EMD分解和持向量机技术在风电齿轮箱早期.doc

近年来，国内外风力发电机故障率最高的部件当数齿轮箱。 齿轮箱的状态监测与故障诊断已迫在眉睫。以代表风电齿轮箱 的行星齿轮箱为试验平台，对其早期故障进行研究。 1方法理论 1．1基本方法 没有缺陷的正常齿轮，其振动主要是由于齿轮自身的刚度 等引起的。正常齿轮由于刚度的影响，其波形为周期性的衰减波 形。其低频信号具有近似正弦波的啮合波形。正常齿轮的信号反 映在功率上，有啮合频率及其谐波分量，且以啮合频率成分为 主，其高次谐波依次减小；同时，在低频处有齿轮轴旋转频率及 其高次谐波。 齿轮发生磨损时，导致齿侧间隙增大，通常会使其正弦波式 的啮合波形遭到破坏。齿面磨损时，啮合频率及其谐波分量，在 频谱图上的位置保持不变，但其幅值大小发生改变，而且高次谐 波幅值相对增大。 根据以上理论可知，齿轮发 生磨损后，主要特征是啮合频率 及其谐波分量幅值大小改变。 EMD分解能够提取出我们 关注的信号分量。 通过对EMD分解后各个分 量进行时频分析，提取出最接近 啮合频率的分量。对每个分量求 均值，然后将此值作为特征参数 输入向量机中进行训练分类。 1．2 EMD分解 局域波分解是建立在瞬时 频率的基础上，把复杂的非平稳 信号表示成有限多个基本模式 分量。假设原始信号X(t)表示包 含多个振荡模式的非平稳信号，Ci表示信号X(t)的基本模式分 量，其中i表示第i个基本模式分量（i＝1，2，3，…n），当从原始信 号中获得第一个基本模式分量C1后，把原始信号与该分量的差 值r1作为待分解信号，然后依据基本模式分量的的定义继续分 解，直到满足一定的分析要求而止。 每个基本模式分量是幅度、频率调制的，因此对于非平稳信 号通过基于基本模式分量的展开，得到了一个可变幅度与可变 频率的信号描述方法，打破了固定幅度和固定频率的傅立叶变 换的限制。从信号分解基函数理论角度来说，局域波分解的基是 一种自适应广义基，因为在信号分解中，基函数（基本模式分量） 依赖于信号本身特征，而不是预先选定的，因此这种分解方法更 能体现信号自身特性。 图2为20Hz下正常信号的emd分解后提取的分量。 图2为20HZ下正常信号分量提取图 1．3 EMD单分量提取 基于LabVIEW中的时频工具包开发出时频分析系统。这样 就能够快速得到要找的单分量。 EMD分解和支持向量机技术在风电齿轮箱早期 齿轮磨损故障诊断中的应用 白亚红王奉涛（大连理工大学机械工程学院振动工程研究所，辽宁大连116024） Early Recognition Based on EMD and Support Vector Machine for Wind Power Gear Box Failure 摘要 针对目前风电机组齿轮箱故障率很高，特别是对兆瓦级风电机组齿轮箱早期齿轮故障缺乏有效诊断经验的现状，提出 EMD分解和支持向量机技术方法相结合的故障诊断方法，以行星齿轮箱为试验平台，充分利用两种方法的各自优势，对风 电机组齿轮箱的齿轮早期故障诊断进行研究。 关键词：早期故障，EMD分解，支持向量机 Abstract The current wind turbine gear box failure rate is high,especially lack an effective early diagnosis way for the megawatt－ class wind turbine gear box fault．From the gear box unit and the input excitation characteristics of the internal structure, EMD and Support Vector Machine is gaved,with making full use of their advantages,can realize the early diagnosis of the wind turbine gearbox fault． Keywords:early failure,EMD,support vector machine 图1磨损故障诊断方法流程图《工业控制计算机》2010年第23卷第2期 图3时频分析系统界面 1．4 SVM法 SVM方法是从线性可分情况下的最优分类面提出的。为了 容易理解而又不失一般性，以二维数据的两类分类问题作为例子 来阐述支持向量机的工作机理。图4显示了一系列两个不同类型 的数据点，其中圆代表一类样本，而方块代表另外一类样本。 图4支持向量机两类分类的示意图 在两个不同属性的类之间，支持向量机找出一个线性的分 类面并按照下面的准则来放置它：尽量把样本准确无误的分开 并且使分类间隔最大，即分类面和各类中最近的点距离最大。也