軸承故障檢測技術(shù)及其在風力發(fā)電機組中的應用.pdf

1、隨著人類生活水平的逐步提升和全球經(jīng)濟的日益繁榮，能源消費也日漸增長，同時在煤、石油、天然氣等非再生能源逐步枯竭，全球氣候異常和環(huán)境保護的背景下，風能作為一種廣泛存在的可再生能源受到了普遍的重視。
　　近10年來，風力發(fā)電在我國得到了快速發(fā)展。在裝機總?cè)萘可?，我國已連續(xù)多年排名世界第一。隨著風電機組日趨大型化和復雜化，風機單機容量的巨大化以及結(jié)構(gòu)的復雜化使得機組發(fā)生故障的機率大大增加。風力發(fā)電機組作為一種大型旋轉(zhuǎn)機械，在其所發(fā)生的全

2、部機械結(jié)構(gòu)故障中，約有三分之一的是由軸承失效所引發(fā)的，同時大型發(fā)電機組的狀態(tài)檢測通常會在短時間內(nèi)會產(chǎn)生大量的實時運行數(shù)據(jù)，所以研究滾動軸承故障檢測技術(shù)并將大數(shù)據(jù)處理技術(shù)應用于大型風力發(fā)電機組的故障檢測中具有非常重要的實用價值。
　　本文首先闡述了滾動軸承故障檢測技術(shù)在國內(nèi)外的發(fā)展概況，然后提出了基于小波分析、獨立分量分析和支持向量機的故障檢測方法，最后介紹了此方法在大數(shù)據(jù)平臺上的實施方案，論文工作主要分為四個部分:
　　1)

3、滾動軸承振動信號的預處理?，F(xiàn)場收集到的原始信號往往包含各種各樣的干擾信息，通常情況下需要對振動信號做相應的處理來增大其信噪比。在分析常用信號降噪方法的基礎(chǔ)上，選擇了小波降噪的方法，結(jié)合獨立分量分析理論，利用實驗數(shù)據(jù)進行了驗證分析。
　　2)振動信號的特征提取。振動信號特征向量的提取是故障檢測中最基本的一個步驟，也是制約故障檢測技術(shù)發(fā)展的瓶頸。在分析現(xiàn)有思路優(yōu)缺點的基礎(chǔ)上，對時域和時頻域特征進行了比較，最終選取了相對小波能量為振動信

4、號的特征向量。
　　3)特征分類方法的選擇。首先分析了多分類支持向量機(Multi-classSupport Vector Machine，Multi-class SVM)的幾種構(gòu)造方法，然后在小波分析的基礎(chǔ)上，利用實驗數(shù)據(jù)完成了Mu] ti-class SVM相關(guān)參數(shù)的確定。
　　4)提出了以Spark為平臺的風電機組故障檢測方案。本部分以前文得到的方法為依據(jù)，提出了以Spark大數(shù)據(jù)分析平臺為支撐的滾動軸承故障檢測實現(xiàn)方