風力發(fā)電機齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)的研發(fā)與實現(xiàn).pdf

1、伴隨著經(jīng)濟的發(fā)展,全球能源危機、環(huán)境危機日益凸顯，風能以其成本低、清潔安全、可再生等優(yōu)點越來越受到世界各國的重視，所以近幾年以來風力發(fā)電得到快速發(fā)展。然而隨著風力發(fā)電機組的大規(guī)模投入運行，風機故障及突發(fā)事故頻發(fā)，嚴重影響正常的生產(chǎn)發(fā)電工作。為了保證風力發(fā)電機的安全可靠運行，減少故障的發(fā)生，研究開發(fā)風電機組的在線監(jiān)測與故障診斷系統(tǒng)有著非常重要的意義。
　　齒輪箱是風力發(fā)電機故障高發(fā)部件，在這個背景下，本文主要研究風機齒輪箱故障診斷相

2、關問題和有效方法。針對風力發(fā)電機齒輪箱的故障診斷算法往往存在效率低下、計算量大、運行時間長的缺點，為了更好的解決風力發(fā)電機齒輪箱故障診斷問題，本文擬采用基于改進量子遺傳優(yōu)化的最小二乘支持向量機的智能故障診斷技術，進一步利用虛擬儀器技術和LabVIEW2012軟件完成診斷方法的實現(xiàn)和監(jiān)測診斷系統(tǒng)的構建。
　　論文主要研究內(nèi)容如下：結合風力發(fā)電機工作原理和機械結構特點，研究了風力發(fā)電機齒輪箱內(nèi)部常見故障，以及發(fā)生故障時的振動信號特征，

3、為系統(tǒng)的開發(fā)提供了理論基礎；詳細介紹了小波消噪和小波包分解方法，分析了風力發(fā)電機齒輪箱的常用故障特征，主要分析了時域故障特征和頻域故障特征；針對 QGA(量子遺傳算法)容易陷入局部極值的缺點，提出了MPQGA（多種群量子遺傳算法）算法，并應用到了LSSVM參數(shù)優(yōu)化上面，建立MPQGA-LSSVM模型，經(jīng)UCI數(shù)據(jù)仿真顯示，改進算法具有良好性能。之后把模型應用到風機齒輪箱故障診斷中，獲得了較好的結果；然后完成了風力發(fā)電機齒輪箱狀態(tài)監(jiān)測與故

4、障診斷系統(tǒng)的總體方案設計，確定了對系統(tǒng)硬件組成的選擇，確定基于 LabVIEW的軟件開發(fā)平臺；最后基于實驗室的風機模擬齒輪箱試驗臺，開發(fā)了一套風機齒輪箱狀態(tài)監(jiān)測與故障診斷系統(tǒng)。應用虛擬儀器技術，采用LabVIEW編程語言，結合前面介紹的故障診斷方法，并把 MPQGA-LSSVM模型嵌套到界面中，完成了齒輪箱振動信號的采集，遠程傳輸，數(shù)據(jù)處理，數(shù)據(jù)保存，離線分析，故障診斷，數(shù)據(jù)庫管理等功能，其中離線分析包括時頻域分析及故障特征提取模塊，小