为了提高诊断风轮机冷库轴承故障的效率，提出了一种基于小波包分析，风速系数计算的风电存储装置缺陷诊断方法。出了能量和希尔伯特变换。波信号用于分析振动信号，并将振动信号分解为不同的频带。据每个频带的小波包系数的能量值，选择能量最大的频带进行希尔伯特解调，提取轴承故障的特征参数，最后确定故障根据特征参数诊断风对冷藏单元轴承的影响。源短缺和环境问题突出了清洁和可再生能源的开发和使用。电，风能和太阳能的发展相对较快，其中包括目前的风力发电技术和装机容量大，并正在进入大规模开发阶段。于风力资源的特殊性，以风力为动力的冷藏仓库主要位于山区，野外或海上，它们经常受到极端天气条件的影响，并且操作条件相当困难。着冷藏单元累计运行时间的增加，冷藏仓库将老化并变得有缺陷。过对冷藏库单元的运行状态进行监控，可以及时检测和诊断冷藏库单元的故障，并确保风能制冷单元的安全和稳定运行。于变速箱结构复杂，成本高，故障率高以及维护困难，无变速箱的直接驱动制冷单元成为变速箱的类型。电场的主要安装。承是风能存储单元的关键组件，占存储单元故障的比例较高。们被组装成许多部分，例如主轴，齿轮箱，发电机，变桨机构和偏航机构。滚动系统发生故障时，振动信号能量在频率空间中的比率会发生变化，即，振动信号能量的变化会包含特征故障信息。富。冷存储单元的滚动振动信号包含许多不稳定成分，传统的傅立叶分析在时间信号上没有局限性，不能用于分析非平稳信号。波变换在时域和频域的局部和可变分辨率。动特性使小波在非平稳信号分析中具有独特的优势。前，小波变换方法被广泛用于滚动缺陷的诊断系统中。而，该方法也具有其缺点，主要是因为高频部分的频率分辨率相对较低。轴承损坏时，高频段的分解至关重要。此，通常难以获得令人满意的识别效果。波包的分析似乎提供了一种更复杂的信号分析方法。
可以分解信号的低频和高频部分，并且可以对非平稳，陡峭的信号执行准确的特征提取，并更有效地反映信号的时频特性。果，小波包分析，能量计算和希尔伯特变换将用于诊断存储单元轴承在四种状态下的局部损坏和正常滚动元件运行。接驱动的风能。波变换使得可以同时分析信号在频域和时域的局部特征，其原理在于利用小波的基本功能对信号进行卷积，该小波具有平移灰度，并且具有时域的特性。频率，以便将信号分解为相同频率区域上的每个分量。到小波变换是小波变换的进一步发展。同时分解细节序列和近似序列，并均匀划分频域。此，与小波变换相比，它提供了更好的时频定位和几个尺度的分辨率。波包分析是对多分辨率分析的概括，它允许将信号的低频部分和高频部分同时划分为不同的电平，无需小波变换的高频部分可以进一步分解。可以根据分析信号的特性进行调整。择频带以对应于所需信号，从而提高信号处理能力，获得更好的频域位置，并消除了小波变换只能分解信号子空间的限制。放而不是小波子空间。
信号以小波包为基础进行广播时，它包括低通和高通滤波，每个分裂将上层（j 1层）的第n个频段划分为第二个下层（第j层）的（2n ）。1）两个子带dl（j，2n），dl（j，2n 1）。中：k是采样点数； l是倍频的优化参数； ak，bk是小波分解共轭的滤波系数，dk是分解子带。公式中，pk和qk是用于小波重构的共轭滤波器系数。波可以将信号分解为不同的频带，用户可以根据需要选择不同的频带进行分析。轴承发生故障时，由故障操作引起的冲击力和由此产生的共振会改变每个频带中信号能量的分布，以及不同类型的故障对轴承的影响。号能量的分布是不同的。此，冷库安装可以进行小波包分解的结果中的每个节点的小波包系数的能量计算，并且提取每个频带的能量值以反映该变化。承的工作状态。能量法表示的小波包分解结果称为小波包能量法。
得包络以提取支撑缺陷的特征频率。据缺陷的类型分析轴承各组件的特征频率：产生对比效果，节点在故障信号中具有相对较低能量分布的ud（3，5）和相对集中的能量节点（3，4）的重构信号同时受到包络谱的影响。分析中，所得包络谱如图4-1和4-2所示，并且与能量相对集中的节点（3、4）相比，振幅为节点（ 3，5）是三倍以上。且有一条视在振幅接近135.5 Hz的线，根据表2-1可以看出轴承的滚动元件有缺陷。波包能量方法可以更好地提取缺陷的特征频率。是，在轴承的多个故障下节点的能量分布不是特别明显：如果通过寻找具有相对重要能量的节点的包络谱来获得特征谱，则能量谱可以是结合起来可以更准确地识别缺陷。
本文转载自
冷库安装 https://www.iceage-china.com