风机齿轮箱监测诊断系统的研究与实现

论文摘要

风力发电机工作环境恶劣,容易发生故障,对它的状态监测和故障诊断十分重要。目前风力发电机经常发生故障的部位有风机叶片和风机齿轮箱等,其中风机齿轮箱故障引起的停机时间最长,因此,风机齿轮箱的状态监测和故障诊断十分重要。本文围绕风机齿轮箱的状态监测和故障诊断展开论述,主要内容包括以下几个方面:首先,针对风机特殊的工况条件,利用LabVIEW和PXI数据采集系统设计了风机齿轮箱的实验系统,该系统实现了对风机齿轮箱的振动量、轴的转速和所受扭矩的实时监测,能对风机齿轮箱振动信号进行在线频域分析,还能保存风机齿轮箱的运行状态信息以供离线分析。其次,研究了阶次分析方法,在LabVIEW中利用重采样的方式实现了该算法,并通过实验比较了传统的基于FFT的分析方法与阶次分析方法的故障诊断效果,验证了阶次分析适合用于风机齿轮箱的故障诊断。最后,研究了支持向量机在故障诊断领域的应用,在阶次分析的基础上实现了基于支持向量机的智能诊断。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景、目的和意义
• 1.2 国内外相关技术的研究现状
• 1.2.1 状态监测与故障诊断技术的发展概况
• 1.2.2 故障诊断信号处理方法的发展现状
• 1.2.3 智能诊断技术的发展现状
• 1.2.4 风机状态监测与故障诊断现状
• 1.3 本课题主要研究内容
• 第2章 风机齿轮箱实验系统的设计
• 2.1 风力发电机概述
• 2.2 风机齿轮箱
• 2.2.1 风机齿轮箱的典型结构
• 2.2.2 风机齿轮箱的常见故障
• 2.3 实验系统的设计
• 2.3.1 实验系统的总体设计
• 2.3.2 数据采集模块的设计
• 2.3.3 主要实验内容
• 2.4 本章小结
• 第3章 基于重采样的阶次分析的实现
• 3.1 阶次分析的原理与实现方法
• 3.1.1 基于FFT的故障诊断方法
• 3.1.2 阶次分析的原理
• 3.1.3 阶次分析的实现方法
• 3.2 基于重采样实现阶次包络功率谱算法
• 3.2.1 信号的前置处理
• 3.2.2 振动信号和转速信号的同步
• 3.2.3 时域信号到角度域信号的转换
• 3.2.4 对角度域信号作包络功率谱分析
• 3.3 本章小结
• 第4章 基于阶次分析的风机齿轮箱故障诊断
• 4.1 轴承故障诊断实验
• 4.1.1 轴承的特征频率和特征阶次
• 4.1.2 恒速时的轴承故障诊断
• 4.1.3 变速时的轴承故障诊断
• 4.2 齿轮故障诊断实验
• 4.2.1 齿轮故障的频谱特征
• 4.2.2 恒速时的齿轮故障诊断
• 4.2.3 变速时的齿轮故障诊断
• 4.3 本章小结
• 第5章 基于支持向量机的风机齿轮箱智能诊断
• 5.1 支持向量机理论
• 5.1.1 经验风险最小化
• 5.1.2 VC维与推广性的界
• 5.1.3 结构风险最小化
• 5.2 支持向量机故障诊断程序的实现
• 5.3 基于支持向量机的智能诊断实验
• 5.3.1 信号的统计特征值
• 5.3.2 基于全频域统计特征值的智能诊断
• 5.3.3 基于阶次分析的智能诊断
• 5.4 本章小结
• 结论
• 参考文献
• 致谢