基于变分模态分解和支持向量机的风电机组振动故障诊断
发布时间：2021-10-08 13:23
能源短缺、环境问题日益凸显,风电作为一种清洁的可再生能源,受到了世界各国的广泛关注。然而,风电机组结构复杂,长期工作于变载荷、多工况和大温差等恶劣环境下,机组各设备极易出现各种故障,造成了较高的运维成本,对机组运行状态进行监测与诊断,有利于提高其安全稳定运行和降低维修损失。风电机组各设备之间藕联性较强,使得其振动信号表现非平稳特性,传统方法难以精确检测风电机组非平稳振动信号和现有许多故障诊断方法诊断正确率较低。为此,本文将变分模态分解引入到风电机组的振动故障诊断中,详细研究了基于变分模态分解的风电机组非平稳振动信号的检测与故障特征提取,并搭建了基于改进粒子群算法优化支持向量机的诊断模型,以期实现风电机组振动故障的准确识别与诊断。本文首先阐述了风电机组振动故障诊断的选题背景、目的和意义,介绍了风电机组非平稳振动信号处理技术和智能故障诊断模型的国内外研究现状以及存在的问题。其次,介绍了风电机组两种常见的基本结构和发电原理,对风电机组常见的故障类型和故障原因进行了分析,并研究了风电机组振动测点的布置,为后续进行风电机组非平稳振动信号的检测与故障诊断奠定了基础。再此,针对风电机组非平稳振动信号...
【文章来源】：西安理工大学陕西省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
001-2016年全球风电新增装机容量增长情况
作为一种清洁可再生能源，因其技术较为成熟且具备大规模开发潜力而受到世界各国的图 1-1 2001-2016 年全球风电新增装机容量增长情况Fig.1-1 Global annual installed capacity of wind power （2001-2016）
西安理工大学硕士学位论文广泛关注[2]。近年来，风电的发展在改善环境污染、缓慢气候变暖和缓解能源压力等方面做出了重大贡献。为实现节能减排、保护环境的目标，各国相继制定了一系列促进风电发展的政策方针，使得风电的开发利用取得了显著的成果。图 1-1 和图 1-2 分别为全球风电在 200年到 2016 年的发展情况[3]，截止 2016 年底，全球累计装机达 486.7GW，风电已成为各国着重发展的能源之一。我国风电在 2000 年后发展迅速，特别是我国在 2006 年颁布实施《可再生能源法》以
【参考文献】：
期刊论文
[1]并网双馈感应风电系统轴系振荡特性[J]. 姚骏,曾欣,李嘉伟. 电工技术学报. 2017(06)
[2]基于随机共振和经验模态分解的水力发电机组振动故障诊断[J]. 贾嵘,李涛涛,夏洲,马喜平. 水利学报. 2017(03)
[3]基于变分模态分解近似熵和支持向量机的轴承故障诊断方法[J]. 岳应娟,孙钢,蔡艳平. 轴承. 2016(12)
[4]基于变分模态分解和Teager能量算子的滚动轴承故障特征提取[J]. 马增强,李亚超,刘政,谷朝健. 振动与冲击. 2016(13)
[5]基于变分模态分解的风机滚动轴承早期故障诊断[J]. 郑小霞,周国旺,任浩翰,符杨. 轴承. 2016(07)
[6]水轮发电机组非平稳振动信号的检测与故障诊断[J]. 党建,何洋洋,贾嵘,董开松,谢永涛. 水利学报. 2016(02)
[7]大功率并网风电机组状态监测与故障诊断研究综述[J]. 李辉,胡姚刚,李洋,杨东,梁媛媛,欧阳海黎,兰涌森. 电力自动化设备. 2016(01)
[8]基于随机共振和多维度排列熵的水电机组振动故障诊断[J]. 何洋洋,贾嵘,李辉,董开松. 水力发电学报. 2015(12)
[9]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
[10]基于EMD-K-HT的风电机组滚动轴承故障特征提取方法研究[J]. 马鲁,陈国初,王海群. 电力学报. 2015(02)
博士论文
[1]基于变分模态分解的风电机组传动系统故障诊断研究[D]. 武英杰.华北电力大学(北京) 2016
[2]双馈异步风电机组状态监测与故障诊断系统的研究[D]. 宋磊.华北电力大学 2015
[3]风电机组传动链状态诊断方法研究[D]. 徐强.华北电力大学 2015
[4]直驱永磁同步风电机组并网变换器关键技术研究[D]. 庄凯.重庆大学 2012
[5]风电机组振动监测与故障诊断研究[D]. 刘文艺.重庆大学 2010
硕士论文
[1]基于随机共振的风电机组轴承早期微弱故障信号检测[D]. 孙浩宇.燕山大学 2016
[2]基于支持向量机的风电机组故障智能分类方法及其应用[D]. 刘达.华北电力大学(北京) 2016
[3]基于运行数据的风电机组在线状态评估[D]. 迟冰.华北电力大学(北京) 2016
[4]故障树及振动包络分析在风电机组故障诊断中的应用[D]. 戴煜林.华北电力大学(北京) 2016
[5]基于变分模态分解的故障诊断方法研究[D]. 王振威.燕山大学 2015
[6]基于改进粒子群算法和支持向量机的高炉炉温预测建模研究[D]. 徐夏.燕山大学 2015
[7]基于盲源分离的风机轴承的故障特征提取方法研究[D]. 邵玲.华北电力大学 2015
[8]风电机组振动监测与故障诊断系统研究[D]. 曹斌.广东工业大学 2014
[9]风电机组滚动轴承故障诊断系统开发[D]. 董兆宇.华北电力大学 2014
[10]风力发电机组振动状态监测与故障诊断系统研究[D]. 崔伟.华北电力大学 2014
本文编号：3424248
【文章来源】：西安理工大学陕西省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
001-2016年全球风电新增装机容量增长情况
作为一种清洁可再生能源，因其技术较为成熟且具备大规模开发潜力而受到世界各国的图 1-1 2001-2016 年全球风电新增装机容量增长情况Fig.1-1 Global annual installed capacity of wind power （2001-2016）
西安理工大学硕士学位论文广泛关注[2]。近年来，风电的发展在改善环境污染、缓慢气候变暖和缓解能源压力等方面做出了重大贡献。为实现节能减排、保护环境的目标，各国相继制定了一系列促进风电发展的政策方针，使得风电的开发利用取得了显著的成果。图 1-1 和图 1-2 分别为全球风电在 200年到 2016 年的发展情况[3]，截止 2016 年底，全球累计装机达 486.7GW，风电已成为各国着重发展的能源之一。我国风电在 2000 年后发展迅速，特别是我国在 2006 年颁布实施《可再生能源法》以
【参考文献】：
期刊论文
[1]并网双馈感应风电系统轴系振荡特性[J]. 姚骏,曾欣,李嘉伟. 电工技术学报. 2017(06)
[2]基于随机共振和经验模态分解的水力发电机组振动故障诊断[J]. 贾嵘,李涛涛,夏洲,马喜平. 水利学报. 2017(03)
[3]基于变分模态分解近似熵和支持向量机的轴承故障诊断方法[J]. 岳应娟,孙钢,蔡艳平. 轴承. 2016(12)
[4]基于变分模态分解和Teager能量算子的滚动轴承故障特征提取[J]. 马增强,李亚超,刘政,谷朝健. 振动与冲击. 2016(13)
[5]基于变分模态分解的风机滚动轴承早期故障诊断[J]. 郑小霞,周国旺,任浩翰,符杨. 轴承. 2016(07)
[6]水轮发电机组非平稳振动信号的检测与故障诊断[J]. 党建,何洋洋,贾嵘,董开松,谢永涛. 水利学报. 2016(02)
[7]大功率并网风电机组状态监测与故障诊断研究综述[J]. 李辉,胡姚刚,李洋,杨东,梁媛媛,欧阳海黎,兰涌森. 电力自动化设备. 2016(01)
[8]基于随机共振和多维度排列熵的水电机组振动故障诊断[J]. 何洋洋,贾嵘,李辉,董开松. 水力发电学报. 2015(12)
[9]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
[10]基于EMD-K-HT的风电机组滚动轴承故障特征提取方法研究[J]. 马鲁,陈国初,王海群. 电力学报. 2015(02)
博士论文
[1]基于变分模态分解的风电机组传动系统故障诊断研究[D]. 武英杰.华北电力大学(北京) 2016
[2]双馈异步风电机组状态监测与故障诊断系统的研究[D]. 宋磊.华北电力大学 2015
[3]风电机组传动链状态诊断方法研究[D]. 徐强.华北电力大学 2015
[4]直驱永磁同步风电机组并网变换器关键技术研究[D]. 庄凯.重庆大学 2012
[5]风电机组振动监测与故障诊断研究[D]. 刘文艺.重庆大学 2010
硕士论文
[1]基于随机共振的风电机组轴承早期微弱故障信号检测[D]. 孙浩宇.燕山大学 2016
[2]基于支持向量机的风电机组故障智能分类方法及其应用[D]. 刘达.华北电力大学(北京) 2016
[3]基于运行数据的风电机组在线状态评估[D]. 迟冰.华北电力大学(北京) 2016
[4]故障树及振动包络分析在风电机组故障诊断中的应用[D]. 戴煜林.华北电力大学(北京) 2016
[5]基于变分模态分解的故障诊断方法研究[D]. 王振威.燕山大学 2015
[6]基于改进粒子群算法和支持向量机的高炉炉温预测建模研究[D]. 徐夏.燕山大学 2015
[7]基于盲源分离的风机轴承的故障特征提取方法研究[D]. 邵玲.华北电力大学 2015
[8]风电机组振动监测与故障诊断系统研究[D]. 曹斌.广东工业大学 2014
[9]风电机组滚动轴承故障诊断系统开发[D]. 董兆宇.华北电力大学 2014
[10]风力发电机组振动状态监测与故障诊断系统研究[D]. 崔伟.华北电力大学 2014
本文编号：3424248
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3424248.html
