風力機組齒輪箱傳動系統(tǒng)故障微弱信號特征識別方法研究.pdf

1、為了找到多級行星齒輪傳動系統(tǒng)復雜故障診斷的合適方法，對三級齒輪傳動系統(tǒng)進行故障模擬和振動信號測試。針對行星齒輪傳動系統(tǒng)振動信號的非線性和非平穩(wěn)性、故障特征信號難以提取等特點，分別從混沌特征信息融合與能量相關系數信息融合兩個方面對風力機組齒輪傳動系統(tǒng)的復雜微弱及耦合故障進行了綜合分析與研究。
　　首先從理論上對風力機組齒輪箱傳動系統(tǒng)的常見故障進行分析，分析了齒輪與滾動軸承的振動特征與故障機理，總結了齒輪與滾動軸承常見故障對應的時域、

2、頻域信號特點。
　　采用關聯(lián)維數、最大Lyapunov指數、樣本熵3個混沌特征參數作為故障辨識特征量。用不同測點和不同混沌特征參數的信息融合，通過支持向量機分類方法建立信息融合故障診斷模型及6種不同故障狀態(tài)的訓練集，實現(xiàn)對三級齒輪傳動系統(tǒng)復雜故障類型的識別與診斷。分析結果表明:多測點信息融合或不同混沌特征參數融合，均能不同程度提高故障分類準確率。而經多測點與多混沌特征參數的信息融合后，通過支持向量機的故障分類準確率最高。
　

3、　分別獲取正常和5種故障狀態(tài)在3個測點下振動信號的小波包能量特征向量;計算同一測點不同狀態(tài)信號的能量特征相關系數及不同測點相同狀態(tài)信號的能量特征相關系數。通過分析這兩類信息所呈現(xiàn)的特性建立故障診斷模型。用14組待檢信號進行故障診斷模型的實例分析，其診斷結果與實際故障狀態(tài)完全一致。用支持向量機方法對5種故障狀態(tài)進行分類，得到的結果與實際故障狀態(tài)一致，驗證了所建立的故障診斷模型的正確性。分析結果表明，通過振動相關信息融合建立的故障診斷模型能