基于EMD-Hilbert的行星齿轮箱在线故障诊断

崔慧娟

(咸阳职业技术学院机电(技师)学院，陕西 咸阳 712000)

随着风电技术的快速发展，行星齿轮在大型风力发电机组中发挥着越来越大的作用。而风电设备经常处在恶劣环境中，常年经受较大的风向载荷，导致其内部行星齿轮传动系统受到严重磨损，这样会造成整个风电机组严重损伤，甚至会导致风力发电系统直接瘫痪[1-4]。因此，对风电机组行星齿轮箱磨损状态进行故障诊断检测具有重要的意义。

近些年，国内外很多专家和学者对行星齿轮箱故障诊断做了大量研究，主要是针对行星齿轮在传动过程中的磨损状态进行故障诊断，从而为风电机组行星齿轮箱故障提供预警。其中：安学利等[5]采用ITD(intrinsic time-scale decomposition,固有时间尺度分解)和LS-SVM(least squares support vector machines，最小二乘支持向量机)方法对风电机组齿轮磨损信号进行分解和识别，能够有效识别故障; 赵洪山等[6]通过统计过程控制的方法对齿轮箱磨损出现的故障进行监测，并根据样本所出现的概率判断齿轮磨损故障程度；陈法法等[7]利用局部切空间排列与MSVM(multivariate support vector machine)对齿轮磨损故障状态进行了诊断，实验结果证明该方法是可行的。由于行星齿轮箱传动系统是一个高速、非线性运动系统，采集的齿轮箱磨损信号在分解后容易产生虚假信号，常规的SVM(support vector machine)识别算法容易误判齿轮磨损状态，因此针对这种传动不平稳的信号，借用Hilbert调制技术来解决。

本文为了解决上述问题，提出了一种基于经验模态分解(EMD)和Hilbert解调技术(HT)的风电机组行星齿轮箱齿轮磨损在线故障诊断方法。……