風力發(fā)電機組行星齒輪箱故障診斷方法研究.pdf

1、近年來，隨著風電場大規(guī)模的建成，風電機組也常常出現(xiàn)失效。因此，對風電機組行星齒輪箱開展故障監(jiān)測，對維護機組正常運行、減少經(jīng)濟損失具有重要意義。目前，針對行星系統(tǒng)的監(jiān)測分析主要集中在針對振動機理進行分析和對振動信號分析其頻譜。本課題結合行星輪系故障機理，提出了基于特征波形的行星齒輪故障模式識別方法和基于多特征模式識別的齒輪箱故障診斷方法。
　　主要內(nèi)容如下:
　　1.風力發(fā)電機齒輪箱故障類型及振動機理研究
　　從風電機組

2、減速箱構成，運行原理等方面詳盡闡釋了風力發(fā)電機組齒輪箱容易失效的原因，并且深入的分析了風力發(fā)電機組齒輪箱故障類型以及對應的產(chǎn)生原因。同時，從齒輪箱的故障機理方面，探究了故障產(chǎn)生的機理和對應的振動信號頻率特征。
　　2.基于特征波形的行星齒輪故障模式識別方法
　　特征波形的行星輪系故障模式識別方法是基于故障信號提取含故障行星齒輪振動信號特征波形，然后進行優(yōu)化，將優(yōu)化后的故障特征波形用于行星齒輪故障的模式識別。該方法沒有任何特征

3、計算公式，從而極大的簡化了故障特征的提取，從而能夠節(jié)省計算時間，從而提高計算效率并且能夠?qū)崿F(xiàn)較高的齒輪故障運行模式識別的準確率。對行星齒輪箱實驗信號的故障模式識別，表明了提出的故障模式識別方法具有一定的有效性。
　　3.基于多特征模式識別的齒輪箱故障診斷
　　針對傳統(tǒng)的方法難以有效提取出齒輪的故障特征的問題，構建了多特征提取框架，分別從時域和信息熵的角度出發(fā)，提取了均方根值、峰值指標、峭度指標、脈沖指標以及變分模態(tài)能量熵作為