风机叶片损伤特征分析

发布时间：2017-10-11 11:51

  本文关键词：风机叶片损伤特征分析

  更多相关文章： 风机叶片 特征 小波 独立成分分析 损伤识别

【摘要】：风机叶片是风机的重要组成部分,是风能转换为电能的中介媒介。在风机系统正常运行期间,复杂的外部环境会对风力发电系统结构构成巨大的威胁,其中风的作用是主要的威胁因素之一。当风的级数过大或者风机叶片运行处于长期疲劳状态,会导致风机叶片折断并可能撞击风机塔身,进而可能会产生连锁破坏效应。因此本文主要研究了风机叶片损伤状态识别问题,提出了一种基于小波分析和独立成分分析对风机叶片健康监测的方法,具体内容如下:(1)PZT(Piezoelectric Ceramic Transducer)压电薄膜作为传感器的敏感元件,具有体积小、质量轻、压电性能好、声阻抗低、频响宽等特点,在振动测量中具有着广泛的应用。为提高采集风机叶片振动数据的准确性,本文将PZT传感器作为风机叶片健康监测系统的感知元件,介绍了其基本的工作原理;并通过改变激励频率来测试其性能,实验结果显示灵敏度达到了本文实验的要求;(2)本文提出了利用小波分析理论去除噪声和干扰的方法。详细介绍了小波理论、多分辩率分析以及小波阈值去噪的基本原理,并提出了一种新型阈值去噪方法。通过获取叶片自由振动仿真数据,并在仿真数据中混入噪声信号,对比传统阈值去噪与新型阈值去噪效果,可以发现监测数据的信噪比明显提高,为有效地观测和分析风机叶片振动状态提供了一定的理论依据;(3)为了更有效地提取风机叶片损伤特征信号,本文主要利用独立成分分析理论提取监测系统采集信号的独立成分。介绍了独立成分分析理论的基本算法与实现步骤,并通过采集健康风机叶片的振动信号进行仿真,筛选可以明显体现风机叶片振动信号周期特征的成分,验证了理论的有效性;(4)利用小波分析和独立成分分析理论对数据信号进行处理,可以观测到风机叶片在振动过程中出现的奇异点波动;通过采集实验数据样本的振动频率,分析不同振动频率时,节点在整个叶片上的分布情况,可以预判叶片损伤的大体位置;(5)分别提取风机叶片正常、表面复合材料脱落、表面裂纹以及叶尖断裂四种工况信号的独立分量信号,在检测样本时,计算其与风机叶片四种不同工况信号提取独立分量的相关系数。为了获得更好地特征分布情况,可把求出相关系数绝对值的和作为该样本的整体特征,然后使用分类器进行识别,就可以简单有效地诊断风机叶片损伤的类型。通过本文提出的方法可以有效地解决风机叶片损伤识别问题,对指导风机叶片地安全运营具有重要意义。
【关键词】：风机叶片 特征 小波 独立成分分析 损伤识别
【学位授予单位】：上海电机学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-21
• 1.1 研究背景及工程意义11-14
• 1.2 风机叶片损伤识别领域国内外研究现状14-20
• 1.2.1 振动模态分析在损伤识别方法中的研究14-15
• 1.2.2 无损检测技术在损伤识别方法中的应用15-19
• 1.2.3 智能结构在损伤识别方法中的应用19-20
• 1.3 本文的主要研究内容20
• 1.4 本章小结20-21
• 第二章 基于PZT风机叶片振动信号采集系统21-32
• 2.1 压电陶瓷传感器21-24
• 2.1.1 压电材料及PZT21
• 2.1.2 压电效应与压电方程21-22
• 2.1.3 PZT传感器的性能测试22-24
• 2.2 基于PZT的风机叶片振动监测系统24-30
• 2.2.1 PZT传感器的等效电路24-26
• 2.2.2 风机叶片振动实验26-30
• 2.2.3 实验结果分析30
• 2.3 风机叶片健康监测系统的组成及功能30-31
• 2.4 本章小结31-32
• 第三章 小波分析在风机叶片振动信号去噪中的应用32-43
• 3.1 小波变换理论32-35
• 3.1.1 连续小波变换32-33
• 3.1.2 二带小波变换33-34
• 3.1.3 离散小波变换34
• 3.1.4 多分辨率分析34-35
• 3.2 小波阈值去噪原理与方法35-39
• 3.2.1 小波去噪的基本原理35
• 3.2.2 小波阈值去噪阈值选取方法35-37
• 3.2.3 小波阈值去噪阈值函数的选取37
• 3.2.4 传统小波阈值去噪方法的局限性37-38
• 3.2.5 改进的小波阈值去噪方法38-39
• 3.3 仿真结果以及比较分析39-42
• 3.3.1 仿真结果39-41
• 3.3.2 输出信噪比(SNR)和最小均方误差(MSE)41-42
• 3.4 本章小结42-43
• 第四章 基于独立成分分析风机叶片振动信号特征提取43-49
• 4.1 ICA基本模型43-44
• 4.2 FASTICA的基本算法44-47
• 4.2.1 FASTICA预处理44-45
• 4.2.2 FASTICA的独立性判据45-46
• 4.2.3 FASTICA算法原理及实现步骤46-47
• 4.3 仿真实验及结果分析47-48
• 4.4 本章小结48-49
• 第五章 ICA和小波分析在风机叶片损伤特征分析上的应用49-64
• 5.1 风机叶片振动信号奇异点检测49-54
• 5.2 风机叶片振动数据处理与模态损伤识别54-58
• 5.3 风机叶片损伤特征提取与类型识别58-63
• 5.4 本章小结63-64
• 第六章 总结与展望64-66
• 6.1 总结64
• 6.2 展望64-66
• 参考文献66-70
• 致谢70-71
• 攻读硕士学位期间取得的研究成果71

【参考文献】

中国期刊全文数据库 前10条

1 陈雪峰;李继猛;程航;李兵;何正嘉;;风力发电机状态监测和故障诊断技术的研究与进展[J];机械工程学报;2011年09期

2 魏显菲;;我国风力发电开发现状及展望[J];商业经济;2010年24期

3 贾继红;赵蓉;徐柳;;复合材料参数在超声检测中的影响[J];现代制造工程;2010年02期

4 张祥林;张祥春;谢凯文;汤宝平;;碳纤维/树脂基复合材料薄板的超声波检测[J];中国测试;2009年05期

5 李乐刚;刘松平;刘菲菲;白金鹏;孟秋杰;;大型复合材料构件超声快速检测[J];航空制造技术;2009年S1期

6 陈扬;张太宁;郭澎;王湘晖;王倩;常胜江;;基于主成分分析的复杂光谱定量分析方法的研究[J];光学学报;2009年05期

7 钟家强;王润生;;基于独立成分分析的多时相遥感图像变化检测[J];电子与信息学报;2006年06期

8 李惠;周文松;欧进萍;杨永顺;;大型桥梁结构智能健康监测系统集成技术研究[J];土木工程学报;2006年02期

9 彭志科,何永勇,褚福磊;小波尺度谱在振动信号分析中的应用研究[J];机械工程学报;2002年03期

10 冯大政,保铮,张贤达;信号盲分离问题多阶段分解算法[J];自然科学进展;2002年03期

中国硕士学位论文全文数据库 前7条

1 庞震;基于小波包分析的滚动轴承故障诊断[D];内蒙古科技大学;2014年

2 帅洁妮;风机叶片材料声发射信号的降噪和盲源分离研究[D];南京航空航天大学;2013年

3 石礼;基于PVDF传感器的风机叶片健康监测方法研究[D];昆明理工大学;2013年

4 杜文超;基于声发射技术的大型风力机叶片材料的损伤研究[D];南京航空航天大学;2012年

5 赵新光;基于声发射和小波分析的大型风力机叶片材料损伤识别研究[D];沈阳工业大学;2009年

6 吴健;基于FPGA的PCI数据采集卡的研究与开发[D];中南大学;2008年

7 吴逊;基于独立成分分析的特征提取方法研究[D];厦门大学;2007年

，

本文编号：1012382