軸承故障檢測(cè)技術(shù)及其在風(fēng)力發(fā)電機(jī)組中的應(yīng)用.pdf

1、隨著人類生活水平的逐步提升和全球經(jīng)濟(jì)的日益繁榮，能源消費(fèi)也日漸增長，同時(shí)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(hù)的背景下，風(fēng)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(fēng)力發(fā)電在我國得到了快速發(fā)展。在裝機(jī)總?cè)萘可希覈堰B續(xù)多年排名世界第一。隨著風(fēng)電機(jī)組日趨大型化和復(fù)雜化，風(fēng)機(jī)單機(jī)容量的巨大化以及結(jié)構(gòu)的復(fù)雜化使得機(jī)組發(fā)生故障的機(jī)率大大增加。風(fēng)力發(fā)電機(jī)組作為一種大型旋轉(zhuǎn)機(jī)械，在其所發(fā)生的全

2、部機(jī)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(shí)大型發(fā)電機(jī)組的狀態(tài)檢測(cè)通常會(huì)在短時(shí)間內(nèi)會(huì)產(chǎn)生大量的實(shí)時(shí)運(yùn)行數(shù)據(jù)，所以研究滾動(dòng)軸承故障檢測(cè)技術(shù)并將大數(shù)據(jù)處理技術(shù)應(yīng)用于大型風(fēng)力發(fā)電機(jī)組的故障檢測(cè)中具有非常重要的實(shí)用價(jià)值。
　　本文首先闡述了滾動(dòng)軸承故障檢測(cè)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(dú)立分量分析和支持向量機(jī)的故障檢測(cè)方法，最后介紹了此方法在大數(shù)據(jù)平臺(tái)上的實(shí)施方案，論文工作主要分為四個(gè)部分:
　　1)

3、滾動(dòng)軸承振動(dòng)信號(hào)的預(yù)處理?，F(xiàn)場(chǎng)收集到的原始信號(hào)往往包含各種各樣的干擾信息，通常情況下需要對(duì)振動(dòng)信號(hào)做相應(yīng)的處理來增大其信噪比。在分析常用信號(hào)降噪方法的基礎(chǔ)上，選擇了小波降噪的方法，結(jié)合獨(dú)立分量分析理論，利用實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了驗(yàn)證分析。
　　2)振動(dòng)信號(hào)的特征提取。振動(dòng)信號(hào)特征向量的提取是故障檢測(cè)中最基本的一個(gè)步驟，也是制約故障檢測(cè)技術(shù)發(fā)展的瓶頸。在分析現(xiàn)有思路優(yōu)缺點(diǎn)的基礎(chǔ)上，對(duì)時(shí)域和時(shí)頻域特征進(jìn)行了比較，最終選取了相對(duì)小波能量為振動(dòng)信

4、號(hào)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(jī)(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(shí)驗(yàn)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(tái)的風(fēng)電機(jī)組故障檢測(cè)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(tái)為支撐的滾動(dòng)軸承故障檢測(cè)實(shí)現(xiàn)方