风电齿轮和滚动轴承故障诊断技术研究

发布时间：2017-10-11 17:15

  本文关键词：风电齿轮和滚动轴承故障诊断技术研究

  更多相关文章： 能量重心 包络阶次 聚类经验模态分解 支持向量机

【摘要】：风电机组运行环境一般较为恶略,长时间运行可能导致设备产生故障。风电机组主传动链上任何一个关键零部件失效都会导致传动系统瘫痪,进而影响风电机组的正常运行,造成不可估计的损失。齿轮箱和轴承作为风电机组主传动链上的核心部件,对其进行故障特征提取和故障识别的重要性不言而喻。 首先,开发了基于cRIO的数据采集软件,为故障特征提取和故障识别提供实验数据来源,文中用到的实验数据均由此软件采集得到。 齿轮处于运行状态时,分为变转速和定转速两种状态。当转速恒定时,若齿轮产生故障,振动信号会产生幅值调制,采解调分析方法对信号进行特征频率提取。由于齿轮在产生故障时,特征频率成分会产生明显变化,导致能量分布产生较大改变,本文在此基础上提出了基于频域的能量重心法和相关系数法对齿轮进行故障诊断,通过仿真和实验验证了这种方法的有效性。当齿轮处于变转速状态且发生故障时,振动信号变为既有幅值调制又有频率调制的信号,本文采用了包络阶次分析方法对故障齿轮进行特征频率提取,并通过齿轮的断齿实验进行验证,从而解决了传统傅里叶变换在处理此类信号时产生的“频谱模糊”现象。 轴承在风电机组主传动链中和齿轮具有同等重要的位置,对其进行故障特征提取和故障识别研究必不可少。本文采用聚类经验模态分解和支持向量机的方法对故障信号进行特征提取和故障识别。首先,对故障轴承的振动信号进行EEMD分解,对分解后的IMF分量进行能量计算,得到故障信号在不同尺度上的能量分布,通过进一步计算得到其能量熵和奇异值熵。对计算结果进行分析得到如下结论：随着故障程度的增加,能量熵值逐渐减小,奇异值熵和能量熵的变化趋势一致且大小略低于能量熵；不同故障的轴承,其振动信号的能量分布不同。因此,可以把故障轴承的能量分布、能量熵作为特征参数进行故障识别。 选取正常、外圈故障、内圈故障和滚动体故障四种情况。把故障信号在不同尺度上的能量分布作为特征向量用支持向量机进行故障识别；把信号的峭度、包络有效值、能量熵作为特征向量进行故障分类。
【关键词】：能量重心 包络阶次 聚类经验模态分解 支持向量机
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3;TH133.33;TH132.41
【目录】：

• 摘要4-6
• ABSTRACT6-15
• 第一章 绪论15-19
• 1.1 研究背景15
• 1.2 故障诊断方法概述15-18
• 1.2.1 基于解析模型的分析方法15-16
• 1.2.2 基于信号处理的分析方法16-17
• 1.2.3 基于知识的分析方法17-18
• 1.3 课题来源及本文主要内容18-19
• 1.3.1 课题来源18
• 1.3.2 本文的研究内容和章节安排18-19
• 第二章 故障特征提取及识别方法研究19-47
• 2.1 引言19
• 2.2 解调分析19-27
• 2.2.1 解调分析原理19-22
• 2.2.2 解调分析仿真22-27
• 2.3 基于频域的能量重心法和相关系数法27-29
• 2.3.1 能量重心法原理27
• 2.3.2 相关系数法原理27-28
• 2.3.3 能量重心法和相关系数法仿真28-29
• 2.4 阶次跟踪分析29-34
• 2.4.1 阶次跟踪原理29-31
• 2.4.2 阶次跟踪仿真31-34
• 2.5 聚类经验模态分解34-38
• 2.5.1 经验模态分解原理34-35
• 2.5.2 聚类经验模态分解原理35-37
• 2.5.3 聚类经验模态分解仿真37-38
• 2.6 支持向量机38-45
• 2.6.1 支持向量机原理39-41
• 2.6.2 归一化法和交叉验证法41-42
• 2.6.3 支持向量机分类仿真42-45
• 2.7 本章小结45-47
• 第三章 基于cRIO的数据采集软件开发47-59
• 3.1 引言47
• 3.2 硬件与软件平台介绍47-48
• 3.3 数据采集软件设计48-58
• 3.3.1 硬件设置48-49
• 3.3.2 软件整体结构49-51
• 3.3.3 FPGA程序51-53
• 3.3.4 上位机程序53-58
• 3.4 软件测试58
• 3.5 本章小结58-59
• 第四章 齿轮故障实验研究59-71
• 4.1 引言59
• 4.2 实验设备59-60
• 4.3 实验方案60-61
• 4.4 实验数据分析处理61-69
• 4.4.1 定转速数据分析处理61-67
• 4.4.2 变转速数据分析处理67-69
• 4.5 本章小结69-71
• 第五章 滚动轴承故障实验研究71-83
• 5.1 引言71
• 5.2 实验设备71-72
• 5.3 实验方案72-73
• 5.4 实验数据分析处理73-77
• 5.5 滚动轴承故障识别77-81
• 5.5.1 能量分布为特征向量77-78
• 5.5.2 峭度、包络有效值、能量熵为特征向量78-80
• 5.5.3 提高某一类故障的分类准确率80-81
• 5.6 本章小结81-83
• 第六章 总结和展望83-85
• 6.1 总结83
• 6.2 展望83-85
• 致谢85-87
• 附录187-89
• 附录289-91
• 参考文献91-95
• 研究成果及发表的学术论文95-97
• 作者和导师简介97-98
• 附件98-99

【参考文献】

中国期刊全文数据库 前10条

1 张杨;刘志刚;;EEMD在电能质量扰动检测中的应用[J];电力自动化设备;2011年12期

2 高清清;贾民平;;基于EEMD的奇异谱熵在旋转机械故障诊断中的应用[J];东南大学学报(自然科学版);2011年05期

3 朱高中;刘保菊;;基于DSP和小波变换故障诊断检测的研究[J];电子质量;2009年11期

4 周燕莉;;风力发电的现状与发展趋势[J];甘肃科技;2008年03期

5 周云龙;刘永奇;薛广鑫;陈军;;基于EMD和边际谱频带能量的离心泵汽蚀故障诊断[J];化工学报;2012年02期

6 杨宇,于德介,程军圣,丁戈;经验模态分解(EMD)在滚动轴承故障诊断中的应用[J];湖南大学学报(自然科学版);2003年05期

7 张小蓟;张歆;孙进才;;基于IMF能量熵的目标特征提取与分类方法[J];计算机工程与应用;2008年04期

8 王清,潘宏侠,周传刚;机械故障诊断技术现状及趋势[J];机械管理开发;2005年06期

9 彭志凌;潘宏侠;;基于信息融合的机械故障诊断技术研究[J];机械管理开发;2006年01期

10 许宝杰;张建民;徐小力;徐杨梅;;粗糙集合理论在旋转机械故障诊断技术中的应用[J];机械设计与制造;2006年12期

中国硕士学位论文全文数据库 前3条

1 王远程;阶次分析在齿轮变速箱故障诊断中的应用[D];同济大学;2006年

2 谢芳芳;基于支持向量机的故障诊断方法[D];湖南大学;2006年

3 陈欢欢;基于支持向量机的故障诊断方法研究[D];哈尔滨工业大学;2008年

，

本文编号：1013741