風(fēng)力發(fā)電機(jī)組傳動(dòng)系統(tǒng)故障診斷研究.pdf

1、我國的風(fēng)機(jī)裝機(jī)容量已經(jīng)走在世界的前端，但是，隨著風(fēng)力發(fā)電機(jī)組裝機(jī)容量及投運(yùn)時(shí)間的增加，風(fēng)電系統(tǒng)中的設(shè)備也逐漸出現(xiàn)一些問題。設(shè)備頻繁出現(xiàn)事故或故障將造成的巨大損失，對(duì)風(fēng)力發(fā)電的經(jīng)濟(jì)效益造成嚴(yán)重影響。本文在介紹風(fēng)力發(fā)電機(jī)的發(fā)展現(xiàn)狀、基本結(jié)構(gòu)組成和常見故障的基礎(chǔ)上，選擇風(fēng)電機(jī)組傳動(dòng)系統(tǒng)中主要部件，如齒輪箱、發(fā)電機(jī)、主軸承等進(jìn)行故障診斷研究。
　　針對(duì)于風(fēng)電機(jī)組中旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的非平穩(wěn)、非線性等復(fù)雜特性，本文將最新的時(shí)頻分析方法局部均值

2、分解(Local mean decomposition，LMD)用于提取振動(dòng)信號(hào)的特征信息并進(jìn)行故障診斷研究。局域均值分解方法能夠?qū)⒁粋€(gè)復(fù)雜的多分量調(diào)頻調(diào)幅信號(hào)自適應(yīng)的分解為若干由包絡(luò)信號(hào)和純調(diào)頻信號(hào)相乘得到的PF分量，由純調(diào)頻信號(hào)可以求出PF分量的瞬時(shí)頻率。
　　采用LMD分解中的包絡(luò)信號(hào)進(jìn)行線性調(diào)頻z變換(CZT變換)并求其細(xì)化譜的方法，對(duì)滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行特性分析，判斷其是否出現(xiàn)故障特征頻率，以實(shí)現(xiàn)對(duì)振動(dòng)信號(hào)的故障診斷研究

3、。并與利用包絡(luò)譜求振動(dòng)信號(hào)特征頻率的方法進(jìn)行比較，驗(yàn)證方法的有效性。利用包絡(luò)譜分析和頻譜分析相結(jié)合的方法對(duì)齒輪故障振動(dòng)信號(hào)特性進(jìn)行診斷。
　　采用基于LMD分解和奇異值分解的特征提取與模糊C均值聚類(Fuzzy C-Means Clustering Algorithm，F(xiàn)CM)結(jié)合的方法用于故障的識(shí)別分類診斷中。首先對(duì)滾動(dòng)軸承振動(dòng)信號(hào)LMD分解得到的PF分量進(jìn)行奇異值分解，將奇異值矩陣作為特征向量。然后以FCM聚類方法作為故障分類