← 返回
基于谐波消除和谱峭度的风电机组主轴承故障诊断
Fault Diagnosis of Main Bearing in Wind Turbines Based on Harmonic Removal and Spectral Kurtosis
| 作者 | 陈强钱洵 |
| 期刊 | 太阳能学报 |
| 出版日期 | 2025年1月 |
| 卷/期 | 第 46 卷 第 1 期 |
| 技术分类 | 风电变流技术 |
| 技术标签 | 故障诊断 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 风电机组 轴承 状态监测 陷波器 谱峭度 陈强 钱洵 太阳能学报 Acta Energiae Solaris Sinica |
版本:
针对风电机组主轴承故障特征受传动部件振动谐波干扰及信号非平稳导致故障冲击特征难以提取的问题，提出一种谐波消除与快速谱峭度结合的方法（HR-Fast-Kurtogram）。通过离线角域重采样将时域非平稳信号转换为平稳阶次域信号，利用梳状陷波器滤除齿轮啮合等干扰成分，结合短时傅里叶变换的快速谱峭度图识别故障敏感频带，有效分离轴承故障冲击与非轴承调制成分。实际数据验证表明，该方法可在秒级时间内准确提取故障特征并识别故障类型。
针对风电机组状态监测中主轴轴承故障特征受到其他传动部件振动谐波干扰且原始振动信号非平稳难以准确提取故障冲击特征频率的问题,提出一种基于谐波干扰消除和谱峭度相结合的分析方法(HR-Fast-Kurtogram).利用离线角域重采样将非平稳时域信号转换成平稳的角度-阶次信号,在阶次域通过梳状陷波器其去除齿箱啮合成分等干扰阶次,应用基于短时傅里叶变换(STFT)的快速谱峭度图提取峭度峰值所在故障子频带从而提取轴承故障特征.既可避免非周期性冲击的干扰,亦可区分冲击性较小的非轴承幅值调制成分和轴承故障冲击成分.在实际机组轴承故障数据应用中的对比分析结果表明:新方法可提高在秒级短时间尺度提取轴承故障特征和识别故障类型的准确性.
S
SunView 深度解读
该故障诊断方法对阳光电源的智能运维体系具有重要参考价值。HR-Fast-Kurtogram算法可集成到iSolarCloud平台的设备健康管理模块，特别适用于风光储一体化电站中风机轴承的预测性维护。通过将该技术与阳光现有的智能诊断系统结合，可提升ST系列储能变流器和SG系列光伏逆变器中轴承部件的故障预警准确率。算法的快速响应特性(秒级)有助于实现设备故障的早期预警，降低维护成本。建议在新一代产品中增加振动传感器接口，为该算法的工程实施提供硬件基础。