基于HHT和XGBoost的风电机组滚动轴承故障诊断研究

发布时间：2021-08-19 23:43

　　在环境污染变得日益严重以及政策驱动下,风电行业已经引起世界各国高度关注。随着风电行业快速发展,对其可靠性要求也越来越高。滚动轴承是风电机组中关键部件,其故障率也是最高的部件之一。所以对其进行实时监测及故障诊断,不仅可以使整个风电机组运行的更可靠,而且可以降低运维成本。本文在分析滚动轴承故障的特征及发展过程基础上,通过对比目前常用的信号分析方法,选择了希尔伯特黄变换作为滚动轴承振动信号特征提取方法,并利用能量直方图对特征值进行降维处理。将提取到的特征值作为分类器输入,最后,选用XGBoost算法对滚动轴承各种故障进行分类识别。主要工作如下:（1）对滚动轴承振动信号特征提取方法做详细分析,并以仿真信号为例,对涉及到的方法做了实验,从而更直观说明了特征提取过程。为了不破坏所提取到特征值的结构,利用能量直方图代替时频谱图的方法对其做了降维处理。以滚动轴承实验数据为例,对本文以及其他的特征提取方法做了实验对比,证明了希尔伯特黄变换方法在滚动轴承振动信号特征提取中的优势。（2）针对希尔伯特黄变换中经验模态分解出的固有模态函数选取问题,提出利用相关系数与相对熵结合的方法。由于相关系数法在设定的阈值附... 

【文章来源】：新疆大学新疆维吾尔自治区 211工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

采集单元安装图

5.2.1 数据来源2015 年 12 月 3 日，运维人员在对某风电厂某台机组进行检修时发现该机现“砰砰”异响，随后安装采样频率为 2048Hz 的振动信号采集设备。后期机组进行拆卸，发现是由于主轴承保持架损坏造成。采集单元如图 5.1 示；度传感器分别以水平和垂直方向安装在主轴承 6 与 9 点钟位置，如图 5.2 图 5.1 采集单元安装图

【参考文献】：
期刊论文
[1]基于EMD与ICA的滚动轴承复合故障诊断[J]. 崔玲丽,吴春光,邬娜.  北京工业大学学报. 2014(10)
[2]EMD中有效IMF选取方法的研究[J]. 丁常富,蔡志成.  热力发电. 2014(01)
[3]滚动轴承故障的谱相关特征分析[J]. 柳亦兵,辛卫东,李宏,滕伟,周雁冰.  中国机械工程. 2013(03)
[4]基于伪Wigner-Ville分布与小波变换的滚动轴承故障诊断[J]. 耶晓东,何亚银.  机械设计与研究. 2012(05)
[5]基于二次EEMD的Wigner-Ville分布旋转机械故障信号分析及试验研究[J]. 郭奇,刘卜瑜,史立波,李波.  振动与冲击. 2012(13)
[6]基于K-L散度的EMD虚假分量识别方法研究[J]. 韩中合,朱霄珣,李文华.  中国电机工程学报. 2012(11)
[7]基于改进Hilbert-Huang变换的机械故障诊断[J]. 雷亚国.  机械工程学报. 2011(05)
[8]基于相关系数的EMD改进算法[J]. 林丽,余轮.  计算机与数字工程. 2008(12)
[9]滚动轴承故障的EMD诊断方法研究[J]. 高强,杜小山,范虹,孟庆丰.  振动工程学报. 2007(01)
[10]基于融合分析的感应电机轴承故障检测方法[J]. 侯新国,吴正国,夏立,卜乐平.  数据采集与处理. 2006(01)

博士论文
[1]希尔伯特黄变换方法及其在特征提取中的应用研究[D]. 杜建卫.北京科技大学 2017
[2]面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D]. 郭艳平.浙江大学 2012

硕士论文
[1]基于小波变换的机械轴承磨损故障特征提取方法研究[D]. 王鑫.西南交通大学 2016
[2]轴承故障检测技术及其在风力发电机组中的应用[D]. 郑浩.山东大学 2016
[3]基于时频分析的特征提取与模式分类方法研究[D]. 赵卫峰.重庆大学 2016
[4]基于EMD的风力发电机轴承故障诊断方法研究[D]. 张建坤.哈尔滨理工大学 2016
[5]基于机器学习的滚动轴承智能诊断方法研究[D]. 吴武林.江西理工大学 2015
[6]基于希尔伯特—黄变换的语音识别特征提取方法研究[D]. 王宏宇.华南理工大学 2012
[7]基于AMP架构的多核间任务同步与通信的设计与实现[D]. 肖学甲.西安电子科技大学 2011
[8]基于希尔伯特黄变换的齿轮箱故障特征提取与消噪技术研究[D]. 宋飞.中北大学 2010
[9]支持向量机在智能故障诊断中的应用研究[D]. 魏于凡.华北电力大学（北京） 2007
[10]基于小波分析的滚动轴承故障诊断方法研究与应用[D]. 崔宝珍.中北大学 2005



本文编号：3352365