劉歡++王健

摘要：本文采用盲源分離中的粒子群優(yōu)化算法解決多故障源信號提取問題和故障源信號分離等題。診斷結(jié)果表明，該方法具有可行性，從而實現(xiàn)對風(fēng)力機主軸承的故障診斷。

關(guān)鍵詞：粒子群優(yōu)化；主軸承；故障診斷

中圖分類號：TP206 文獻標識碼：A 文章編號：1007-9416（2017）10-0113-02

風(fēng)力機的主軸承一種特殊的軸承，使用環(huán)境惡劣，維修成本較高，要求高壽命。由于風(fēng)力機組周圍的環(huán)境惡劣，并且長期處在惡劣的環(huán)境中運行，因此風(fēng)力機主軸承故障率較高，一旦發(fā)生故障，直接和間接經(jīng)濟效益損失較大[1]。本文采用盲源分離中的粒子群優(yōu)化算法解決多故障源信號提取分離等問題。診斷結(jié)果表明，該方法具有可行性，從而實現(xiàn)對風(fēng)力機主軸承的故障診斷。

2 基于粒子群優(yōu)化盲源分離算法風(fēng)力機主軸承故障信號實驗研究

實驗是在旋轉(zhuǎn)機械振動故障轉(zhuǎn)子實驗臺上進行的，環(huán)境比較封閉，空間沒有干擾，假設(shè)轉(zhuǎn)子實驗臺發(fā)生故障時，實驗臺的振動信號相互疊加混合，在傳遞過程中發(fā)生線性混合過程。對轉(zhuǎn)子試驗臺進行測試，結(jié)果可以得到圖2和圖3中的波形，都是三個傳感器采集到振動信號的波形圖。

從圖3可以看出，可以看出采集到的信號，有些混疊不好分辨哪個是振動信號，容易出現(xiàn)誤判，這對診斷是非常危險的。因此，為了能夠捕捉到有用的有效的故障信號，采用粒子群優(yōu)化算法對采集到的信號進行分離，分離結(jié)果分別如圖4所示。

經(jīng)過上面圖1和圖2還有圖3和圖4的對比可以看出，圖4中頻率信號比較清晰，第二個分離信號五十赫茲頻率成分，改數(shù)值是不變的，可以認為是風(fēng)力機中電機的轉(zhuǎn)頻，第一個分離信號為軸承的故障頻率及其倍頻成分，第三個分離的頻段范圍內(nèi)特征不明顯，是干擾信號，隨機的。從圖3和圖4的結(jié)果可以看出，采用粒子群優(yōu)化算法，可以清晰地判斷出故障信號，分離結(jié)果顯著，分離的可靠性和分離精度都非常高。

3 結(jié)語

本文采用粒子群優(yōu)化盲源分離技術(shù)解決了主軸承故障診斷問題。將粒子群優(yōu)化盲源分離技術(shù)應(yīng)用到基于振動分析的主軸承診斷中，提高故障診斷精度和計算速度，對大型風(fēng)力機主軸承故障診斷具有指導(dǎo)意義。

參考文獻

[1]張青鋒，唐力偉，鄭海起，等.帶有齒根裂紋故障的齒輪傳動系統(tǒng)非線性動力學(xué)模型研究[J].振動工程學(xué)報，2011，24（3）：294-298.

[2]徐玉秀，原培新，邢鋼.極大嫡譜法及其在滾動軸承故障診斷中的應(yīng)用[J].機械科學(xué)與技術(shù)，2001，20（4）：571-574.

[3]朱利民，鐘秉林，賈民平.振動信號短時分析方法及在機械故障診斷中的應(yīng)用[J].振動工程學(xué)報，2000，13（3）：400-405.

[4]徐剛，駱志高，李明義，等.變工況運行的機械故障診斷研究[J].機械工程學(xué)報，2001，37（12）：104-107.endprint