(沈陽工業(yè)大學(xué)機(jī)械工程學(xué)院，遼寧沈陽 110870)

(沈陽工業(yè)大學(xué)機(jī)械工程學(xué)院，遼寧沈陽 110870)

文章提出了基于FastICA大型風(fēng)力機(jī)主軸承故障診斷方法。根據(jù)大型風(fēng)力機(jī)的運(yùn)行特點(diǎn)，采用負(fù)熵最大化判據(jù)和牛頓迭代原理實(shí)現(xiàn)FastICA算法并將其應(yīng)用于大型風(fēng)力機(jī)主軸承的故障診斷中。診斷結(jié)果表明，該方法可有效地將大型風(fēng)力機(jī)主軸承和軸流風(fēng)機(jī)的振動(dòng)信號(hào)進(jìn)行分離，從而清晰地看出主軸承的振動(dòng)特征頻率，實(shí)現(xiàn)對(duì)風(fēng)力機(jī)主軸承的故障診斷。

大型風(fēng)力機(jī);主軸承;FastICA;故障診斷

0 前言

大型風(fēng)力機(jī)由于其運(yùn)行工況復(fù)雜、環(huán)境惡劣、保養(yǎng)周期長(zhǎng)、維修成本高，要求風(fēng)力機(jī)的機(jī)械系統(tǒng)具有較高的可靠性［1］。在大型風(fēng)力機(jī)的各組成部件中，滾動(dòng)軸承是最容易損壞的部件之一。與風(fēng)力機(jī)的其它部件相比，滾動(dòng)軸承有一個(gè)突出的特點(diǎn)，就是其壽命離散性大。即同樣的一批滾動(dòng)軸承，有的大大超過設(shè)計(jì)壽命而依然完好無損地工作，而有的遠(yuǎn)未達(dá)到設(shè)計(jì)壽命就出現(xiàn)故障。而風(fēng)力機(jī)組關(guān)鍵部位的滾動(dòng)軸承一旦出現(xiàn)故障，將會(huì)影響整個(gè)風(fēng)力機(jī)組的運(yùn)行，甚至造成嚴(yán)重的安全事故［2］。因此，及時(shí)有效地對(duì)大型風(fēng)力機(jī)的滾動(dòng)軸承進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷，對(duì)保證風(fēng)力機(jī)健康安全地運(yùn)行，提高風(fēng)力機(jī)的運(yùn)行壽命具有十分重要的意義。

盲源分離是在沒有先驗(yàn)知識(shí)的前提下，基于統(tǒng)計(jì)獨(dú)立的思想從線性混合的觀測(cè)信號(hào)中分離出獨(dú)立的信號(hào)源［3-4］。該方法是信號(hào)處理領(lǐng)域的一個(gè)熱點(diǎn)問題，有著廣闊的應(yīng)用空間。獨(dú)立分量分析(Independent Component Analysis，ICA)是近期迅速發(fā)展起來的一種非常有效的盲源分離技術(shù)。目前已提出了多種ICA算法，并且采用這些算法對(duì)原始信號(hào)進(jìn)行提取已獲得了比較理想的研究結(jié)果［5］。FastICA是一種比較有效、實(shí)用的ICA擴(kuò)展算法，與其他擴(kuò)展的ICA算法相比，既具有比較快的收斂速度，也不要求非常復(fù)雜的矩陣運(yùn)算［6］。本文擬采用FastICA算法對(duì)大型風(fēng)力機(jī)主軸承故障信號(hào)進(jìn)行特征提取，以達(dá)到對(duì)其實(shí)現(xiàn)狀態(tài)監(jiān)測(cè)和故障診斷的目的。

1 獨(dú)立分量分析(ICA)

ICA問題可簡(jiǎn)單描述為:假定從m個(gè)通道獲得m個(gè)觀測(cè)信號(hào)，每個(gè)觀測(cè)信號(hào)是由n個(gè)獨(dú)立的源信號(hào)線性混合而成，即

式中，x(t)=［x1(t)，x2(t)，…，xm(t)］T為m維觀測(cè)信號(hào)，s(t)=［s1(t)，s2(t)，…，sn(t)］T為n維源信號(hào)，n(t)=［n1(t)，n2(t)，…，nm(t)］T為m維噪聲干擾信號(hào)，且m≥n，A為混合矩陣。ICA在混合矩陣A和源信號(hào)未知的情況下，只根據(jù)觀測(cè)數(shù)據(jù)向量x(t)確定線性變換分離矩陣W，使得變換后的輸出y(t)是源信號(hào)s(t)的拷貝或估計(jì)，即

式中，y(t)=［y1(t)，y2(t)，…，ym(t)］T表示分離后的輸出。如果yi(t)之間盡可能保持獨(dú)立，那么y(t)就近似認(rèn)為是s(t)的估計(jì)。

2 快速獨(dú)立分量分析(FastICA)

FastICA是一種基于牛頓固定點(diǎn)迭代原理以及負(fù)熵最大化準(zhǔn)則的分離算法，通過重復(fù)地迭代來尋找分離矩陣W的非高斯性最大值。

在FastICA中，首先要對(duì)分離的信號(hào)進(jìn)行預(yù)處理，主要包括中心化和白化處理兩個(gè)過程。

中心化就是使每個(gè)混合變量與原始的獨(dú)立成分都分別具有0均值，其實(shí)現(xiàn)過程為

預(yù)白化是尋找白化矩陣D，使得變換后的輸出z=xD不相關(guān)，即

根據(jù)中心極限定理，如果一個(gè)隨機(jī)量是許多相互獨(dú)立的隨機(jī)量之和，只要各獨(dú)立的隨機(jī)量具有有限的均值和方差，無論各獨(dú)立隨機(jī)量為何種分布，混合后的隨機(jī)變量將接近高斯分布。因此，如果觀測(cè)信號(hào)是源信號(hào)的線性混疊，那么源信號(hào)的非高斯性比觀測(cè)信號(hào)的非高斯性更強(qiáng)。根據(jù)這個(gè)原理，可以通過對(duì)分離信號(hào)的非高斯性判斷來確定其相互獨(dú)立性。當(dāng)分離信號(hào)的非高斯性最大時(shí)，可以認(rèn)為達(dá)到了分離。衡量信號(hào)非高斯性的標(biāo)準(zhǔn)有很多，其中以負(fù)熵最為常見。隨機(jī)變量y的負(fù)熵定義為

式中，yi是一個(gè)與y具有相同方差的高斯隨機(jī)變量。因?yàn)榫哂邢嗤讲畹碾S機(jī)變量中，高斯隨機(jī)變量的熵最大，隨機(jī)變量y的非高斯性越強(qiáng)，越偏離高斯分布，它的熵H(y)越小，所以它的負(fù)熵N(y)越大。因此，當(dāng)負(fù)熵極大時(shí)，非高斯性最強(qiáng)，各分離信號(hào)之間達(dá)到最大獨(dú)立。

負(fù)熵的計(jì)算比較復(fù)雜，難以直接應(yīng)用，通常采用的逼近方程為

式中，G(·)為一非線性函數(shù)。

FastICA算法的最終目的就是計(jì)算W，使得Ng(y)取得最大值，也就是滿足

其中，對(duì)G(x)進(jìn)行求導(dǎo)得到g(x)。再通過牛頓迭代定理得

如果結(jié)果不收斂，則重復(fù)進(jìn)行計(jì)算過程，直到最后收斂為止。該算法是假設(shè)只提取一個(gè)獨(dú)立分量，如果要分離提取多個(gè)獨(dú)立分量，可重復(fù)進(jìn)行上述計(jì)算過程，但每分離提取一個(gè)獨(dú)立分量后，必須從混疊信號(hào)中去掉這個(gè)獨(dú)立分量，也就是對(duì)混疊信號(hào)進(jìn)行縮減，如此不斷重復(fù)進(jìn)行提取和縮減，直到混疊信號(hào)中所含有的獨(dú)立分量被全部提取分離出來為止。

3 基于FastICA的大型風(fēng)力機(jī)故障診斷研究

黑龍江佳木斯太陽山風(fēng)場(chǎng)某1.5 MW風(fēng)機(jī)于2012年投入運(yùn)行，2013年8月發(fā)現(xiàn)該風(fēng)電機(jī)組有明顯的不正常振動(dòng)，現(xiàn)場(chǎng)發(fā)現(xiàn)，引起該振動(dòng)的來源是給發(fā)電機(jī)冷卻用的軸流風(fēng)機(jī)運(yùn)行時(shí)發(fā)出的，因此于2013年9月對(duì)該風(fēng)電機(jī)組的軸流風(fēng)機(jī)兩側(cè)的振動(dòng)信號(hào)進(jìn)行了數(shù)據(jù)采集，兩采集到信號(hào)的時(shí)域波形和頻譜分別如圖1和圖2所示。

從圖1和圖2可以看出，兩傳感器采集到的信號(hào)出現(xiàn)頻率混疊現(xiàn)象，無法判斷風(fēng)力機(jī)的真正故障。采用FastICA算法對(duì)信號(hào)進(jìn)行分離，分離結(jié)果分別如圖3和圖4所示。

從圖3和圖4的分離結(jié)果可以看出，圖3中出現(xiàn)風(fēng)力機(jī)軸承故障頻率64 Hz及其倍頻成分，說明圖3為分離出的風(fēng)力機(jī)主軸承故障頻率。與風(fēng)力機(jī)主軸承的故障特征頻率相比較可知，風(fēng)力機(jī)主軸承外環(huán)出現(xiàn)故障。而圖4為80 Hz的恒定特征頻率，由此可以判斷圖4為風(fēng)力機(jī)軸流風(fēng)機(jī)的振動(dòng)信號(hào)。停機(jī)維護(hù)時(shí)發(fā)現(xiàn)風(fēng)力機(jī)主軸承外環(huán)確實(shí)存在故障，從而證明了診斷結(jié)果的正確性。

4 結(jié)論

針對(duì)大型風(fēng)力機(jī)滾動(dòng)軸承的振動(dòng)特性，采用FastICA算法對(duì)黑龍江某風(fēng)場(chǎng)風(fēng)力機(jī)的實(shí)測(cè)數(shù)據(jù)進(jìn)行分離。結(jié)果表明，該方法可有效分離大型風(fēng)力機(jī)主軸承和軸流風(fēng)機(jī)的振動(dòng)信號(hào)，實(shí)現(xiàn)對(duì)主軸承的故障診斷。

［1］Amirat Y，Benbouzid M，Ahmer E，et al.A Brief Status on Condition Monitoring and Fault Diagnosis in Wind Energy Conversion Systems［J］.Renewable and Sustainable Energy Reviews，2009，13(9):2629 -2636.

［2］蔣東翔，洪良友，黃乾，等.風(fēng)力機(jī)狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究［J］.電網(wǎng)與清潔能源，2008，24 (3):40-44.

［3］Gelle G，Cloas M，Serviere C.Blind source separation:a new pre-processing tool for rotating machines monitoring［J］.IEEE.Transactions on Instrumentation and Measurement，2003，52:790-795.

［4］Serviere C，F(xiàn)abry P.Blind source separation of noisy harmonic signals for rotating machine diagnosis［J］.Journal of Sound and Vibration，2004，272:317 -339.

［5］季策，于洋，于鵬.改進(jìn)的獨(dú)立分量分析算法［J］.東北大學(xué)學(xué)報(bào):自然科學(xué)版，2010，31(8): 1086-1088.

［6］姚俊良，楊小牛，李建東，等.一種消除誤差累積的多級(jí)快速獨(dú)立分量分析算法［J］.電子與信息學(xué)報(bào)，2009，31(11): 2643-2648.

基于FastICA的大型風(fēng)力機(jī)主軸承故障診斷研究

周昊，陳長(zhǎng)征，劉歡，孫鮮明

Fault diagnosis research on large wind turbine main bearing based on FastICA

ZHOU Hao，CHEN Chang-zheng，LIU Huan，SUN Xian-ming
(School of Mechanical Engineering，Shenyang University of technology;Shenyang 110870，China)

In this paper，a model for fault diagnosis of large wind turbine main bearing based on FastICA is presented.According to the operating characteristics of large wind turbine，F(xiàn)astICA is achieved by negentropy maximization criterion and Newton iteration theory，which is applied in fault diagnosis of large wind turbine main bearing.Diagnosis results show that，this method can separate vibration signals collected from large wind turbine main bearing and axial flow blower effectively.Characteristics vibration frequency can be seen clearly from the separated signal，which can achieve fault diagnosis of large wind turbine main bearing.

large wind turbine;main bearing;FastICA;fault diagnosis

TH39

A

1001-196X(2014)05-0037-04

2014-05-16;

2014-07-10

周昊(1985-)男，博士研究生，主要研究方向?yàn)楣收显\斷，盲信號(hào)處理。