基于小波分析和神經網絡的風力發(fā)電機組故障診斷.pdf

1、本文從風力發(fā)電機組實際運行特點研究入手，對風力發(fā)電機組各關鍵部分進行了FMEA分析，對風力發(fā)電機組的故障特點，造成故障的原因，故障可能造成的后果，以及基本的解決策略，本文中列舉的風機故障和解決策略均來自于風電場實際生產運行，以及風機廠家資料內容，基本涵蓋了風力發(fā)電機組可能出現(xiàn)的故障現(xiàn)象。通過對風力發(fā)電機組各主要設備單元的FMEA分析，針對其各個系統(tǒng)的故障特點，對其故障和狀態(tài)的檢測提出了有針對性的方法。通過以上內容的研究分析成果，本文重點

2、在如何設計一套滿足風力發(fā)電機組故障診斷決策系統(tǒng)。通過分析研究，本文主要取得以下成果：
　　(1)本文在詳細分析風力發(fā)電機組的工作原理和運行特點的基礎上，通過引入FMEA分析理論，對風力發(fā)電機組各主要單元系統(tǒng)進行了FMEA分析，對各個系統(tǒng)的故障現(xiàn)象、故障原因、故障影響后果和基本處理措施有了更為深入清晰的分類和認識。
　　(2)通過對各系統(tǒng)FMEA分析的結果，本文針對風機各個部分系統(tǒng)自身的特點和故障機理，利用目前較為成熟的檢測方

3、法逐一設置檢測方案，從而有效保證了故障診斷的準確性和可靠性。
　　(3)本文通過風力發(fā)電機組故障特性的詳細分析，以及針對風力發(fā)電機組各個單元故障制定專項檢測方法，對風力發(fā)電機組故障診斷決策系統(tǒng)進行逐層遞進的詳細設計，第一步對故障診斷決策系統(tǒng)的功能目標設計，當完成系統(tǒng)的功能目標設計后，第二步引用組合式故障診斷策略以提高系統(tǒng)的故障診斷效果，第三步在故障診斷策略確定后，對整個系統(tǒng)的框架進行設計，從而完成整個故障診斷決策系統(tǒng)的初步設計，第

4、四步在前三部分充分論述和研究的基礎上，對系統(tǒng)的基本組成進行設計，從而基本確定了系統(tǒng)的搭建方式。本文對故障診斷決策系統(tǒng)的設計方式較以往故障診斷系統(tǒng)的開發(fā)設計更為全面，對于風力發(fā)電機組故障診斷系統(tǒng)的功能不僅限于機械故障診斷或是電氣故障等特定故障類型進行診斷，而是針對風機整體的運行故障進行診斷分析。同時本文對故障診斷決策系統(tǒng)的設計是將故障診斷和故障處理決策有機結合在一起的整體系統(tǒng)，是系統(tǒng)綜合風機各項檢測數(shù)據和人員初期錄入的故障處理數(shù)據后，通過

5、自行運算并關聯(lián)至備品備件臺賬和工器具臺賬后得出故障處理決策，將人員參與診斷的范圍降至最低限度，人員只是對系統(tǒng)的數(shù)據積累和日常維護工作。
　　(4)本文在詳細分析風力發(fā)電機組齒輪箱故障特性基礎上，提出基于小波包變換分析方法對風力發(fā)電機組齒輪箱故障信號實現(xiàn)了去噪和分解方法，較好的實現(xiàn)了對風力發(fā)電機組齒輪箱故障信號的處理，同時提出在小波包變換的基礎上利用BP神經網絡算法對風力發(fā)電機組齒輪箱故障進行診斷，通過研究以及MATLAB工具仿真表

6、明，該方法能夠本成功的提取出齒輪箱原始振動信號的故障信號特征，所以為風電機組齒輪箱的只能故障診斷提供理論支持。
　　(5)本文引用D-S證據理論為目前多種方法融合決策的故障診斷方法提供更好地決策融合平臺，并利用證據理論融合算法，對目前不同故障診斷方法得出不同診斷效果，進行嘗試性的融合計算，利用D-S融合算法得出的診斷結論對多種診斷結果得出的故障結論進行有效支持和加強，說明D-S證據理論在融合多種診斷方法結論中具有很好的效果。