基于EEMD与HHT的无转速计阶比分析方法

王 平¹，尹少平¹，贾护民²，王灵梅¹

(1.山西大学绿色能源与电力智能控制研究所，山西 太原 030013)

(2.青海绿电电力运维技术有限公司，青海 西宁 810001)

基金项目：青海省重点研发与转化计划（2019-GX-C27）；2018山西省1331工程

作者简介：王平（1995—），女，硕士研究生，主要研究方向为风力发电机组机械故障诊断，15735104849@163.com.

通讯作者：尹少平，男，副教授，15735104849@163.com.

摘要：为了更精确地检测双馈风力发电机组齿轮箱的故障，提出了一种改进的基于EEMD-HHT的无转速计阶比分析方法。采用EEMD方法对齿轮箱振动信号进行分解，并利用相关系数法提取敏感IMF分量，然后采用HHT法和Teager能量算子法联合对敏感IMF分量进行瞬时频率估计，利用瞬时频率拟合瞬时转速进而计算鉴相时标，将时域信号转换为角域信号进行故障分析。最后通过仿真信号分析以及工程实际应用证明了该方法在转速波动条件下具有良好的故障诊断效果。

关键词：无转速计；阶比分析；转速波动；机械故障诊断

中图分类号：O325；TK79    文献标识码：A    文章编号：2095-509X(2021)05-0052-05

风力发电机组齿轮箱的振动信号随风速的波动呈现出非线性、非平稳性的特征，无法及时有效地识别提取，从而增大了故障识别的难度。在这种形势下，进行精确的故障诊断是当前风电机组运维工作的重要任务。

在风力发电机组变工况状态下，对齿轮箱振动信号直接进行快速傅里叶变化（fast Fourier transform,FFT）频谱分析可能会导致谱线中出现“谱线混淆”，难以识别故障特征频率。由于硬件阶比分析^［1］与计算阶比分析方法中所用到的设备和检测装置可能会长期受到现场设备及运行环境的巨大影响和强度制约，因此很多专家学者转向无转速计阶比分析方法的研究中，并取得了一定的研究成果。其中，吕建新等^［2］利用阶比分析与总体平均经验模式分解相结合的方法，对角域稳态信号进行集合经验模态分解（ensemble empirical mode decomposition,EEMD），并对IMF分量进行分析，实现了对轴承故障的识别。杨志坚等^［3］针对故障检测进行了大量的研究，基于能量重心法来获得信号的瞬时频率，利用瞬时频率获取信号的转速信息，并对信号进行阶比分析。金阳等^［4］设计了零相位跟踪滤波方法，其优势主要体现在如下方面：首先降低滤波器边界对于信号的不利影响；其次是可以实现旋转机械信号转频。郭瑜等^［5］重点针对无硬件设施进行了阶比分析，在此过程中采用了瞬时频率估算技术。徐亚军等^［6］提出了基于线性调频小波路径追踪的阶比多角度形态学解调的分析方法，实现了对轴承的非稳态信号的故障诊断。

由于传统的时频分析方法对于非稳态、非线性的振动信号具有严重局限性，因此信号处理过程中存在严重的模态混叠现象，无法及时准确地提取有效故障信息。针对这一问题，本文提出了基于EEMD和希尔伯特-黄变换(Hilbert-Huang transform,HHT)相结合的无转速计阶比分析方法，并对该方法的实现与实际应用做了具体的阐述，实现了在无转速计的情况下，对变工况的齿轮箱振动信号提取精确的故障信息。