tài)。