崔慧娟

(咸阳职业技术学院机电（技师）学院，陕西 咸阳 712000)

基金项目：陕西省教育厅2019年度科学研究计划项目（19JK0935）

作者简介：崔慧娟（1985—），女，讲师，硕士，主要研究方向为机电一体化与机械装备故障诊断，r4s3jz@163.com.

摘要：针对风电机组行星齿轮箱传动过程中行星齿轮磨损对其他部件所造成的损伤，提出了一种基于经验模态分解(EMD)、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。首先，以行星齿轮箱传动系统为研究对象进行信号采集并进行降噪预处理；然后，通过EMD对信号进行分解，根据时域信号指标参数计算分解后信号的IMF分量，重组、求取幅值谱；最后，利用Hilbert包络解调分析得到重组后的调制信号的包络解调谱，结合调制信号的包络解调谱频率以及行星齿轮箱各部件的故障特点实现故障诊断。实验结果表明，基于EMD-Hilbert的方法对风电机组行星齿轮箱传动系统在线故障诊断具有很好的判别效果。

关键词：风电机行星齿轮；经验模态分解；Hilbert解调技术；故障诊断

中图分类号：TH117   文献标识码：A   文章编号：2095-509X(2020)05-0107-05

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。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。鉴于Hilbert技术对信号进行变换之前，需要将信号分解成一系列不同尺度波动或趋势的本征模态函数（IMF），本文结合经验模态分解算法，可将非平稳信号分解为模态函数分量（IMF）和残余量并去除无用的残余量，从而满足Hilbert变换的条件；然后对分解得到的IMF分量求取峭度和峰值并进行归一化处理，对这些包含故障信息的IMF分量进行信号重组和谱分析，选取重组信号中带宽为实际故障信号特征频率的1～3倍的故障特征频率，对该信号进行带通滤波并运用Hilbert解调方法，根据解调出来的频率成分来实现故障诊断，最终达到风电机组行星齿轮在线故障诊断的目的。

1 模态分解理论

经验模态分解(empirical mode decomposition，EMD)算法由美国学者Huang博士在1998年首次提出，是为解决Hilbert变换的条件限制而提出的一种方法。该方法是将非平稳信号分解为模态函数分量（IMF）和残余量并去除无用的残余量，使其满足Hilbert的两个基本条件，然后利用EMD......