基于提升格式小波变换风电振动监测系统研究

王 驰，姚志垒

（江苏大学 电气信息工程学院，镇江 212000）

风力发电作为新兴的清洁能源具备可再生、无污染等优点，并因此在国内越来越受到开发商的关注，并且可以确定，未来风电的主要发展方向就是海上风电。国家已制定宏伟的未来海上风电发展规划，从渤海湾到海南岛，将建立世界覆盖范围最广、质量和技术水平最高的世界级海上风电场群。在最新的《2016年中国风电装机容量统计》报告中显示，2016年，全国新增154台，装机总量59×104kW，同比2015年增长64%，截止2016年，我国总装机容量超过163×104kW，新增海上装机超过“十二五”时期的任何一年。所以我国不仅累计总量世界第一，新增装机总量也居于世界第一。

与此同时，风电设备制造业也相继出现了无序的恶意竞争、少量设备技术水平质量不达标等问题。齿轮箱、叶片、变桨轴承等在内的风机部件都是风电机组的易损坏部件，亟需在风力发电机组各零部件的设计、生产、运输、安装、维护等各个环节严格进行相关性能和质量检验与测试，进而使风电机组的质量得到有效保障，从而可靠、安全、稳定地运行。

振动监测及故障诊断就是指在风电机组运行的同时，对风电机组的关键零部件进行振动监测和实时分析，发现并跟踪设备故障，降低风力发电机组重大事故风险率，节约其运行维护费用，提高设备利用效率。

由于我国对风电机组的振动监测及故障诊断系统仍然处在最初步的研究阶段，应用也不是十分广泛，而且齿轮箱、发电机等关键零部件运行过程中的频率相对复杂，风电机组自身构造具有相对的复杂性，所以，目前国内振动信号分析一般采用一些如时域统计分析、傅里叶变换等简单的分析方法，并不能完全发现风力发电机组的潜在故障，亟需研究合适的振动信号分析方法，提高对故障的识别率。

所以探索构造一种更为精确的正交分解方法成了人们迫切需要解决的问题。在此基础上，依托于传统的多分辨分析，一种新的变换方法被提了出来——提升格式小波变换。这种变换方法不是仅仅针对某个频段进行处理，而是将全频带进行层次划分，不仅使得频率的分辨率更加精细，更是在对高频带、大数据信号的处理上进行了优化。

1 提升格式小波变换原理和构造

1.1 提升格式小波变换原理

传统的变换由于完全基于傅里叶变换，从而导致小波变换后的信号具有浮点且部分信号无法重构，这样小波变换后所得到的数据就会因为丢失数据而变得不精确，存在误差。Sweldens在对传统小波进行充分研究，总结以上缺陷之后，在1994年提出了新的小波构造方案——提升格式（lifting scheme，也称作第二代小波）。新提出的小波变换运用子表达式，能够实现信号的完全重构，对于非线性的和自适应的变换都十分适用。变换后所得出的结果在近似和细节部分上都做了相应的处理，浮点的操作减少也使得计算机在速度和结果精度上都有了很大程度的提高，减小了存放数据结果的系统内存。提升格式来构造小波不但适用于传统小波的构造，还适用于某些具备新特性的小波，只要通过对预测算子和更新算子的设计就可以实现。正因为新的小波构造方法具备上述优点，所以相对于传统构造小波方式，提升格式小波在风电机组的振动监测及故障诊断中更加适用[1]。信号的分解和重构过程都分为3个阶段，分别是分裂、预测、更新阶段以及反更新、反预测和合并阶段，算法的具体过程如图1所示（P和U分别为预测算子和更新算子）[2-3]。提升格式小波变换算法如图1所示。

图1 提升格式小波变换算法Fig.1 Wavelet transform algorithm improve format

提升格式小波变换分解过程如下[1]：

分裂就是对原始信号序列X=｛sj，j∈Z｝进行分解，分成两个部分，一个是奇样本序列Xo，另一个是偶样本数列 Xe，其中，奇数样本 Xo是用 sj，2k+1来表达，偶数样本Xe是用sj，2k来表达，这样便有

预测一般来说，奇数序列和偶数序列之间的相关性会随着信号局部相关性的提高而增强，所以，在一定的精准范围内，利用一个已知序列是可以预测出另一个序列的。例如，根据已知偶数样本Xe来预测未知的奇数样本Xo，就是将实际值与预测值两者之间的差值dj-1定义为初始值Xj在运用提升格式小波变换方法后所得到的高频信号（即细节信号），也就是

式中：P 是 N 点的预测器，预测系数是 p1，p2，…，pN，N是预测器系数的个数。

更新在高频信号的基础上更新偶样本。利用信号变换过程中低阶消失矩阵的不变性，通过个高频信号的运用，让设定的偶样本序列Xe进行更新，这样更新信号序列就是初始信号在提升格式小波分解后所需要的低频信号（即逼近信号）sj-1，即：

式中：U是M点的更新器，更新器系数是u1，u2，…，uM，M是更新器系数的个数。

把信号分解进行逆向操作就是信号的重构。信号重构包括反更新、反预测和合并3个部分。

反更新：

反预测：

合并：

1.2 提升格式小波构造

拉格朗日多项式是预测算子设计的依据。首先是在一个区间中选取N个互异点，然后就根据这N个点构造N-1阶拉格朗日多项式，下面是假设N=4，构造拉格朗日多项式 f（x）为

根据理论，参数 sj，k与参数 φj，k（x）是相互对应的。 选定 4 个预测器，任意给定序数 sj，k，δj，k，dj，k=0，根据小波重构可得：

根据Lagrange插值多项式等间隔采样的特点，将预测值 sj+1，2k+1看成是多项式系数，改进式（8）为

插值边界采用补零延拓。采用上述的迭代方法进行10次迭代后就得到三次对称插值尺度函数。当 N=2，4，6，8时尺度函数如图 2所示。

图2 插值细分构造的尺度函数Fig.2 Interpolation function of the scale of the segment structure

首先假定所构造小波函数是M-1阶消失矩阵，而小波在信号变换前后的低阶消失矩阵具有不变性，那么在构造函数时要考虑先设计更新算子，即小波函数：

写成离散形式为

若消失矩阵为 1，3，5，7， 那么所对应的 M=2，4，6，8，将值代入式（11），再结合反更新和反预测公式便得到相对应M值下的更新算子。最后根据序列 dj，k＝δj，k的提升反变换结果进行插值的迭代细分运算，最后求得小波函数，如图3所示。

图3 插值细分构造的小波函数Fig.3 Interpolation subdivision wavelet function structure

2 风力发电机组振动监测系统

2.1 传感器部分

风机测点的选取是实际工作状况来决定的，选取能够反映出真实振动状况的部位，尽可能地靠近轴承承载区部分，轴承到传感器之间应该有坚实的金属、测点要求布置在轴承的垂直方向上。根据频率特征，选择传感器类型及参数如表1所示。测点布置如图4所示。

2.2 数据采集系统

结合风电振动数据采集要求以及现场工作环境要求，搭建风电振动数据采集仪如图5所示。

表1 传感器选择Tab.1 Sensor selection

图4 振动测试点的布置Fig.4 Vibration test point arrangement

图5 测试振动数据采集系统Fig.5 Vibration data acquisition system test

通过信号调理芯片CY8C29466将振动信号所掺杂的高频干扰信号剔除和放大便于后续电路的数据处理，通过软件和JTAG口设置CY8C29466为低通滤波器，放大倍数为20；气象信号中速采样芯片MAX195设置成采样频率200 kS/s，声学信号高速采样芯片ADS5422设置采样频率为10 MS/s；TMS320V5402 控制 CY8C29466、MAX195和ADS5422这些芯片实时采集数据并实现对采集后的数据信号进行提升格小波分析及滤波；USB接口控制器CY8C27443芯片负责与上位机及时通讯。

3 风力发电机组振动监测数据分析

通过对某风电场风力发电机组传动链进行现场振动测试，并依据VDI 3834进行数据分析，采用普通滤波方法以及提升格小波分析方法进行分析。

3.1 普通滤波方法

从振动加速度时域统计值、偏度指标及峭度指标来看，主轴轴轴承、齿轮箱输入端测点均未超标。

风机的主轴、齿轮箱输入端，0.1 Hz～10 Hz振动时域数据的统计值 （5 min时间长度，4组平均，每组电机输入端转频约28 Hz）如表2所示，时域数据如图6所示。

从表2可以看出，这2个测点的均方根统计值，最大 5.023424 m/s2，远小于 7.5 m/s2（VDI 3834 正常运行限值）；从时域波形中，振动冲击不是很明显，属于比较健康的运行状态。

表2 振动测点位置及统计值Tab.2 Vibration measuring point position and statistics

图6 主轴轴承、齿轮箱输入端测点振动加速度时域数据Fig.6 Main shaft bearing，gear box，the input point vibration acceleration time domain data

3.2 提升格式小波分析方法

对上述数据采用提升格式小波分析方法，风机的主轴、齿轮箱输入端，0.1 Hz～10 Hz振动时域数据的统计值（5 min时间长度，4组平均，每组电机输入端转频约28 Hz）见表3，时域数据见图7。

表3 振动测点及统计值Tab.3 Vibration measuring point position and statistics

图7 主轴轴承、齿轮箱输入端测点振动加速度时域数据Fig.7 Main shaft bearing，gear box，the input point vibration acceleration time domain data

从表3可以看出，这 2个测点的均方根统计值，最大 8.94453 m/s2，大于 7.5 m/s2（VDI 3834 正常运行限值）；从时域波形中，振动冲击很明显，属于故障运行状态，但必须进行修复。

4 结语

振动监测及故障诊断是目前对风电机组进行运行保护的一种实用方法，针对普通数据滤波方法无法准确辨别风电机组实际工作中故障，提出采用提升格式小波变换方法进行数据滤波及分析，基于此搭建了风电机组传动链振动监测系统平台，在实际运用中效果明显，对推动风电现场振动监测工作具有重要意义。

[1]江金寿.基于提升格式小波包变换和神经网络机翼盒段多损伤检测研究[D].浙江：浙江理工大学，2010.

[2]单巧美.基于PCB-Rogowski线圈的光电式电流互感器的关键技术研究[D].河北：燕山大学，2014.

[3]刘凤陵.基于提升小波的地震勘探数据压缩研究[D].山东：青岛大学，2012.