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
发布时间：2020-12-10 00:02
在目前国内外能源短缺和环境污染问题日益严重的情况下,大力开发和利用风能是解决上述问题的有效途径和必然趋势之一。在风电产业快速发展的同时,风力发电机组的安全、稳定运行逐渐引起国内外的高度重视。在双馈型和半直驱型风力发电机组中,由齿轮箱轴承故障引起的停机时间最长,对其故障进行研究具有重要的理论指导价值和工程应用意义。因此,本文以风力发电机组齿轮箱滚动轴承为研究对象,采用先进技术方法对其进行故障类型、故障部位和故障程度的诊断,为提高风力发电机组的利用率,降低风场的运行维护费用提供重要理论支撑和技术保证。本文的主要研究内容如下：1.提出了一种基于数学形态滤波的小波特征频带滚动轴承早期故障诊断方法。首先利用小波-数学形态联合降噪算法对信号进行预处理；再建立滚动轴承故障振动信号模型,以减小诊断的盲目性,提高诊断精确度；最后根据理论推导分析出的结论：当滚动轴承发生故障时,其振动信号相应故障特征频带能量显著增大,来判定小波分解结果中包含故障信息的特征频带,将包含在其中的周期性冲击特征和故障调制信息分离出来,从而判定故障类型和故障部位。2.提出了一种基于峭度的EMD （Empirical Mode De...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：123 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
目录
1 绪论
1.1 课题研究的背景与意义
1.2 现有滚动轴承故障诊断方法及其优缺点
1.2.1 时域统计特征值及无量纲参数方法及其优缺点
1.2.2 频域分析方法及其优缺点
1.2.3 时频域分析方法及其优缺点
1.3 小波变换和EMD方法在轴承故障诊断中的应用研究现状
1.3.1 小波变换在轴承故障诊断中的应用研究现状
1.3.2 EMD方法在轴承故障诊断中的应用研究现状
1.3.3 现有EMD方法迭代截止规则及其缺点
1.4 现有研究存在的问题
1.5 本论文主要研究内容和结构安排
2 基于数学形态滤波的小波特征频带滚动轴承早期故障诊断方法
2.1 引言
2.2 小波-数学形态联合的早期故障振动信号降噪预处理
2.3 滚动轴承故障振动信号模型
2.3.1 滚动轴承故障振动信号频谱特征
2.3.2 滚动轴承故障振动信号模型
2.4 轴承不同故障频率成分能量对比
2.5 小波特征频带判断
2.6 诊断方法步骤
2.7 实验结果及分析
2.8 结论
3 基于峭度的EMD方法迭代截止规则
3.1 引言
3.2 原始EMD方法分解步骤
3.2.1 IMF分量定义条件
3.2.2 原始EMD方法分解步骤
3.3 基于峭度的EMD方法迭代截止规则
3.3.1 峭度的定义及其意义
3.3.2 基于峭度的EMD方法迭代截止规则
3.4 仿真结果分析与对比
3.4.1 准确性对比
3.4.2 正交性对比
3.5 在风力发电机组齿轮箱高速端轴承故障中的应用对比
3.6 本章小结
4 一种新型滚动轴承故障部位及程度在线诊断方法
4.1 引言
4.2 滚动轴承故障实验数据来源
4.3 滚动轴承故障特征量的提取
4.4 一种新型滚动轴承故障部位及程度在线诊断方法
4.4.1 散度指标
4.4.2 故障部位及程度诊断方法
4.5 实验数据及结果分析
4.5.1 故障特征量提取准确性
4.5.2 故障部位及程度诊断
4.6 在风力发电机组齿轮箱高速端轴承故障诊断中的验证
4.7 本章小结
5 一种新型滚动轴承故障部位及程度自适应聚类方法
5.1 引言
5.2 滚动轴承故障特征量提取
5.3 自适应K-均值聚类算法
5.3.1 原始K-均值聚类算法概述
5.3.2 主成分分析方法
5.3.3 自适应K-均值聚类算法
5.4 故障部位及程度诊断自适应聚类方法
5.5 实验结果及分析
5.5.1 按故障部位自适应聚类样本集
5.5.2 按故障程度自适应聚类样本集
5.6 结论与比较
6 风力发电机组在线故障预警与诊断一体化系统设计与应用
6.1 引言
6.2 系统整体框架
6.2.1 系统结构
6.2.2 系统功能
6.2.3 一体化系统
6.3 故障预警子系统
6.4 故障诊断子系统
6.5 结论
7 总结与展望
7.1 全文研究工作总结
7.2 研究工作展望
参考文献
附录
本文编号：2907704
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：123 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
目录
1 绪论
1.1 课题研究的背景与意义
1.2 现有滚动轴承故障诊断方法及其优缺点
1.2.1 时域统计特征值及无量纲参数方法及其优缺点
1.2.2 频域分析方法及其优缺点
1.2.3 时频域分析方法及其优缺点
1.3 小波变换和EMD方法在轴承故障诊断中的应用研究现状
1.3.1 小波变换在轴承故障诊断中的应用研究现状
1.3.2 EMD方法在轴承故障诊断中的应用研究现状
1.3.3 现有EMD方法迭代截止规则及其缺点
1.4 现有研究存在的问题
1.5 本论文主要研究内容和结构安排
2 基于数学形态滤波的小波特征频带滚动轴承早期故障诊断方法
2.1 引言
2.2 小波-数学形态联合的早期故障振动信号降噪预处理
2.3 滚动轴承故障振动信号模型
2.3.1 滚动轴承故障振动信号频谱特征
2.3.2 滚动轴承故障振动信号模型
2.4 轴承不同故障频率成分能量对比
2.5 小波特征频带判断
2.6 诊断方法步骤
2.7 实验结果及分析
2.8 结论
3 基于峭度的EMD方法迭代截止规则
3.1 引言
3.2 原始EMD方法分解步骤
3.2.1 IMF分量定义条件
3.2.2 原始EMD方法分解步骤
3.3 基于峭度的EMD方法迭代截止规则
3.3.1 峭度的定义及其意义
3.3.2 基于峭度的EMD方法迭代截止规则
3.4 仿真结果分析与对比
3.4.1 准确性对比
3.4.2 正交性对比
3.5 在风力发电机组齿轮箱高速端轴承故障中的应用对比
3.6 本章小结
4 一种新型滚动轴承故障部位及程度在线诊断方法
4.1 引言
4.2 滚动轴承故障实验数据来源
4.3 滚动轴承故障特征量的提取
4.4 一种新型滚动轴承故障部位及程度在线诊断方法
4.4.1 散度指标
4.4.2 故障部位及程度诊断方法
4.5 实验数据及结果分析
4.5.1 故障特征量提取准确性
4.5.2 故障部位及程度诊断
4.6 在风力发电机组齿轮箱高速端轴承故障诊断中的验证
4.7 本章小结
5 一种新型滚动轴承故障部位及程度自适应聚类方法
5.1 引言
5.2 滚动轴承故障特征量提取
5.3 自适应K-均值聚类算法
5.3.1 原始K-均值聚类算法概述
5.3.2 主成分分析方法
5.3.3 自适应K-均值聚类算法
5.4 故障部位及程度诊断自适应聚类方法
5.5 实验结果及分析
5.5.1 按故障部位自适应聚类样本集
5.5.2 按故障程度自适应聚类样本集
5.6 结论与比较
6 风力发电机组在线故障预警与诊断一体化系统设计与应用
6.1 引言
6.2 系统整体框架
6.2.1 系统结构
6.2.2 系统功能
6.2.3 一体化系统
6.3 故障预警子系统
6.4 故障诊断子系统
6.5 结论
7 总结与展望
7.1 全文研究工作总结
7.2 研究工作展望
参考文献
附录
本文编号：2907704
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/2907704.html
