基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统与流程

1.本发明涉及故障检测技术领域，尤其涉及一种基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统。


背景技术：

2.齿轮箱作为双馈风力发电机组的核心传动零部件，在风电机组传动结构中，通过齿轮箱的增速作用把风力推动叶轮的低速旋转，提高至发电机的高转速要求，从而有效地将风能转化成电能。风电齿轮箱为高速重载齿轮箱，由于风场风资源影响，其受力十分复杂，在前期设计阶段要充分考虑载荷、风速、风向突变、强阵风、地理环境等因素对齿轮箱的影响。齿轮箱主要由内齿圈、行星轮、太阳轴、齿轮、齿轮轴、轴承、箱体等构件组成，通过不同的传动结构实现动力输出。
3.风电齿轮箱常见的故障有齿轮箱振动和声音异常，齿轮箱故障的产生主要集中在轴承、带齿件、螺栓等。相对运动是齿轮箱产生振动和声音的来源，齿轮和轴承是齿轮箱传递运动的主要零部件，因此，齿轮箱振动和声音异常的原因主要有齿轮断齿、齿面上有磕碰划伤、齿轮运转过程中造成的胶合和点蚀、齿轮箱长期停置齿面产生锈蚀、轴承质量问题、联轴器不对中、动平衡量太大、齿轮箱内部零件摩擦干涉等因素。在风电齿轮箱故障检测中，通常采用振动信号进行监测与诊断，而基于声音信号的齿轮箱故障诊断研究相对较少，现有的基于齿轮箱声音识别齿轮箱典型故障的方案尚不成熟，检测的准确性有待进一步提升。


技术实现要素：

4.本发明的目的在于提供一种基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统，以解决现有的基于齿轮箱声音识别齿轮箱典型故障的方案尚不成熟，检测的准确性有待进一步提升的问题。
5.第一方面，本发明提供一种基于齿轮箱声音识别齿轮箱典型故障的方法，包括：
6.获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；
7.对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；
8.将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；
9.输出所述齿轮箱典型故障。
10.进一步地，对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理，包括：
11.采用掩膜信号法抑制风力发电机组齿轮箱运行过程中的音频数据存在的模态混叠。
12.进一步地，对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理，包括：
13.对音频数据的时域信号进行角域重采样，将基于定时间间隔的采样方法采集的时
域非稳态信号转换为等角度间隔的角域稳态信号；
14.对所述角域稳态信号进行倒谱分析，得到阶次倒谱图。
15.进一步地，将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障的步骤中，采用以下方法构建风力发电机组齿轮箱故障声音模型：
16.建立风力发电机组齿轮箱的音频数据在共振频带内的齿轮故障调幅-调频模型；
17.根据所述齿轮故障调幅-调频模型，推导出时变转速工况下，风力发电机组齿轮箱齿轮故障时，声音信号的时变故障频率特征，所述时变故障频率特征包括时变边带在共振频率两侧的分布规律，以将风力发电机组齿轮箱运行过程中的音频数据的时变边带信息与时变故障频率特征进行对比分析，检测及定位齿轮故障。
18.第二方面，本发明提供一种基于齿轮箱声音识别齿轮箱典型故障的装置，包括：
19.获取单元，用于获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；
20.处理单元，用于对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；
21.识别单元，用于将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；
22.输出单元，用于输出所述齿轮箱典型故障。
23.进一步地，所述处理单元用于：
24.采用掩膜信号法抑制风力发电机组齿轮箱运行过程中的音频数据存在的模态混叠。
25.进一步地，所述处理单元包括：
26.重采样子单元，用于对音频数据的时域信号进行角域重采样，将基于定时间间隔的采样方法采集的时域非稳态信号转换为等角度间隔的角域稳态信号；
27.倒谱分析子单元，用于对所述角域稳态信号进行倒谱分析，得到阶次倒谱图。
28.进一步地，基于齿轮箱声音识别齿轮箱典型故障的装置还包括：构建单元，所述构建单元采用以下方法构建风力发电机组齿轮箱故障声音模型：
29.建立风力发电机组齿轮箱的音频数据在共振频带内的齿轮故障调幅-调频模型；
30.根据所述齿轮故障调幅-调频模型，推导出时变转速工况下，风力发电机组齿轮箱齿轮故障时，声音信号的时变故障频率特征，所述时变故障频率特征包括时变边带在共振频率两侧的分布规律，以将风力发电机组齿轮箱运行过程中的音频数据的时变边带信息与时变故障频率特征进行对比分析，检测及定位齿轮故障。
31.第三方面，本发明提供一种基于齿轮箱声音识别齿轮箱典型故障的系统，包括：声音传感器和处理器，所述声音传感器设置于风力发电机组运齿轮箱；
32.所述声音传感器，用于采用定时间间隔的采样方法采集风力发电机组齿轮箱运行过程中的音频数据；
33.所述处理器，用于获取风力发电机组齿轮箱运行过程中的音频数据；对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；输出所述齿轮箱典型故障。
34.本发明的有益效果如下：本发明提供的一种基于齿轮箱声音识别齿轮箱典型故障的方法、装置及系统，通过获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；输出所述齿轮箱典型故障，可以用于基于风力发电机组齿轮箱运行过程中的音频数据对齿轮箱故障进行诊断，使得检测的准确性进一步提升。
附图说明
35.为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
36.图1为本发明实施例提供的基于齿轮箱声音识别齿轮箱典型故障的方法流程图；
37.图2为本发明实施例提供的基于齿轮箱声音识别齿轮箱典型故障的方法s102的流程图；
38.图3为本发明实施例提供的基于齿轮箱声音识别齿轮箱典型故障的方法s103的流程图；
39.图4为本发明实施例提供的基于齿轮箱声音识别齿轮箱典型故障的装置示意图；
40.图5为本发明实施例提供的基于齿轮箱声音识别齿轮箱典型故障的系统示意图。
具体实施方式
41.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。以下结合附图，详细说明本发明各实施例提供的技术方案。
42.请参阅图1，本发明提供一种基于齿轮箱声音识别齿轮箱典型故障的方法，该方法的执行主体为处理器，该方法包括以下步骤：
43.s101，获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集。
44.风力发电机组齿轮箱在风力发电机组发电过程中属于不间断运行设备，本技术采用声音传感器通过定时间间隔的采样方法采集风力发电机组齿轮箱运行过程中的音频数据。
45.s102，对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理。
46.具体地，风力发电机组齿轮箱运行过程中产生机械振动，并引发空气振动向四周传播，从而产生声音信号，声音传感器采集的风力发电机组齿轮箱运行过程中的音频数据往往是多组调频调幅信号之和且受到环境噪声影响，理论上容易发生模态混叠现象，可以采用掩膜信号法抑制风力发电机组齿轮箱运行过程中的音频数据存在的模态混叠。
47.s103，将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进
行对比识别，识别出音频数据对应的齿轮箱典型故障。
48.s104，输出所述齿轮箱典型故障。
49.由以上实施例可知，本发明提供的一种基于齿轮箱声音识别齿轮箱典型故障的方法，通过获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；输出所述齿轮箱典型故障，可以用于基于风力发电机组齿轮箱运行过程中的音频数据对齿轮箱故障进行诊断，使得检测的准确性进一步提升。
50.请参阅图2，作为一种可选的实施方式，对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理，还可以包括：
51.s201，对音频数据的时域信号进行角域重采样，将基于定时间间隔的采样方法采集的时域非稳态信号转换为等角度间隔的角域稳态信号。
52.当风力发电机组齿轮箱在非稳态工作状态，需要对风力发电机组齿轮箱运行过程中的音频数进行傅里叶变换作频谱分析时，会产生频率模糊现象。对时域信号通过角域重采样，将基于等时间间隔的信号转换为等角度间隔的采样信号，把时域非稳态信号转化成角域稳态信号，满足fft变换的要求，可有效地解决频率模糊现象。
53.s202，对所述角域稳态信号进行倒谱分析，得到阶次倒谱图。
54.如果直接对s201得到的角域重采样信号进行fft分析，由于等角度重采样信号同样受噪声和调制的影响，直接进行阶次分析难以产生较好的分析效果，需进行进一步的处理。而倒谱具有解卷积的作用，将角域重采样信号进行倒谱分析，不仅可以有效抑制噪声的影响，而且还可以将功率谱上的周期分量简化成单根谱线，容易识别故障的类型。
55.请参阅图3，将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障的步骤中，采用以下方法构建风力发电机组齿轮箱故障声音模型：
56.s301，建立风力发电机组齿轮箱的音频数据在共振频带内的齿轮故障调幅-调频模型。
57.根据声源与传感器距离的不同，声场模型可分为近场模型和远场模型，本发明选用风力发电机组齿轮箱的近场模型。
58.s302，根据所述齿轮故障调幅-调频模型，推导出时变转速工况下，风力发电机组齿轮箱齿轮故障时，声音信号的时变故障频率特征，所述时变故障频率特征包括时变边带在共振频率两侧的分布规律，以将风力发电机组齿轮箱运行过程中的音频数据的时变边带信息与时变故障频率特征进行对比分析，检测及定位齿轮故障。
59.当行星齿轮箱齿轮出现故障时，故障齿轮在运行过程中与其他齿轮啮合产生冲击，激发齿轮箱共振，在系统阻尼作用下，共振迅速衰减，又在后续冲击激励下重复出现，对共振频率产生幅值调制和频率调制作用，这种重复出现的共振产生声音辐射，因此声音信号在共振频带包含齿轮故障特征信息。
60.请参阅图4，本发明提供一种基于齿轮箱声音识别齿轮箱典型故障的装置，包括：
61.获取单元41，用于获取风力发电机组齿轮箱运行过程中的音频数据，其中，所述音
频数据由设置于风力发电机组运齿轮箱的声音传感器采用定时间间隔的采样方法采集；
62.处理单元42，用于对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；
63.识别单元43，用于将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；
64.输出单元44，用于输出所述齿轮箱典型故障。
65.进一步地，所述处理单元用于：采用掩膜信号法抑制风力发电机组齿轮箱运行过程中的音频数据存在的模态混叠。
66.进一步地，所述处理单元包括：
67.重采样子单元，用于对音频数据的时域信号进行角域重采样，将基于定时间间隔的采样方法采集的时域非稳态信号转换为等角度间隔的角域稳态信号；
68.倒谱分析子单元，用于对所述角域稳态信号进行倒谱分析，得到阶次倒谱图。
69.进一步地，基于齿轮箱声音识别齿轮箱典型故障的装置还包括：构建单元，所述构建单元采用以下方法构建风力发电机组齿轮箱故障声音模型：
70.建立风力发电机组齿轮箱的音频数据在共振频带内的齿轮故障调幅-调频模型；
71.根据所述齿轮故障调幅-调频模型，推导出时变转速工况下，风力发电机组齿轮箱齿轮故障时，声音信号的时变故障频率特征，所述时变故障频率特征包括时变边带在共振频率两侧的分布规律，以将风力发电机组齿轮箱运行过程中的音频数据的时变边带信息与时变故障频率特征进行对比分析，检测及定位齿轮故障。
72.请参阅图5，本发明提供一种基于齿轮箱声音识别齿轮箱典型故障的系统，包括：声音传感器51和处理器52，所述声音传感器设置于风力发电机组齿轮箱100；所述声音传感器，用于采用定时间间隔的采样方法采集风力发电机组齿轮箱运行过程中的音频数据；所述处理器，用于获取风力发电机组齿轮箱运行过程中的音频数据；对所述风力发电机组齿轮箱运行过程中的音频数据进行预处理；将预处理后的音频数据与预先构建的风力发电机组齿轮箱故障声音模型进行对比识别，识别出音频数据对应的齿轮箱典型故障；输出所述齿轮箱典型故障。
73.本发明实施例还提供一种存储介质，本发明实施例还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现本发明提供的基于齿轮箱声音识别齿轮箱典型故障的方法各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-onlymemory，简称：rom)或随机存储记忆体(英文：randomaccessmemory，简称：ram)等。
74.本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
75.本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于基于齿轮箱声音识别齿轮箱典型故障的装置实施例而言，由于其基本相似于方法实施例，所以描述
得比较简单，相关之处参见方法实施例中的说明即可。
76.以上所述的本发明实施方式并不构成对本发明保护范围的限定。