风力发电机齿轮箱状态监测与故障诊断系统的研究

发布时间：2017-03-23 07:21

  本文关键词：风力发电机齿轮箱状态监测与故障诊断系统的研究，，由笔耕文化传播整理发布。

【摘要】：随着人口的增长、能源的紧缺,风电作为一种取之不尽用之不竭的清洁能源必将迅速发展,甚至最终取代传统能源的地位。伴随着风电迅速的发展,风力发电机的维护工作也越来越重要。特别是风力发电机的关键部分比如齿轮箱,一旦出现故障将会造成大量的经济损失。功能良好的风力发电机组齿轮箱状态监测和故障诊断系统能够保证风电机组稳定运行,降低故障发生率。本文主要是针对风力发电机齿轮箱的状态监测和故障诊断问题的研究。由于风力发电机结构复杂且极易发生故障,同时齿轮箱又是风力发电机故障高发部件,因此本文就以下几点进行了研究与分析:首先,本文深入研究了风力发电机齿轮箱常见故障以及常用的故障诊断方法。其次,本文在风力发电机组齿轮箱故障模拟实验平台的基础上做了大量的齿轮箱故障实验,用小波消噪和小波包分解方法对实验所得数据进行前期处理,并且分析了风力发电机齿轮箱的时域故障特征和频域故障特征。然后,本文提出了一种改进的K最近邻域(KNN)智能故障诊断算法,用在风力发电机齿轮箱故障诊断中,并取得了良好的效果。最后,本文还提出了一种合理的针对风力发电机组齿轮箱状态监测与故障诊断系统的构架方案,并且借助了学校实验室小型风力发电机组模拟实验装置与齿轮箱故障诊断模拟实验装置仔细的介绍了整个系统的每个单元的实现方案以及每个单元的功能。
【关键词】：风力发电机 齿轮箱 故障诊断 K最近邻域算法 状态监测
【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5-6
• ABSTRACT6-11
• 第一章 绪论11-21
• 1.1 选题背景及意义11-13
• 1.2 课题研究目的与意义13-15
• 1.3 风电机组齿轮箱状态监测与故障诊断的国内外研究现状15-19
• 1.3.1 国内研究现状15-16
• 1.3.2 国外研究现状16-17
• 1.3.3 风力发电机常用故障诊断方法17-18
• 1.3.4 风力发电机组齿轮箱故障诊断传统方法18-19
• 1.4 课题研究的主要内容及章节安排19-21
• 第二章 风力发电机组齿轮箱常见故障类型及特征21-30
• 2.1 引言21
• 2.2 风力发电机的结构原理21-22
• 2.3 风力发电机组齿轮箱结构原理、常见故障及特征22-29
• 2.3.1 风力发电机组齿轮箱结构24-25
• 2.3.2 风力发电机组齿轮箱主要故障及特征25-29
• 2.4 本章小结29-30
• 第三章 风力发电机组齿轮箱振动信号的特征提取30-49
• 3.1 引言30
• 3.2 风力发电机组实验平台30-34
• 3.2.1 小型风电机组模拟装置30-31
• 3.2.2 风力发电机组齿轮箱故障诊断实验装置31-32
• 3.2.3 风力发电机组齿轮箱部分实验数据32-34
• 3.3 小波分析原理及降噪34-39
• 3.3.1 小波变换原理34-35
• 3.3.2 小波包原理与降噪35-39
• 3.4 齿轮箱故障诊断特征量提取39-45
• 3.4.1 时域特征量39-42
• 3.4.2 频域特征量42-45
• 3.5 特征量组合以及数据归一化45-48
• 3.6 本章小结48-49
• 第四章 基于改进KNN的风力发电机组齿轮箱故障诊断49-60
• 4.1 引言49
• 4.2 K-最近邻算法理论49-51
• 4.3 改进的KNN算法51-52
• 4.3.1 传统KNN算法的不足51
• 4.3.2 改进的KNN算法51-52
• 4.4 风力发电齿轮箱故障诊断实例分析52-59
• 4.4.1 风力发电机组齿轮箱故障诊断数据获取53-55
• 4.4.2 基于优化KNN的齿轮箱故障识别55-59
• 4.5 本章小结59-60
• 第五章 风力发电机组齿轮箱状态监测与故障诊断系统60-74
• 5.1 引言60
• 5.2 系统整体架构的设计60-61
• 5.3 数据采集单元61-65
• 5.3.1 传感器的选择与安装61-63
• 5.3.2 数据采集处理63-65
• 5.4 状态监测单元65-69
• 5.5 故障诊断单元69-71
• 5.5.1 数据处理70
• 5.5.2 改进的KNN智能诊断算法在故障诊断系统中的应用70-71
• 5.6 通信模块71-73
• 5.7 本章小结73-74
• 第六章 总结与展望74-76
• 6.1 总结74
• 6.2 展望74-76
• 参考文献76-81
• 致谢81-82
• 攻读硕士学位期间取得的研究成果82

【参考文献】

中国期刊全文数据库 前10条

1 朱晓;;风能发电的现状和发展[J];科技致富向导;2014年23期

2 章浙涛;朱建军;匡翠林;周璀;;小波包多阈值去噪法及其在形变分析中的应用[J];测绘学报;2014年01期

3 胡智;段礼祥;张来斌;;优化KNNC算法在滚动轴承故障模式识别中应用[J];振动与冲击;2013年22期

4 张睿;黄晋英;张永梅;;ICA算法及其在齿轮箱故障诊断中的应用[J];矿山机械;2013年05期

5 杨雨时;邵洪波;;粗糙集理论在机械故障诊断中的应用[J];计算机光盘软件与应用;2013年08期

6 杨维新;唐伶俐;汪超亮;李子扬;;基于遗传小波神经网络的光电稳定平台系统辨识[J];仪器仪表学报;2013年03期

7 党选举;徐小平;于晓明;姜辉;;永磁同步直线电机的小波神经网络控制[J];电机与控制学报;2013年01期

8 何耀耀;许启发;杨善林;余本功;;基于RBF神经网络分位数回归的电力负荷概率密度预测方法[J];中国电机工程学报;2013年01期

9 奉国和;吴敬学;;KNN分类算法改进研究进展[J];图书情报工作;2012年21期

10 蔡贺;张睿;;k最近邻域分类算法分析与研究[J];甘肃科技;2012年18期

中国博士学位论文全文数据库 前1条

1 刘文艺;风电机组振动监测与故障诊断研究[D];重庆大学;2010年

中国硕士学位论文全文数据库 前9条

1 葛春晓;基于案例推理的变压器故障诊断专家系统的研究[D];吉林大学;2014年

2 黄娟娟;基于KNN的文本分类特征选择与分类算法的研究与改进[D];厦门大学;2014年

3 张新疆;基于LabVIEW的风机齿轮箱离线故障诊断系统研究[D];电子科技大学;2013年

4 王欢欢;风力发电机旋转机械故障诊断虚拟仪器系统研究[D];湖南大学;2012年

5 麻东东;风力发电机组远程状态监测与故障诊断系统的开发[D];华北电力大学;2012年

6 管森森;基于振动信号分析的齿轮箱故障诊断系统开发[D];华北电力大学;2011年

7 刘天舒;BP神经网络的改进研究及应用[D];东北农业大学;2011年

8 卜凡军;KNN算法的改进及其在文本分类中的应用[D];江南大学;2009年

9 马清峰;基于粒子群优化神经网络的齿轮箱故障诊断研究[D];中北大学;2006年

  本文关键词：风力发电机齿轮箱状态监测与故障诊断系统的研究，由笔耕文化传播整理发布。

本文编号：263235