基于隐马尔科夫模型的风电机组齿轮箱故障诊断研究

发布时间：2017-07-30 03:04

  本文关键词：基于隐马尔科夫模型的风电机组齿轮箱故障诊断研究

  更多相关文章： 风电机组齿轮箱 隐马尔科夫模型 振动信号 特征提取 故障诊断

【摘要】：随着科技的进步,大型机械设备如风力发电机组等在动态运行过程中存在的问题日益引起人们的关注。机械设备突发性故障,增加了维修负担和生产成本,导致生产效率降低,直接影响到企业的经济效益。风力发电行业作为风险度较高的行业,必须对其关键设备采取有效的状态监测和故障诊断措施,保证风电机组的安全运行。因为齿轮箱故障对风力发电机组影响最大,本文主要研究对风电机组齿轮箱的故障诊断方法。以振动信号分析为基础,应用故障诊断技术在风电机组运行的动态的环境中,对齿轮箱的运行状态进行观测、建模、评估。通过结合诊断技术在线监测,能够及时发现齿轮箱在早期的故障迹象,以便尽早采取措施维护或更换,避免造成更大的损失。齿轮箱故障是影响风电机组安全运行的重要问题,采取一定方法识别并诊断齿轮箱的运行状态对设备的安全生产运行有重大意义。传统的故障诊断方法准确度和可靠性较低,越来越多的智能诊断方法被引入故障诊断领域。本文研究方法就是应用隐马尔科夫模型识别风电机组齿轮箱故障模式,具体分为三部分内容：1)研究振动信号特征提取方法,并根据特征值的敏感程度进行优化选择；2)应用隐马尔科夫模型对齿轮箱在不同运行状态下的振动信号进行分析识别,并且对识别结果进行对比；3)在故障诊断的基础上初步研究了剩余使用寿命预测方法。结果表明：隐马尔可夫模型能快速有效的识别齿轮箱中磨损、断齿等故障模式,适用性很好,可应用于实际齿轮箱系统的故障诊断和寿命预测。
【关键词】：风电机组齿轮箱 隐马尔科夫模型 振动信号 特征提取 故障诊断
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315;TH132.41
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-17
• 1.1 课题研究的背景9-11
• 1.2 课题研究的目的和意义11-13
• 1.3 国内外研究现状13-15
• 1.4 本文主要研究内容15
• 1.5 论文安排15-17
• 第2章 隐马尔科夫模型基础理论和算法17-34
• 2.1 HMM基础理论17-20
• 2.1.1 HMM基本概念17-18
• 2.1.2 马尔科夫链18-20
• 2.2 HMM基本算法20-25
• 2.2.1 前向—后向算法20-22
• 2.2.2 Viterbi算法22-24
• 2.2.3 Baum-Welch算法24-25
• 2.3 HMM相关模型分类25-29
• 2.3.1 连续HMM与离散HMM25-26
• 2.3.2 隐半马尔可夫模型26-28
• 2.3.3 高斯混合隐马尔科夫模型28-29
• 2.4 应用HMM识别模拟信号29-33
• 2.5 本章小结33-34
• 第3章 振动信号的特征提取及优化34-47
• 3.1 振动信号的特征值34-35
• 3.1.1 时域统计参数34-35
• 3.1.2 频域统计参数35
• 3.1.3 小波能量特征参数35
• 3.2 特征参数的优化选择35-44
• 3.2.1 主成分分析法36-41
• 3.2.2 距离测度法41-44
• 3.3 原始数据处理44-45
• 3.4 本章小结45-47
• 第4章 齿轮箱HMM故障诊断模型及实例分析47-55
• 4.1 数据采集47-48
• 4.1.1 数据采集系统47-48
• 4.1.2 采样定理的应用48
• 4.2 HMM实际训练过程48-51
• 4.3 输入测试数据匹配51-54
• 4.3.1 HMM测试结果51-53
• 4.3.2 GM-HMM测试结果53-54
• 4.4 本章小结54-55
• 第5章 齿轮箱部件HMM寿命预测模型55-60
• 5.1 国内外故障预测方法55-56
• 5.2 基于HMM的寿命预测模型56-58
• 5.3 算例及其分析58-59
• 5.4 本章小结59-60
• 第6章 结论与展望60-62
• 6.1 本文工作总结60
• 6.2 下一步工作的设想60-62
• 参考文献62-68
• 攻读硕士学位期间发表的论文及其它成果68-69
• 致谢69

【相似文献】

中国期刊全文数据库 前10条

1 张庆生;齐勇;侯迪;赵季中;;基于隐马尔科夫模型的上下文感知活动计算[J];西安交通大学学报;2006年04期

2 李晓琴;仁文科;刘岳;;利用隐马尔科夫模型识别蛋白质折叠类型[J];北京工业大学学报;2011年07期

3 罗志增;王占玉;;基于小波域隐马尔科夫模型的肌电信号滤波[J];仪器仪表学报;2010年11期

4 刘晓飞;邸书灵;;基于隐马尔科夫模型的文本分类[J];石家庄铁道大学学报(自然科学版);2013年01期

5 苗强,Viliam Makis;基于隐马尔科夫模型的故障诊断系统研究[J];航空学报;2005年05期

6 向东;刘虎;陈先桥;程艳芬;;半连续隐马尔科夫模型脱机阿拉伯手写识别[J];武汉理工大学学报(信息与管理工程版);2011年03期

7 邱英;谢锋云;;基于小波包系数与隐马尔科夫模型的刀具磨损监测(英文)[J];机床与液压;2014年12期

8 张润丹;王莹莹;;量子隐马尔科夫模型参数学习研究[J];科技视界;2014年16期

9 赵静;黄厚宽;田盛丰;纳跃跃;;基于转移和频率特征的协议异常检测[J];北京交通大学学报;2009年05期

10 李珩,谭咏梅,朱靖波,姚天顺;汉语组块识别[J];东北大学学报;2004年02期

中国重要会议论文全文数据库 前8条

1 肖镜辉;刘秉权;;一种非时齐的隐马尔科夫模型及其在音字转换中的应用[A];全国第八届计算语言学联合学术会议（JSCL-2005）论文集[C];2005年

2 刘文壮;李均利;;一种基于隐马尔科夫模型的脱机手写汉字识别方法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

3 彭子平;张严虎;潘露露;;隐马尔科夫模型原理及其重要应用[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

4 王宏生;孙美玲;李家峰;;隐马尔科夫模型在构建语言模型中的应用[A];创新沈阳文集（A）[C];2009年

5 张劲松;戴蓓倩;郁正庆;王长富;;汉语识别中隐马尔科夫模型初始化的研究[A];第二届全国人机语音通讯学术会议论文集[C];1992年

6 刘杰;梁晓辉;;基于Fused隐马尔科夫模型的人体运动识别[A];第八届和谐人机环境联合学术会议（HHME2012)论文集CHCI[C];2012年

7 林晨;金蓓弘;龙震岳;陈海彪;;上下文感知的分布式事件分发研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

8 杨s，

本文编号：592204