風力發(fā)電機組行星齒輪箱振動故障診斷方法研究.pdf

1、行星齒輪箱是風力發(fā)電機組傳動系統(tǒng)的重要組成部件，也是故障發(fā)生率最高的部件之一，近年來隨著風機容量的飽和，后期的保養(yǎng)與維護越發(fā)重要。因此，研究風電齒輪箱的故障監(jiān)測與診斷技術對風電場的平穩(wěn)輸電和后期維護有著重要意義。本文以一級行星齒輪箱為研究對象，利用集合經驗模式分解算法(Ensemble Empirical Mode Decomposition，EEMD)提取齒輪箱中的故障特征，EEMD通過疊加高斯白噪聲填補信號的間斷處使信號變得連續(xù)平穩(wěn)

2、，這樣就可以有效的抑制經驗模式分解(Empirical Mode Decomposition，EMD)過程中產生的模態(tài)混疊現(xiàn)象，提高信號分析的精度。
　　首先，本文介紹了行星齒輪箱的結構和典型故障并建立行星齒輪箱振動信號模型，分析了EEMD的基本原理及算法，并與經驗模態(tài)分解(EMD)進行對比加以驗證該方法能夠有效抑制EMD算法在分解過程中出現(xiàn)的模式混疊現(xiàn)象。其次，用三維建模軟件Solid Works建立風電機組齒輪箱行星輪系模型，

3、聯(lián)合ADAMS對風電機組行星齒輪箱進行動力學仿真。分別建立正常和故障齒輪模型并對其進行動力學仿真，對仿真得到的嚙合力特征做頻譜分析判斷齒輪的工作狀態(tài)，驗證虛擬樣機技術對于風電機組齒輪箱的故障診斷的可行性。最后，搭建風力發(fā)電機組模擬試驗臺，分別在行星齒輪箱正常和故障條件下采集齒輪箱的振動信息并將振動信號進行EEMD分解，對有效的IMF分量做包絡譜分析，通過包絡分析提取出信號中的特征頻率并診斷行星齒輪箱工作狀態(tài)。
　　通過模型仿真分析