小波分析和EEMD-HHT在风电轴承故障诊断中的应用

孙冬梅，刘曼曼，李恒，何响

(南京工业大学 自动化与电气工程学院，南京 211816)

风力发电机组的长期安全运行是风能资源合理利用的重要保障。随着我国对风能资源的不断开发和利用，风力发电项目不断发展，风电机组也随之剧增，然而，风电机组的机械故障问题也逐渐突显，严重影响风能的利用率。由于风力发电机在风沙、雨水、盐雾、潮湿等环境下工作，轴承的安装、润滑及维修极为困难。一旦轴承发生故障，将导致整个发电机无法正常工作从而造成重大损失[1-2]。

风电轴承振动信号是一种低速重载的非平稳、非线性的微弱信号，且易受噪声干扰，信噪比较低，故障信号提取困难。常用的信号时频处理方法主要有短时Fourier变换、小波分析、Weibull分布以及HHT变换等方法[3]。小波分析具有“变焦”特征，不易受噪声的影响，但是小波基和小波系数难以选择，对分解结果影响很大；HHT由经验模态分解(Empirical Mode Decom-position,EMD)方法和Hilbert变换组成，EMD能够很好地提取冲击信号且自适应地分解出信号内含有的固有模态函数(Intrinsic Mode Function,IMF)，但分解精度容易受到噪声干扰，而且存在模式混叠现象，影响信号分析的准确性。

通过以上分析，提出一种风电轴承故障诊断的新方法：采用小波方法对轴承的振动加速度信号进行降噪处理，将所得信号进行聚合(或集合、总体)经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)，得到若干个IMF，然后对各个IMF进行Hilbert变换获得信号的Hilbert谱和边际谱，通过分析对风电轴承的故障进行诊断，该方法能够有效解决EMD分析中的模态混叠现象。……