基于振动分析的风机齿轮箱轴承故障诊断方法的研究
发布时间：2021-01-13 13:14
由于风电机组工作环境恶劣,工况复杂,在风电大规模发展的同时,风电机组运行的安全和稳定性问题也愈加突出。当齿轮箱轴承故障导致故障停机时,其停机时间在各部件中是最长的。因此,对齿轮箱轴承故障诊断方法进行研究,为能够及时发现轴承故障,避免风电机组发生严重事故并降低维修费用,保证机组运转的稳定性,提供了重要的理论指导和技术保证。本文是在国家科技支撑计划项目（2015BAA06B03）“大型风电场智能化运行维护关键技术研究及示范”的资助下完成的。针对风电机组的传感器振动数据,提出了两种基于振动分析的齿轮箱轴承故障诊断算法:（1）提出一种新的变分模态分解（Variational Mode Decomposition,VMD）结合奇异值能量差分谱的风机齿轮箱轴承故障诊断方法。该方法第一步利用变分模态分解算法获得一组本征模态函数分量（Intrinsic Mode Function,IMF）。然后按照联合因子,即峭度-相关系数指标提取敏感IMF,并通过其奇异值能量差分谱,确定有效奇异值个数并重构源信号。最后采用Hilbert包络解调提取故障特征并诊断故障。（2）提出一种新的高维空间故障数据处理方法——张...
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
滚动轴承的组成结构
图 4-8 振动传感器分布图了 3 个传感器在轴承的底座上测取的振动加速度振动波形包含有不规则的冲击，且含有大量噪声VD 方法对图 4-9 中观测信号进行源数估计，观测得到由 IMF 分量及其对应的观测信号组成的虚分别对XIMF1，XIMF2和XIMF3进行 SVD 分解，得相邻奇异值差值均呈下降趋势，其中奇异值 1和值，说明第一个奇异值能量占据了全部奇异值能失，此处取源估计为 2。0 0.05 0.1 0.15 0.2 0.25 0-0.500.50 0.05 0.1 0.15 0.2 0.25 0-101观测信号x1观测信号x2t/s幅值/(mm/s2)
【参考文献】：
期刊论文
[1]基于EEMD-Hilbert包络谱和DBN的变负载下滚动轴承状态识别方法[J]. 王玉静,那晓栋,康守强,谢金宝,V I MIKULOVICH. 中国电机工程学报. 2017(23)
[2]基于MCKD-EMD的风电机组轴承早期故障诊断方法[J]. 赵洪山,李浪. 电力自动化设备. 2017(02)
[3]2016年全球风电装机统计[J]. 风能. 2017(02)
[4]变分模态分解方法及其在滚动轴承早期故障诊断中的应用[J]. 唐贵基,王晓龙. 振动工程学报. 2016(04)
[5]大规模海上风电输电与并网关键技术研究综述[J]. 迟永宁,梁伟,张占奎,李琰,靳双龙,蔡旭,胡君慧,赵生校,田炜. 中国电机工程学报. 2016(14)
[6]一种基于盲源分离和流形学习的风电机组轴承故障特征提取方法[J]. 赵洪山,李浪,王颖. 太阳能学报. 2016(02)
[7]流形模糊C均值方法及其在滚动轴承性能退化评估中的应用[J]. 王奉涛,陈旭涛,闫达文,李宏坤,王雷,朱泓. 机械工程学报. 2016(15)
[8]基于最大信噪比的风电机组主轴承的故障特征提取[J]. 赵洪山,邵玲,连莎莎. 可再生能源. 2015(03)
[9]基于子空间方法的风机齿轮箱故障预测算法[J]. 赵洪山,郭伟,邵玲,张兴科. 电力自动化设备. 2015(03)
[10]基于模型的风电机组变桨距系统故障检测[J]. 赵洪山,连莎莎,邵玲. 电网技术. 2015(02)
硕士论文
[1]隐半马尔科夫模型在滚动轴承故障诊断中的研究和应用[D]. 崔海龙.中国矿业大学 2014
[2]基于倒频谱分析法的滚动轴承故障诊断研究[D]. 王旭峰.昆明理工大学 2010
[3]小波神经网络技术在齿轮箱轴承故障诊断中的应用[D]. 雷萍.兰州理工大学 2009
[4]机电系统的滚动轴承故障诊断方法研究[D]. 马金山.太原理工大学 2005
本文编号：2974931
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
滚动轴承的组成结构
图 4-8 振动传感器分布图了 3 个传感器在轴承的底座上测取的振动加速度振动波形包含有不规则的冲击，且含有大量噪声VD 方法对图 4-9 中观测信号进行源数估计，观测得到由 IMF 分量及其对应的观测信号组成的虚分别对XIMF1，XIMF2和XIMF3进行 SVD 分解，得相邻奇异值差值均呈下降趋势，其中奇异值 1和值，说明第一个奇异值能量占据了全部奇异值能失，此处取源估计为 2。0 0.05 0.1 0.15 0.2 0.25 0-0.500.50 0.05 0.1 0.15 0.2 0.25 0-101观测信号x1观测信号x2t/s幅值/(mm/s2)
【参考文献】：
期刊论文
[1]基于EEMD-Hilbert包络谱和DBN的变负载下滚动轴承状态识别方法[J]. 王玉静,那晓栋,康守强,谢金宝,V I MIKULOVICH. 中国电机工程学报. 2017(23)
[2]基于MCKD-EMD的风电机组轴承早期故障诊断方法[J]. 赵洪山,李浪. 电力自动化设备. 2017(02)
[3]2016年全球风电装机统计[J]. 风能. 2017(02)
[4]变分模态分解方法及其在滚动轴承早期故障诊断中的应用[J]. 唐贵基,王晓龙. 振动工程学报. 2016(04)
[5]大规模海上风电输电与并网关键技术研究综述[J]. 迟永宁,梁伟,张占奎,李琰,靳双龙,蔡旭,胡君慧,赵生校,田炜. 中国电机工程学报. 2016(14)
[6]一种基于盲源分离和流形学习的风电机组轴承故障特征提取方法[J]. 赵洪山,李浪,王颖. 太阳能学报. 2016(02)
[7]流形模糊C均值方法及其在滚动轴承性能退化评估中的应用[J]. 王奉涛,陈旭涛,闫达文,李宏坤,王雷,朱泓. 机械工程学报. 2016(15)
[8]基于最大信噪比的风电机组主轴承的故障特征提取[J]. 赵洪山,邵玲,连莎莎. 可再生能源. 2015(03)
[9]基于子空间方法的风机齿轮箱故障预测算法[J]. 赵洪山,郭伟,邵玲,张兴科. 电力自动化设备. 2015(03)
[10]基于模型的风电机组变桨距系统故障检测[J]. 赵洪山,连莎莎,邵玲. 电网技术. 2015(02)
硕士论文
[1]隐半马尔科夫模型在滚动轴承故障诊断中的研究和应用[D]. 崔海龙.中国矿业大学 2014
[2]基于倒频谱分析法的滚动轴承故障诊断研究[D]. 王旭峰.昆明理工大学 2010
[3]小波神经网络技术在齿轮箱轴承故障诊断中的应用[D]. 雷萍.兰州理工大学 2009
[4]机电系统的滚动轴承故障诊断方法研究[D]. 马金山.太原理工大学 2005
本文编号：2974931
本文链接：https://www.wllwen.com/jixiegongchenglunwen/2974931.html
