基于稀疏表示的风电装备传动系统故障瞬态特征提取研究

发布时间：2021-08-13 21:22

　　近年来,国家的大力支持使得风电产业发展迅速,随着风电机组装机容量不断攀升,风电装备因维护不够导致主要部件故障频发,严重影响了风力发电的经济效益和社会效益。风电装备传动系统结构复杂,长期在交变载荷、外部阵风冲击等复杂工况下运行,零部件故障发生率较高,对其进行有效的状态监测与故障诊断,对确保风电装备安全运行具有重要意义。振动信号中周期瞬态特征的出现是风电装备传动系统发生故障的一个重要征兆,因此,本文以风电装备传动系统故障瞬态特征提取为目标,基于稀疏表示理论研究周期瞬态特征的稀疏表示方法,从而实现风电装备传动系统故障的有效识别与诊断。论文主要工作如下:（1）针对正交匹配追踪算法选择到错误原子的问题,本文将原子与信号的相关系数作为原子选择准则,结合原子合并思想,提出了相关正交匹配追踪算法。该算法避免了错误原子的选择,实现了滚动轴承故障周期瞬态特征提取。（2）针对随机正交匹配追踪算法的稀疏度难以被准确估计的问题,提出了自适应随机正交匹配追踪算法。该算法通过稀疏度预估计、每次迭代选择多个原子、改进残差和原子索引集的计算方式、系数的求解方式,实现了稀疏度的自适应。将其与滑动窗相结合,改善了微弱瞬态冲... 

【文章来源】：燕山大学河北省

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

基于COMP的故障瞬态特征提取方法故障诊断结果

图 5-8 基于 AdRaOMP-SW 的故障瞬态特征提取方法故障诊断结果图 5-9 基于 EEMD 和 K-SVD 字典学习的瞬态特征提取方法故障诊断结果观察图5-8和图5-9，基于AdRaOMP-SW的故障瞬态特征提取方法和基于EEMD

【参考文献】：
期刊论文
[1]基于深度卷积变分自编码网络的故障诊断方法[J]. 佘博,田福庆,梁伟阁.  仪器仪表学报. 2018(10)
[2]基于深度自编码网络的轴承故障诊断[J]. 袁文军,刘飞,王晓峰,周文晶.  噪声与振动控制. 2018(05)
[3]基于相关正交匹配追踪算法的风电机组滚动轴承稀疏故障诊断方法[J]. 李继猛,李铭,王慧,张金凤,张云刚.  中国机械工程. 2018(12)
[4]基于VMD和Infogram的滚动轴承故障特征提取[J]. 夏均忠,于明奇,黄财,汪治安,吕麒鹏.  振动与冲击. 2017(22)
[5]风电机组状态检测技术研究现状及发展趋势[J]. 丁显,徐进,滕伟,柳亦兵.  可再生能源. 2017(10)
[6]基于信号共振稀疏分解和最大相关峭度解卷积的齿轮箱故障诊断[J]. 何群,郭源耕,王霄,任宗浩,李继猛.  中国机械工程. 2017(13)
[7]基于最小熵解卷积和Teager能量算子直升机滚动轴承复合故障诊断研究[J]. 陈海周,王家序,汤宝平,李俊阳.  振动与冲击. 2017(09)
[8]风电机组可靠性研究现状与发展趋势[J]. 李垚,朱才朝,陶友传,宋朝省,谭建军.  中国机械工程. 2017(09)
[9]基于EMD的改进马田系统的滚动轴承故障诊断[J]. 陈俊洵,程龙生,胡绍林,余慧.  振动与冲击. 2017(05)
[10]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)

博士论文
[1]基于排序模式分析与深度学习的风电设备故障诊断方法研究[D]. 江国乾.燕山大学 2017

硕士论文
[1]基于稀疏分解的信号去噪方法研究[D]. 史丽丽.哈尔滨工业大学 2013
[2]基于EMD方法的压缩感知图像处理研究[D]. 刘妍.北京邮电大学 2012



本文编号：3341160