基于隐半马尔科夫模型的风电机组齿轮箱故障预测

发布时间：2017-09-21 20:03

  本文关键词：基于隐半马尔科夫模型的风电机组齿轮箱故障预测

  更多相关文章： 故障预测 风电机组 齿轮箱 连续型HSMM

【摘要】：故障预测是设备故障诊断中的热点问题。齿轮箱作为风力发电机组的关键部件,其状况好坏将直接影响到整台机组的运行状态,而且齿轮箱故障发生率较高,一旦失效将会占用大量的维修时间。因此,对齿轮箱运行状态进行监测,及时发现识别齿轮箱的故障,对故障发展趋势进行精确预测,对于制定合理的运维策略,延长齿轮箱和机组使用寿命具有重要的工程实际意义。本文研究基于隐半Markov模型(Hidden Semi-Markov Models,简称HSMM)的风电机组齿轮箱故障预测方法,通过全寿命模型理论并利用运行数据判断齿轮箱当前运行状况,同时根据相关方法对其剩余寿命作出预测,为风力发电机组的运行与维护提供重要的参考和依据。论文主要内容包括：(1)对风电机组齿轮箱的发展状况作出概述,简要介绍风电机组及其齿轮箱的常见结构,并以齿轮箱中的重要部件(如齿轮、轴承等)为例,介绍其常见故障类型、振动机理和故障演化规律。(2)介绍了Markov相关理论及算法,以隐Markov模型(Hidden Markov Models,简称HMM)为基础,引出本文中用到的隐半Markov模型(HSMM),并针对传统HSMM的递推算法作出改进,提出了应用连续型HSMM (Continuous HSMM)对风电机组齿轮箱进行故障预测的思路和具体步骤。(3)应用轴承加载试验的仿真数据和风电机组齿轮箱的齿轮运行数据对基于HSMM的故障预测方法进行测试,根据全寿命模型理论及相关方法对部件剩余寿命作出估计,取得了良好效果,验证了方法的有效性和可行性。
【关键词】：故障预测 风电机组 齿轮箱 连续型HSMM
【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
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-16
• 1.1 课题研究背景及意义9-11
• 1.2 风电机组齿轮箱故障预测技术研究现状11-13
• 1.2.1 风电机组齿轮箱故障特征提取方法研究11-12
• 1.2.2 风电机组齿轮箱故障预测方法研究12-13
• 1.3 本课题主要研究内容13-16
• 第2章 风电机组齿轮箱故障演化规律分析16-24
• 2.1 风电机组齿轮箱主要结构16-17
• 2.2 风电机组齿轮箱故障演化规律分析17-23
• 2.2.1 齿轮主要故障模式与振动机理17-19
• 2.2.2 滚动轴承主要故障模式与振动机理19-21
• 2.2.3 轴系主要故障模式21-22
• 2.2.4 风电机组齿轮箱故障演化规律分析22-23
• 2.3 本章小结23-24
• 第3章 基于HSMM的风电机组齿轮箱故障预测理论24-43
• 3.1 引言24
• 3.2 HMM相关理论及算法基础24-30
• 3.2.1 Markov模型基本理论24-25
• 3.2.2 HMM基本理论25-26
• 3.2.3 HMM数学描述26-30
• 3.3 HSMM相关理论及改进算法研究30-38
• 3.3.1 HSMM简介30-33
• 3.3.2 HSMM算法的重新定义33-36
• 3.3.3 HSMM参数初始化与重估36-38
• 3.4 基于HSMM的风电机组齿轮箱故障预测方法描述38-42
• 3.4.1 基于HSMM的故障预测总体思路38-39
• 3.4.2 基于HSMM的退化状态识别方法39-40
• 3.4.3 基于HSMM的剩余寿命估计方法40-42
• 3.5 本章小结42-43
• 第4章 试验研究及结果分析43-66
• 4.1 方法示例43-48
• 4.1.1 数据来源及特征提取43-46
• 4.1.2 状态分类及模型构建46-48
• 4.2 基于连续型HSMM的轴承剩余寿命预测48-58
• 4.2.1 试验装置说明49-50
• 4.2.2 试验数据处理50-53
• 4.2.3 预测结果分析53-58
• 4.3 基于连续型HSMM的齿轮剩余寿命预测58-65
• 4.3.1 试验装置简介58-59
• 4.3.2 数据状态分类59-62
• 4.3.3 故障预测分析62-65
• 4.4 本章小结65-66
• 第5章 结论与展望66-68
• 5.1 结论66-67
• 5.2 展望67-68
• 参考文献68-73
• 攻读硕士期间发表的论文及其它成果73-74
• 致谢74

【参考文献】

中国期刊全文数据库 前10条

1 田沿平;叶晓慧;金川;孙金明;;耦合隐马尔科夫在模拟电路故障预测中的应用[J];电子测量技术;2014年10期

2 李巍华;李静;张绍辉;;连续隐半马尔科夫模型在轴承性能退化评估中的应用[J];振动工程学报;2014年04期

3 王胜利;岳伟利;;机械重大装备寿命预测综述[J];硅谷;2014年14期

4 原媛;卓东风;;隐半马尔可夫模型在剩余寿命预测中的应用[J];计算机技术与发展;2014年01期

5 卓东风;原媛;;小波包变换和隐马尔科夫模型(HMM)在液压系统故障预测中的应用[J];山西大学学报(自然科学版);2013年03期

6 张星辉;康建设;高存明;曹端超;滕红智;;基于MoG-HMM的齿轮箱状态识别与剩余使用寿命预测研究[J];振动与冲击;2013年15期

7 汪旭旭;刘毅;江娜;段延芳;;风力发电技术发展综述[J];电气开关;2013年03期

8 魏超;;浅谈风力发电技术发展现状及趋势[J];科技创新与应用;2012年23期

9 赵靓;;风电机组齿轮箱市场调研分析[J];风能;2012年06期

10 滕红智;赵建民;贾希胜;张星辉;王正军;;基于CHMM的齿轮箱状态识别研究[J];振动与冲击;2012年05期

中国重要会议论文全文数据库 前3条

1 徐涛;;2014中国风电装机容量统计[A];中国农机工业协会风能设备分会《风能产业》（2015年第4期）[C];2015年

2 陈春晖;;浅谈风力发电机组齿轮箱的运行与维护[A];中国农业机械工业协会风能设备分会2011年度论文集（下）[C];2011年

3 严范梅;王明辉;;齿轮断齿失效分析[A];首届七省区市机械工程学会科技论坛论文集[C];2005年

中国博士学位论文全文数据库 前3条

1 肖文斌;基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究[D];上海交通大学;2011年

2 曾庆虎;机械传动系统关键零部件故障预测技术研究[D];国防科学技术大学;2010年

3 冯长建;HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D];浙江大学;2002年

中国硕士学位论文全文数据库 前7条

1 周红;基于进化优化方法的高斯混合模型在智能数据分析中的应用[D];华东理工大学;2014年

2 李静;基于连续隐半马尔科夫模型的轴承性能退化评估[D];华南理工大学;2013年

3 马玉峰;风电机组齿轮箱故障趋势预测方法研究[D];华北电力大学;2013年

4 雷新望;风电机组行星齿轮传动系统的动态特性研究[D];郑州大学;2012年

5 白亚红;基于EMD和SVM技术风电齿轮箱早期故障诊断研究[D];大连理工大学;2009年

6 谭晓栋;基于HSMM的滚动轴承故障预测技术[D];国防科学技术大学;2008年

7 曹映红;基于驻留时间的隐马氏模型的建立及算法研究[D];国防科学技术大学;2004年

，

本文编号：896577