基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统

发布时间：2017-03-22 21:08

  本文关键词：基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统，，由笔耕文化传播整理发布。

【摘要】：风力发电技术已经成为当今社会所研究能源的热点之一。而风力发电机组所处环境恶劣,机械部件复杂,风电机组出现故障的频率增高,严重影响了风电机厂的整体运行,也增加了人员检修成本。在此基础上,设计开发一套智能的风电齿轮箱故障诊断系统来诊断风电机组出现的故障就很有必要。本文中介绍研究了风电机组中的齿轮箱的故障产生机理及类型,并以此部位的传动装置为主要研究对象,针对故障类型信号和特征信号,开发设计出基于DSP和TQWT的信号稀疏分解的风电齿轮箱故障诊断系统,对风机齿轮箱信号进行采集,并在系统中对信号进行处理分析,将原始信号和诊断结果分别存储在SD卡中,且在PC机终端显示故障特征信息,便于操作人员对风电机组进行监测和故障检修。该系统选择德州仪器的DSP—TMS320F28335为主控芯片来搭建硬件平台,硬件部分包括信号采集调理模块装置、芯片外设电路以及设计开发的电源模块装置。软件部分包括两部分:一是利用MATLAB软件编写算法程序代码,并设计仿真信号,验证TQWT信号共振稀疏分解算法的可行性;二是在CCS软件中用C语言设计数据的采集、存储以及通信程序代码,并将MATLAB中的TQWT信号共振稀疏分解算法程序成功转换为嵌入式代码,使DSP可识别使用,然后利用SVM支持向量机对故障信号进行分类识别判断。最终将系统整体应用于齿轮箱故障诊断,验证了系统对故障进行诊断的可靠性和有效性。
【关键词】：风电齿轮箱 DSP TQWT SVM 故障诊断
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315
【目录】：

• 摘要4-5
• Abstract5-10
• 1 绪论10-18
• 1.1 研究背景和意义10-11
• 1.2 国内外研究现状11-16
• 1.2.1 风电齿轮箱故障诊断的研究现状12-13
• 1.2.2 嵌入式故障诊断系统的研究现状13-15
• 1.2.3 稀疏分解方法在故障诊断中应用的研究现状15-16
• 1.3 本论文的主要研究内容16-18
• 2 风电行星齿轮箱故障诊断基础及诊断方法18-30
• 2.1 风电发电机组行星齿轮箱基本结构18-19
• 2.2 风电行星齿轮箱故障机理及故障类型19-24
• 2.2.1 齿轮箱的故障机理19-21
• 2.2.2 风电齿轮箱的故障类型21-24
• 2.3 风电齿轮箱故障特征信号24-25
• 2.3.1 齿轮的故障特征信号24-25
• 2.3.2 滚动轴承的故障特征信号25
• 2.4 风电行星齿轮箱故障诊断方法25-29
• 2.4.1 时域分析方法25-26
• 2.4.2 频域分析方法26-27
• 2.4.3 时频分析方法27-29
• 2.5 本章小结29-30
• 3 基于TQWT的信号共振稀疏分解的基础及应用30-51
• 3.1 信号稀疏分解30-36
• 3.1.1 信号共振属性30-31
• 3.1.2 自动调Q的小波变换31-34
• 3.1.3 高低共振分量分解34-36
• 3.2 基于TWQT的共振稀疏算法仿真36-40
• 3.3 齿轮箱故障诊断实例40-50
• 3.4 本章小结50-51
• 4 故障诊断系统的硬件设计51-62
• 4.1 DSP芯片选型51-52
• 4.2 硬件系统平台总体设计方案52-53
• 4.3 前端采集调理硬件装置53-56
• 4.3.1 采集信号装置53-54
• 4.3.2 调理信号装置54-56
• 4.4 DSP故障诊断模块设计研究56-59
• 4.4.1 A/D转换模块56
• 4.4.2 SD卡存储模块56-57
• 4.4.3 外扩存储模块57-58
• 4.4.4 JTAG电路模块58-59
• 4.5 电源管理模块59-61
• 4.5.1 DSP的电源管理模块59-60
• 4.5.2 系统的电源模块60-61
• 4.6 本章小结61-62
• 5 故障诊断系统的软件设计62-73
• 5.1 系统软件开发环境简介62-64
• 5.1.1 MATLAB软件62-63
• 5.1.2 CCS软件63-64
• 5.1.3 Libsvm软件包64
• 5.2 系统软件设计方案64-72
• 5.2.1 A/D模块采集程序65-66
• 5.2.2 嵌入DSP芯片的代码生成66-71
• 5.2.3 SVM支持向量机分类识别程序71-72
• 5.3 本章小结72-73
• 6 故障诊断系统的实际应用验证73-80
• 6.1 故障诊断系统总体验证73-79
• 6.2 本章小结79-80
• 7 结论与展望80-82
• 7.1 结论80-81
• 7.2 展望81-82
• 参考文献82-88
• 攻读硕士学位期间发表的学术论文及所取得的研究成果88-89
• 致谢89-91

【参考文献】

中国期刊全文数据库 前10条

1 项巍巍;蔡改改;樊薇;黄伟国;朱忠奎;;基于双调Q小波变换的瞬态成分提取及轴承故障诊断应用研究[J];振动与冲击;2015年10期

2 姜旭刚;潘宏侠;刘涛涛;;基于DSP-TMS320F28335的齿轮箱故障诊断系统研究与应用[J];机械传动;2014年02期

3 罗承先;;世界风力发电现状与前景预测[J];中外能源;2012年03期

4 吕跃刚;关晓慧;刘俊承;;风力发电机组状态监测系统研究[J];自动化与仪表;2012年01期

5 杨杰;郑海起;关贞珍;王彦刚;;基于形态成分分析的轴承复合故障诊断[J];轴承;2011年08期

6 朱兵;潘宏侠;;基于TMS320F28335的通用故障诊断平台[J];电子测试;2010年03期

7 鲁力;张波;;嵌入式TCP/IP协议的高速电网络数据采集系统[J];仪器仪表学报;2009年02期

8 王瑞闯;林富洪;;风力发电机在线监测与诊断系统研究[J];华东电力;2009年01期

9 刘昌伟;邵左文;王军东;;基于DSP的嵌入式温度记录仪的设计[J];国外电子元器件;2008年12期

10 唐新安;谢志明;王哲;吴金强;;风力发电机组齿轮箱振动测试与分析[J];设备管理与维修;2006年11期

中国硕士学位论文全文数据库 前5条

1 刘春林;基于DSP的风电增速箱故障诊断系统的研究[D];中北大学;2015年

2 何强;基于DSP的嵌入式齿轮箱故障诊断系统[D];中北大学;2013年

3 孙云嵩;基于信号共振稀疏分解的齿轮故障诊断方法研究[D];湖南大学;2013年

4 李虎;大型风电机组振动状态监测系统开发[D];华北电力大学（北京）;2009年

5 何泳;DSP在现代机械故障诊断技术中的应用研究[D];大连理工大学;2004年

  本文关键词：基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统，由笔耕文化传播整理发布。

本文编号：262221