風(fēng)力發(fā)電機齒輪箱故障診斷方法研究.pdf

1、作為風(fēng)力發(fā)電機的重要傳動部件,齒輪箱是風(fēng)力發(fā)電機組中故障率較高的部件之一,因此研究風(fēng)力發(fā)電機齒輪箱故障診斷方法尤為重要。
　　本文首先介紹了風(fēng)力發(fā)電的國內(nèi)外發(fā)展?fàn)顩r及風(fēng)力機齒輪箱故障診斷方法的研究現(xiàn)狀,闡述了時域指標(biāo)診斷方法的基本理論,簡述了去趨勢波動分析及多重分形去趨勢波動分析的基本原理。針對去趨勢波動分析方法中區(qū)間長度選取的隨機性和主觀性,根據(jù)互信息的基本理論,提出采用符號分析的方法進(jìn)行互信息計算,對去趨勢波動分析的長程相關(guān)性

2、指數(shù)進(jìn)行優(yōu)化,避免了區(qū)間長度對長程相關(guān)性指數(shù)的影響,確保了去趨勢波動分析改進(jìn)算法的穩(wěn)定性。
　　然后根據(jù)信號故障時會出現(xiàn)多重分形的特征,通過計算分形圖偏離程度,得到圖形偏離程度(DGD)作為故障識別的時域指標(biāo)。進(jìn)行了滾動軸承的信號仿真,對仿真信號進(jìn)行去趨勢波動分析改進(jìn)算法運算,得到仿真信號的分形圖和DGD特征因子,根據(jù)所得分形圖和DGD特征因子來分辨正常與故障仿真信號。通過對仿真信號的分辨來證明了 DGD特征因子的有效性和準(zhǔn)確性。

3、在仿真信號中加入不同程度的噪聲,驗證噪聲對DGD特征因子的影響,證明了噪聲的加入不影響DGD特征因子對故障識別。
　　最后將去趨勢波動分析改進(jìn)算法應(yīng)用到實際的信號中,對齒輪箱振動信號和風(fēng)力機齒輪箱振動信號進(jìn)行分析,分別求取其分形圖和DGD特征因子,并將DGD特征因子與其他時域指標(biāo)進(jìn)行對比。通過對比發(fā)現(xiàn),峭度在對實際故障識別的過程中出現(xiàn)了不穩(wěn)定性,而 DGD特征因子對風(fēng)力機齒輪箱故障識別上有很好的穩(wěn)定性,證明了本文提出的DGD特征因