風(fēng)力發(fā)電機旋轉(zhuǎn)機械故障診斷虛擬儀器系統(tǒng)研究.pdf

1、隨著能源的日趨緊張和環(huán)境污染問題的凸顯，作為可再生綠色能源的風(fēng)能成為世界各國重點開發(fā)利用的對象，風(fēng)力發(fā)電也成為大力開發(fā)的技術(shù)領(lǐng)域。由于風(fēng)力發(fā)電機組結(jié)構(gòu)復(fù)雜，工作環(huán)境偏遠惡劣，特別是近年來裝機容量和規(guī)模不斷增加，風(fēng)機故障及突發(fā)事故頻發(fā)，造成巨大的經(jīng)濟損失。為保證風(fēng)力發(fā)電機的安全可靠運行，減少故障的發(fā)生，研究開發(fā)有效的監(jiān)測診斷系統(tǒng)具有十分重要的意義。
　　風(fēng)力發(fā)電機旋轉(zhuǎn)機械系統(tǒng)是復(fù)雜的非線性系統(tǒng)，其在運轉(zhuǎn)中伴隨大量非平穩(wěn)振動信號的產(chǎn)生

2、，研究基于振動的監(jiān)測技術(shù)和診斷方法，能夠及時的發(fā)現(xiàn)故障避免安全事故的發(fā)生；同時，結(jié)合風(fēng)力發(fā)電機的診斷技術(shù)研發(fā)出可行的軟硬件監(jiān)測診斷系統(tǒng)，將是實現(xiàn)風(fēng)力機監(jiān)測診斷的關(guān)鍵。本文針對軸承、齒輪和轉(zhuǎn)子機械部件，引入局部均值分解(LocalMean Decomposition，LMD)、內(nèi)稟時間尺度分解(Intrinsic Time-scale Decomposition，ITD)改進算法時頻分析方法，將LMD包絡(luò)譜特征值和支持向量機結(jié)合應(yīng)用于軸承

3、故障診斷、ITD改進算法和關(guān)聯(lián)維數(shù)結(jié)合應(yīng)用于轉(zhuǎn)子故障診斷、LMD奇異值分解和支持向量機結(jié)合應(yīng)用于齒輪故障診斷，進一步利用虛擬儀器技術(shù)完成診斷方法的實現(xiàn)和監(jiān)測診斷系統(tǒng)的構(gòu)建。
　　論文的主要研究內(nèi)容如下：
　　1、結(jié)合風(fēng)力發(fā)電機工作原理和機械結(jié)構(gòu)的特點，研究了旋轉(zhuǎn)機械部件的故障機理以及振動特征，綜述總結(jié)了風(fēng)力發(fā)電機常用的監(jiān)測技術(shù)和故障診斷方法以及監(jiān)測診斷系統(tǒng)軟件開發(fā)常用的技術(shù)。
　　2、介紹了已有的時頻分析處理方法，比較

4、了自適應(yīng)分解方法LMD相對于經(jīng)驗?zāi)Ｊ椒纸?Empirical mode decomposition，EMD)方法的優(yōu)點。根據(jù)滾動軸承振動信號的調(diào)制特性及包絡(luò)濾波參數(shù)難以確定的特點，引入LMD對軸承振動信號進行分解處理，提取分量的包絡(luò)譜中不同故障特征頻率處的幅值比作為故障特征向量，輸入到支持向量機中進行訓(xùn)練和測試，通過實際振動信號驗證了方法的有效性。
　　3、將ITD改進算法引入到轉(zhuǎn)子的故障診斷中，與EMD的對比分析證明方法在迭代次

5、數(shù)和運算速度上的優(yōu)勢。通過ITD改進算法分解再重組實現(xiàn)振動信號的降噪處理，并利用關(guān)聯(lián)維數(shù)技術(shù)對轉(zhuǎn)子不同故障類型進行分類識別，通過和未降噪信號關(guān)聯(lián)維數(shù)結(jié)果的對比，表明了方法能夠識別轉(zhuǎn)子的不同故障類型。
　　4、針對齒輪的多分量調(diào)制特征，利用LMD方法將振動信號分解為若干單分量信號，將包含主要故障特征的分量組成特征向量矩陣，結(jié)合奇異值分解提取齒輪的故障特征，通過支持向量機對不同故障進行分類診斷。
　　5、利用風(fēng)力發(fā)電機模擬硬件系