風力發(fā)電機傳動系統(tǒng)故障診斷的時頻綜合分析方法研究.pdf

1、風能是儲存量豐富的可再生潔凈能源,是人類最早利用的能源之一。在利用它轉換為電能的過程中,由于不產(chǎn)生有害氣體和廢料,也就是說它不污染環(huán)境,因此受到世界各國政府的廣泛重視。隨著風能技術的快速發(fā)展和日趨完善,風力發(fā)電機的可靠性越來越高,但是在風力發(fā)電系統(tǒng)的高速發(fā)展的同時,風力發(fā)電機故障問題也收到了極大的關注,如風機自身的軸承磨損、齒輪斷齒、軸偏心等常見故障,都可能造成風機毀壞,從而降低經(jīng)濟效益,鑒于這些,風機故障診斷已經(jīng)逐漸成為風力發(fā)電發(fā)展中

2、的重要研究內(nèi)容。
　　風力發(fā)電機由于長時間地工作,一些部件之間的摩擦就會使得儀器的部件老化或者磨損,這無疑降低了發(fā)電機的壽命,降低了發(fā)電機的工作效率,而最常見的故障就是齒輪斷齒和軸承的磨損,而對這些故障的故障診斷方法有直接觀察法、振動和噪聲檢測法、無損檢測法、磨損殘余物檢測法、機器性能參數(shù)檢測法等。為了對這些故障進行高效地診斷,傳統(tǒng)的直接觀察法判斷已經(jīng)不足以滿足風力發(fā)電機的發(fā)展和工作要求,所以一般是利用振動檢測法,振動信號是機械設

3、備狀態(tài)信息的載體,包含了豐富的故障特征信息,故障診斷就是通過各種信號處理方法,把隱藏在振動信號中的有意義的特征信息提取出來,實現(xiàn)對設備的診斷。因此采用風力發(fā)電機振動信號判斷其故障是一種可靠的方式,而對振動信號最合適的處理方式就是信號的時頻分析方法,傳統(tǒng)的時頻分析方法如短時傅立葉變換、Wigner-Ville分布等,它們分別存在著窗效應和交叉項的問題且都不是自適應的。本文研究了一種改進的 Hilbert-Huang變換(HHT),并將這改

4、進的時頻分析方法運用到風力發(fā)電機故障信號處理中。Hilbert_Huang變換通過經(jīng)驗模態(tài)分解(EMD)的方式將信號分解成為有限個固有模態(tài)(IMF),每一個固有模態(tài)都是一個穩(wěn)態(tài)的信號,因此可以對每一個固有模態(tài)進行Hilbert變換,得到了信號的Hilbert譜,從而得到了信號的特征,結合模糊神經(jīng)網(wǎng)絡系統(tǒng),對故障的類型進行更加準確和方便地識別。但是傳統(tǒng)的Hilbert_Huang變換存在著端點飛翼和終止條件的問題,本文針對這兩個缺陷進行了

5、一系列的研究,最終形成了了一個種改進的HHT分析方法,利用這種改進的 HHT分析方法獲得了發(fā)電機的振動信號的時頻特征,但是HHT方法只是得到信號的時頻特征,但是并沒得到最后的故障診斷結果,在目前的研究中,模糊神經(jīng)網(wǎng)絡已經(jīng)得到了較快發(fā)展,并且顯示出了強大的優(yōu)勢,它是一種新的診斷和識別技術,它將模糊邏輯推理的強大結構性知識表達能力和神經(jīng)網(wǎng)絡的強大自學習能力結合為了一體,本文將HHT分析得到的時頻特征結合了模糊神經(jīng)網(wǎng)絡進行故障類型的診斷和識別