基于盲分离的大型风力机机械故障信号特征提取
发布时间：2020-04-18 19:59
【摘要】：近几年来，随着人类对绿色清洁能源的重视和国内风电行业的飞速发展，再加上风力发电机工作环境恶劣，一旦发生故障后维修费用高并且维修困难，造成的经济损失也很大。因此人们开始纷纷关注风力发电机组运行的安全问题，对风力发电机的故障进行准确判断显得十分重要。 本文从大型风力发电机的机械原理出发，应用盲分离技术，建立了盲分离的数学模型，通过研究目标函数和优化算法，分析了可分离的条件和分离结果的不确定性。重点研究了JADE算法，该算法具有收敛速度快、稳健性好等优点，并对该算法进行编程；通过仿真表明算法在对无噪声情况下对纯净信号的分离表现了优异的性能；在对调制信号加入白噪声和脉冲噪声后，在观测信号中的源信号几乎无法辨认的情况下，算法能够从强背景噪声中提取出源信号波形，结果表明算法的稳定性和有效性。在对风力发电机组的故障特征提取中，本文设计出基于盲分离信号特征提取的总体方案。通过分析主要零部件故障特征，获得轴承特征频率简化计算公式，并对风力机测点选择进行了优化；利用振动分析仪对两台轴承故障风力发电机进行数据采集，故障分别为主轴承滚动体磨损和电机端内圈裂纹故障；文中先对信号进行时域和频域分析，发现故障信号尤其是早期故障几乎完全被淹没在机器运行信号之中，难以识别，即使在频谱图中，故障信号特征依然不明显；文中将盲分离技术和频谱分析技术相结合，对所测信号进行故障信号特征提取，处理结果表明即使故障信号被淹没在背景噪声和机器运行信号之中，依然能够从中提取到故障特征，，表现了算法优良的性能，所得结果表明，该特征提取方案是有效的。
【图文】：
图 4 .2 主 轴承 测 点 图 Fi g . 4. 2 Ma in b ea r in g me a s ur i ng p oi nt 表 4 .2 测 量参 数 选 择 Ta bl e 4 . 2 Me a su r e me nt pa r a me t e r s径向 垂直 径 向水 平 轴向 参数 位移 位移 位移 频率 范 围 0~ 64 0 0H z 测点 2 ：电 机 端 电机 是 风 力发 电 机 中 最重 要 的 设备 ， 电机 驱动 端 的 运 行状 态 直 接决 定 了 风力 发 电 机 的 发 电 效 率 ， 对 其 进 行正 确 的 特 征 提 取 具 有重 要 的 意 义 ， 电 机 驱 动 端测 点 图 如 图4. 3 所示 。 a ) 径向 垂 直 a ) Ra di a l ve r ti c a lb) 径 向水 平 b) Ra di a l ho r iz o nt a lc) 轴向 c) Ax i a l
图 4 .2 主 轴承 测 点 图 Fi g . 4. 2 Ma in b ea r in g me a s ur i ng p oi nt 表 4 .2 测 量参 数 选 择 Ta bl e 4 . 2 Me a su r e me nt pa r a me t e r s径向 垂直 径 向水 平 轴向 参数 位移 位移 位移 频率 范 围 0~ 64 0 0H z ：电 机 端 风 力发 电 机 中 最重 要 的 设备 ， 电机 驱动 端 的 运 行状 态 直 接决 定 率 ， 对 其 进 行正 确 的 特 征 提 取 具 有重 要 的 意 义 ， 电 机 驱 动 端 ) Ra di a l ve r ti c a lb) Ra di a l ho r iz o nt a lc) Ax i
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TK83
本文编号：2632479
【图文】：
图 4 .2 主 轴承 测 点 图 Fi g . 4. 2 Ma in b ea r in g me a s ur i ng p oi nt 表 4 .2 测 量参 数 选 择 Ta bl e 4 . 2 Me a su r e me nt pa r a me t e r s径向 垂直 径 向水 平 轴向 参数 位移 位移 位移 频率 范 围 0~ 64 0 0H z 测点 2 ：电 机 端 电机 是 风 力发 电 机 中 最重 要 的 设备 ， 电机 驱动 端 的 运 行状 态 直 接决 定 了 风力 发 电 机 的 发 电 效 率 ， 对 其 进 行正 确 的 特 征 提 取 具 有重 要 的 意 义 ， 电 机 驱 动 端测 点 图 如 图4. 3 所示 。 a ) 径向 垂 直 a ) Ra di a l ve r ti c a lb) 径 向水 平 b) Ra di a l ho r iz o nt a lc) 轴向 c) Ax i a l
图 4 .2 主 轴承 测 点 图 Fi g . 4. 2 Ma in b ea r in g me a s ur i ng p oi nt 表 4 .2 测 量参 数 选 择 Ta bl e 4 . 2 Me a su r e me nt pa r a me t e r s径向 垂直 径 向水 平 轴向 参数 位移 位移 位移 频率 范 围 0~ 64 0 0H z ：电 机 端 风 力发 电 机 中 最重 要 的 设备 ， 电机 驱动 端 的 运 行状 态 直 接决 定 率 ， 对 其 进 行正 确 的 特 征 提 取 具 有重 要 的 意 义 ， 电 机 驱 动 端 ) Ra di a l ve r ti c a lb) Ra di a l ho r iz o nt a lc) Ax i
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TK83
【参考文献】
相关期刊论文 前10条
1 张贤达,保铮;盲信号分离[J];电子学报;2001年S1期
2 焦卫东,杨世锡,吴昭同;机械故障模式识别的ICA基神经网络方法[J];计算技术与自动化;2003年02期
3 张立勇;王长路;刘法根;;风力发电及风电齿轮箱概述[J];机械传动;2008年06期
4 陈仲生,杨拥民,沈国际;独立分量分析在直升机齿轮箱故障早期诊断中的应用[J];机械科学与技术;2004年04期
5 吴军彪,陈进,伍星;基于盲源分离技术的故障特征信号分离方法[J];机械强度;2002年04期
6 楼红伟,胡光锐;基于小波域的非平稳卷积混合语音信号的自适应盲分离[J];控制与决策;2004年01期
7 李志农;郝伟;韩捷;何永勇;褚福磊;;噪声环境下机械故障源的盲分离[J];农业机械学报;2006年11期
8 张锁怀;王开专;张文礼;陈杨;;兆瓦级风力发电机组传动系统的振动特性研究[J];起重运输机械;2009年05期
9 唐新安;谢志明;王哲;吴金强;;风力发电机组齿轮箱振动测试与分析[J];设备管理与维修;2006年11期
10 白树忠;刘琚;孙国霞;;基于最小均方误差和稀疏特征的欠定盲源分离[J];山东大学学报(工学版);2008年04期
相关硕士学位论文 前1条
1 时轶;风力发电机组振动测试技术研究[D];新疆农业大学;2007年
本文编号：2632479
本文链接：https://www.wllwen.com/projectlw/xnylw/2632479.html
