Weak characteristic information extraction from early fault of wind turbine generator gearbox

Abstract

Given the weak early degradation characteristic information during early fault evolution in gearbox of wind turbine generator, traditional singular value decomposition (SVD)-based denoising may result in loss of useful information. A weak characteristic information extraction based on µ-SVD and local mean decomposition (LMD) is developed to address this problem. The basic principle of the method is as follows: Determine the denoising order based on cumulative contribution rate, perform signal reconstruction, extract and subject the noisy part of signal to LMD and µ-SVD denoising, and obtain denoised signal through superposition. Experimental results show that this method can significantly weaken signal noise, effectively extract the weak characteristic information of early fault, and facilitate the early fault warning and dynamic predictive maintenance.

Keywords

wind turbine generator gearbox / µ-singular value decomposition / local mean decomposition / weak characteristic information extraction / early fault warning

References

[1] Wang G, He Z, Chen X,  Basic research on machinery fault diagnosis—What is the prescription. Journal of Mechanical Engineering, 2013, 49(1): 63–72 (in Chinese)

[2] Xu X, Wang H. Large Rotating Machinery Running Trend Forecasting. Beijing: Science Press, 2011 (in Chinese)

[3] Xu X, Jiang Z, Ren B,  Extract method of flue gas generator set state feature weak information based on Birgé-Massart threshold. Journal of Mechanical Engineering, 2012, 48(12): 7–12 (in Chinese)

[4] Man Z, Wang W, Khoo S,  Optimal sinusoidal modeling of gear mesh vibration signals for gear diagnosis and prognosis. Mechanical Systems and Signal Processing, 2012, 33: 256–274

[5] Lv Z, Zhang W, Xu J. A denoising method based singular spectrum and its application in machine fault diagnosis. Chinese Journal of Mechanical Engineering, 1999, 35(3): 85–88

[6] Chen J, Zhang L, Duan L,  Diagnosis of liquid valve based on undecimated lifting scheme packet and singular value decomposition. Journal of Mechanical Engineering, 2011, 47(9): 72–77 (in Chinese) 

[7] Liu Y, Zhang J, Lin J,  Application of improved LMD, SVD technique and RVM to fault diagnosis of diesel valve trains. Transactions of Tianjin University, 2015, 21(4): 304–311

[8] Yu Z, Sun Y, Jin W. A novel generalized demodulation approach for multi-component signals. Signal Processing, 2016, 118: 188–202

[9] Zhao X, Ye B, Chen T. Difference spectrum theory of singular value and its application to the fault diagnosis of headstock of lathe. Journal of Mechanical Engineering, 2010, 46(1): 100–108 (in Chinese) 

[10] Zhong Z, Zhang B, Durrani T S,  Nonlinear signal processing for vocal folds damage detection based on heterogeneous sensor network. Signal Processing, 2016, 126(S1): 125–133

[11] Zeng M, Yang Y, Zheng J, μ-SVD based denoising method and its application to gear fault diagnosis. Journal of Mechanical Engineering, 2015, 51(3): 95–103 (in Chinese) 

[12] Zhu S, Qiao Z, Yang Z. An improved method for the extraction of weak signal based on SVD and EMD. Measurement & Control Technology, 2014, 33(1): 60–62

[13] Jiang W, Zheng Z, Zhu Y,  Demodulation for hydraulic pump fault signals based on local mean decomposition and improved adaptive multiscale morphology analysis. Mechanical Systems and Signal Processing, 2015, 58–59: 179–205

[14] Sun W, Xiong B, Huang J,  Fault diagnosis of a rolling bearing using wavelet packet de-noising and LMD. Journal of Vibration and Shock, 2012, 31(18): 153–156 (in Chinese)

[15] Morzfeld M, Ajavakom N, Ma F. Diagonal dominance of damping and the decoupling approximation in linear vibratory systems. Journal of Sound and Vibration, 2009, 320(1–2): 406–420

[16] Wu Z, Cheng J, Yu Y, Adaptive characteristic-scale decomposition method and its application. China Mechanical Engineering, 2015, 42(23): 7–15 (in Chinese) 

[17] Wang B, Ren Z, Wen B. Fault diagnoses method of rotating machines based on nonlinear. Chinese Journal of Mechanical Engineering, 2012, 48(5): 63–69

[18] Cao L. Practical method for determining the minimum embedding dimension of a scalar time series. Physica D: Nonlinear Phenomena, 1997, 110(1–2): 43–50

[19] Miao L, Ren W, Hu Y, Separating temperature effect from dynamic strain measurements of a bridge based on analytical mode decomposition method. China Mechanical Engineering, 2012, 31(21): 6–10 (in Chinese)

[20] Wang H, Li X, Wang G,  Research on failure of wind turbine gearbox and recent development of its design and manufacturing technologies. China Mechanical Engineering, 2013, 24(11): 1542–1549 (in Chinese)

[21] Vanhollebeke F, Peeters P, Helsen J,  Large scale validation of a flexible multibody wind turbine gearbox model. Journal of Computational and Nonlinear Dynamics, 2015, 10(4): 041006

RIGHTS & PERMISSIONS

Higher Education Press and Springer-Verlag Berlin Heidelberg