風力發(fā)電機旋轉機械故障診斷虛擬儀器系統(tǒng)研究.pdf

1、隨著能源的日趨緊張和環(huán)境污染問題的凸顯，作為可再生綠色能源的風能成為世界各國重點開發(fā)利用的對象，風力發(fā)電也成為大力開發(fā)的技術領域。由于風力發(fā)電機組結構復雜，工作環(huán)境偏遠惡劣，特別是近年來裝機容量和規(guī)模不斷增加，風機故障及突發(fā)事故頻發(fā)，造成巨大的經(jīng)濟損失。為保證風力發(fā)電機的安全可靠運行，減少故障的發(fā)生，研究開發(fā)有效的監(jiān)測診斷系統(tǒng)具有十分重要的意義。
　　風力發(fā)電機旋轉機械系統(tǒng)是復雜的非線性系統(tǒng)，其在運轉中伴隨大量非平穩(wěn)振動信號的產生

2、，研究基于振動的監(jiān)測技術和診斷方法，能夠及時的發(fā)現(xiàn)故障避免安全事故的發(fā)生；同時，結合風力發(fā)電機的診斷技術研發(fā)出可行的軟硬件監(jiān)測診斷系統(tǒng)，將是實現(xiàn)風力機監(jiān)測診斷的關鍵。本文針對軸承、齒輪和轉子機械部件，引入局部均值分解(LocalMean Decomposition，LMD)、內稟時間尺度分解(Intrinsic Time-scale Decomposition，ITD)改進算法時頻分析方法，將LMD包絡譜特征值和支持向量機結合應用于軸承

3、故障診斷、ITD改進算法和關聯(lián)維數(shù)結合應用于轉子故障診斷、LMD奇異值分解和支持向量機結合應用于齒輪故障診斷，進一步利用虛擬儀器技術完成診斷方法的實現(xiàn)和監(jiān)測診斷系統(tǒng)的構建。
　　論文的主要研究內容如下：
　　1、結合風力發(fā)電機工作原理和機械結構的特點，研究了旋轉機械部件的故障機理以及振動特征，綜述總結了風力發(fā)電機常用的監(jiān)測技術和故障診斷方法以及監(jiān)測診斷系統(tǒng)軟件開發(fā)常用的技術。
　　2、介紹了已有的時頻分析處理方法，比較

4、了自適應分解方法LMD相對于經(jīng)驗模式分解(Empirical mode decomposition，EMD)方法的優(yōu)點。根據(jù)滾動軸承振動信號的調制特性及包絡濾波參數(shù)難以確定的特點，引入LMD對軸承振動信號進行分解處理，提取分量的包絡譜中不同故障特征頻率處的幅值比作為故障特征向量，輸入到支持向量機中進行訓練和測試，通過實際振動信號驗證了方法的有效性。
　　3、將ITD改進算法引入到轉子的故障診斷中，與EMD的對比分析證明方法在迭代次

5、數(shù)和運算速度上的優(yōu)勢。通過ITD改進算法分解再重組實現(xiàn)振動信號的降噪處理，并利用關聯(lián)維數(shù)技術對轉子不同故障類型進行分類識別，通過和未降噪信號關聯(lián)維數(shù)結果的對比，表明了方法能夠識別轉子的不同故障類型。
　　4、針對齒輪的多分量調制特征，利用LMD方法將振動信號分解為若干單分量信號，將包含主要故障特征的分量組成特征向量矩陣，結合奇異值分解提取齒輪的故障特征，通過支持向量機對不同故障進行分類診斷。
　　5、利用風力發(fā)電機模擬硬件系