風(fēng)電機(jī)組振動(dòng)監(jiān)測(cè)與故障診斷系統(tǒng)研究.pdf

1、隨著世界許多國(guó)家大規(guī)模發(fā)展風(fēng)電計(jì)劃的制定及實(shí)施，風(fēng)電行業(yè)經(jīng)過(guò)幾年高速增長(zhǎng)之后，也迎來(lái)了成長(zhǎng)的煩惱。雖然風(fēng)力發(fā)電機(jī)的設(shè)計(jì)及制造技術(shù)已日臻完善，但是風(fēng)電機(jī)組的運(yùn)行維護(hù)卻提出了巨大的挑戰(zhàn)，成為當(dāng)前急需解決的關(guān)鍵問(wèn)題。
　　由于風(fēng)力發(fā)電機(jī)組地處高山、海灘、海島等風(fēng)口處，在強(qiáng)陣風(fēng)的沖擊以及極端溫差的影響下，風(fēng)力發(fā)電機(jī)組故障時(shí)有發(fā)生。研究表明齒輪箱、傳動(dòng)鏈和發(fā)電機(jī)等部件的故障是導(dǎo)致停機(jī)時(shí)間最長(zhǎng)，經(jīng)濟(jì)損失最大的原因。目前大型風(fēng)力發(fā)電機(jī)組都帶有數(shù)

2、據(jù)采集與監(jiān)視控制SCADA(Supervisory Control And Data Acquisition)系統(tǒng)，SCADA系統(tǒng)可以對(duì)風(fēng)電機(jī)組進(jìn)行數(shù)據(jù)采集、參數(shù)調(diào)節(jié)、設(shè)備控制及報(bào)警等，為風(fēng)電場(chǎng)的可靠運(yùn)行提供了有力的技術(shù)平臺(tái)，但是SCADA系統(tǒng)缺乏對(duì)傳動(dòng)鏈的有效監(jiān)測(cè)及精確診斷功能。國(guó)外的風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷產(chǎn)品價(jià)格昂貴，報(bào)警閾值沒(méi)有統(tǒng)一的行業(yè)標(biāo)準(zhǔn)，大部分機(jī)組狀態(tài)需由專(zhuān)家結(jié)合經(jīng)驗(yàn)分析得出，而國(guó)內(nèi)尚無(wú)成形的風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷產(chǎn)

3、品?；谏鲜銮闆r，論文開(kāi)展了針對(duì)風(fēng)電機(jī)組傳動(dòng)系統(tǒng)的振動(dòng)監(jiān)測(cè)與故障診斷的研究。論文的主要工作如下:
　　(1)介紹了一般風(fēng)電機(jī)組的組成結(jié)構(gòu)和工作原理，并對(duì)風(fēng)電機(jī)組常見(jiàn)故障形式進(jìn)行統(tǒng)計(jì)分析。統(tǒng)計(jì)結(jié)果表明，電氣系統(tǒng)和控制系統(tǒng)的故障率較高，而齒輪箱和發(fā)電機(jī)等故障是導(dǎo)致停機(jī)時(shí)間最長(zhǎng)，經(jīng)濟(jì)損失最大的原因。重點(diǎn)對(duì)齒輪、軸承、軸系等部件的故障機(jī)理及其表現(xiàn)形式、典型故障與信號(hào)特征進(jìn)行了分析。
　　(2)在風(fēng)電機(jī)組振動(dòng)信號(hào)特征提取方面，分別介紹

4、了振動(dòng)信號(hào)的時(shí)域分析、頻域分析方法的特點(diǎn)，并結(jié)合實(shí)例驗(yàn)證了頻域分析可以有效地確認(rèn)齒輪箱振動(dòng)信號(hào)中的故障頻率成分。詳細(xì)介紹了小波包能量譜分析技術(shù)，采用小波包對(duì)風(fēng)電機(jī)組齒輪箱振動(dòng)信號(hào)進(jìn)行能量特征提取，將能量特征向量作為支持向量機(jī)故障診斷模型的輸入，為后續(xù)支持向量機(jī)對(duì)風(fēng)機(jī)齒輪箱故障模式識(shí)別打下堅(jiān)實(shí)的基礎(chǔ)。
　　(3)針對(duì)齒輪箱振動(dòng)信號(hào)信噪比低、非線性及小樣本等特點(diǎn)，提出了一種基于小波包(Wavelet Packet，WP)分解、遺傳算法

5、(Genetic Algorithm，GA)和支持向量機(jī)(Support Vector Machine，SVM)的齒輪箱故障診斷模型，即WP-GA-SVM模型。首先對(duì)齒輪箱振動(dòng)信號(hào)進(jìn)行小波包消噪預(yù)處理，然后對(duì)消噪后的信號(hào)進(jìn)行小波包分解與重構(gòu)并提取頻帶能量，作為支持向量機(jī)分類(lèi)器的輸入特征向量。采用遺傳算法來(lái)實(shí)現(xiàn)支持向量機(jī)徑向基核函數(shù)參數(shù)g和懲罰因子C的自動(dòng)快速最優(yōu)選擇。最后通過(guò)齒輪箱故障診斷的實(shí)例分析，驗(yàn)證了該模型的有效性。
　　(

6、4)基于本文介紹的振動(dòng)信號(hào)特征提取及故障診斷方法，應(yīng)用面向?qū)ο缶幊碳夹g(shù)及模塊化結(jié)構(gòu)，采用C＃語(yǔ)言結(jié)合SQL Server2008數(shù)據(jù)庫(kù)，初步研究開(kāi)發(fā)了一套風(fēng)電機(jī)組振動(dòng)監(jiān)測(cè)與故障診斷系統(tǒng)。該系統(tǒng)包括用戶(hù)管理模塊、設(shè)備管理模塊、狀態(tài)監(jiān)測(cè)模塊、頻譜分析診斷模塊、支持向量機(jī)診斷模塊和數(shù)據(jù)查詢(xún)模塊等，每個(gè)模塊又細(xì)分成多個(gè)相對(duì)獨(dú)立的子系統(tǒng)?？梢詫?shí)現(xiàn)對(duì)風(fēng)機(jī)振動(dòng)信號(hào)的預(yù)處理（如濾波、零均值化）、特征提取及故障診斷等功能，為實(shí)現(xiàn)風(fēng)機(jī)的狀態(tài)監(jiān)測(cè)與診斷決策提