風(fēng)電齒輪和滾動軸承故障診斷技術(shù)研究.pdf

1、風(fēng)電機組運行環(huán)境一般較為惡略，長時間運行可能導(dǎo)致設(shè)備產(chǎn)生故障。風(fēng)電機組主傳動鏈上任何一個關(guān)鍵零部件失效都會導(dǎo)致傳動系統(tǒng)癱瘓，進而影響風(fēng)電機組的正常運行，造成不可估計的損失。齒輪箱和軸承作為風(fēng)電機組主傳動鏈上的核心部件，對其進行故障特征提取和故障識別的重要性不言而喻。
　　 首先，開發(fā)了基于cRIO的數(shù)據(jù)采集軟件，為故障特征提取和故障識別提供實驗數(shù)據(jù)來源，文中用到的實驗數(shù)據(jù)均由此軟件采集得到。
　　 齒輪處于運行狀態(tài)時，分

2、為變轉(zhuǎn)速和定轉(zhuǎn)速兩種狀態(tài)。當轉(zhuǎn)速恒定時，若齒輪產(chǎn)生故障，振動信號會產(chǎn)生幅值調(diào)制，采解調(diào)分析方法對信號進行特征頻率提取。由于齒輪在產(chǎn)生故障時，特征頻率成分會產(chǎn)生明顯變化，導(dǎo)致能量分布產(chǎn)生較大改變，本文在此基礎(chǔ)上提出了基于頻域的能量重心法和相關(guān)系數(shù)法對齒輪進行故障診斷，通過仿真和實驗驗證了這種方法的有效性。當齒輪處于變轉(zhuǎn)速狀態(tài)且發(fā)生故障時，振動信號變?yōu)榧扔蟹嫡{(diào)制又有頻率調(diào)制的信號，本文采用了包絡(luò)階次分析方法對故障齒輪進行特征頻率提取，并通

3、過齒輪的斷齒實驗進行驗證，從而解決了傳統(tǒng)傅里葉變換在處理此類信號時產(chǎn)生的“頻譜模糊”現(xiàn)象。
　　 軸承在風(fēng)電機組主傳動鏈中和齒輪具有同等重要的位置，對其進行故障特征提取和故障識別研究必不可少。本文采用聚類經(jīng)驗?zāi)B(tài)分解和支持向量機的方法對故障信號進行特征提取和故障識別。首先，對故障軸承的振動信號進行EEMD分解，對分解后的IMF分量進行能量計算，得到故障信號在不同尺度上的能量分布，通過進一步計算得到其能量熵和奇異值熵。對計算結(jié)果進