基于时频流形的风力发电机轴承轴电流故障诊断与预测方法

发布时间：2017-11-11 15:08

本文关键词：基于时频流形的风力发电机轴承轴电流故障诊断与预测方法

【摘要】：轴承一直是风力发电机中不可缺少的核心部件,在风力发电机运行中起着至关重要的作用。随着清洁能源的大量使用,风力发电机已经朝着大型化、复杂化的方向发展。当风力发电机轴承的电绝缘层磨损、载荷突变或者遭受雷击等极端天气时,发电机轴电流问题就变得非常突出,进而影响风力发电机正常运行,若不及时处理,可能会引发风电机组整机失效,造成巨大的经济损失。相比于轴承普通故障振动信号,轴承轴电流故障振动信号具有多重调制特征,传统时频分析方法很难准确识别其故障特征并进行故障预警,论文因此提出多尺度子带流形保持故障诊断算法和子带流形二次均方根的轴承损伤预测方法,实验证明提出的方法有很好的效果。主要研究工作如下:(1)探讨了风力发电机轴承的轴电流损伤过程,分析了轴承轴电流损伤后的轴承振动信号的时域和频域特征,发现相对滚动轴承普通故障的振动信号特征而言,轴电流损伤轴承由于内圈、外圈和滚动体均有损坏,故障振动信号频谱难以发现单一故障的特征频率,具有多重调制特征;(2)提出一种多尺度子带流形保持故障诊断算法,首先对故障信号进行小波包分解,得到多尺度信号,再对多尺度信号进行子带分解,得到多尺度子带信号,并提取多尺度子带信号的样本熵,初步得到故障信号的特征值,对故障信号特征值进行平滑伪Wigner-Ville分布,再对其进行局部保持投影(LPP)流形学习降维,提取故障信号最终的时频流形故障特征,并用轴承故障信号对该方法进行验证,结果证明该方法对轴承的多类故障识别具有很好的效果;(3)提出一种基于子带流形二次均方根的轴承损伤预测方法,首先对故障信号进行小波包分解,提取多尺度信号,再对每一个多尺度信号进行流形学习降维,提取流形子带信号,再对每一个流形子带信号进行二次均方根值提取,得到故障信号的预测特征值,并利用自适应反向传播(BP)神经网络对故障进行预测,用轴承故障仿真信号对该方法进行验证,结果表明该方法对轴承复杂故障具有很好的预测效果;(4)搭建轴承轴电流损伤模拟试验台,提取不同阶段轴承的轴电流损伤故障振动信号,对论文提出的时频流形故障诊断和状态预测方法进行验证,结果表明基于多尺度子带流形保持故障诊断算法能有效识别轴承轴电流损伤故障,识别准确率可达96%,基于子带流形二次均方根的轴承损伤预测方法可有效预测轴承轴电流损伤状态,预测误差低于4.33%。
【学位授予单位】：湖南科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315

【参考文献】

中国期刊全文数据库前10条

1 张晓涛;唐力伟;王平;邓士杰;;基于多尺度正交PCA-LPP流形学习算法的故障特征增强方法[J];振动与冲击;2015年13期

2 韩昕锋;任立坤;;基于神经网络的轴承故障预测模型[J];海军航空工程学院学报;2015年03期

3 张晓涛;唐力伟;王平;邓士杰;;基于多尺度局部保持投影的轴承故障特征增强方法[J];噪声与振动控制;2014年06期

4 潘海洋;杨宇;李永国;程军圣;;基于流形学习和改进VPMCD的滚动轴承故障诊断方法[J];振动工程学报;2014年06期

5 陈国强;陈国忠;徐明;张杰;高坡;刘志强;;风力发电机轴电压轴电流对轴承影响及改进措施[J];神华科技;2014年05期

6 向丹;葛爽;;基于EMD样本熵-LLTSA的故障特征提取方法[J];航空动力学报;2014年07期

7 郑海波;;风电机组振动监测案例分析[J];风能;2014年07期

8 向丹;葛爽;;一种基于小波包样本熵和流形学习的故障特征提取模型[J];振动与冲击;2014年11期

9 黄仁;梁笑;;基于多尺度子带划分的雾霾天气图像增强方法[J];计算机应用;2014年S1期

10 宋涛;汤宝平;李锋;;基于流形学习和K-最近邻分类器的旋转机械故障诊断方法[J];振动与冲击;2013年05期