基于最小熵解卷積的風(fēng)電機(jī)組故障診斷研究.pdf

1、風(fēng)力發(fā)電正在電力行業(yè)中占有越來越重要的位置。但是由于載荷復(fù)雜多變、運(yùn)行環(huán)境條件惡劣，使得風(fēng)電機(jī)組故障率以及運(yùn)行維護(hù)費(fèi)用較高。因此對風(fēng)電機(jī)組進(jìn)行狀態(tài)監(jiān)測與故障診斷具有重大的工程實際意義。然而在強(qiáng)噪聲、強(qiáng)干擾、強(qiáng)耦合的背景下進(jìn)行滾動軸承、齒輪等部件故障特征信息的早期提取一直是風(fēng)電機(jī)組故障診斷領(lǐng)域的一大難題。
　　最小熵解卷積方法正是一種十分便捷和有效的故障特征提取和智能診斷方法，通過最小熵解卷積方法來增強(qiáng)故障信號的沖擊性，降低傳遞路徑

2、等因素帶來的干擾，將更加有利于對設(shè)備故障早期特征信息的識別，從而提高故障診斷的準(zhǔn)確性和及時性。
　　本文主要研究基于最小熵解卷積的軸承故障特征增強(qiáng)方法及其在實測信號分析中的應(yīng)用，主要研究內(nèi)容:
　　(1)對最小熵解卷積方法的理論基礎(chǔ)進(jìn)行探究，用仿真信號及風(fēng)電機(jī)組實測信號驗證了其有效性。
　　(2)驗證當(dāng)對象信號的轉(zhuǎn)速變化時，最小熵解卷積方法依然可以進(jìn)行穩(wěn)定可靠的狀態(tài)判斷。通過更改濾波器的參數(shù)，探究各個因素對最小熵解卷積